И это приводит к следующему эффекту. Для того, чтобы собрать оценки, теперь достаточно написать промпт, ну и немного его потюнить. Это существенно сокращает расходы и позволяет двигаться очень быстро. Особенно LLM хороши как наколеночные классификаторы, которые часто требуются в аналитических замерах. Ты ей просто говоришь: разметь данные так-то и так-то, и она размечает!

Ну и в написании кода они, конечно, хороши. Я довольно долго выбирал удобный для себя инструмент для написания аналитического кода. А кода я пишу много, поэтому выбирал я придирчиво. В итоге остановился на Cursor, стилизовал его под PyCharm (темы, шрифты), а вот от самого PyCharm пришлось отказаться. Несмотря на все косяки Cursor, он оказался лучше очень красивого, но тяжеловесного PyCharm, который особенно стал жать в контексте авто-комплита: глуповатый и нерасторопный.

Ну и отдельная тема -- это создание всяких вспомогательных интерактивных UI-тулов с помощью AI-ассистентов. Теперь можно на коленке клепать буквально одноразовые тулы, подходящие чисто для твоей задачи! Какой-нибудь кастомный side-by-side интерфейс, например, запилить.

При этом глазами всё равно приходится просматривать много документов для оценки качества, дебага алгоритмов ранжирования. Но и здесь есть LLM-помощники. С нашим новым браузером Comet можно спросить, что там происходит на странице, хорошо ли она отвечает на запрос. Да и просто в Perplexity можно спросить, что пользователь имел в виду таким-то запросом. А мозголомных запросов здесь существенно больше по сравнению с тем, что было в Яндексе -- пользователи понимают возможности LLM и не стесняются их использовать.

В общем, прогресс не остановить (c).

А так работы много, работа интересная, скорость движения ошеломительная, конкуренция жёсткая. Надеюсь, это только начало и впереди ещё куча всего интересного.