Лидерство и ИИ [Артем Бондарь]

Мы пробовали, и это не сработало По моему опыту эта фраза - это начало диалога, а не конец. Я много где поработал за карьеру, и старался переходить в следующую компанию с некоторым чемоданчиком релевантного опыта, который мог бы на первое время придать мне ускорения (все же помнят про стратегию первых 90 дней в новой компании?). И почти везде на мои предложения я слышал в ответ «да мы уже это пробовали». Но мне кажется, очень важно не останавливаться на обсуждении абстракций и лезть в конкретику: дьявол в деталях. Чего только не понимают под агентами, например, в 2к26. А чтобы эффективно это упражнение провернуть, хорошо бы понимать ключевые подвижные части механизма, который вы обсуждаете. Для агентов это в первую очередь устройство источников контекста и операционные процессы вокруг них, для классических мл моделек - это архитектура, таргет и источники данных, etc. И вот тут часто оказывается, что пробовали вообще не то. Один из самых забавных подобных случаев со мной произошел в Яндексе, где не сговариваясь все вокруг сказали, что нейросети для прогнозов пробовал какой-то гений, ушедший в закат, поэтому занятие по выкорчевыванию деревьев бессмысленно. А потом оказалось, что чувак просто залил сырые данные в фидфорвард сеть и ждал чуда. В итоге бодрый мидл и статья Амазона по прогнозированию временных рядов без всяких выебонов на голову побили деревья. Особенно это важно в нашей LLM-лихорадке: то что было невозможно пол года назад становится возможно сегодня. И причиной тому не какая-то абстрактная «технологическая волна с конечной станцией Сингулярность», а природа RL-обучения. Сначала люди пытаются применить модельки для все более сложных задач, потом под них появляются бенчмарки и лишь потом ллм-ки дообучаются под эти задачи. Но чтобы это не превратилось в бег по кругу, важно, чтоб у экспериментов (даже проваленных) оставался воспроизводимый сьют бенчмарков, на которых легко и дешево тестить новые модели. Отсюда мой тезис: компании, больше всех инвестирующие в бенчмаркинг вокруг своих ключевых задач будут двигаться на голову быстрее тех, кто принимает решения «на глазок».