Как использовать GenAI для личной продуктивности руководителя? Часть 1

Об этом на Fintech Data Day рассказал Дмитрий Бугайченко, Сбер, управляющий директор по исследованию данных, CDS B2С.

2022 стал переломным: LLM кардинально изменили подход к AI. В чем суть изменений?

✅ Как было раньше:
• Под каждую задачу — свои данные, фичи, матрицы, градиенты.
• На выходе получали узкоспециализированный вычислительный граф со строго структурированными входами и выходами под конкретный проект.
• В обязательном порядке привлекали дата-сайентистов.

✅ Как проходила эволюция:
• Научились использовать весь массив знаний человечества (один из крупнейших датасетов включает около 50 ТБ текста), где факты перемешаны с мемами.
• Стали обучать модель «продолжать мысль», затем — осмысленно отвечать на вопросы.
• На выходе получили LLM и ChatGPT.

✅ Что это дало?
• Главный навык теперь — не математика, а постановка задач, самый востребованный специалист — не дата-сайентист, а эксперт предметной области, способный грамотно описать критерии качества и «скормить» их модели, которая условно «знает всё, что знает человечество».
• Исчез жёсткий структурированный формат входа и выхода из модели — теперь везде используется текст (это может быть обычный язык, JSON и пр.).
• Появилась возможность интеграции в любое решение и в любом формате.

✅ Кого в первую очередь заменят "текстовые" эксперты?

Спад заказов уже чувствуют копирайтеры, в зоне риска также находятся разработчики.

‼️ Но эффективнее всего нейросети могут заменить руководителей! Почему?

По мере роста компаний резко «дорожает» коммуникация. Как и в распределённом машинном обучении: чем больше исполнителей — тем сложнее координация. При этом синхронизация в основном идёт «через верх», от руководителя к руководителю и далее спускается вниз по цепочке. Множество людей играют роль передатчиков информации, иногда — «принимателей» отдельных решений.

Большие языковые модели уже позволяют автоматизировать ключевую часть этой работы: формулировку задач, агрегирование контекста, подготовку решений и обоснований, унификацию форматов коммуникации и интеграцию в процессы. Поэтому импакт по управленческим ролям — максимальный.

Узкое место — скорость коммуникаций. Пример: я как руководитель могу получать от 300 писем в день, а ответы на них откладываются на часы и сутки. Хотя по факту я должен лишь делегировать решение задачи через forward.

✅ Как это решается на практике:

— AI-помощник руководителя подключается к рабочей почте, анализирует входящие, соотносит вопросы с составом команды, понимает, кому делегировать, и делает это сам. Скорость реакции увеличивается с часов до минут, циркуляция информации ускоряется.

— Коллеги «выращивают» собственных ассистентов, которые отвечают на запросы, обращаясь к Confluence и базе знаний. Типовые запросы — «найти материалы с встречи» — RAG-бот закрывает без проблем.

— Если «замкнуть цикл» и добавить бота, работающего напрямую с данными, задавший вопрос сотрудник через пять минут получает готовое решение.

Продолжение - в следующем посте