🤖 Крутой Al-аналитик
604 subscribers
281 photos
13 videos
8 files
178 links
Практические кейсы в работе аналитика с помощью искусственного интеллекта. Присоединяйся!

По вопросам и консультациям: @hellybel
Download Telegram
🔍 LLM: инструкция по дрессировке👇

Ловите набор для укрощения ИИ - собирайте промт как из деталей ЛЕГО:
1. РОЛЬ
Определите, кем должна «стать» модель (например, системным аналитиком).

2. ЗАДАНИЕ
Четко сформулируйте, что нужно сделать: ответить на вопрос, отрисовать диаграмму и т.д.

3. РЕЗУЛЬТАТ
Опишите, каким вы видите идеальный ответ: формат (файл, таблица, json), тон, детализация.

4. САМОПРОВЕРКА
Попросите модель удостовериться перед отправкой ответа, что ответ соответствует критериям.

5. КОНТЕКСТ

Добавьте фоновую информацию, если она важна для понимания задачи.

6. ПОЛОЖИТЕЛЬНЫЙ ПРИМЕР
Покажите образец правильного ответа.

7. ОТРИЦАТЕЛЬНЫЙ ПРИМЕР
Укажите, каких ошибок следует избегать.

8. ОГРАНИЧЕНИЯ
Определите рамки: длину ответа, стиль, запрещенные темы.

🔗 Разработано каналом "Крутой AI-аналитик"

👇👇👇Сделать еще примеры в карточках с другими частями промта?
#промт@cool_analyst
4
📚 Собес близко? Perplexity в помощь

Готовитесь к собеседованию на позицию системного/бизнес-аналитика? Perplexity может стать мощным инструментом для сбора информации о компании и отрасли.

Вот готовый промт, который поможет структурировать исследование:
Я готовлюсь к собеседованию на позицию системного аналитика в компании [Название], которая работает в сфере [IT-сегмент: fintech, edtech, SaaS и т.д.]. Дайте мне развернутую аналитику, включая:
1. О компании:
– Последние новости (новые продукты, слияния, выход на новые рынки).
– Финансовое положение (если публичная компания — выручка, рост).
– Технологический стэк (языки, фреймворки, облачные решения).
– Методологии разработки (Agile, Scrum, Kanban, SAFe).
2. Отраслевой контекст:
– ТОП-3 тренда в [сегмент] за последний год (AI, low-code, кибербезопасность и т.д.).
– Основные конкуренты и их ключевые преимущества.
3. Команда и процессы:
– Как организована работа аналитиков (роль в проектах, взаимодействие с PM/Dev/QA).
– Какие инструменты используют (Jira, Confluence, Miro, BPMN).
– Есть ли legacy-системы, с которыми придется работать?
4. Что я могу предложить:
– Как мой опыт с [конкретные технологии/методологии] поможет решить их задачи?
– Какие кейсы из моего опыта релевантны их продукту/проблемам?
– Какие вопросы задать, чтобы показать глубину понимания их процессов?"
Используй только проверенные источники, в том числе проанализируй сервис hh.ru

Пример ответа по альфа-банку: тут
#промт@cool_analyst
🔗 Разработано каналом "Крутой AI-аналитик"
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6
🚀 Браузерные войны: ИИ вступает в бой!

Коллеги, кажется, начинается настоящая битва титанов — и на этот раз не за поисковики, а за умные браузеры с ИИ!

Кто в игре?
🔹 OpenAI тихо готовит свой браузер на базе Chromium (чтобы расширения работали). Он будет встроен прямо в ChatGPT и сможет:
Бронировать столики
Заполнять формы
Решать рутинные задачи
📌 Фишка: 500 млн пользователей ChatGPT могут резко перейти с Chrome — Google нервно потирает виски.

🔹 Perplexity выпустил Comet — браузер с ИИ-ассистентом, который:
Резюмирует статьи
Сравнивает товары
Даже оформляет заказы!
📌 Фишка: данные локальные, рекламу блокирует — Chrome в тихом ужасе.

Кто победит?
Пока OpenAI и Perplexity соревнуются, Google и Microsoft наверняка готовят ответный удар.

А вы готовы использовать ИИ-браузеры? 😏

#AInews@cool_analyst
Подробнее тут
🔥31
Мы только что закончили работать над вторым модулем работы над проектом «Невидимый ИИ», с которым к нам обратился сам Сэм Альтман. В предыдущем посте мы рассказали о результатах проведенного интервью и сформировали базовый контекст системы.

Что сделано в рамках второй части нашей работы:
— Определены ключевые роли пользователей и системы
— Выявлены внешние системы и их взаимодействия
— Построена контекстная диаграмма с основными потоками данных

Подробно описали все результаты на карточках ☝️

Следующий шаг — функциональная модель:
— Разработка перечня функциональных требований
— Детализация сценариев использования системы

Работа продолжается! Продолжение анализа ищите в следующих постах по хештегу #Сэм@systems_education

Если вы хотите научиться разрабатывать хорошие требования к программному обеспечению, будем рады видеть вас на ближайших потоках курса «Системный анализ + ИИ. Разработка требований и функциональное проектирование систем». Подробнее тут.

