Начинаем!

👉Подключайтесь 👈

Спасибо всем, кто пришёл сегодня на вебинар и ответил на вопросы в наших опросах!

Ссылка на запись:
👉 YouTube
👉 RUTUBE

Хотел поделиться результатами одного из опросов - "Какими LLM вы пользуетесь в работе и в жизни?".

Gemini оказалось очень недооценена, модель 2.5 Pro показывает отличные результаты благодаря доступу к поисковому индексу Google, что существенно повышает качество и актуальность ответов.

Есть 2 пути использования:

1️⃣ https://gemini.google.com/app - интерфейс, похожий на ChatGPT (есть дневной лимит запросов).

2️⃣ https://aistudio.google.com/prompts/new_chat - Плейграунд моделей здесь не сталкивался с лимитом запросов в день
⁃
Рекомендую попробовать — понадобится только VPN.

Оставайтесь с нами и до встречи на других вебинарах!

AI всех заменит?

Недавно опубликовали внутренние обращения CEO Shopify и CEO Duolingo.
- CEO Duolingo, Luis von Ahn - linked
- CEO Shopify, Tobi Lutke - x.com
- (копия обращений - telegra.ph)

Основные мысли, касающиеся сотрудников и процесса работы:
AI — базовый навык для всех. Использование ИИ становится обязательным требованием для каждого сотрудника – от стажёра до С-level. «Отказаться» от освоения инструментов ИИ практически равноценно стагнации.

Прототипы должны начинаться с ИИ-экспериментов. На этапе GSD-прототипирования (фрейворк Shopify) команды обязаны активно применять ИИ, чтобы быстрее учиться и выводить первые версии продукта.

ИИ-компетенции будут оцениваться в performance-review. Умение грамотно работать с ИИ — неочевидный навык. У многих складывается впечатление, что достаточно написать один запрос, и если сразу не получаешь идеальный результат, значит «не работает». На практике важно уметь формулировать промпты и правильно задавать контекст.

Проверка «можно ли это решить ИИ?». Постепенный отказ от подрядчиков там, где справится ИИ. Использование ИИ станет критерием при найме и в оценке эффективности. Новый штат одобряют, только если команду нельзя дальше автоматизировать.

Что это значит?
AI становится таким же базовым навыком, каким когда-то стала компьютерная грамотность и умение работать с Excel для «белых воротничков». Наступаем массовая адаптация технологии, необходимо менять привычных подход к выполнению задач. Острая необходимость в найме людей и подрядчиков трансформируется в острую необходимость создавать no-code прототипы агентов, которые смогут выполнить конечную задачу.

Перчатка бесконечности ИИ-агентов

Мы хотим построить инфраструктурную платформу, которая позволит создавать ИИ-агентов, работающих в рамках российских решений.

Что значит инфраструктурная платформа?
Это платформа, которая берёт на себя весь "геморрой" по эксплуатации решений, обеспечивает доступ к большим языковым моделям и локализуется в России для соблюдения законов о персональных данных.

Что нужно для создания ИИ-агента?
- Поддержка каналов коммуникации, в том числе российских — VK, Telegram, WhatsApp, Avito, Jivo и других.
- Доступ к лучшим коммерческим и open-source моделям.
- Инструмент или фреймворк для создания агентов.
- Векторное хранилище для реализации RAG.
- Поддержка интеграций с российскими платформами: amoCRM, Битрикс и т.д.

✅ Первый камень — https://www.smartbotpro.ru/ — наша платформа, поддерживающая российские каналы коммуникации.

✅ Второй камень — no-code инструмент для автоматизации и создания агентов — n8n. Его можно развернуть у нас в Nocode Cloud. В нём "из коробки" настроен доступ к OpenAI, Anthropic, Gemini и другим сетям, недоступным с российских серверов. При этом платформа расположена в России и соответствует требованиям 152-ФЗ.

✅ Третий камень — хаб доступа к API OpenAI, Anthropic, Gemini. Обратившись к нам, можно получить доступ к последним state-of-the-art моделям с расширенными лимитами использования.

🕐 Четвёртый камень — маркетплейс MCP-серверов — https://mcplist.ru/. Сегодня мы запускаем платформу, где будем собирать MCP-серверы для локальных российских сервисов и популярных мировых инструментов. Следующим шагом станет реализация "развёртывания по кнопке" MCP-инструментов внутри nocodecloud, чтобы можно было сразу подключать их к n8n и реализовывать сценарии агентов.

🕐 Пятый камень — векторная база данных. Она нужна для реализации RAG. Что такое RAG и зачем он нужен, мы писали здесь. Сейчас находимся на стадии выбора и тестирования БД: Qdrant или Milvus.

