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». 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 @mspodcast