Что может, что не может AI. Обсуждаем возможности, делимся опытом, спорим, но в рамках приличия.

Вчера юзал этот гпт, и вообще не понимаю что по моему вопросу он сказал нового. Как там один бюджеты через него оценивал, для меня загадка. 

С чего бы? Конкретные примеры у меня, конечно же, есть. Маркетинговые задачи, от портретов ЦА, путей принятия решений, gap-анализа, ТЗ и воронок ИИ делает на уровне ВЫШЕ среднего. Ручками доводить можно, но абсолютно не всегда нужно. Часто решение уже сильно лучше конкурентов. Про кодинг - это рецензия трёх моих стартапов от вполне себе квалифицированных и опытных людей. 

Да, я с ИИ не в агентике работаю и инструкция не на 1000 символов, но факт есть факт. И, повторюсь, это про Опус 4.6+

Тот же Джемини ленится, чат - вообще помойка. 

лучше бы тебе начать со своего обучения, чем советовать другим. Пусть арбнет в целом не умеет выразить суть, но он гораздо ближе к пониманию работы ЛЛМ, чем вы тут вместе взятые. ML работал во многоих сферах задолго до широкого распрастранения ЛЛМ, а в его основе именно обучение на огромных массивах данных. Не банальный поиск в базе данных, а именно анализ и расчет результата. 

Напиши сначала хотя бы один сервис, который кмеет обагащать базовую модель знаниями и посмотри, как меняются  результаты.
Вместо того чтоб сочинять тут про бауманку, таблицу умножения бы выучил...

В отличие от тебя, у Алаева хоть какие-то проекты были реализованные. Не агрись, покажи, что ты вообще умеешь, кроме вершков про ML ) Кстати, разве не эти обучатели в зоне риска, так как стали не нужны?

Вот профиль чела на хабре, который причесывает нейрослоп и сделал на этом себе карму : habr.com/ru/users/enamored_poc/

То, что в производстве контента участвовала нейросеть, определяется тупым копированием кусков статьи в ИИ-режим гугла с вопросом "создано ли нейросетью"

Гугл знает, что это нейрослоп. Но людям нравится воодушевляющий тон и ровные списки, введение-пояснение-итог. Тот факт, что материал не имеет практической значимости, новички понять не могут. Они все равно не знают на чем правильно расставлять акценты, а что не имеет особого значения на практике. ИИ для них реально интеллект, потому что у них самих и такого нет. Задача ИИ - нравится потребителю, за результат он не отвечает.

Я не понял восторгов, именно по поводу приведенного тобой ролика. 
Облачные агенты? - это не ново.  
Использование их для автоматизаций разных процессов?  Тоже тема с бородой.  
Приведенные примеры?  
Ну разве что "умная сортировка заявок". И то,  интересна она в плане инженерии данных и управления ими:  есть тут оверхед и прочий hype driven dev или же все OK ( точнее KISS )
К чести автора ролика, он поднимает и проблемные стороны упоминаемых им решений.

Понимаю, что есть смысл и в таких способах работы с данными, но излишняя энтропийность и зависимость, в условиях крепостного нета , как-то не располагает рассматривать это вдолгую.
Все приведенное, естественно, имхо.  

Крупный бизнес, конечно, не будет затыкать дыры ИИ сиюминутно. Он создаст комитет по инновациям, выделит миллиард рублей на интеграцию "суверенной нейросети", внедрит ее максимально криво, но в процессе все равно уволит треть отдела техподдержки и младших кодеров, чтобы отчитаться об успешной цифровой трансформации. Бюрократия бюрократией, а кпи по снижению издержек сами себя не закроют)

Технически вы правы, семантического понимания у нейросетей нет, только статистика токенов, но для 90% прикладных задач интернета (от верстки до составления семантического ядра) настоящего интеллекта и не требуется. Требуется шаблонная комбинаторика, в которой LLM уже объективно обогнала человека

Если нейрослоп приносит карму, трафик и как следствие, лиды - значит человек все делает правильно с точки зрения капитализации) Интернет всегда был наполовину заполнен мусорным рерайтом, просто раньше за него платили школьникам на биржах, а теперь это делают бесплатно скрипты

И верстка (если руками, а не тухесом) и СЯ как раз требуют высшей нервной деятельности, иначе бы Слай, как мы тут все видим, не обосрался так жидко, как с ним приключилось, даже не на сборе, а чисто на математической задаче кластеризации и классификации. Так что нет, вероятностная комбинаторика LLM подходит только там, где подходит, а не там, где 1) нужно 2) думать, а не комбинировать

И да, агентские подходы тут слегка облегчают состояние пациента (по сравнению с банальной чат-гопотой), но не лечат