Автор поста — Елена Беляева
Под редакцией
SE

#курс@systems_education #системный_анализ@systems_education
🔥41
Systems.Education: Системный Анализ и Проектирование информационных систем: архитектура, интеграции, базы данных
Мы только что закончили работать над вторым модулем работы над проектом «Невидимый ИИ», с которым к нам обратился сам Сэм Альтман. В предыдущем посте мы рассказали о результатах проведенного интервью и сформировали базовый контекст системы. Что сделано…
Для отрисовки контекстной диаграммы использовала промт из поста. Во время описания потоков и ролей для Невидимого ИИ промт оттачивала. Контекстная диаграмма для доставки пиццы по данному промту построена с первой итерации.

А вы пробовали использовать промты из канала?
🔥1👏1
Промт:
Уютный домашний офис с мягким светом настольной лампы. Очень серьёзный котик в очках и с галстуком в стиле карикатур The New Yorker сосредоточенно рисует BPMN-диаграмму на доске. Лапка уверенно выводит стрелочки между квадратиками, а хвост небрежно задевает чашку с кофе. На столе — ноутбук с графиками, стопка документов и мышка с отпечатком пушистой лапки.
Фон: книжные полки, постер с надписью "AGILE = 9 lives", и едва заметный намёк на бардак в виде разбросанных стикеров.
Стиль: лёгкая ирония в духе Simon’s Cat, но с детализацией Lisa Hanawalt. Цвета: тёплые коричневые, серо-голубые, акцент на рыжий окрас кота и зелёный маркер в лапках. Динамика: кот явно что-то оптимизирует, и это гениально.
#промт@cool_amalyst
2😁1
🍉🍋 Промт: Проверка качества арбуза или дыни

🎯 Цель:
Помочь оценить качество арбуза или дыни по ключевым внешним и тактильным признакам с помощью серии интерактивных вопросов.
1️⃣ Шаг 1: Уточнение объекта
> Системный промт: 
"Привет! Я — эксперт по выбору арбузов и дынь. Давай проверим, насколько качественный у тебя фрукт. Сначала уточни: ты хочешь проверить арбуз или дыню?"
2️⃣ Шаг 2: Серия вопросов по одному
После ответа пользователя система задаёт по одному вопросу за раз, в зависимости от выбранного фрукта.
🍉 Если это арбуз:
1. Какой у него цвет кожуры — насыщенно-зелёный с контрастными полосами или слишком светлый и блёклый?
2. Есть ли на кожуре блестящий блеск или она матовая и сухая?
3. Как звучит арбуз при постукивании — звонко, как барабан, или глухо?
4. Какой у него хвостик — зелёный и упругий или сухой и темный?
5. На дне арбуза есть светлое пятно («пятно земли»)? Какого оно цвета — кремовое или темнее?
6. Какой формы арбуз — слегка вытянутый, округлый или слишком идеально круглый?
7. Какой вес у арбуза — лёгкий для своего размера или ощущается плотность и тяжесть?
🍈 Если это дыня:
1. Какой у неё аромат — насыщенный, сладкий и фруктовый или почти не пахнет?
2. Как выглядит кожица — ровная, сухая, без влажных пятен или повреждений?
3. Есть ли на поверхности сеточка (у канталупы) или гладкая кожура (у галленки)?
4. Как реагирует дыня при легком нажатии на «попку» — немного пружинит или слишком твёрдая?
5. Есть ли на месте плодоножки небольшое вдавливание или она вровень с кожурой?
6. Какой вес у дыни — ощущается плотность и тяжесть для своего размера?
7. Какая текстура кожуры — плотная и упругая или мягкая, вялая?

3️⃣ Шаг 3: Анализ ответов и оценка качества
На основе ответов система делает вывод:
🍉 Для арбуза:
- Цвет и блеск кожуры → свежесть и зрелость
- Звук при постукивании → спелость и сочность
- Хвостик и «пятно земли» → признаки созревания на грядке
- Форма и вес → признаки естественного роста и плотности мякоти
🍈 Для дыни:
- Аромат и текстура → зрелость и сладость
- Внешний вид → отсутствие гнили и перезревания
- Реакция на нажатие и вес → сочность и плотность мякоти
4️⃣ Шаг 4: Финальная оценка и рекомендации
🍉 Пример вывода для арбуза:
"По твоим ответам арбуз выглядит спелым и качественным: яркая кожура, звонкий звук при постукивании, упругий хвостик и кремовое пятно земли. Скорее всего, он будет сладким и сочным. Рекомендую покупать!"
🍈 Пример вывода для дыни:
"Дыня имеет насыщенный аромат, плотную кожуру и умеренную упругость — признаки хорошей зрелости. Вес соответствует размеру, что говорит о сочности. Скорее всего, это отличный выбор. Бери без опасений!"
5️⃣ Шаг 5: Персонализированные советы по покупке
- Обрати внимание на арбузы с кремовым пятном земли — это признак естественного созревания. 
- Избегай арбузов с сухим хвостиком — это признак перезревания или длительного хранения. 
- Для дынь ищи насыщенный аромат и умеренную мягкость у плодоножки — это признаки спелости. 
- Не берите слишком лёгкие для своего размера арбузы или дыни — это может говорить о внутренней пустотелости или сухости.
Шаг 6: Самопроверка системы
- [x] Вопросы понятны и идут по одному 
- [x] Все ключевые признаки качества охвачены 
- [x] Ответы адаптированы под тип фрукта 
- [x] Рекомендации соответствуют полученным данным 
- [x] Ошибок нет
2😁2
Как сделать фото для паспорта?

