Запрос счета
Напишите нам
Задайте вопрос, напишите пожелания или оставьте отзыв
Я принимаю Политику обработки персональных данных
Заявка на спонсорство
Я принимаю Политику обработки персональных данных
Настроить Cookies
Настройки Cookies
Файлы cookie, необходимые для корректной работы сайта, всегда включены. Другие файлы cookie можно настроить.
Метод Франкенштейна: как делать AI продукты, которые выживают
Тезисы
По исследованию MIT, до 95% generative AI-пилотов в компаниях проваливаются. По нашему опыту статистика действительно примерно такая же, если запускать AI-проекты так же, как обычные продуктовые инициативы.
Говорят, на ошибках учатся. Мы уже совершили большинство возможных ошибок за вас — и на их основе придумали «Метод Франкенштейна»: набор принципов, которые усиливают стандартные продуктовые фреймворки при запуске AI-продуктов.
В докладе — 11 кейсов и несколько эпичных фейлов из Точки и не только, в том числе:
• как я ошибся на 50 000 000 рублей
• как мы довели ситуацию до того, что олигарх из списка Forbes сказал нам, что у него кончились деньги
• как мы чуть не раздавили ML-инженера трёхэтажным экскаватором из-за неправильных штанов
На основе кейсов я покажу, что именно нужно добавить к обычным продуктовым фреймворкам, чтобы AI-проекты взлетали.
Вы узнаете:
• как усиливать AI Discovery
• как правильно делать PoC на реальных данных
• когда использовать Wizard of Oz MVP и Human-AI Hybrid
• почему многие AI-проекты нужно убивать раньше, чем кажется
• получите чек-лист проверки AI-проекта, который можно применять в своей команде.
Говорят, на ошибках учатся. Мы уже совершили большинство возможных ошибок за вас — и на их основе придумали «Метод Франкенштейна»: набор принципов, которые усиливают стандартные продуктовые фреймворки при запуске AI-продуктов.
В докладе — 11 кейсов и несколько эпичных фейлов из Точки и не только, в том числе:
• как я ошибся на 50 000 000 рублей
• как мы довели ситуацию до того, что олигарх из списка Forbes сказал нам, что у него кончились деньги
• как мы чуть не раздавили ML-инженера трёхэтажным экскаватором из-за неправильных штанов
На основе кейсов я покажу, что именно нужно добавить к обычным продуктовым фреймворкам, чтобы AI-проекты взлетали.
Вы узнаете:
• как усиливать AI Discovery
• как правильно делать PoC на реальных данных
• когда использовать Wizard of Oz MVP и Human-AI Hybrid
• почему многие AI-проекты нужно убивать раньше, чем кажется
• получите чек-лист проверки AI-проекта, который можно применять в своей команде.
По исследованию MIT, до 95% generative AI-пилотов в компаниях проваливаются. По нашему опыту статистика действительно примерно такая же, если запускать AI-проекты так же, как обычные продуктовые инициативы.
Говорят, на ошибках учатся. Мы уже совершили большинство возможных ошибок за вас — и на их основе придумали «Метод Франкенштейна»: набор принципов, которые усиливают стандартные продуктовые фреймворки при запуске AI-продуктов.
В докладе — 11 кейсов и несколько эпичных фейлов из Точки и не только, в том числе:
• как я ошибся на 50 000 000 рублей
• как мы довели ситуацию до того, что олигарх из списка Forbes сказал нам, что у него кончились деньги
• как мы чуть не раздавили ML-инженера трёхэтажным экскаватором из-за неправильных штанов
На основе кейсов я покажу, что именно нужно добавить к обычным продуктовым фреймворкам, чтобы AI-проекты взлетали.
Вы узнаете:
• как усиливать AI Discovery
• как правильно делать PoC на реальных данных
• когда использовать Wizard of Oz MVP и Human-AI Hybrid
• почему многие AI-проекты нужно убивать раньше, чем кажется
• получите чек-лист проверки AI-проекта, который можно применять в своей команде.
Говорят, на ошибках учатся. Мы уже совершили большинство возможных ошибок за вас — и на их основе придумали «Метод Франкенштейна»: набор принципов, которые усиливают стандартные продуктовые фреймворки при запуске AI-продуктов.
В докладе — 11 кейсов и несколько эпичных фейлов из Точки и не только, в том числе:
• как я ошибся на 50 000 000 рублей
• как мы довели ситуацию до того, что олигарх из списка Forbes сказал нам, что у него кончились деньги
• как мы чуть не раздавили ML-инженера трёхэтажным экскаватором из-за неправильных штанов
На основе кейсов я покажу, что именно нужно добавить к обычным продуктовым фреймворкам, чтобы AI-проекты взлетали.
Вы узнаете:
• как усиливать AI Discovery
• как правильно делать PoC на реальных данных
• когда использовать Wizard of Oz MVP и Human-AI Hybrid
• почему многие AI-проекты нужно убивать раньше, чем кажется
• получите чек-лист проверки AI-проекта, который можно применять в своей команде.
Информация о спикере
Евгений Карпов
AI-продакт, Точка Банк
• Запускаю AI-продукты уже более 7 лет
• Делал стартапы и привлекал инвестиции
• Работал в международных продуктовых компаниях в IndustrialTech, AgroTech и MarTech: создавал AI для карьерных экскаваторов высотой с пятиэтажный дом, системы спутникового анализа сельскохозяйственных полей на основе ML и AI-инструменты для контент-райтеров
• Запускал продукты на рынках России, Латинской Америки, США и Восточной Европы
• Сейчас занимаюсь внедрением AI в продукты Точка Банка
• Делал стартапы и привлекал инвестиции
• Работал в международных продуктовых компаниях в IndustrialTech, AgroTech и MarTech: создавал AI для карьерных экскаваторов высотой с пятиэтажный дом, системы спутникового анализа сельскохозяйственных полей на основе ML и AI-инструменты для контент-райтеров
• Запускал продукты на рынках России, Латинской Америки, США и Восточной Европы
• Сейчас занимаюсь внедрением AI в продукты Точка Банка
- Евгений КарповAI-продакт, Точка Банк
Все доклады секции