Некоторые наблюдения с полей о внедрении AI в компаниях с 50+ сотрудниками: 1) у каждой команды своя трактовка метрик: одни считают выручку по кэшу, другие включают дебиторку, третьи - еще как-то. В итоге это приводит к тому, что вроде слова одинаковые, а семантика разная, и поэтому то, что делают одни, не принимается другими. Если, конечно, было замечено. Тут, разумеется, нужен единый«словарь», и мой совет его создать централизованно. Этот словарь, очевидно, должен быть утвержден и подан как отче наш всем AI агентам (и людям). Обычно, это стезя руководителей BI команд, но иногда COO/CFO 2) очень много контекста лежит в головах людей и нет системы обратной связи и пополнения единого контекста - я показывал на team os вебинаре как это делается в небольшой компании. В простейшем случае это AI бот в слаке, который, при ответе на вопрос сотрудника, дает возможность поправить себя НО эта поправка не меняет сразу контекст бота, а накапливается. Далее нужен некоторый governance слой - в простейшем случае CEO - который решает, какие из этих поправок принимаются и на какой уровень (конституция, законы, плейбуки и тп). Идея в том, что с одной стороны нам надо всасывать контекст от людей, но с другой не допускать дрифта по любому чиху. 3) и, наконец, один из самых простых способов начать эту обратную связь получать - реализовать подобие Робина, который отвечает на типичные вопросы людей к другим людям. Например, к вам. Или попросите дружбана просмотреть корпчаты а ля ask-commercial, там обычно куча кейсов, которые месяцами разруливаются в компаниях, существующих не один нод

OpenAI побили еще сотню стартапов "AI аналитики" Выпустила Data agent в ChatGPT Work – плагин, который подключается к корпоративным данным, сам пишет SQL, ищет, что изменилось, и собирает интерактивные дашборды, которыми можно поделиться. Вопрос задаёшь словами, код не нужен. Что внутри: – источники: Snowflake, BigQuery, Databricks, Redshift, ClickHouse, MongoDB, Datadog, плюс Google Drive и SharePoint – BI: Tableau, Power BI, Sigma, ThoughtSpot, Omni, Oracle BI – семантический слой: агент берёт термины, метрики и формулы из dbt, Databricks Genie, Snowflake Horizon, GitHub и самих дашбордов – чтобы «выручка» считалась так, как у вас принято, а не как модели показалось – права: запросы идут под учёткой пользователя со всеми ограничениями по таблицам, строкам и колонкам – после анализа – рекомендации, кому из коллег это показать, и выгрузка в Slack или почту Внутри OpenAI это уже стандарт: почти вся продуктовая команда и две трети GTM сидят в этом агенте. Года 2 назад, еще до размышляющих моделей, как раз строили подобную штуку... Теперь это из коробки доступно. Text-to-SQL без него все пробовали, и все получали красивые уверенные цифры, которым нельзя верить. Много приходилось писать прям функций руками, которые может вызывать ИИ, чтобы результат был одинаковый. Теперь думаю с такой клиентской базой и такими провайдерами это вопрос решенный https://openai.com/index/put-data-to-work/