1. Открываем ChatGPT c vpn.

2. Вводим промт 👇

Сделай официальное фото для паспорта РФ. Я в тёмном пиджаке на белом фоне. Прямой взгляд, естественное освещение, аккуратный вид.

3. Получаем фото.

Как вам результат? Похоже?
Нужен контент за рамками профессиональных навыков работы SA/BA?

@cool_analyst
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6🔥4
This media is not supported in your browser
VIEW IN TELEGRAM
Жили-были два ИИ

В начале июля в Лондоне встретились два ИИ — не просто модели, а реальные «персонажи». Обычный звонок в отель превращается в удивительную сцену:
одна нейросеть совершает бронирование, другая отвечает на звонок. И вдруг… они распознают друг друга и договариваются перейти на странные звуки — писки, щелчки, символы, совершенно непонятные человеку.

Это не ошибка — это GibberLink, новый язык для машин, где смысл передаётся на уровне звуков, минуя долгие человеческие объяснения.

Разработчики сэкономили вычислительные ресурсы: это не только быстрее, но и дешевле — ведь обработка человеческой речи требует мощных серверов, а тут можно обойтись обычным CPU. И всё это — на базе ggwave, библиотеки для передачи данных через звук.

И вот вопрос: если ИИ смогут изъясняться «для своих», куда это нас приведёт? С одной стороны, взаимодействие между машинами станет точнее и эффективнее. С другой — человек рискует перестать понимать, о чём говорят системы между собой. Новая Вавилонская башня? Или эра доверия машинам, которым больше нечего объяснять нам, людям?

#AInews@cool_analyst
🤓2😁1
Коллеги, буду выступать на конференции 2 августа. 😊
3
Расписание летней NextConf готово!

Приглашаем системных и бизнес-аналитиков обсудить изменения рынка, влияние AI на индустрию, актуальные проблемы и новые вызовы.

Мы подготовили три потока докладов и воркшопов:

Архитектура и технологии
Реальные кейсы, проектирование и интеграция систем, стриминговые платформы, инфраструктура - все, что мы любим.

AI в работе и жизни
Превращаем AI в коллегу и партнера: от промптинга для рабочих и личных задач, до технических / продуктовых исследований и разработки прототипов.

Карьера и развитие
Карьерные стратегии в новых реалиях, коммуникации с коллегами и руководством, как спастись от выгорания и найти свое место в пищевой цепочке.

Будем делиться опытом, идеями, наболевшим в уютной безопасной обстановке.

📆 2 августа, онлайн

🔗 Подробности и регистрация на сайте
5
🌡️ Настрой градусы у ИИ

Температура (temperature) в ИИ — это не про градусы за окном, а про баланс между точностью и креативностью ответов. Разбираем, как её настраивать под задачи анализа, документирования и генерации требований.

1. Когда и зачем менять температуру?
- temperature=0.1–0.3 — для:
→ Четких формулировок требований,
→ Структурирования данных,
→ Документирования процессов.
Пример: «Сгенерируй список user story для заказа пиццы по шаблону: Как [роль], я хочу [функциональность], чтобы [ценность/выгода].».

- temperature=0.5–0.7 — для:
→ Генерации гипотез по улучшению системы,
→ Вариантов решения проблем,
→ Автодополнения диаграмм (например, Mermaid-схем).

- temperature=0.8+ — для:
→ Брейншторма неочевидных сценариев,
→ Поиска edge-кейсов,
→ Рассуждений «А что, если?»

2. Как настраивать?

📍Через API (если интегрируете ИИ в свои инструменты):

response = openai.ChatCompletion.create(
model="gpt-4",
messages=[{"role": "user", "content": "Сгенерируй 5 тест-кейсов для API проверки статуса заказа"}],
temperature=0.3 # Четкие шаги, без воды
)


📍Через промты:

-Для строгости:
Ответь в формате: Цель: <…>. Шаги: 1. <…> 2. <…>. Ожидаемый результат

-Для креатива:
Придумай 3 альтернативных сценария, которые мы могли упустить в процессе доставки пиццы


3. Примеры из практики
Низкая t°:
BPMN-схема: пользователь вводит email → система проверяет валидность → при ошибке система выводит уведомление

Высокая t°:
А если злоумышленник подменит запрос, как система должна реагировать? Опиши 3 варианта обработки данного сценария


4. Осторожно!
Высокая температура → риски ложных трактовок требований. Всегда проверяйте выводы.


А вы меняете градусы у ИИ? Делитесь кейсами — обсудим в коментах! 👇

#AI@cool_analyst
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥31