Дизайн Образования
tg14 тыс. подписчиков
Открыть пост ↗
У Kai-Fu Lee вышла книга AI native: mandate to transform your company (+ я постил интервью про это):
Успешные CEO всяких бизнесов пробовали AI и ROI пока не видят, и спрашивают меня: чё делать? Ответ: строить AI native фирмы. AI революция будет и мощнее, и быстрее промышленных революций. GenAI дает миллионы опций, но выбирать - не умеет
Гл.1 Щас всё иначе? Прошлые революции коммодитизировали энергию (за 100 лет с 1760г паровые машины выросли в 400 раз), compute, info. А щас время intelligence (но определения не дает). И диффузия идет быстрее, в тч тк цена падает экспоненциально
2 Мыслящие машины Сейчас нужно кормить нейронки данными - это дает агентам self-learning. А качество данных - это топливо современности (а вот алгоритмы все стали схожие, вот метрики моделей и конвергируются). И юзайте мультимодальность
3 Лестница агентов
- От чатботов к точно указанным таскам, далее к co-pilots, и уровень 4 - полностью автономный агент кто фигачит complex goals (генеря самим себе feedback loops где они зафейлили)
- Организациям нужна firm-wide memory (а не терять её внутри фирм как щас), нужны tools для коннекта агентов с внешним миром, и нужно contextual knowledge. А многоагентность поможет с галлюцинациями
4 Intelligence хочет свободы Корпорации почему-то пока все видят в AI оптимизацию костов, а не создание new value
5 Почему фэйлятся AI трансформации? а) Не увязка всех AI-пилотов в единую систему б) Отдать все CIO, а не прочим business leaders в) слишком полагаться на bottom-up инновации (а это всё слишком фрагментирует). Ну и earnings tests не юзают, а надо прямо сразу, а не пилоты ради пилотов
6 Чисто интеллекта мало
- Фирмы не юзают свои dormant data. Условно, нужно не (причесанные) отчеты о встрече, а прямо её транскрипт. И так ваще во всём. Нужен enterprise AI decision layer:
А) это и AI мозг
Б) и онтология всех data в фирме / семантический граф / буквально карта фирмы от клиента до конца производства (для правильного decision making'а)
В) и live GPS-данные
Г) и поверх всего этого "операционная система": процедуры что и как тестится и как подсоединяется в корп.системы
- Palantir создали большой бизнес, строя такой layer другим фирмам
7 AI-босс: сила управления с dormant data
- И данные копятся слоями и к ним не возвращаются, и для CEO всё фильтруют отчетами, он слеп.. Ему боятся возражать. Поэтому у CEO должна быть своя personal agentic AI system но на всех data компании. А CTO трекает весь код. А CFO - каждый $ в фирме. Итд. Цель этих систем - выявлять не realistic / inflated / wrong things
8 Взлет DRI / directly responsible individuals
- У СЕО будут кучи прямых подчиненных, каждый с тонной агентов вместо слоев менеджеров. Ищите внутри intrapreneurs и делайте из них DRI - проактивных микро-СЕО, отвечающих за end results. Такие люди и раньше были, но щас их роль взлетит
- DRI - это атомы AI native бизнесов. 2 типа DRI: а) опытные про бизнес/отрасль, и б) кто умеет в агенты. Но уплощать структуру сложно - мир полон неудач
- Поиск DRI идет через пробу на real tasks, и не имеет отношения к seniority людей. Давая ресурсы DRI, CEO приумножает их силу. И кстати механизмы компенсации изменятся, ведь DRI это же не просто сотрудники..
9 Какая работа уцелеет? Автоматизация съест формальные функции, где и люди-то не нужны. Роли где people-to-people - останутся. Роли human-machine collaboration - тоже. Менеджеры - зависит от их адаптации: кто найдет коучей про AI - те успешно заюзают свою отраслевую экспертизу, смыкая её с AI. Растите свою cognitive openess
10 Мнения, вкус, смелость
- После коммодитизации execution, analysis, coding, coordination лидеру остается знать: а ради чего это всё? Лидерство - это judgement про то, где нет данных:
- У Chanel вкус: оценить красоту до того, как у неё появится название
- У Джобса foresight: видеть большее, чем плавные изменения
- У Безоса conviction: идти туда куда не идут / антиконсенсус
- У Musk смелость
Революцию НЕ зааутсорсить: сами лично юзайте AI, двигайте AI'ем важные именно вам метрики без оглядки на моды. И назначьте ваших первых DRI..
