Вебинар "ИИ, аналитика и управление данными"

Участники: Александр Горбачев, менеджер по продуктам DIS Group Роман Инюшкин, заместитель директора по технологиям Softline Олег Гиацинтов, технический директор DIS Group 00:10 - Введение в вебинар об ИИ для бизнеса Александр Горбачёв приветствует участников и объявляет тему вебинара – практическое применение искусственного интеллекта в бизнесе. Он подчеркивает важность анализа данных для принятия решений, прогнозирования и оптимизации процессов. Вебинар разделен на три части: роль ИИ в развитии аналитических способностей, обеспечение данных для ИИ и управление данными с помощью ИИ. После выступлений запланирована сессия вопросов. 04:15 - Стратегический подход к внедрению ИИ Роман Инюшкин объясняет, что внедрение ИИ начинается с вовлечения бизнеса, а не технологий. Ключевые участники процесса – коммерческий отдел, маркетинг, производство и ИТ-специалисты. Важно выявлять гипотезы внедрения ИИ, анализировать бизнес-процессы и учитывать сопротивление сотрудников. Критически важна инфраструктура: гибридные решения помогают преодолеть барьеры доступа к корпоративным данным. Также обсуждается роль информационной безопасности и новых угроз, связанных с ИИ. 12:55 - Методология стратегических сессий Инюшкин описывает структуру стратегических сессий по внедрению ИИ. Процесс включает подготовку (опрос экспертов, сбор ожиданий), обсуждение кейсов (офисные и производственные процессы), приоритезацию задач по критериям "бизнес-ценность/сложность" и формирование дорожной карты. Важны четкие формулировки целей, определение пользователей, источников данных и ожидаемого эффекта. Пример: расчет экономической выгоды от внедрения ИИ в поддержку клиентов или скоринг. 20:23 - Форматы работы с бизнесом Представлены три формата сотрудничества: обучение для единого понимания ИИ, стратегические сессии с руководством для определения видений и углубленный разбор процессов с конкретными подразделениями. Примеры: семинары для банковского сектора, сессии для IT-функций и госструктур. Особое внимание уделяется процессуному консалтингу – использованию ИИ для анализа регламентов и поиска точек автоматизации. 28:54 - Технические аспекты управления данными Олег Гиацентов акцентирует, что ИИ требует качественных данных и обратной связи от бизнеса. Проблема традиционных подходов – задержки в подготовке данных (до полугода). Решение – создание быстрых конвейеров обработки данных с помощью инструментов вроде Data Lakehouse и Data Governance. Пример: нефтегазовая компания достигла SLA в 4 часа для запросов к ИИ. Критично точность постановки задач и интерпретации результатов. 44:19 - Ответы на вопросы участников Обсуждение практических аспектов внедрения ИИ: убеждение бизнеса (важно показать ROI, а не навязывать технологии), проверка документов на противоречия (требует бизнес-глоссария и CMS), аппаратные ограничения (гибридные решения с локальными серверами и облаками). Подчеркивается, что ИИ – инструмент, а не замена экспертизы. Функциональность Data Scientist остается неизменной, меняются методы работы. Запросить демо решений и получить полезные материалы — https://dis-group.ru/

Иконка канала DIS Group
91 подписчик
12+
34 просмотра
месяц назад
12+
34 просмотра
месяц назад

Участники: Александр Горбачев, менеджер по продуктам DIS Group Роман Инюшкин, заместитель директора по технологиям Softline Олег Гиацинтов, технический директор DIS Group 00:10 - Введение в вебинар об ИИ для бизнеса Александр Горбачёв приветствует участников и объявляет тему вебинара – практическое применение искусственного интеллекта в бизнесе. Он подчеркивает важность анализа данных для принятия решений, прогнозирования и оптимизации процессов. Вебинар разделен на три части: роль ИИ в развитии аналитических способностей, обеспечение данных для ИИ и управление данными с помощью ИИ. После выступлений запланирована сессия вопросов. 04:15 - Стратегический подход к внедрению ИИ Роман Инюшкин объясняет, что внедрение ИИ начинается с вовлечения бизнеса, а не технологий. Ключевые участники процесса – коммерческий отдел, маркетинг, производство и ИТ-специалисты. Важно выявлять гипотезы внедрения ИИ, анализировать бизнес-процессы и учитывать сопротивление сотрудников. Критически важна инфраструктура: гибридные решения помогают преодолеть барьеры доступа к корпоративным данным. Также обсуждается роль информационной безопасности и новых угроз, связанных с ИИ. 12:55 - Методология стратегических сессий Инюшкин описывает структуру стратегических сессий по внедрению ИИ. Процесс включает подготовку (опрос экспертов, сбор ожиданий), обсуждение кейсов (офисные и производственные процессы), приоритезацию задач по критериям "бизнес-ценность/сложность" и формирование дорожной карты. Важны четкие формулировки целей, определение пользователей, источников данных и ожидаемого эффекта. Пример: расчет экономической выгоды от внедрения ИИ в поддержку клиентов или скоринг. 20:23 - Форматы работы с бизнесом Представлены три формата сотрудничества: обучение для единого понимания ИИ, стратегические сессии с руководством для определения видений и углубленный разбор процессов с конкретными подразделениями. Примеры: семинары для банковского сектора, сессии для IT-функций и госструктур. Особое внимание уделяется процессуному консалтингу – использованию ИИ для анализа регламентов и поиска точек автоматизации. 28:54 - Технические аспекты управления данными Олег Гиацентов акцентирует, что ИИ требует качественных данных и обратной связи от бизнеса. Проблема традиционных подходов – задержки в подготовке данных (до полугода). Решение – создание быстрых конвейеров обработки данных с помощью инструментов вроде Data Lakehouse и Data Governance. Пример: нефтегазовая компания достигла SLA в 4 часа для запросов к ИИ. Критично точность постановки задач и интерпретации результатов. 44:19 - Ответы на вопросы участников Обсуждение практических аспектов внедрения ИИ: убеждение бизнеса (важно показать ROI, а не навязывать технологии), проверка документов на противоречия (требует бизнес-глоссария и CMS), аппаратные ограничения (гибридные решения с локальными серверами и облаками). Подчеркивается, что ИИ – инструмент, а не замена экспертизы. Функциональность Data Scientist остается неизменной, меняются методы работы. Запросить демо решений и получить полезные материалы — https://dis-group.ru/

, чтобы оставлять комментарии