Видео недоступно для предпросмотра
Смотреть в Telegram
ВСЕ ХОТЯТ АГЕНТОВ. НИКТО НЕ ЗНАЕТ ЗАЧЕМ
Спросите любого руководителя, что он ждёт от ИИ. Ответ уже заучен:
Спросите, какие именно задачи эти агенты должны закрывать. Пауза. «Ну... чтобы всё автоматизировать».
Автоматизировать — что конкретно?
Свежее исследование AI Leaders Council как раз об этом. Опросили больше 300 топ-менеджеров в Северной Америке с июня по август. Почти в каждой компании ИИ уже есть: доля тех, кто до сих пор ничего не внедрил, рухнула с 13% до 3%.
Но!
У трети компаний нет никакой системы ИИ-обучения. Только 37% сотрудников учатся официально. 42% осваивают всё на ходу: коллега показал коллеге, куда нажать. Ещё 21% вообще ни с кем ничем не делятся.
И главный разрыв — не в знании нейросетей. А в умении перевести возможности ИИ на язык конкретной бизнес-задачи.
То есть спросить у модели что-то люди уже умеют. Не умеют — дойти от «у меня есть рутина» до готового решения, которое реально работает. А между этими точками целый невидимый этап: разложить задачу по шагам, проверить, не выдумал ли ИИ ответ, и понять, можно ли этот результат использовать.
Рынок всё ещё продает «как правильно писать запросы». Но по факту нужен был навык — что делать с ответом.
Пример из моих выходных.
Задача посчитать количество обоев и плитки на квартиру. Для этого надо открыть план квартиры, зайти на сайт, посмотреть параметры плитки и обоев — и считать. Площадь стен, количество упаковок, запас на подрезку. Руки уже болят от одного вида формул.
Я вначале описал процесс, понял входные - выходные данные. Написал техническое задание, а потом пошел в нейросеть и создал своего ИИ-агента.
Результат — агент, который:
⚪️ читает план в PDF;
⚪️ собирает 3D-модель, где можно выбрать стены или пол;
⚪️ получает артикул плитки или обоев — и сам находит их характеристики в интернете;
⚪️ считает, сколько материала нужно;
⚪ экспортирует всё в таблицу.
То, что раньше съедало часы рутины, теперь занимает минуты. И никакой готовый сервис тут не купишь — его просто не существует.
И так можно поступить с любой вашей задачей. Есть рутина, разобранная на шаги. Задачи. Процесс. ТЗ. Потом — агент.
Порядок тут важен. Начинаешь с агента — получаешь игрушку на неделю. Начинаешь с задач — получаешь инструмент на годы.
ИИ перестал быть «чатом, который что-то пишет». Он стал исполнителем. Но исполнителю нужно задание. А задание умеют составить единицы — оно обычно хранится в голове одного человека и увольняется вместе с ним.
Поэтому я и пересобрал свой курс под формат практикума. С первого занятия вы работаете над своими задачами, не над моими примерами. Выписываем вашу рутину, строим процессы, и уже в современном виде погружаем туда ИИ — своих агентов, свою автоматизацию. Отдельным блоком разберём графику, медиавлияние и цифровые следы и т.д.
О программе расскажу позже. Стартуем 12 октября.
📌п.с. кстати это видео смонтировал тоже мой агент. Как отдавать больше рутины нейросетям так, чтобы был достойный результат — в том числе буду учить на практикуме.
Спросите любого руководителя, что он ждёт от ИИ. Ответ уже заучен:
«ИИ-агентов».
Спросите, какие именно задачи эти агенты должны закрывать. Пауза. «Ну... чтобы всё автоматизировать».
Автоматизировать — что конкретно?
Свежее исследование AI Leaders Council как раз об этом. Опросили больше 300 топ-менеджеров в Северной Америке с июня по август. Почти в каждой компании ИИ уже есть: доля тех, кто до сих пор ничего не внедрил, рухнула с 13% до 3%.
Но!
У трети компаний нет никакой системы ИИ-обучения. Только 37% сотрудников учатся официально. 42% осваивают всё на ходу: коллега показал коллеге, куда нажать. Ещё 21% вообще ни с кем ничем не делятся.
И главный разрыв — не в знании нейросетей. А в умении перевести возможности ИИ на язык конкретной бизнес-задачи.
То есть спросить у модели что-то люди уже умеют. Не умеют — дойти от «у меня есть рутина» до готового решения, которое реально работает. А между этими точками целый невидимый этап: разложить задачу по шагам, проверить, не выдумал ли ИИ ответ, и понять, можно ли этот результат использовать.
Рынок всё ещё продает «как правильно писать запросы». Но по факту нужен был навык — что делать с ответом.
Пример из моих выходных.
Задача посчитать количество обоев и плитки на квартиру. Для этого надо открыть план квартиры, зайти на сайт, посмотреть параметры плитки и обоев — и считать. Площадь стен, количество упаковок, запас на подрезку. Руки уже болят от одного вида формул.
Я вначале описал процесс, понял входные - выходные данные. Написал техническое задание, а потом пошел в нейросеть и создал своего ИИ-агента.
Результат — агент, который:
⚪️ читает план в PDF;
⚪️ собирает 3D-модель, где можно выбрать стены или пол;
⚪️ получает артикул плитки или обоев — и сам находит их характеристики в интернете;
⚪️ считает, сколько материала нужно;
⚪ экспортирует всё в таблицу.
То, что раньше съедало часы рутины, теперь занимает минуты. И никакой готовый сервис тут не купишь — его просто не существует.
И так можно поступить с любой вашей задачей. Есть рутина, разобранная на шаги. Задачи. Процесс. ТЗ. Потом — агент.
Порядок тут важен. Начинаешь с агента — получаешь игрушку на неделю. Начинаешь с задач — получаешь инструмент на годы.
ИИ перестал быть «чатом, который что-то пишет». Он стал исполнителем. Но исполнителю нужно задание. А задание умеют составить единицы — оно обычно хранится в голове одного человека и увольняется вместе с ним.
Поэтому я и пересобрал свой курс под формат практикума. С первого занятия вы работаете над своими задачами, не над моими примерами. Выписываем вашу рутину, строим процессы, и уже в современном виде погружаем туда ИИ — своих агентов, свою автоматизацию. Отдельным блоком разберём графику, медиавлияние и цифровые следы и т.д.
О программе расскажу позже. Стартуем 12 октября.
📌п.с. кстати это видео смонтировал тоже мой агент. Как отдавать больше рутины нейросетям так, чтобы был достойный результат — в том числе буду учить на практикуме.