При внедрении систем на основе ИИ очень часто дальше красивых картинок и пилотов дело не идет. Часто это происходит из за показанных результатов: точность результатов оставляет желать лучшего.

Корневая причина - это данные и их контекст. На кривых данных не построить хороших продуктов и инструментов.

Для упорядочивания данных и контекста есть множество инструментов. И если говорить про очень практичный и простой в понимании инструмент - то это дерево метрик.

Что это такое если в двух словах? Это система расчетных показателей, связанных между собой. Идет из финансового менеджмента. Позволяет компании быть прозрачной и выстроить единую точку правды. Технически реализовывается элементарно: есть множество готовых методологий и инструментов.

Все проблемы на пути реализации - организационные: никто не хочет брать на себя ответственность за расчеты этих показателей и принимать решения в спорных вопросах. А так же нужна выстроенная система с подтверждением изменений. В одной компании мне прямо заявили - это нереально т.к. никто не будет делится тем, как кто считает свои метрики. Успешные кейсы предполагают вовлечение топов компании - иначе это не протащить.

Но если все эти квесты пройти, что это дает: представьте, что каждый сотрудник компании может ставить свои цели и понимать как они влияют на цели компании. Круто? Конечно, ведь об этом говорят все: от директоров и HR до непосредственных руководителей и линейных сотрудников. Во вторых - это главный шаг вашей аналитики с помощью агентов AI: ведь основа для агентов это четкая структура с методологией, которую легко проверить.

В нескольких компаниях реализовывал задачи по дереву метрик - это не сложно: нужно просто взять и сделать)