Ну наверное отчасти это применимо к разработчикам. Сделал и забыл, но лично я с другого рынка, операторского, мы сами себе автоматизацию пилим, crm, erp, агентов - все что необходимо, для предоставления сервиса промышленного качества. И знаем что такое длинный цикл жизни продукта.
Но мой посыл все-таки был о другом, не о качестве кода, и не о целесообразности ИИ, а про базовые принципы неуспешного человека: прокрастинация, легкий дофамин, сосредоточенность на процессе, а не на результате. Это конечно, не так обсуждаемо на ресурсах подобных хабру, но эти принципы работаю вне зависимости от вашего профиля работы.
Очень хорошее замечание, бот с некачественной автоматизацией становится не решением, а болью, ненужным барьером для абонентов, поэтому внедрять его надо аккуратно, точечно, и сразу с высокой степенью интеграции с многочисленными информационными системами компании, в нашем случае интернет-провайдера.
Когда компания сама не знает, количество пользователей или лицевые счета абонентов, которых затрагивает авария, не может спрогнозировать время устранения конкретной аварии или всегда выставляет только нормативное время без корректировки на индивидуальный контекст, о каком эффективном обслуживании может идти речь?
Или когда бот может диагностировать проблему, но не может сразу создать задачу на выездного инженера или на 2-ю линию тех. поддержки, то фактически возвращает обращение в общую очередь обслуживания оператором.
Мы это видим, отслеживаем и самое главное стремимся именно РЕШИТЬ вопрос ботом.
И кстати по статистике, время обслуживания абонентов очень сильно сокращается, потому что бот видит и воспринимает контекст проблемы намного быстрее живого сотрудника.
Вот точно, вопрос подхода и внутренних целей. Если мне нужно ИИ, чтобы СДЕЛАТЬ весь стек задач, который я хочу закончить, то это прекрасный инструмент.
Очень классная мысль. Дофаминовая яма для взрослого человека. Автор ведь не умаляет достоинства и преимущества ИИ-моделей. Он не отвергает практическую пользу. Он лишь предостерегает, точнее, подсвечивает потенциальную ловушку. Но фактически это ловушка неэффективности, бесцельного совершения каких-то действий, которые позволяют получить нам порцию краткосрочного дофамина, но при этом никак не продвигают к достижению нашей главной большой Цели. Но опять же, зачастую, большинство и сформулировать эту главную большую Цель не могут.
Спасибо за оценку. Для нас, аналитика данных и работа с любым проектом через цифры это базовая вещь. Активно агитируем всех за массовое использование BI-аналитики.
ИИ в BI уже сейчас активно используется в двух направлениях: 1. Подготовка представлений. Когда работаешь с большим объемом данных, сопоставляешь информацию из разных таблиц, Ai становится максимально эффективным инструментом для быстрого создания пользовательских таблиц. 2. Аналитика уже готового дашборда - позволяет снизить зависимость от уровня развития сотрудника, но не полностью заменить человека. На днях соберу материал и напишу статью на эту тему, подписывайтесь чтобы не пропустить.
Ну наверное отчасти это применимо к разработчикам. Сделал и забыл, но лично я с другого рынка, операторского, мы сами себе автоматизацию пилим, crm, erp, агентов - все что необходимо, для предоставления сервиса промышленного качества. И знаем что такое длинный цикл жизни продукта.
Но мой посыл все-таки был о другом, не о качестве кода, и не о целесообразности ИИ, а про базовые принципы неуспешного человека: прокрастинация, легкий дофамин, сосредоточенность на процессе, а не на результате. Это конечно, не так обсуждаемо на ресурсах подобных хабру, но эти принципы работаю вне зависимости от вашего профиля работы.
Очень хорошее замечание, бот с некачественной автоматизацией становится не решением, а болью, ненужным барьером для абонентов, поэтому внедрять его надо аккуратно, точечно, и сразу с высокой степенью интеграции с многочисленными информационными системами компании, в нашем случае интернет-провайдера.
Когда компания сама не знает, количество пользователей или лицевые счета абонентов, которых затрагивает авария, не может спрогнозировать время устранения конкретной аварии или всегда выставляет только нормативное время без корректировки на индивидуальный контекст, о каком эффективном обслуживании может идти речь?
Или когда бот может диагностировать проблему, но не может сразу создать задачу на выездного инженера или на 2-ю линию тех. поддержки, то фактически возвращает обращение в общую очередь обслуживания оператором.
Мы это видим, отслеживаем и самое главное стремимся именно РЕШИТЬ вопрос ботом.
И кстати по статистике, время обслуживания абонентов очень сильно сокращается, потому что бот видит и воспринимает контекст проблемы намного быстрее живого сотрудника.
Вот точно, вопрос подхода и внутренних целей. Если мне нужно ИИ, чтобы СДЕЛАТЬ весь стек задач, который я хочу закончить, то это прекрасный инструмент.
Очень классная мысль. Дофаминовая яма для взрослого человека. Автор ведь не умаляет достоинства и преимущества ИИ-моделей. Он не отвергает практическую пользу. Он лишь предостерегает, точнее, подсвечивает потенциальную ловушку.
Но фактически это ловушка неэффективности, бесцельного совершения каких-то действий, которые позволяют получить нам порцию краткосрочного дофамина, но при этом никак не продвигают к достижению нашей главной большой Цели. Но опять же, зачастую, большинство и сформулировать эту главную большую Цель не могут.
Спасибо за оценку. Для нас, аналитика данных и работа с любым проектом через цифры это базовая вещь. Активно агитируем всех за массовое использование BI-аналитики.
ИИ в BI уже сейчас активно используется в двух направлениях:
1. Подготовка представлений. Когда работаешь с большим объемом данных, сопоставляешь информацию из разных таблиц, Ai становится максимально эффективным инструментом для быстрого создания пользовательских таблиц.
2. Аналитика уже готового дашборда - позволяет снизить зависимость от уровня развития сотрудника, но не полностью заменить человека.
На днях соберу материал и напишу статью на эту тему, подписывайтесь чтобы не пропустить.