Эд Хорьков из КОД9

🥂

Долина разочарования AI 2 недели почти не трогал ai агентов сам. И многие друзья-предприниматели кто глубоко в ai нырял, тоже в похожей точке. 1. К хорошему быстро привыкаешь. То что раньше ощущалось как магия, стало обычно. 2. То что раньше было милыми багами теперь стало бесячими косяками. 3. Запросы растут. Теперь хочется чтобы агенты понимали с полуслова, всё запоминали, но отличали важное от неважного, сами следили за контекстом, поддерживали целостность проектов, работали продуктивно по 8 часов и делали до конца хорошо - а они этого не делают (и бесят). 4. Что угодно серьезное требует дисциплины, усидчивости, самому держать в голове всё важное и отлаживать, отлаживать, отлаживать. У меня дежавю из периода когда я сам был разработчиком. Очень классное ощущение когда что-то получилось создать и оно работает. Но как же долго надо сидеть чтобы простейшая штука работала надежно. 5. Ресерчи, прототипы, эксперименты - да. Отладка, поддержка - нет, спасибо. Prototypes are easy, production is hard. 6. Выход из этого тот же, что и в прошлый раз. Нанимать людей и компании, которые буду заниматься понятной работой. Форматы те же - парт-тайм/фул-тайм сотрудники / аутстаф / заказная разработка / сервис провайдеры. Но и к тем и к другим теперь другие ожидания по срокам, качеству, объёмам. 7. (Мой) объект работы снова не код / агенты, а компания, вижн, стратегия, продукт, команда, процессы. Как и было всегда. А у вас как? — @vsevolodustinovchannel - подписывайтесь чтобы читать больше демотивирующих постов про ai

Как раз то что вижу и что хотел написать, но Всеволод меня опередил. ИИ это не магия, а чтобы решение заработало нужно вложить много сил/денег/времени.

Это я рассказывал про стратегию ИИ-трансформации. А сейчас я уже дома)

Страт-сессия по AI-трансформации В пятницу провел страт-сессию в корпорации-производителе строй материалов. Основные идеи такие: - Нужно воспринимать AI-агентов как новых сотрудников. Если берем агента на работу - то какие у него должностные инструкции? - Если хотим цифровизировать (ИИзировать) какую-то функцию бизнеса - раскладываем ее на задачи (таски) и для каждой задачи рисуем агента - Дальше этих агентов раскладываем по матрице Impact/Feasability и то что в правом верхнем углу можно делать. - Крупным компаниям нужно развивать внутреннюю AI-экспертизу, делать это они могут в том числе с нашей (КОД9) помощью.

AI & Breakfast — 2 июля Последний в этом сезоне (до августа) завтрак будет в четверг - 2 июля. Продолжаем про ИИ в HR. В прошлые разы обсуждали подбор, адаптацию, пилоты за 2–4 недели и границы — где ИИ не нужен. В эту пятницу четверг поговорим про результаты. - Какие метрики реально показывают, что ИИ работает, а не просто "внедрили" - Почему большинство пилотов умирают не из-за технологии, а из-за отсутствия владельца процесса - Как перевести эксперимент в стандартную операцию без потери качества Когда: 2 июля, начинаем в 10:30. Где: Novikov School на Якиманке Для записи пишите мне в личку @edcode9

Движок повторных продаж Сколько клиентов в вашей базе, до которых руки не дошли? Это риторический вопрос Последние 3 месяца я постоянно общаюсь с руководителями B2B-продаж, поставщиками, дистрибьюторами. Обычно в каждому случае в CRM несколько тысяч контактов, а сейлз-команда активно работают только с 30-40% базы. Мы в КОД9 запустили движок повторных продаж. - AI-агент сам видит, кто готов купить снова, и даёт менеджеру готовый повод выйти на связь. Как работает: - Агент анализирует базу - кто покупал, когда, что, когда последний контакт. - Оценивает вероятность повторной покупки по паттернам поведения. - Генерирует конкретный повод для контакта, реальный триггер. - Дает менеджеру в CRM инструкцию: кто, почему готов, что сказать. Приглашаю несколько компаний на пилот — пишите в личку.

Ребята, завтрак завтра отменяем. Следующий будет 2 июля. Stay tuned ⭐️

AI & Breakfast — 19 июня Пятница день бизнес-завтраков) Прошлый раз мы уже обсуждали ИИ в HR — подбор, адаптацию, пилоты за 2–4 недели. В эту пятницу продолжим, хочу поговорить про границы ИИ в HR-функции - Где точно не нужно применять ИИ сейчас, где риски выше выгоды, или где человек справится лучше и дешевле. - Можно работа с ИИ и персональными данными — есть ли вообще такие решения? - С чего начать, если хочешь запустить ИИ-пилот - какой первый шаг, который можно сделать и получить результат. Когда: 19 июня, начинаем в 10:30. Где: Novikov School. Для записи пишите мне в личку (@edcode9) или не Timepad.