**
Кратко, клёво, спокойно
Успешные CEO всяких бизнесов пробовали AI и ROI пока не видят, и спрашивают меня: чё делать? Ответ: строить AI native фирмы. AI революция будет и мощнее, и быстрее промышленных революций. GenAI дает миллионы опций, но выбирать - не умеет
Гл.1 Щас всё иначе? Прошлые революции коммодитизировали энергию (за 100 лет с 1760г паровые машины выросли в 400 раз), compute, info. А щас время intelligence (но определения не дает). И диффузия идет быстрее, в тч тк цена падает экспоненциально
2 Мыслящие машины Сейчас нужно кормить нейронки данными - это дает агентам self-learning. А качество данных - это топливо современности (а вот алгоритмы все стали схожие, вот метрики моделей и конвергируются). И юзайте мультимодальность
3 Лестница агентов
- От чатботов к точно указанным таскам, далее к co-pilots, и уровень 4 - полностью автономный агент кто фигачит complex goals (генеря самим себе feedback loops где они зафейлили)
- Организациям нужна firm-wide memory (а не терять её внутри фирм как щас), нужны tools для коннекта агентов с внешним миром, и нужно contextual knowledge. А многоагентность поможет с галлюцинациями
4 Intelligence хочет свободы Корпорации почему-то пока все видят в AI оптимизацию костов, а не создание new value
5 Почему фэйлятся AI трансформации? а) Не увязка всех AI-пилотов в единую систему б) Отдать все CIO, а не прочим business leaders в) слишком полагаться на bottom-up инновации (а это всё слишком фрагментирует). Ну и earnings tests не юзают, а надо прямо сразу, а не пилоты ради пилотов
6 Чисто интеллекта мало
- Фирмы не юзают свои dormant data. Условно, нужно не (причесанные) отчеты о встрече, а прямо её транскрипт. И так ваще во всём. Нужен enterprise AI decision layer:
А) это и AI мозг
Б) и онтология всех data в фирме / семантический граф / буквально карта фирмы от клиента до конца производства (для правильного decision making'а)
В) и live GPS-данные
Г) и поверх всего этого "операционная система": процедуры что и как тестится и как подсоединяется в корп.системы
- Palantir создали большой бизнес, строя такой layer другим фирмам
7 AI-босс: сила управления с dormant data
- И данные копятся слоями и к ним не возвращаются, и для CEO всё фильтруют отчетами, он слеп.. Ему боятся возражать. Поэтому у CEO должна быть своя personal agentic AI system но на всех data компании. А CTO трекает весь код. А CFO - каждый $ в фирме. Итд. Цель этих систем - выявлять не realistic / inflated / wrong things
8 Взлет DRI / directly responsible individuals
- У СЕО будут кучи прямых подчиненных, каждый с тонной агентов вместо слоев менеджеров. Ищите внутри intrapreneurs и делайте из них DRI - проактивных микро-СЕО, отвечающих за end results. Такие люди и раньше были, но щас их роль взлетит
- DRI - это атомы AI native бизнесов. 2 типа DRI: а) опытные про бизнес/отрасль, и б) кто умеет в агенты. Но уплощать структуру сложно - мир полон неудач
- Поиск DRI идет через пробу на real tasks, и не имеет отношения к seniority людей. Давая ресурсы DRI, CEO приумножает их силу. И кстати механизмы компенсации изменятся, ведь DRI это же не просто сотрудники..
9 Какая работа уцелеет? Автоматизация съест формальные функции, где и люди-то не нужны. Роли где people-to-people - останутся. Роли human-machine collaboration - тоже. Менеджеры - зависит от их адаптации: кто найдет коучей про AI - те успешно заюзают свою отраслевую экспертизу, смыкая её с AI. Растите свою cognitive openess
10 Мнения, вкус, смелость
- После коммодитизации execution, analysis, coding, coordination лидеру остается знать: а ради чего это всё? Лидерство - это judgement про то, где нет данных:
- У Chanel вкус: оценить красоту до того, как у неё появится название
- У Джобса foresight: видеть большее, чем плавные изменения
- У Безоса conviction: идти туда куда не идут / антиконсенсус
- У Musk смелость
Революцию НЕ зааутсорсить: сами лично юзайте AI, двигайте AI'ем важные именно вам метрики без оглядки на моды. И назначьте ваших первых DRI..
**
Кратко, клёво, спокойно
Новый список