Что такое Model Context Protocol и почему о нем все говорят в AI индустрии?

29 мая в 11:00 команда KTS — IT–компания, основанная выпускниками МГТУ и создающая IT-продукты для крупного бизнеса с 2015 года, проведёт вебинар для руководителей проектов и разработчиков. Если вы работаете с ИИ или просто следите за развитием LLM — этот вебинар для вас.

Model Context Protocol — один из новых стандартов взаимодействия LLM с реальным миром, выпущенный Anthropic. MCP активно внедряется во множество инструментов, таких как: Cursor, Claude, n8n, Zed и другие. Он открывает возможности по легкому встраиванию самых разнообразных систем в LLM, превращая языковые модели в "многоруких помощников", зачастую даже не прибегая программированию.

Что будет на вебинаре?

✅ Проведем экскурс в function/tool calling в LLM - как языковые модели могут оперировать фактами из реального мира
✅ Расскажем о появлении Model Context Protocol (MCP): что дает новый протокол?
✅ Продемонстрируем архитектуру взаимодействия MCP-серверов и клиентов
✅ Покажем практические примеры использования в Claude Desktop, Cursor, n8n
✅ Объясним, как написать свой собственный MCP-сервер (Python SDK, Node.js SDK) и интегрировать в свои процессы

Также на вебинаре поговорим о том, как собрать MCP-сервер без кода на n8n, где искать существующие MCP-серверы и что существует, кроме MCP?

Если вы хотите понять, куда движется интеграция ИИ, и как использовать это в своих продуктах или проектах — приходите.

❗️Регистрация на вебинар не требуется! Вся информация о вебинаре будет выложена в этом канале 😌

🔥 28 мая встречаемся на Data&ML2Business от Yandex Cloud

Конференция Data&ML2Business — это концентрат прикладного опыта в Data и ML для бизнеса: генеративные модели, ИИ-системы, речевые технологии, чат-боты, автоматизация процессов и колл-центров.

Залетайте к нам на зелёный стенд KTS — покажем, расскажем и вдохновим:

🟢Как построить классическую/ML инфраструктуру и эффективно ей управлять, на примере MLOps-платформы, которую мы разработали вместе с Альфа-банком.
🟢Как внедрить AI-агентов и эффективно управлять ML-процессами, расскажем на примере AI-агента, который умеет продавать бетон.

🎮 Бонус: сыграйте в AI-квест — станьте проектным менеджером, разберись с проектом внутри Yandex Tracker с AI помощником и получи призы

Когда: 28 мая 2025
Где: Москва, LOFT#8

Регистрируйтесь по ссылке и до встречи на конференции!

📢 Уже скоро! Вебинар «Что такое Model Context Protocol и почему о нем все говорят в AI-индустрии?»

🗓 29 мая в 11:00 по Москве
🎙 Спикер — Игорь Латкин, управляющий партнер KTS, системный архитектор

Разберем:
— как LLM работают с внешними данными
— что такое MCP и зачем он нужен
— примеры: Claude Desktop, Cursor, n8n
— как собрать свой MCP-сервер (даже без кода!)

❗️Регистрация не требуется — ссылочка на подключение в Zoom. В день вебинара обязательно продублируем и напомним!
📌 Также в комментариях прикрепляем ссылку на добавление мероприятия в календарь.

Увидимся!

Доброе утро!

Стартуем уже через час!

⏰ В 11:00 начнётся вебинар «Что такое Model Context Protocol и почему о нем все говорят в AI-индустрии?»

👉Ссылка для подключения

До встречи!

Начинаем!

👉Подключайтесь👈

Как Morgan Stanley убедились, что AI поможет компании лучше обслуживать клиентов

Друзья, мы начинаем серию постов о том, как AI помогает развивать бизнес и расскажем вам про опыт мировых компаний и то, как они применяют искусственный интеллект (иногда самым неожиданным образом), чтобы улучшить клиентский опыт, процессы внутри компании и как итог вывести бизнес в лидеры рынка. Сегодня поговорим про компанию Morgan Stanley — это мировой лидер в сфере финансовых услуг. А как мы знаем, финансы — во многом бизнес взаимоотношений. Но даже в столь личной и чувствительной работе может помочь искусственный интеллект.

Идея проста: если финансовые советники в Morgan Stanley смогут быстрее получать информацию и тратить меньше времени на повторяющиеся задачи, то будут предлагать клиентам больше качественных идей.
Чтобы убедиться в том, что AI поможет в решении поставленной задачи, эксперты провели ряд тщательных оценок для каждого приложения — Evals.

Evals — это строгий, структурированный процесс измерения того, как модели ИИ реально работают по сравнению с бенчмарком в конкретном сценарии использования. Оценки помогают собирать экспертную обратную связь на каждом этапе внедрения и непрерывно улучшать работу ИИ.

Ключевые метрики зависят от того, что наиболее важно для каждого сценария использования. Оценка Morgan Stanley была сосредоточена на повышении эффективности и результативности их финансовых консультантов. Поэтому в первую очередь эксперты оценили:

Как AI переводит текст. Измерение точности и качества переводов, создаваемых моделью.

Как AI обобщает информацию. Оценка того, как модель сжимает информацию, используя согласованные метрики точности, релевантности и связности.

Как отвечает AI по сравнению с экспертами. Сопоставление результатов ИИ с ответами опытных консультантов, оценки выставлялись за точность и релевантность.

Итоги оценок придали Morgan Stanley уверенности и подтолкнули к интеграции AI в продакшн.
В результате 98 % консультантов Morgan Stanley ежедневно используют OpenAI. Доступ к документам вырос с 20 % до 80 %, время на поиск резко сократилось. И, как главный итог, консультанты проводят больше времени в общении с клиентами благодаря автоматизации задач и более быстрой генерации идей.

Кэйтлин Эллиотт, руководитель по генеративным ИИ‑решениям на уровне всей фирмы:

Отзывы консультантов чрезвычайно положительные. Они активнее взаимодействуют с клиентами, а действия, на которые раньше уходили дни, теперь выполняются в течение нескольких часов.

Источник

Как Indeed делает поиск работы более человечным

Продолжаем узнавать, как AI помогает компаниям развиваться.

Indeed — веб‑сайт № 1 в мире по поиску работы, аналог русского Head Hunter. Компания использует GPT‑4o mini, чтобы по‑новому подбирать подходящие вакансии для кандидатов.

Искусственный интеллект способен обрабатывать огромные объемы данных из множества источников, поэтому именно он формирует более релевантный и персонализированный пользовательский опыт. Именно так компания Indeed улучшила свою рекомендательную систему.

Команда Indeed поняла: чтобы повысить эффективность и увеличить число откликов, важно объяснять соискателю, почему именно ему рекомендована та или иная вакансия. Так компания начала не просто предлагать подходящие вакансии, но и дополнять их контекстом.

С помощью аналитических и языковых возможностей GPT‑4o mini система, при отправке уведомлений или писем на email, добавляет информацию о том, насколько вакансия соответствует опыту или образованию кандидата.

Команда Indeed сравнила прежний механизм подбора вакансий с новой версией на базе GPT, дополненной контекстом:

- Количество откликов на вакансии увеличилось на 20 %.
- На 13 % больше кандидатов получили офферы.

В масштабе Indeed эти улучшения дают значительный бизнес-эффект: сайт компании посещают более 350 млн раз в месяц.

Масштабирование привело к росту использования токенов. Но и эту проблему удалось решить. Чтобы повысить эффективность, OpenAI и Indeed совместно дообучили более компактную модель GPT, которая обеспечила сопоставимые результаты при снижении потребления токенов на 60 %.

«Мы видим большой потенциал продолжать инвестировать в эту новую инфраструктуру — так, чтобы она помогала нам наращивать выручку».

— Крис Хайэмс, генеральный директор Indeed

Источник

Начинаем наш вебинар «Внедряем ИИ в команды: руководство для не-технарей»

👉 Подключайтесь

Запись вебинара «Внедряем ИИ в команды: руководство для не-технарей»

Мы часто встречаемся с проблемой, когда компании начинают внедрение AI со сложных систем: пытаются создавать ML-платформы, делают агентов или RAG.

Тогда как наибольшую эффективность от AI бизнес получает, когда команда использует простые инструменты: автоматизирует рутинную работу и выполняет задачи быстрее и качественнее.

На вебинаре Сергей Чернобровкин и Илона Кравченко разобрали примеры, когда и как применять ИИ в работе команд маркетинга, пиара, финансов, юристов и бэк-офиса: от создания контента до автоматизации.

На основании типичных задач вы сможете собрать более сложные процессы, приоритизировать идеи и пропагандировать AI внутри компании.

Для понимания контекста затронули теорию и познакомились с более сложными агентами, но все же рекомендуем начать внедрение ИИ с простых практик.