95% ИИ-пилотов умирают Я уже писал что ИИ-агенты это как электричество, когда оно появилось не сразу было ясно как его использовать на производстве. Нашел свежий отчет с анализом, почему большинство ИИ-проектов в бизнесе умирают. Прочитал его и сейчас расскажу вам почему. Спойлер (не потому что ChatGPT тупит) 1. Нереалистичные ожидания Внедрение технологии требует подготовки данных и семантики, инфраструктурного слоя, перестройки бизнес-процессов. На деле руководители частно воспринимают ИИ как волшебство, реализуют пилоты без понятных измеримых результатов. В результате после еле-работающего пилота наступает разочарование и дальше процесс не движется. 2. Плохое планирование и отсутствие стратегии Проблема которую мы наблюдаем в своей работе с ИИ-проектами - подход аля "прикрутим и посмотрим как заработает". По факту внедрение ИИ нужно планировать так же как планируется внедрение любого enterprise-софта -- по фазам, с понятным результатом и артефактами в каждой фазе, с адаптацией или перестройкой процессов (вроде уже писал где-то про это, но ничего, повторяться полезно). 3. Мусорные данные ИИ-агенты работают на том уровне качества, на каком находятся ваши данные (семантика). Хорошие данные - агент работает хорошо, данные неконсистентные или устаревшие - такой же результат будет выдавать агент. 4. Работа с людьми и управление изменениями Если внедряем ИИ, нам нужно не только разработать агентов но и управлять всеми изменениями, связанными с этим -- обучать людей, внедрять новые роли (архитектора агентов) и задачи. Нужно следить за метриками агентов, добавлять новые данных к обучающим выборкам и кучу всего другого. Что называется Как это применимо у нас в КОД9? Мы внедряем агентов в бизнесы клиентов, поэтому используем такой чек-лист 1. Есть ли данные и какое у них качество? 2. Процессы описаны/формализованы? 3. Компания готова вовлекать свой персонал и обучать его? 4. Есть метрики которые привязаны к бизнес-результату? 5. Сможем настроить мониторинг метрик и управление агентом? Пробуйте, тестируйте, пишите, если нужна помощь с аудитом готовности ваших процессов к ИИ.

Kimi выпустил свой аналог Claude Desktop В версии десктоп приложений у всяких LLM-ок появляется сильно больше функционала чем когда они в виде веб-чата, в чате вы общаетесь, а на десктопе делает реальную работу Они могут: - Взаимодействовать с вашими файлами и папками - Собирать документы (презы, таблички) - Делать задачки по расписанию И все это на вашем родном ПК Поэтому рано или поздно у всех основных лабораторий будет такое десктопное приложение, вот и Kimi подтянулись. Я уже давно пользуюсь Kimi, он работает без kvn и выдает качество на уровне последнего Sonnet-а и стоит в разы дешевле. Попробуйте и вы.

Рассказываю про завтрак в пятницу. Пришли HRD с производства, интеграторы, консалтинг. Что обсуждали 1. Рассказал про кейс Hilton, которые сделали массовый найм через чат-бот + видеоскрининг. Кандидат проходит текстовый этап, потом видеоинтервью без человека, и только потом попадает к рекрутеру. Рекрутер пропускает больше людей, кандидаты ждут дни вместо недель. 2. Антикейс Amazon, они попытались в автоскрининг резюме - натренировали модель на исторических данных. Модель выучила, что в Amazon больше мужчин, и стала дискриминировать женщин. Если в данных есть предвзятость, то ИИ ее только усилит. 3. Правило 70/30 от BCG: 70% успеха внедрения ИИ это работа с людьми, культурой, процессами, а только 30% технология. Если менять только инструмент то ничего не измениться, нужно менять процессы и культуру. 4. Как выбирать процесс для пилота: массовый, атомарный, с чёткими регламентами, от которого освободившийся специалист пойдёт делать что-то полезное. Иначе просто автоматизируем хаос и получим автоматизированный хаос. Сначала операционка, а затем автоматизация. 5. HR - это перс данные в чистом виде поэтому важна история про безопасность данных. Какие тут есть решения - можно крутить модельки на своей инфраструктуре (дорого) или можно обезличивать данные перед отправкой в облачный ИИ. 6. Текучка и мотивация. ИИ напрямую не может решить эти проблемы, но он может помощь HR лучше работать с данными о сотрудниках, которые есть в наличии и извлекать более глубокие инсайты оттуда. Если резюмировать - внедрение ИИ в HR не заменит людей, но может освободить время HR-специалистов, чтобы было больше времени на значимые задачи и меньше приходилось тратить на рутину. Приходите к нам на бизнес-завтраки 😃

