«Для продакт-менеджера качественный ИИ-агент — это рабочий партнёр. Он помогает проектировать логику продукта, разбирать требования, запускать эксперименты и понимать, что можно делать в системе, а что нельзя. Я вижу ценность такого агента в возможности превращать продуктовую идею в устойчивую техническую конструкцию через диалог.

При этом важно, чтобы человек сохранял контроль и понимал принципы работы ИИ-агента. То есть, у пользователя должна быть возможность формулировать требования и управлять работой ИИ-помощника, задавать вопросы о том, на каких рассуждениях и данных базируются выдвинутые им предложения, определять зоны ответственности и рамки безопасности. Именно в таком формате агент и становится партнёром».

Как специалист по цифровизации медицины, я воспринимаю ChatGPT Health как хороший пример того, как ИИ может занять свою нишу между человеком и системой здравоохранения. Очевидно, что такой продукт не заменит терапевта — клинические решения, ответственность и работа с рисками остаются за врачом, данный функционал на ИИ невозможно переложить в текущих реалиях.

Думаю, что с точки зрения системы здравоохранения такие решения можно рассматривать как цифровой фильтр и помощник, который повышает медицинскую грамотность населения и рациональнее распределяет поток пациентов. При аккуратном внедрении и чётком разграничении ответственности ИИ может получиться классный продукт, который способен снизить нагрузку на первичное звено, убрав часть типовых и повторяющихся запросов, например, «что означают мои анализы», «стоит ли идти к врачу», «нормально ли это», и так далее.

Запрещать такие сценарии бессмысленно. Люди уже используют ИИ для обсуждения вопросов здоровья и будут продолжать это делать. Единственный разумный путь заключается в регулировании и выстраивании механизмов эскалации, когда система умеет вовремя направить человека к специалисту. Это снижает нагрузку и делает систему устойчивее.

Мы видим устойчивый сдвиг от универсальных ИИ-моделей к отраслевым решениям. Универсальный ИИ может поддержать разговор почти на любую тему, но для реальных бизнес-задач этого недостаточно. В чувствительных сферах, таких как медицина, ценность дают специализированные модели, которые учитывают контекст, требования безопасности и встроены в процессы.

ChatGPT Health хорошо иллюстрирует этот переход. Рынок постепенно уходит от идеи «одного ИИ для всего» к системам, которые усиливают конкретные направления и работают внутри их правил, а не поверх них.

Рассказали о нашем новом подходе к оценке больших языковых моделей методом Side-by-Side. Показали, как нам удалось улучшить качество наших моделей Cotype, а значит и корпоративные ИИ-решения на их основе.

Объяснили, какие уловки в обучении мы применяли, чтобы наши небольшие кодинг-модели семейства Kodify не уступали в качестве и возможностях более крупным собратьям, оставаясь компактными и менее ресурсозатратными. Это важно для корпоративного использования.

Представляем AVI — внешний «фильтр» для языковых моделей, который проверяет запросы и ответы, снижая риски галлюцинаций и токсичности в выдаче. Это пример того, как обеспечивать безопасность и качество.

Дилогия с практическим, философским и преподавательским взглядом на то, как искусственный интеллект меняет ИТ, науку и подходы к получению знаний.

Рассказываем, как устроен новый динамический бенчмарк SWE-MERA, предназначенный для оценки кодинг-моделей на реальных сценариях, и как он решает проблему контаминации данных. .

Представляем собственный бенчмарк для оценки ИИ-моделей на реальных бизнес-задачах, предполагающих работу с текстовой и визуальной информацией на русском языке. Открываем код и валидационный сплит, приватный тест — по запросу.

Рассказываем о новом методе структурного прунинга, разработанном учеными MWS AI с зарубежными коллегами, который позволяет сделать большие модели менее требовательными в плане памяти и времени выполнения при сохранении качества.

Объясняем, почему увеличение контекстного окна часто приводит не к улучшению ответов ИИ, а наоборот — увеличивает галлюцинации. Рассказываем, как RAG, динамические промпты, chanking и их комбинация помогают сдерживать бурную фантазию LLM.

Статья разбирает, как генеративный ИИ проникает в юридическую практику и с какими правовыми вызовами сталкивается бизнес. Показываем примеры, когда модели действительно помогают, а когда приводят к судебным инцидентам и штрафам.