Channel name was changed to «Внутри AI | Кейсы ИИ Агентов в бизнесе»
Привет!
Здесь мы будем рассказывать про то, как ИИ-агенты используются в бизнесе для повышения эффективности и простым языком объяснять, как они устроены внутри.
В канале будем рассказывать про:
– Кейсы крупных компаний и стартапов по всему миру
– Как мы сами внедряем AI в работу компании и что делаем для российских клиентов
– Устройство AI-агентов на понятном языке с упором на бизнес-эффект
Канал ведут основатели KTS — IT–компании со штатом в 170+ специалистов, основанной выпускниками МГТУ, которая создает IT-продукты для крупного бизнеса с 2015 года.
Что мы уже делали в ML и AI?
– Разработали MLOps-платформу вместе с Альфа-банком.
– Создавали виртуального помощника для банка ДОМ.РФ (читать кейс)
– Сделали собственную платформу для создания чат-ботов с ИИ
– Разработали ML–сервис с оценкой психологических характеристик кандидатов по резюме для автоматического подбора на массовые вакансии в США и Канаде.
– Сделали рекламный спецпроект с CV, который распознаёт родинки на фото и превращает их в мелодию. Проект выиграл премию Effie
– Занимались анализом временных рядов для приоритизации биржевых стратегий
и многое другое
Здесь мы будем рассказывать про то, как ИИ-агенты используются в бизнесе для повышения эффективности и простым языком объяснять, как они устроены внутри.
В канале будем рассказывать про:
– Кейсы крупных компаний и стартапов по всему миру
– Как мы сами внедряем AI в работу компании и что делаем для российских клиентов
– Устройство AI-агентов на понятном языке с упором на бизнес-эффект
Канал ведут основатели KTS — IT–компании со штатом в 170+ специалистов, основанной выпускниками МГТУ, которая создает IT-продукты для крупного бизнеса с 2015 года.
Что мы уже делали в ML и AI?
– Разработали MLOps-платформу вместе с Альфа-банком.
– Создавали виртуального помощника для банка ДОМ.РФ (читать кейс)
– Сделали собственную платформу для создания чат-ботов с ИИ
– Разработали ML–сервис с оценкой психологических характеристик кандидатов по резюме для автоматического подбора на массовые вакансии в США и Канаде.
– Сделали рекламный спецпроект с CV, который распознаёт родинки на фото и превращает их в мелодию. Проект выиграл премию Effie
– Занимались анализом временных рядов для приоритизации биржевых стратегий
и многое другое
kts.tech
KTS – цифровые продукты для бизнеса
KTS разрабатывает цифровые сервисы для бизнеса. Специализируемся на HR Tech, EdTech, Маркетинговых технологиях, DevOps и кастомных веб и мобильных сервисах.
🎉11❤2
Внутри AI | Кейсы ИИ Агентов в бизнесе pinned «Привет! Здесь мы будем рассказывать про то, как ИИ-агенты используются в бизнесе для повышения эффективности и простым языком объяснять, как они устроены внутри. В канале будем рассказывать про: – Кейсы крупных компаний и стартапов по всему миру – Как мы…»
Что такое агенты?
На мой взгляд, одно из наиболее понятных объяснений сделал Anthropic. Кратко расскажу и дополню основные мысли статьи.
Из чего состоит агент?
- Ядро (LLM call) — планирует и принимает решения. Ядро анализирует входные данные, сопоставляет их с контекстом, решает, какой следующий шаг будет оптимальным, и вызывает его.
- Память (context) — здесь агент хранит контекст последнего взаимодействия и, опционально, долговременные данные, например: историю действий, результаты предыдущих операций и т.д.
- Действие (Action). Действия можно разделить на модули восприятия и исполнения. Модули восприятия обогащают контекст взаимодействия с окружающей средой. Так, например, они: получают данные из API, выполняют поиск по интернету и прочее. Модули исполнения — это руки агента; с помощью этих модулей агент может создавать задачи в трекере, отправлять письма, вызывать API и выполнять любые другие действия.
Ключевым отличием агента от LLM с “руками” является многоэтапность и цикл обратной связи. Агент не пытается решить поставленную задачу за одно действие, он автоматически разбивает ее на подзадачи. Выполняя подзадачи, он получает новые знания из окружающей среды и на основе этих новых знаний корректирует план выполнения, и таким образом точнее решает поставленную задачу.
На мой взгляд, одно из наиболее понятных объяснений сделал Anthropic. Кратко расскажу и дополню основные мысли статьи.
Из чего состоит агент?
- Ядро (LLM call) — планирует и принимает решения. Ядро анализирует входные данные, сопоставляет их с контекстом, решает, какой следующий шаг будет оптимальным, и вызывает его.
- Память (context) — здесь агент хранит контекст последнего взаимодействия и, опционально, долговременные данные, например: историю действий, результаты предыдущих операций и т.д.
- Действие (Action). Действия можно разделить на модули восприятия и исполнения. Модули восприятия обогащают контекст взаимодействия с окружающей средой. Так, например, они: получают данные из API, выполняют поиск по интернету и прочее. Модули исполнения — это руки агента; с помощью этих модулей агент может создавать задачи в трекере, отправлять письма, вызывать API и выполнять любые другие действия.
Ключевым отличием агента от LLM с “руками” является многоэтапность и цикл обратной связи. Агент не пытается решить поставленную задачу за одно действие, он автоматически разбивает ее на подзадачи. Выполняя подзадачи, он получает новые знания из окружающей среды и на основе этих новых знаний корректирует план выполнения, и таким образом точнее решает поставленную задачу.
❤5⚡2