Применение ИИ в бизнесе

Ты же не знаешь ни меня, ни моего опыта

Синьор - это кто все может

Есть такая работа, называется тестировщик. В крупных вендорах это всегда отдельная штатная единица. Он просто тестирует код, и возвращает ошибки обратно разрабу.

Знаю, достаточно почитать твои сообщения на этом форуме.

Синьор - это старший, опытный. А ты не очень понимаешь о чем пишешь и продакшен опыта к тебя -0. Иначе бы не писал бы такой бред -

Тестировщик не тестирует код, он тестирует работоспособность. Код тестирует как раз разработчик. Но "знатоки Вордпресс" и "сеощники" обычно и понятия не имеют про юнит-тесты. Потому и появляются вот таике измышления, далекие от реальности.

никаких важных топиков не разминаю здесь.

Опытный всегда в чем-то узком. Вправо-влево уже неопытный.

Я не боюсь казаться нубом в новых темах, и считаю это более сильным качеством

Разработчик может сколько хочешь сочинять тесты, но извращения пользователя в программе можно понять только будучи по другую сторону процесса. Т.е. пользователем или тестировщиком, ясен пень.

Буду резок но - это глупость полная. Синьорность определяется именно широтой знаний. По крайней мере там, где я работаю. Невозможно выучить один язык и стать синьором, сегодня.

Обьясни? Как это является сильным качеством? желание разобраться подробно в новой теме, где ты нуб - это сильное качество. В каких новых темах ты разобрался за последний год?

Вот с чего ты начинаешь, можешь рассказать на примере условного проекта? Вот тебе нужно реализовать какой то проект приложение, с определенным функционалом. С чего начнешь? допустим у тебя команда в 3-4 человека? Кто это будет?

По людям. Первое решение - идея (бизнесмен). Второе решение - выбор технологии под задачи (девопс). Третье решение - структура и дизайн(архитектор).

Упоминание искусственного интеллекта в маркетинговых кампаниях вызывает у покупателей отторжение и снижение доверия к продукту. Это отражает растущее разочарование в технологиях ИИ среди потребителей, говорят результаты исследования, опубликованные в Journal of Hospitality Marketing & Management.

Ученые провели опрос среди тысячи респондентов, предложив им описания различных продуктов. Было установлено, что товары, в описании которых упоминался ИИ, были менее популярны среди участников исследования. Например, участники эксперимента с меньшей вероятностью покупали «умный» телевизор, если в его описании был указан ИИ. В то же время другие участники, получившие описание телевизора без упоминания искусственного интеллекта, проявили большую заинтересованность в покупке.

Эффект был особенно выражен при дорогих покупках, таких как электроника или медицинские приборы. Эксперимент охватило восемь различных категорий продуктов и услуг, и во всех случаях результаты были одинаковыми: использование терминов, связанных с ИИ, в описании товаров оказывало негативное влияние.

Авторы исследования предположили, что ИИ снижает эмоциональное доверие покупателей. Доцент кафедры маркетинга Университета штата Вашингтон Месут Чичек отметил, что такое недоверие к ИИ является частью более широкой тенденции: вокруг генеративных нейросетей возникло слишком много шумихи, ожидания от этой технологии стали слишком завышенными. Компании стремятся внедрить ИИ в свои продукты, даже несмотря на его недостатки и большие затраты.

Месут Чичек подчеркнул, что маркетологам стоит быть более осторожными в том, как они представляют ИИ в своих продуктах, и больше сосредоточиться на описании функций и преимуществ товаров.

От нейросетей отворачиваются не только потребители, но и художники. Так, в июне фотограф Майлз Астрей отправил на конкурс фотографий, сгенерированных ИИ, реальную фотографию. Работа получила третье место в категории «Лучшая работа, сгенерированная искусственным интеллектом», а также приз зрительских симпатий. Сам фотограф заявил, что ему было неловко вводить членов жюри в заблуждение, однако это нужно было сделать, чтобы подтвердить гипотезу: нет ничего более фантастического и творческого, чем сама природа.

