Anastasia.ai – Tech Entrepreneur in🇨🇭

С чего начать, если планируете внедрять ИИ в компании, и почему ключевой аспект здесь - Data/AI maturity? 📊

Давайте для начала решим вопрос: почему для компаний почти всех индустрий тема данных и ИИ сейчас так важны?

Технология прогрессирует всё быстрее и быстрее. Технологические трансформации приходят волнами, и несмотря на то, что в данный момент между каждой волной проходит 3-5 лет, это расстояние в будущем будет сильно сокращаться. Каждая волна предоставляет компаниям возможность выстроить конкурентное преимущество или рискнуть возможно невозвратно отстать от конкурентов. CEO Databricks, Али Годси, предсказал, что в долгосрочной перспективе (~10 лет) во всех индустриях лидеры с конкурентным преимуществом будут ориентированы на данные и AI. Считается, что Data/AI-driven компании способны увеличить доход на 15-25%.
[Как мы обсудим в одном из будущих постов, сами по себе данные и ИИ не являются гарантией успеха - есть определенные условия, от наличия которых зависит, принесет ли ваш проект на основе данных и ИИ прибыль или будет провалом!]

Зная, зачем нужна AI-трансформация, появляется следующий вопрос – с чего начать этот процесс? Первые шаги к AI-трансформации всегда должны быть следующими:
1️⃣оценка Data/AI maturity (где компания сейчас?) и
2️⃣формирование стратегических целей C-level лидеров (до куда компания хочет дойти?).

Каждый бизнес, продукт или проект проходят через разные стадии Data/AI зрелости. Это значит, что в начинающих уровнях данные собираются ещё не системно и без особой отдачи - но со временем через вклад инженеров инфраструктура и сбор данных становятся более «зрелыми» и обеспечивают более продвинутые ML модели.

Большинство legacy компаний в данный момент находятся на уровне 1 или уровне 2 (AI interest & experimentation), как подчеркивает статистика от Accenture на скриншоте. Кроме этого legacy компании часто сильно переоценивают количество и качество своих данных, а также возможности своей инфраструктуры. Большинство компаний сегодня вообще не в состоянии продвинуться дальше уровня 3 (AI частично в проде). [Как взяться за инфраструктуру и какие аспекты важны, чтобы обеспечить эффективные продукты на основе данных и ИИ, я буду освещать в отдельном посте.]

Суть модели Data/AI maturity заключается в оценке текущих способностей компании в области данных/ИИ и обозначении потенциального дальнейшего пути в процессе ИИ-трансформации.

При этом важно понимать, что далеко не каждая компания обязана проходить все стадии Data/AI зрелости. Фундаментально важно, чтобы руководство компании формулировало vision и конкретные бизнес-цели чтобы потом в коллаборации с техническими стратегами обеспечить связь между технологической цепью и бизнес-value. Этот элемент как раз часто не присутствует в многих компаниях и приводит к разочаровывающим результатам. Целевая Data/AI maturity всегда должна быть оправдана отдачей!

В ближайшем посте я поделюсь с вами оценкой, которая поможет вам оценить зрелость данных/ИИ в вашей компании - stay tuned!

Если компания решила продвигаться по оси Data/AI maturity и инвестировать в развитие ИИ на основе стратегических решений, инвесторы и руководство фирмы будут ожидать быстрых и постепенных результатов от инициативы. Это значит, что правление компании, которая условно в первом квартале проинвестировало в Data/AI проекты, требует быть в состоянии показывать отдачу уже во втором или третьем квартале. Таковы правила игры в нынешних реалиях.

Как обеспечить это и почему в прошлом около 87% Data Science проектов в компаниях были провалом, мы обсудим также скоро!

#datapm #aipm #strategy
@ainastia

Про саморазвитие: Какие подкасты я слушаю 📣

Существует огромное количество контента, посвящённого знаниям и саморазвитию: YouTube-туториалы, онлайн-проекты и подкасты на Spotify.