Запись уже доступна:

YouTube
VK Видео
RUTUBE

Что такое n8n и как он помогает создавать умных AI-агентов?

n8n — это open source ноукод платформа, которая позволяет без программирования связывать сервисы и создавать сложные сценарии работы.

n8n умеет интегрироваться с разными зарубежными сервисами, недавно там появился блок создания AI-агентов, в который можно подключить облачную LLM от ведущих производителей и создавать tool'ы из готовых инструментов. Или подключить свои MCP-сервера.

Вот пару примеров, которые мы разобрали на последнем вебинаре:

Мониторинг инцидентов. LLM обрабатывает поток инцидентов, выделяет критичные случаи и отправляет уведомления с предварительной обработкой и предложениями решения в Telegram-чат. Это уже применяется на нашей практике в ряде проектов.

Bitrix-бот. Telegram-бот, который с помощью LLM понимает голосовые запросы и ищет ответ (например, данные по сделкам, клиентам и т.д) в данных Bitrix, через MCP, подключенного в n8n. В пилотном режиме бот уже работает в KTS.

Для вдохновения загляните на n8n.io/workflows — там сотни готовых процессов: автопостинг в соцсети, парсинг сайтов, адаптация контента под разные каналы и автоматические рассылки.

MCP-сервер для работы с задачами из Yandex Tracker

На прошлых вебинарах мы разобрали, что такое Model Context Protocol (MCP), из каких компонентов он состоит, и как написать собственный MCP-сервер на Python или n8n. 

А недавно мы релизнули свой MCP-сервер для Yandex Tracker. 
Сейчас с его помощью можно решить следующие задачи: 
- получение и поиск очередей
- работа с пользователями
- поиск и фильтрация задач с использованием языка запросов Yandex Tracker
- получение комментариев и связей задач, а также логов времени

Также он поддерживает аутентификацию через OAuth 2.1, что улучшает безопасность и контроль доступа.

В ближайших планах у нас добавить "изменяющие" tool'ы, чтобы можно было создавать задачи, связывать их между собой прямо из LLM. Об этом и о других фичах еще обязательно напишем в канале.

MCP для Yandex Tracker опубликован в репозитории на нашем GitHub. Описали, как его подключить в различные клиенты, включая Claude Desktop, Cursor и другие. И вы уже сейчас можете создать своего агента с этим MCP-сервером.

Будем рады обратной связи тут и на GitHub. Если у вас есть кейс, который не терпится решить на основе агентов, LLM и MCP, обязательно пишите нам — с удовольствием обсудим.

Как Klarna извлекает выгоду из «накопительного эффекта» знаний ИИ

Продолжаем делиться кейсами эффективного применения AI в бизнесе. Сегодня — опыт финтех-компании Klarna, глобальной платежной платформы. Это достаточно зарегулированный бизнес в ЕС, при этом компания смогла выполнить все юридические требования и внедрить ботов. С помощью системного подхода и дообучения удалось добиться хорошего качества и надежности без репутационных рисков для бизнеса.

Klarna запустила собственного AI-ассистента, чтобы автоматизировать поддержку клиентов. Модель была дообучена на исторических данных чатов и сценариях реальных диалогов, чтобы ускорить обработку обращений и снизить нагрузку на операторов.

Результаты:

— ИИ обрабатывает две трети всех обращений;
— Среднее время решения запроса — 2 минуты вместо 11;
— Потенциальный рост прибыли — на $40 млн в год.

Важно: ассистент прошёл многочисленные итерации дообучения, прежде чем стал точным и безопасным в применении. Klarna поэтапно внедряла более сложные сценарии, расширяла область ответственности модели и отслеживала метрики качества на каждом этапе.

Klarna не ограничилась решением в поддержке. Внутри компании AI стал частью корпоративной культуры:

— 90 % сотрудников ежедневно используют ИИ: в службе поддержки, продукте, маркетинге, аналитике, управлении рисками.

— Созданы внутренние гайды и инструменты для генерации контента, создания сценариев, обработки текстов и кода.

— Отдельные команды занимаются тестированием и настройкой моделей — не только внешних LLM, но и собственных доменных моделей.

— Инициативы запускаются снизу вверх — каждый может предложить AI-решение своей задачи.

Это даёт эффект масштаба: скорость вывода новых идей и продуктов растёт, а стоимость изменений снижается.
Klarna системно инвестирует в адаптацию ИИ и получила накопительный эффект: с каждой итерацией модель становится точнее, а процессы — быстрее. Начав с одного применения, компания выстроила платформенный подход к ИИ.

Если вы хотите таких же результатов — начните с малого, но начните системно: соберите данные, найдите точку боли, адаптируйте модель под себя и итегративно развивайте решение.

Источник