NVIDIA и OpenAI заявили

ИИ-рывок 2025–2028: цены давит, зарплаты перестраивает, рынок профессий перемешивает

Здравствуйте! Продолжим разбираться в экономике. Говорю как есть: за три года генеративный ИИ и "агенты" (самостоятельные цифровые помощники) перепишут экономику так же заметно, как интернет в нулевых. Это важно для каждого в России: меняются доходы, цены и структура рабочих мест.

В нашем канале мы часто опираемся на экономические понятия, поэтому коротко разберём их здесь – без лирики и мифов.

Факт: глобально ИИ добавит к росту производительности 0,1–0,6 п.п. в год. Это тянет вверх ВВП и сдерживает цены, особенно в сервисах.

По сути, выигрывают те, кто умеет соединить людей, данные и процессы (а не только купить модель; это не "чаты ради чатов").

Россия. К 2030 ИИ может дать до +6% к уровню ВВП. К 2028 – реалистично +1–2 п.п. к уровню ВВП и +0,3–0,5 п.п. к ежегодной производительности.

Неловкий факт: у нас рекордно низкая безработица и дефицит кадров. Значит, ИИ сначала закрывает "дыры", а не выбрасывает людей с рынка.

Кому выгодно, кому больно:
- Выигравшие: ИТ и разработка (+20–40% скорость), финансы и страхование (лучше риск и продажи), розница и e‑commerce (персонализация, меньше возвратов), промышленность (контроль качества, ремонт "по предсказанию"), энергетика (управление сетью).
- Под давлением: бэк‑офис, базовая бухгалтерия, типовые юр‑услуги, кол‑центры, дизайн без аналитики. Здесь автоматизация задач 20–40% уже к 2028.
- Малоочевидный выигравший: В2В‑услуги в регионах – агенты удешевят доступ к "столичному" уровню экспертизы.

Деньги и цены:
- Зарплаты. У "ИИ‑комплементарных" специалистов +7–12% к реальным доходам к 2028; у рутинных ролей рост заметно ниже.
- Работа. Не миф, а математика: трансформируются 1–1,5 млн рабочих мест, но массовой безработицы нет – вакансии перетекают.
- Цены. Сервисы поддержки, маркетинга, типовые юр‑документы подешевеют на 10–20%; общий индекс инфляции ИИ может снижать на 0,2–0,4 п.п. в год (картину всё же задают курс и импорт).

Вот где собака зарыта: узкие места – вычислительные мощности, чипы, кадры и управленческая дисциплина.

Без KPI, "заката" субсидий и конкуренции льготы съест рента (да, производительность измеряют криво, но деньги считают точно).

Что делать:
- Работнику: ИИ‑грамотность, основы данных, управление продуктом. Учиться на своих задачах.
- Бизнесу‑МСП: внедрить агентов в продажи, закупки и поддержку; мерить эффект в ₽ и сроках.
- Государству: время‑ограниченная поддержка, экспортные KPI, закупки по результату; ЦБ – держать инфляционную рамку и не подменять её кредитной раздачей.

Вывод: до 2028 ИИ в России – это плюс к росту и умеренный "минус" к ценам. Пользу заберут те, кто научится ставить машине правильные задачи и мерить отдачу.

Я научился получать от своих чатботов шикарный маркетинг и копирайтинг.
По копирайтингу получается прям сильно быстрее и дешевле, чем с человеком. По маркетинговой аналитике - при правильном промптинге человеки даже близко такой уровень не выдают. Чатбот выдает реально полезные данные, а не макулатуру.

Цитата из одного форума:

ИИ не способен ещё создавать качественные тексты для медиа: то в структуре накосячит, то какие-то несуществующие грамматические конструкции нагромоздит.
А самая главная беда, что он с потолка берет цифры и цитаты и с умным видом выдаёт их за научную истину.