AI & Breakfast — 29 мая Этот завтрак будет тематический - с фокусом на HR-функцию. Как внедрить ИИ в HR-процессы и получить результат, который видно уже через месяц. В своем эcce от декабря прошлого года я писал Машины возьмут на себя рутинные задачи: скрининг, сортировку резюме, обновление знаний, построение программ обучения, аналитику, прогнозирование. Людям останется то, что невозможно автоматизировать: построение и развитие корпоративной культуры и ценностей, с которыми сотрудники себя хотят ассоциировать. Прошло пол года, самое время посмотреть как близко мы пришли к этому прогнозу. Формат без презентаций, живое общение, 7–10 человек за столом. Конкретные кейсы, цифры, подходы. Когда: 29 мая, начинаем в 10:30. Где: Novikov School. Для записи пишите мне в личку — @edcode9. Или на TimePad.

AI & Break-fast ⚡️— 15 мая Пятница - день бизнес-завтрака. В этот раз в новом месте. Тема будет про скорость -- как внедрить ИИ с быстрым результатом (за 2 недели, а не 2 года). На встрече потренируемся выделять такие места/процессы. Чтобы все участники не только позавтракали, но и ушли с пониманием, что можно запустить уже на следующей неделе. Формат без презентаций, живое общение, 7–10 человек за столом, с конкретными кейсами. Когда: 15 мая, начинаем в 10:30. Где: Novikov School на Якиманке. Мест мало. Для записи пишите мне в личку — @edcode9.

Как компании трансформируются в AI-native Мы в 1900 году - электричество (ИИ-агенты) есть, а заводы (процессы) старые. Компании делают много пилотов с ИИ и получают мало результата. Поэтому интересно смотреть на компании, которые перестраивают саму структуру под ИИ, а не прикручивают иишку к старым процессам. CEO Coinbase написал о том, как они перестраивают свою компанию. Вот его принципы: 1.Меньше менеджерских уровней, быстрее решения Каждый управленческий уровень это накладные расходы на первод и пересказ контекста. Если ИИ ускоряет работу - структура должна за этим успевать, иначе ускорение упирается в менеджеров и результата нет. 2. No pure managers — нужны играющие тренеры С учетом того что ИИ инструменты появляются каждый день - нельзя управлять AI-native организацией не используя их. Иначе не будешь понимать как работает твоя команда; 3. AI-native pods — маленькие команды, изначально построенные вокруг агентов. Давайте соберем 3-5 человек, у которых половина задач делается агентами с первого дня. Без старых процессов -- по идее Coibase это будет быстрее, чем переучивать большую команду. Вся эта трансформация она про структуру организации и новые роли, а не про инструменты (итоги страт-сессии). Coinbase будет перестраивать организацию, чтобы агенты вообще начали приносить пользу. Если у вас в компании что-то подобное планируется — пишите. И приходите на AI & Breakfast, разбираем такие кейсы по пятницам. Кстати скоро будет анонс след завтрака.

Провел страт-сессию по ИИ-трансформации бизнеса Последние месяцы я собирал свою структуру для таких сессий - из чего собирал: 1. страт-сессии, где я сам был участником и мог изнутри посмотреть как все происходит и как принимаются решения. 2. наш опыт в КОД9 внедрения ИИ в бизнес - в свои и в клиентский - где-то работало, где-то не работало и не обязательно проблема была в технологиях; 3. Исследования Harward Business Review и подобные - почему компании делают пилоты которые не доходят до операционного внедрения. В итоге стало понятно., что проблема не в модельках, а в том что часто не понятно откуда нужно начинать ИИ-автоматизацию и как к ней правильно подходить, какие роли должны быть в процессе и кто за что должен отвечать. Модельки уже достаточно умные (и продолжают умнеть каждые 3-4 месяца), теперь нам нужно научиться их правильно готовить. Сессия была в компании которая занимается serm-оптимизиций. Первым процессом выбрали срез инфополя — сбор поисковой выдачи, карт, разных источников и первичный анализ тональности и наметили следующие процессы которые можно перевести на иишку, какие роли нужно сформировать внутри и какие задачи нужно сделать в ближайший месяц. Получился такой контур стратегии по внедрению ИИ в бизнес. Методологию собрал, дальше буду ее докручивать

Сделал свой первый скилл Спойлер: вайбкодинг-контент ниже Если вы работаете много с PostgreSQL и/или Supabase, то можете часто ловить проблемы с RLS - Row Level Security. На Insert политика есть, а на Update - нету и т.п. Сделай специальный скилл для ауйдита RLS-политик на проекте, проверяет ваш RLS, приоретизирует проблему и говорить как их исправить. https://github.com/ekhorkov/rls-audit ставится так /plugin marketplace add ekhorkov/rls-audit /plugin install rls-audit@ekhorkov-rls-audit