🤯 Я больше не хочу учиться. Вообще. Это перебор 🤯

Именно так я решила в апреле, когда закончила программу по прикладному AI в Johns Hopkins University.

Потому что учеба — это не просто «посмотреть уроки».

Это время.
Это силы.
Это деньги.
Это снова включать голову после работы, проектов, бизнеса и жизни.

И честно?

Я не думала, что так быстро снова решусь на новую учебу 🫠


Но на этой неделе у меня начался новый этап в Johns Hopkins — теперь про AI-агентов.

И снова не через «соберите красивого бота в визуальном конструкторе за 15 минут», а через Python, код, архитектуру и нормальную инженерную логику.

Да, опять будет тяжело 😅
Но я точно понимаю, зачем мне это нужно.

Потому что учеба ради учебы — бессмысленна.

Учеба нужна, когда ты понимаешь, как применить знания:
▫️ в проектах
▫️ в продуктах
▫️ в новых услугах
▫️ в росте своей экспертизы и дохода

После прошлой программы у меня уже есть 4 новых проекта, связанных с AI, 3 из них уже закрыты и оплачены $$$$$ 🎉

И это как раз тот случай, когда знания быстро превращаются не в «сертификат на полку», а в реальные задачи, деньги и новый уровень профессиональной уверенности.



Теперь немного заметок с первых занятий 👇


💡 AI-агент

Это уже не просто чат, которому вы написали вопрос и получили текстовый ответ.

AI-агент — это искусственный интеллект, который может делать действия:
▫️ сходить в интернет
▫️ обратиться к API
▫️ прочитать файл
▫️ запустить код

То есть ChatGPT, Claude, Gemini, Cursor и другие инструменты становятся агентами тогда, когда они начинают что-то делать во внешнем мире, а не просто отвечать текстом.


📌 Напоминание: не надо везде AI

Если задачу можно решить обычной автоматизацией без AI — лучше решить её обычной автоматизацией.

Потому что AI почти всегда добавляет:
▫️ стоимость
▫️ сложность
▫️ риски
▫️ нестабильность результата
▫️ необходимость контроля качества


👉 Где нужен AI? Use cases из реального мира

1️⃣ Мониторинг логов и алертов
AI-агент получает алерт, сам смотрит логи, метрики, последние релизы и помогает понять, почему упал сервис.
В идеальном мире — ещё и предлагает исправление в коде.

2️⃣ Поддержка пользователей
AI-агент отвечает на типовые вопросы клиентов, ищет ответы в базе знаний, проверяет статус заказа или заявки и снижает нагрузку на операторов.

3️⃣ HR и внутренние процессы
AI-агент может помогать разбирать резюме, сопоставлять опыт кандидата с вакансией и отвечать сотрудникам на вопросы по регламентам компании.

4️⃣ Финансовые процессы
AI-агент может анализировать счета, платежи, расходы, отклонения в транзакциях, готовить отчёты и подсвечивать риски. Плюс трейдинг.

5️⃣ Разработка кода
Claude, Cursor и другие инструменты помогают писать код, искать ошибки, создавать тесты и работать с кодовой базой.

6️⃣ Личные ассистенты
Пользователь пишет: «Найди и купи мне билеты на такие-то даты, самые дешые».
Агент сам построит алгоритмы поиска и найдет билеты, но финальное подтверждение покупки за человеком.
Потому что «купил не тот билет» — это уже не случайная галлюцинация, а реальные деньги.


👉 И еще один важный вывод:
AI-агент не должен принимать финальное решение там, где ошибка стоит денег, безопасности, юридических последствий или доверия клиента.

AI может:
▫️ собрать данные
▫️ проанализировать
▫️ предложить решение
▫️ подготовить черновик
▫️ подсветить риск

Но в критичных и денежных сценариях человек должен подтверждать действие.



👉 Что актуально аналитикам?
AI-агенты помогают автоматизировать бизнес-процессы, и кто-то должен описывать:
▫️ где агент участвует в процессе
▫️ какие инструменты он может вызывать
▫️ какие данные ему доступны
▫️ где нужен человек и это ок для бизнеса
▫️ как обрабатывать ошибки
▫️ что логировать
▫️ как тестировать результат работы AI



👉 В общем, я снова учусь.
Хотя совсем недавно думала: «Ну его к черту. Больше не хочу».

Знание итогов замотивировало:
если учиться не ради галочки, а ради применения — результаты есть.
Не всегда сразу.
Не всегда легко.
Но есть.



Так что новый этап стартовал.
Буду делиться с вами полезными заметками со своей учебы 💙

#AI_for_analysts