[Презентация] Введение в искусственный интеллект для менеджеров

(05) Историческая информация о клиентах, операциях, текстах, изображениях Обучение модели Алгоритм выявляет закономерности Модель Формализованное знание, работающее с новыми данными Применение Прогноз, рекомендация, автоматическое действие Важная информация 👉 Важно: AI — это не один алгоритм, а цепочка решений и инфраструктуры Данные (01) (02) (03) (04)

Менеджерский вывод 👉 Менеджерский вывод: тип задачи определяет тип AI — а не наоборот. Подходы обучения Три подхода обучения: 1. С учителем: есть правильный ответ – примеры: скоринг, классификация заявок, прогноз оттока 2. Без учителя: поиск скрытых закономерностей – примеры: сегментация клиентов, выявление аномалий 3. С подкреплением: обучение через награды – примеры: оптимизация логистики, управление ресурсами, динамическое ценообразование

Ценность технологий для бизнеса 👉 Бизнес покупает не технологии, а результат, который они дают. NLP и Computer Vision NLP обрабатывает язык, CV работает с изображениями и видео Машинное обучение (ML) — основа AI, работает со структурированными данными. Глубокое обучение (DL) — нейросети, эффективны для: – текста – речи – изображений Машинное обучение и Глубокое обучение

Определение LLM LLM — модели, обученные на больших объемах текстов: • понимают контекст • генерируют осмысленные ответы • работают с документами, кодом, знаниями ❗ Они не «знают», они предсказывают Примеры мировых лидеров – OpenAI — GPT-3.5/GPT-4 – Google — Gemini – Anthropic — Claude – Meta — LLaMA 2/3 – Mistral AI, Cohere, xAI (Илон Маск), ЯндексGPT, СберGigaChat, VK-NLP. (02) (01)

(05) AI невозможен без: – вычислительных мощностей (GPU от NVIDIA, AMD, Intel) – хранилищ данных – сетевой инфраструктуры Капиталоемкость AI AI — капиталоемкая технология Аппаратная инфраструктура – NVIDIA — стандарт для обучения LLM – AMD, Intel, Google TPU — альтернативы Облачная инфраструктура – глобальные провайдеры: AWS, Microsoft Azure, Google Cloud – российские: Яндекс Cloud, Сбер Cloud Роль облачной инфраструктуры Роль облака: масштабируемость, снижение порога входа, быстрый запуск проектов Необходимые компоненты AI (01) (02) (03) (04)

Слайд 15. Ключевые фигуры AI – Ян ЛеКун — Deep Learning, Meta – Джефф Хинтон — нейросети – Демис Хассабис — DeepMind – Сэм Альтман — OpenAI – Илон Маск — OpenAI, xAI – Сундар Пичаи — Google – Дженсен Хуанг — NVIDIA – Марк Цукерберг — Meta Идеологи: Айзек Азимов, Билл Гейтс.

Ключевая мысль 👉 Ключевая мысль: AI трансформирует бизнес и работу менеджеров Горизонт 3–5 лет – AI-ассистент в каждой профессии – рост продуктивности – изменение роли менеджера Слайд 16. Будущее AI и AGI (универсальный интеллект) 📌 Текущее состояние: мы не в AGI, находимся в фазе прикладного AI Текущее состояние AI

Оценка готовности бизнеса к AI Три уровня зрелости: 1. Инфраструктура: данные, облако, безопасность 2. Компетенции: понимание AI у менеджеров, data/AI роли 3. Процессы: описанные процессы, понятны KPI, видна экономика эффекта 👉 AI — усилитель зрелости бизнеса Основные причины провала AI Основные причины: – слабая инфраструктура – отсутствие данных – низкие компетенции – непонятная экономическая цель

Роль AI в бизнесе 👉 AI — усилитель зрелости бизнеса. Навыки сотрудников для AI Сотрудники должны формулировать задачи, интерпретировать результаты и принимать решения AI начинается с управленческого мышления Управленческое мышление в AI

Слайд 20. Подход к внедрению AI бизнесу 1. Диагностика зрелости 2. Выбор бизнес-задачи 3. Подбор AI-подхода 4. Пилот 5. Масштабирование 👉 Финальный акцент: AI — это не технология, а управляемая трансформация бизнеса..