Короче, поболтать с ним можно. Попросить найти источники еа тему можно. Но читабельный, форматный текст этот товарищ самостоятельно не создаст.

мне ответили на другом форуме:

Активно использую сейчас ИИ для помощи в работе. Очень сильно повышает продуктивность. Позволяет быстро узнать нужные вещи о малознакомых технологиях, проконсультироваться насчет архитектурного решения, разобраться в запутанных проблемах сложных сервисов и т.п.

При создании нового решения я могу с помощью нейросетей за один вечер сделать MVP, на который без них ушла бы неделя, а то и месяц.

Эти товарищи умеют программировать, только объясни им задачу [нормально].

A new class of AI models
Autodesk imagines a new class of generative AI technologies built using machine learning and artificial neural networks. The first of these is neural CAD, a category of generative AI foundation models trained to directly reason about CAD objects. Moving far beyond the practice of simply incorporating large language models into existing solutions, Autodesk has completely reimagined the traditional software engines that create CAD geometry. This new category of generative AI foundation models offers a path to the future of connected Design and Make processes.

Neural CAD for geometry
This new generative AI technology can create designs spontaneously based on a text prompt and spatial constraints, generating editable precision CAD geometry. Additionally, neural CAD for geometry can also generate the sequence of commands within a traditional parametric CAD software tool needed to create an object. Whether you need organic, curved surfaces found commonly in consumer goods or flat surfaces and clearly defined edges found in mechanical systems, this entirely new, machine learning approach to creating precision geometry promises to transform your workflows.

Neural CAD for buildings
Autodesk's first AEC-related foundation model, neural CAD for buildings in Forma, enables architects to quickly transition between early design concepts and more detailed building layouts and systems. This new tool translates between a conceptual architectural massing model and building floorplan layout. Changes to one architectural system will be reflected immediately in the others. Autodesk will continue to add more architectural systems to the translation engine, akin to adding new languages to a large language model.

Новый класс моделей ИИ
Autodesk представляет новый класс технологий генеративного ИИ, основанных на машинном обучении и искусственных нейронных сетях. Первым из них является нейронная САПР (нейронная САПР) – категория базовых моделей генеративного ИИ, обученных непосредственно анализировать объекты САПР. Выходя далеко за рамки простого внедрения больших языковых моделей в существующие решения, Autodesk полностью переосмыслила традиционные программные движки, создающие геометрию САПР. Эта новая категория базовых моделей генеративного ИИ открывает путь в будущее взаимосвязанных процессов проектирования и изготовления.

Цитата:
Нейронная САПР для геометрии
Эта новая технология генеративного ИИ позволяет спонтанно создавать проекты на основе текстовых подсказок и пространственных ограничений, генерируя редактируемую точную геометрию САПР. Кроме того, нейронная САПР для геометрии может также генерировать последовательность команд в традиционном параметрическом программном обеспечении САПР, необходимую для создания объекта. Нужны ли вам органичные, криволинейные поверхности, обычно встречающиеся в потребительских товарах, или плоские поверхности с четко очерченными гранями, характерные для механических систем, этот совершенно новый подход к созданию точной геометрии, основанный на машинном обучении, обещает преобразовать ваши рабочие процессы.

Цитата:
Нейронный САПР для зданий
Первая модель фундамента Autodesk, связанная с архитектурой, строительством и строительством, — нейронный САПР для зданий в Forma — позволяет архитекторам быстро переходить от ранних концепций проекта к более подробным планам и системам здания. Этот новый инструмент преобразует концептуальную архитектурную модель объёма в план этажа здания. Изменения в одной архитектурной системе будут немедленно отражены в других. Autodesk продолжит добавлять новые архитектурные системы в свой механизм перевода, подобно добавлению новых языков в большую языковую модель.