make sense#315: О критериях применимости LLM, кейсах в e-com и продуктовых экспериментах

«Мы видим, что AI улучшает клиентский опыт в повседневной жизни. Когда пользователи ищут что-то, искусственный интеллект упрощает эту задачу. Поэтому компании стараются использовать AI в своих продуктах чаще».

«Никто не будет применять модели просто так. Ты применяешь какой-то инструмент, чтобы получить профит от этих действий — чтобы упростить, ускорить или саппортить процесс».

iTunes | YouTube | Castbox | Яндекс.Музыка | YouTube Music | mave

Гость: Сергей Беляев

Product Manager, Avito (Goods Spare Parts)

Подписывайтесь на канал анонсов подкаста: https://t.me/mspodcast.

Подкаст выходит при поддержке конференции ProductSense https://productsense.io, следующая пройдет 5-6 сентября в Москве.

О чем выпуск:

02:04 — Как LLM влияют на клиентский опыт

02:53 — Большие языковые модели в контексте продуктовой компании

04:20 — Когда искусственный интеллект нужен

07:27 — Алгоритм решения задач и базовые модели

11:15 — Продуктовые требования и отношение к ошибкам

14:04 — Зачем продакту собирать данные 

15:06 — Критерии успеха и метрики LLM

19:06 — Кейс в e-com

23:23 — Опыт покупателей и продавцов в Авито

30:43 —  Как тестировать LLM

32:30 — Как паттерн поведения оказывает влияние на выбор продукта

37:50 — Генеративные модели — это панацея?

Другие выпуски про LLM и нейросети:

▶ 260-й выпуск подкаста make sense: О нейросетях для работы с контентом, механиках автоматической модерации в соцсетях и бизнес-нуждах

265-й выпуск подкаста make sense: Об универсальных и нишевых моделях машинного обучения, своих моделях и продуктах на основе ChatGPT

267-й выпуск подкаста make sense: Об алгоритме использования AI и ChatGPT в процессе синтеза результатов исследований и генерации идей

305-й выпуск подкаста make sense: О практике внедрения больших языковых моделей, вызовах и тестировании гипотез

306-й выпуск подкаста make sense: О специфике b2b продуктов, вкладе онбординга и болях маркетплейсов

Добавить комментарий