Нажимай сюда, чтобы узнать как...
Если щелкнули по ссылке, то она поможет разобраться, как отличить манипуляцию с data-driven выводами от реальности. Это вводная статья про причинно-следственный анализ и отличие корреляции от причинности. Если захочется углубиться, то вот тут у Димы расписан целый путь в мир Causal Inference.
Google Cloud в своем свежем обзоре The ROI of AI 2025 ярко заявляют о том, что компании, внедряющие AI в прод, зарабатывают больше... чем раньше. Звучит классно и как то, что очень хочется сейчас слышать, правда?
Но, как обычно, есть нюансы.
- Как понять, что причинно-следственная связь именно такая? А не наоборот, например. Возможно, GenAI внедряют те компании, которые зарабатывают больше, и могут себе позволить
- Если вчитаться в слайд на скрине, то выясняется, что вывод сделан на основе доли CEO, ответивших положительно на вопрос про влияние AI на business growth. И доля эта высокая - 56% опрошенных. Только вот незадача - доля эта снизилась на 7 п.п. относительно 2024 г. Доля CEO, готовых публично говорить об эффекте AI, существенно снизилась. Но это почему-то не попало в фокусы отчета.
- Справа слайда также дана прекрасная картинка: где сравнивается доля ответивших про размер эффекта AI на рост бизнеса - среди тех, кто ответил положительно на первый вопрос про влияние AI. Какое из различий в % 2025 vs 2024 на слайде является статзначимым, и какие выводы мы можем сделать, предлагаю решить вам 😊
А какие вам встречались неоднозначные выводы из данных в жизни/работе?
P.S. Сам отчет от Google Cloud, на самом деле, интересный. Кроме этого слайда есть много информации, которая реально полезна. И хочется поблагодарить авторов отчета, что они приводят достаточно много деталей про опросы, чтобы внимательный читатель смог сам провалидировать выводы.
Отличного вам воскресенья и не забываем, что correlation doesn't imply causality.
Ваш @Reliable ML
#reliable_ml #causal_ml #causality