Телеграм канал «Клуб CDO»

На этой неделе принял участие в мероприятии Leaders in Fintech: Trends & Landscapes, на котором была интересная панельная дискуссия про внедрение ИИ в финтехе. На сцене: Nida Sattar, Product Director Allica Bank, и Alessandro Battaglia, Head of Paid Acquisition Wise. Два главных блока дискуссии.

Первый: конвергенция продуктовых ролей. Маркетинг, дизайн и продукт перестают быть отдельными полосами движения. Nida сформулировала это так: внедрение ИИ это задача организационного дизайна в той же мере, что и инициатива роста. Продакт-оунеры в Allica сами выкатывают код, полгода назад это было невозможно. Дизайн перестроил дизайн-систему и тоже доводит изменения до продакшена. В инжиниринге появилась роль product engineer, где discovery, продуктовая работа и код сведены в одну позицию. Раньше убрать лишний заголовок в приложении означало тикет инженеру, PR и неделю ожидания. Теперь это делает тот, кто заметил проблему.

Второй: доверие к продуктам с ИИ и к ИИ в целом: инструмент делает вещи от имени пользователя, а иногда и для себя. Значит, пользователь обязан понимать, что инструмент делает и почему, и иметь возможность переопределить любое его действие.

В регулируемом банке нельзя опираться на недетерминированные вещи: каждое решение должно быть объяснимо. Кейс Allica из asset finance: сбор заявки с брокерами это 50-60 писем, автоматизация читает переписку и заполняет заявку за минуты. Двенадцать минут вместо двенадцати недель, но человек с суждением остался в контуре. Клиент не знает, что внутри работает ИИ. Его проблема просто решена.

Человеческую проверку делают почти невидимой для клиента. Потому что если клиентский ИИ-продукт ошибается, доверие исчезает, и клиента теряешь навсегда.

Больше автоматизации не значит меньше контроля. Контроль обязан быть всегда: что агент делает сейчас, что делал раньше, на что пользователь дал ему разрешение.

Очень интересный вопрос прозвучал из зала, от сотрудника Apple: какая часть доверия создаётся самой компанией, а какая формируется личным опытом людей? Сколько контроля у нас останется, когда все привыкнут к ИИ? И как строить это доверие внутри компании, а не только для клиентов?

Ответ панели свёлся к одному принципу: дать людям контроль над тем, насколько ИИ управляет процессом, и возможность проверить и поправить результат до того, как он уйдёт наружу. Это работает одинаково внутри компании и снаружи.

Туда же финальная мысль дискуссии: успех не должен измеряться количеством решений, которые ИИ принимает самостоятельно. Важнее, понимает ли пользователь, что ИИ делает от его имени, и знает ли, что может вмешаться.

‼Из id Software (серия DOOM) уволили около 70% сотрудников

Под сокращения попали 136 человек – всего в студии работало в районе 185-200 работяг. СМИ сообщают, что сильнее всего пострадал отдел контроля качества.

😢

ну до святого ИИ добрался

Ура, вышло хоть что то хорошее про данные, а не про ИИ и все такое 🙂

Данными не владеет ни CDO, ни IT. Ими владеет тот, в чьем бизнес-процессе они родились. А дальше практика: если владельца процесса качество данных устраивает, а потребителей нет, у потребителей два пути. Принять как есть или доказать, что компании дешевле починить процесс, чем разгребать последствия.

Это из интервью Данилы Наумова, CDO группы Московская биржа, для VTORNIK. Семь лет в роли CDO: Утконос, М.Видео, Апельсин, теперь биржа. Редкий разговор про механику управления данными, а то уже не знаешь что написать, даже статьи на Хабре "ушли" все в агентов и тд. Но с точки зрения данных наверное имеет в повестку CDO включить как минимум RAG и AI Governance.

Три вещи, которые я бы забрал в конспект.

• Governance, привязанный к физическим объектам, а не к документам. Четыре уровня: личная песочница, схема команды, публичная схема, производственный процесс. Чем шире влияние данных на компанию, тем жестче требования к управлению ими. Политика перестает быть файлом на полке и превращается в правила игры, зашитые в ресурсные пулы платформы.

• AI-native данные как экономическая задача, а не модный ярлык. Инфраструктура ИИ дорогая, значит агент должен решать задачу с минимальным расходом токенов. Чем лучше описаны глоссарии, lineage и бизнес-процессы, тем меньше агент блуждает по данным вслепую и тем дешевле каждое решение. Подготовка контекста из гигиены превращается в статью экономии.

• И интересно про метрики. Сначала они спускались командам сверху, и команды пытались их хакнуть, воспринимая как KPI. Классический Goodhart. Потом культура дозрела, и люди сами начали предлагать более честные методики расчета. Метрика как градусник, а не как дубинка.

Отдельно занятно: амбиция показать один из лучших результатов в стране по методологии дата-зрелости ЦБ и сократить сроки доступа к данным с месяцев до одного дня в типовых сценариях.

PS Кстати Данила является участников данного community, так что думаю можно воспользоваться комментариями если хочется получить больше информации

Полный текст: https://vtornik.company/blog/interview-danila-naumov

все что надо знать про точность LLM :)