Комментарии 11
интересное. а рассматривали qdrant вместо еlastic? он же, вроде, как раз для векторного поиска заточен. и должен быстрее работать при росте базы.
Я не исключаю, что когда-нибудь мы перейдём на такие БД, но Elasticsearch тоже умеет искать по векторам и пока нам полностью подходит под наши задачи.
В нашем случае пока проблема не в выборе БД, а в том, что мы загружаем, то есть как строим вектора.
Более того, мы после поиска в БД ещё и ранжируем результаты, то есть применяем дополнительный фильтр.
А почему у вас возник данный вопрос?
Разработали промпт, нейросеть проанализировала API и сгенерировала код, который потребовал минимальных доработок и был внедрен за 10 минут. У человека одно только изучение API заняло бы значительно больше времени.
Однако ж доработки потребовались, но как я понял, в перспективе где-то тут и проляжет отказ от джунов, как это сейчас модно примерно везде.
И возможно бот будет все эти резюме анализировать.)
@RoDeniss пишите "Цифрового эйчара" шестым пунктом на будущее, вон какую вам идею сгенерили)
Если говорить о коммерческом применении подобных решений, то на рынке уже существуют аналоги, посмотрим насколько они будут успешны, на данный момент ни одна "машина" не заменит опытный взгляд рекрутера)
А у вас есть примеры таких решений? Или может даже опыт?
Не, опыта нет. Я ж не эйчар, бог миловал. Но про фильтрацию резюме с помощью нейросеток слышал, первичную, конечно.
Сейчас, с развитием ИИ и новым толчком, выглядит, что задача решаема, но как и писал выше это скорее новый инструмент для HR, который позволит с них снять рутину и облегчить их работу с фокусом на более важные дела.
Кстати, если я верно понял, то вы работаете РМ (project management) мы прямо сейчас проводим пилот по "карме" проектов, очень интересно получается и вижу сразу много возможностей для автоматизации с помощью ИИ-агентов в процессах управления проектами)
Не совсем так, доработки не потребовались, необходимо было внести контекст, а именно настроить способ и схему подключения, но сам код мы не правили.
На текущем этапе развития ИИ я считаю, что не может произойти полноценной замены, но однозначно необходимо менять подход к разработке.
Сегодня ИИ - не замена, а усилитель! Она не просто генерирует код, а сокращает путь от задачи к рабочему решению. То, что у инженера заняло бы 3–4 часа (поиск по API, анализ, написание скрипта), нейросеть делает за 10 минут с минимальными правками.
Что касается "отказа от джунов" — здесь важно не путать инструмент и процесс развития.
Да, рутину, которую раньше поручали джунам, теперь может делать ИИ:
Написание простых скриптов
Документирование
Поиск в базе знаний
Подготовка шаблонов
Но джун — это не тот, кто пишет скрипты. Джун — это тот, кто учится думать как инженер.
Нейросеть не заменит джунов — она освободит их от рутины и позволит быстрее стать настоящими инженерами.
А наша задача как команды — не отказываться от новых специалистов, а перестроить онбординг и развитие под новую реальность.
Будущее — не в том, чтобы не нанимать джунов, а в том, чтобы научить их управлять теми, кто (условно) "пишет код за них".
Давайте сознавайтесь, статью вам тоже робот писать помогал? Как впрочем и общаться в комментах)
Как мы учили нейросеть отвечать на вопросы