❓ Как подготовиться к следующим 5 годам: стратегия для эпохи AI-неопределённости

Будущее искусственного интеллекта непредсказуемо — и это нормально. Автор The Algorithmic Bridge объясняет, почему традиционное планирование на «средний сценарий» не работает: AI относится к классу «толстохвостых» рисков (по Нассиму Талебу), где диапазон возможных исходов настолько широк, что среднее значение почти ничего не говорит. Мир, где AI выйдет на рекурсивное самоулучшение к 2028 году, кардинально отличается от сценария экономического коллапса уже в 2026-м.

Решение — стратегия «штанги» (barbell strategy): на одном конце максимум безопасности, на другом — максимум экспозиции к upside. Безопасный конец — фундаментальные человеческие навыки: ясное письмо, умение рассуждать в условиях неоднозначности, убеждение, управление людьми, вкус и суждение. Эти навыки были ценны в 1905 году и останутся таковыми в 2105-м, независимо от AI. Второй конец — агрессивное экспериментирование с AI-инструментами: ежедневное использование, построение сложных воркфлоу, публичный запуск проектов для сбора обратной связи. Середина — умеренные усилия и умеренный риск — путь к поражению.

#AI #Strategy #Prediction #Future #Barbell

⚙️ Decathlon переводит прогнозирование спроса на Chronos-2

Ретейлер Decathlon выбрал foundation-модель Chronos-2 как ключевой компонент своего стека прогнозирования спроса. Компания обслуживает более 400 млн покупателей и десятки тысяч товаров в 80 видах спорта, поэтому точность прогноза напрямую влияет на наличие товара в магазинах и издержки на склад.

Модель работает на двух горизонтах: 12-недельный цикл пополнения для закупщиков и 52-недельный стратегический горизонт для планирования запасов. Система развёрнута в Европе, Индии, Китае, Юго-Восточной Азии и Латинской Америке, до 25 000 товаров на зону. Ранее Decathlon использовал DeepAR и Temporal Fusion Transformer, но они требовали еженедельного переобучения и сложно масштабировались.

В ходе бенчмарка на собственных данных ретейлер сравнил несколько TSFM на 101 срезе за два года. Chronos-2 в zero-shot режиме уже соответствовал полностью обученной production-модели, а после fine-tuning (достаточно раз в полгода) заметно превзошёл конкурентов на обоих горизонтах. Отдельно отмечают нативную поддержку ковариат через group attention и эффективность: inference для 25 000 товаров укладывается в 2 минуты, причём модель работает и на CPU, и на GPU.

#AI #Prediction #Chronos2 #AWS #Decathlon