Сегодня я хочу с вами поделиться, что из ящика с надписью «подкасты» я регулярно слушаю, и какие сферы таким образом я прокачиваю.

Мои четыре любимых подкаста можно разделить на четыре темы: эрудиция, биохакинг, женское предпринимательство и инвестиции, а также системы рекомендаций с технической перспективы. Давайте подробнее:

1️⃣ «Говорит Вафин» — Рубрика Эрудиция
Это, наверное, мой самый любимый и необычный подкаст из всего списка. Также он единственный на русском языке. Автор под псевдонимом Юрий Николаевич Вафин анонимно ведет уникальный подкаст, где рассказывает про книги, которые он в невероятном количестве поглощает. Темы из рубрики «очень интересно, но сами докопаться вы скорее всего даже не задумались бы» — например, как ученые во время экспедиции в Антарктиду грели руки в пингвинах, чтобы выжить, или подробности из дневника обычного крепостного в России XIX века. Это единственный контент-креатор, которому я по подписке доначу каждый месяц, за что дополнительно получаю доступ к закрытой телеграм-группе с очень интересными людьми и доп-подкасту «Стружки». Короче: рекомендую! Расширяет знания и словарный запас.

2️⃣ «Huberman Labs» — Рубрика Биохакинг
Подкаст, автором которого является американский нейробиолог и профессор Стэнфорда Эндрю Хуберман. Здесь множество полезных советов на основе науки о том, как можно оптимизировать своё физическое и психическое состояние. Например, я подкорректировала свою утреннюю рутину по советам и инсайтам из подкаста, и стала чувствовать себя намного энергичнее, что, конечно, положительно влияет на рабочий режим. Также Хуберман ведет дискуссии с такими людьми, как например Марк Андриссен, один из ведущих американских венчурных инвесторов нашего времени, и обсуждает интересные аспекты, такие как главные черты личности успешных предпринимателей.

3️⃣ «Girls that Invest» — Рубрика Женское предпринимательство и инвестиции
Женская тема подъехала! Здесь девушки из Новой Зеландии с индийскими корнями рассказывают, как начать инвестировать независимо от вашего бюджета, а также как масштабировать свой side hustle до семизначного дохода (в долларах). Я уже как минимум два года наблюдаю за ними и получила много вдохновения. Рекомендую всем, кто хочет начать инвестировать, а также строить свой бизнес с нуля!

4️⃣ «Recsperts» — Рубрика Технические знания и системы рекомендаций
Ну как без технического подкаста? Конечно, никак. Тема систем рекомендаций, на мой взгляд, одна из главных для многих компаний, которые хотят использовать ИИ, чтобы выстроить конкурентное преимущество. В 2024 году нет необходимости строить всё самому, но консенсус остается таким: если ты хочешь выстроить конкурентное преимущество, тогда строй свой custom solution (конечно, при условии наличия специалистов и качественных данных внутри компании — что, как мы знаем, часто не дано). Подкаст подойдет именно тем, кто сами строят системы рекомендаций: автор обсуждает их на детальном техническом уровне, а также часто дискутирует с экспертами из крупных компаний, таких как Netflix. Автор подкаста, кстати, мой бывший коллега со времени, когда я работала ML-инженером, и который был моим sparring partner, когда я строила RecSys на основе Deep Reinforcement Learning для одной из ведущих медиа-компаний Германии. Короче: чел шарит!

Конечно, есть ещё много других подкастов, которые я слушаю в зависимости от темы, но именно эти я слушаю регулярно, всегда вдохновляюсь и внедряю какие-то инсайты в свою жизнь и работу.

Буду очень рада услышать от вас, какие подкасты вы регулярно слушаете для саморазвития и почему именно их вы рекомендуете.

А в следующем посте мы опять вернемся к рубрике книг, и я поделюсь с вами списком к прочтению для начинающих Data/AI-продакт-менеджеров.

#саморазвитие #подкасты
@ainastia