Таблицы и работа с данными

ИИ для таблиц: очистка, анализ и построение графиков данных

Практическое руководство по работе с таблицами с помощью ИИ: составление формул, проверка неупорядоченных данных, создание сводок и диаграмм и проверка каждого результата.

10 мин чтения

Оценки для не-инженеров: как понять, становится ли ваш ИИ-процесс лучше или хуже

Оценки — систематическое измерение качества выводов ИИ — обычно считают инженерной темой. Но они нужны любой команде, у которой есть ИИ-процессы, и базовый уровень доступен без кода. Как это делать.

Уверенный

Еще по этой теме

7 мин чтения

Сценарии домашнего бюджета: арифметика «что если» без финансового совета

Постройте прозрачные сценарии «что если» из ваших собственных проверенных домашних цифр — потеря работы, рост аренды, рождение ребёнка — и увидьте арифметику ясно. Без инвестиционных советов, без стратегии по долгам, без цифр, не взятых из ваших собственных документов.

6 мин чтения

Как найти дрейф подписок, не раскрывая историю банковских операций

Проверьте локально обезличенный экспорт транзакций на повторяющиеся списания и дрейф — не подключая ИИ-инструмент к банковскому счёту. Список мерчантов с флагом уверенности и чек-лист отмены, который действительно выполняет человек.

56 мин

ИИ-агенты в финансах — с финансовым директором (CFO) HPE

CXOTalk. CFO HPE Мари Майерс описывает внедрение агентного ИИ (их платформа «Alfred») в финансовой организации на 3600 человек с той дисциплиной, которую требует статья: рамка прямого и косвенного ROI, этапные ворота, решающие продолжать или останавливать каждый сценарий, обязательный контроль качества человеком и метрики на уровне рабочих процессов — например, еженедельный процесс проверки, где ручной работы стало примерно на 90% меньше. Внедрение измеряется как изменённая работа, а не входы в инструмент.

9 мин чтения

ROI и зрелость ИИ: как измерять внедрение, которое действительно работает

Внедрение ИИ нельзя измерять тем, сколько людей попробовали ChatGPT. Практический подход к измерению ROI рабочего процесса, качества, риска, зрелости и готовности к масштабированию.

13 мин чтения

Структурированный вывод и вызов функций: надёжные схемы для эксплуатации

Структурированный вывод и вызов функций переводят систему от генерации текста к выполнению задач. В эксплуатации важны схемы, обработка ошибок, идемпотентность и корректная деградация, а не только режим JSON.

18 мин

Как улучшить навыки работы в Excel с ChatGPT

Leila Gharani. Старее (начало 2023), но всё ещё самый аккуратный проработанный пример: вставить реальный вопрос по Excel в ChatGPT, получить ответ с SUMPRODUCT или условным форматированием, а потом доитерировать с моделью, когда первая формула не до конца подходит. Модель сильно улучшилась; рабочий процесс промптинга, который она показывает, — тот же, которым вы воспользуетесь сегодня.

12 мин

Новая ИИ-функция Excel — просто невероятная (функция Copilot)

Leila Gharani. Живое демо новой функции `=COPILOT()` на ровно тех грязных реальных данных, что описывает статья: заметки передачи смены, превращённые в структурированную таблицу действий, отзывы вольным текстом, размеченные по тональности, и неконсистентные должности, нормализованные по справочному списку. Также чётко проговаривает ограничения: не используйте её для того, что должно быть точным, и фиксируйте результаты как значения, когда закончили.

107 мин

Почему оценка качества ИИ — самый востребованный новый навык продуктовых команд | Hamel Husain и Shreya Shankar

Lenny's Podcast. Хамел Хусейн и Шрея Шанкар проходят весь процесс оценки качества на реальном ИИ-ассистенте для управления недвижимостью: разбирают трассировки, ведут открытое и осевое кодирование ошибок, решают, когда остановиться, строят модель-судью (LLM-as-judge) и сверяют её с человеческим суждением. Это редкий обстоятельный разговор, действительно рассчитанный на продакт-менеджеров и руководителей команд, а не на ML-инженеров, и он выдерживает тот же ритм «30 минут в неделю после настройки», который рекомендует статья.

Уверенный

3 мин

Оценивайте промпты в Anthropic Console

Anthropic. Трёхминутный разбор от Anthropic о том, как запустить настоящую оценку внутри Workbench: автогенерация реалистичных тест-кейсов, оценка результатов, правка промпта и повторный параллельный прогон того же набора для сравнения. Просмотров меньше обычной планки, но для запроса «как мне реально сделать это без кода» это самое чистое официальное демо, и оно аккуратно встаёт под более стратегический разговор Хусейн/Шанкар.

Уверенный

41 мин

OpenAI DevDay 2024 | Структурированный вывод для надёжных приложений

OpenAI. Проходит по `strict: true`, отличиям от старого JSON-режима, обработке отказов и тому, как сочетаются вызов функций и схемы response-format. Полезно ровно тем, что описывает контракт, который вам даёт API, — а именно на нём построены продакшн-паттерны статьи.

18 мин

Pydantic — всё, что вам нужно: Jason Liu

AI Engineer. Выступление, кристаллизовавшее современный паттерн «опиши модель Pydantic, отдай её LLM, пусть валидация делает остальное», с конкретными примерами вложенных объектов, валидаторов, ловящих галлюцинированные URL, и Chain-of-Thought как типизированного поля. Посмотрите его перед перечитыванием раздела статьи про валидаторы — и узнаете, откуда взялись её правила повторных попыток и отказов.