@cartainc создала системный запрос для своего агента, используя Lucidchart для диаграммирования полного рабочего процесса эксперта в области. Затем внутренний генератор запросов преобразовал это в JSON, который был передан в агент программно. "Команды, которые лучше всего понимают область, напрямую участвуют в проектировании запросов и контекста, улучшая скорость и актуальность без необходимости обучать модели или изучать машинное обучение," говорит @JayantTikmani. Вот их золотые стандарты техник запросов, которые сильно полагаются на обучение в контексте. Чтобы узнать полную историю о том, как Carta создала агента, который сэкономил внутренним командам более 3500 часов в месяц, перейдите по ссылке в комментариях.

В нашем втором эссе по Прикладному Интеллекту мы разбираем, как @cartainc создала внутреннего агента, который экономит их команде более 3500 часов в месяц. CPO @artshali и директор по машинному обучению @JayantTikmani делятся точными деталями превращения 11-минутной задачи в задачу, которую можно выполнить за секунды: - Сосредоточение на рабочих процессах, где человеческое суждение было необходимо, но неэффективно - Составление диаграммы рабочего процесса в Lucidchart и преобразование ее в JSON, чтобы использовать в качестве системного запроса агента - Разделение поведения модели от UX и интеграции рабочего процесса для быстрой итерации - И многое другое Читать полную историю в ответах ниже:

«Самые быстрорастущие группы, использующие Cursor, не инженерные. Это поддержка и доход», — говорит @fnthawar, вице-президент и руководитель инженерного отдела Shopify. Вот что они создали, когда Shopify предоставила всем доступ к дорогим моделям (не только техническим командам): - Инженер по продажам отказался от GSuite Drive, Slack, Salesforce и других инструментов, потому что он создал личную домашнюю страницу «Что мне сделать сегодня?» в Cursor. - Представитель по продажам использовал Cursor для создания инструмента, который автоматически генерирует подробные сравнения производительности сайтов, что помогает им переосмыслить, как они продают. - Команда Revenue Tooling создала агента для запросов предложений, который отвечает на несколько RFP одновременно и учится, какие ответы работают лучше всего. Наше новое издание «Прикладной интеллект» нацелено на то, чтобы сосредоточиться на том, как создатели используют ИИ в своих компаниях и какое влияние они оказывают. В нашем первом эссе мы встретились с Таваром, чтобы узнать неочевидные идеи, тактики и рабочие процессы, которые Shopify использовала для реализации амбициозной записки соучредителя и генерального директора Тоби Лютке. Перейдите по ссылке ниже, чтобы узнать больше.

Стартапы по разработке ИИ-агентов запускаются ежедневно. Но существующие облачные провайдеры (AWS, Azure и т.д.), на которых строятся стартапы, были предназначены для людей, а не для миллиардов автономных агентов. Вот почему я горжусь тем, что сотрудничаю с @blaxelAI, "AWS для ИИ-компаний".

Мы только что решили проблему редактирования документов без рисования рамок. Мы рады представить Edit – новую конечную точку, которая автоматически заполняет любые документы. Edit революционизирует автоматизацию документов, автоматически находя все пустые поля, таблицы и флажки в формах, а затем интеллектуально заполняя их вашими данными. Чтобы попробовать, запишитесь в список ожидания или посмотрите это в действии ниже 🧵

Shopify сознательно отклонился от мемуара @tobi в одном месте. Меморандум: "Прежде чем просить о большем количестве сотрудников и ресурсах, команды должны продемонстрировать, почему они не могут выполнить то, что хотят, используя ИИ." Отклонение: "Покажите, что вы можете использовать ИИ больше, и тогда вы получите больше ресурсов." Компания нанимает 1,000 стажеров-инженеров, которых они называют "AI centaurs": коренные носители ИИ + приносящие самые креативные способы использования новейших инструментов. Эти стажеры имеют "начинающий менталитет", который, по мнению Shopify, помогает находить выход из проблем. Узнайте больше о неочевидных инсайтах, тактиках и рабочих процессах Shopify в истории, связанной в ответах.

Мне нравится видеть реальные приложения по сравнению с быстрыми демоверсиями. Большая часть этого заключается в том, что легко писать код с нуля. Подключение к существующей кодовой базе, части которой могут быть 10 лет, гораздо сложнее. (Или, в случае многих государственных или корпоративных систем, COBOL.)

Будущее уже здесь. И оно работает в производстве. Applied Intelligence — это новое издание от @firstround о том, как реальные команды строят с помощью ИИ. Первый: Shopify. Когда @tobi сделал использование ИИ ожиданием, команда перестроила свою работу. Они делятся рабочими процессами, внутренними демонстрационными видео и тактическими советами о том, что они узнали до сих пор. Следующий: Carta, Atlassian и многие другие, показывающие, как ИИ на самом деле используется и создается.

Мы только что запустили что-то новое в @firstround - Применённый Интеллект, новое издание, которое делится тем, как компании на самом деле используют ИИ в производстве прямо сейчас. Не теория. Не демо-программное обеспечение. Реальные рабочие процессы с реальными результатами. Наш первый материал с @Shopify, и он 🔥👇

После того как @tobi опубликовал свой теперь уже знаменитый мемо о ИИ, вы, вероятно, заметили, как подобные посты от других основателей и генеральных директоров заполнили эту платформу. Но большинство компаний все еще находятся на этапе "мемо и демонстраций" — амбициозные планы и мандаты, дорожные карты "AI-first" на досках, эффектные функции и демо-продукты. Тем не менее, масштабируемые реализации и реальные результаты остаются неясными. Поэтому сегодня мы запускаем совершенно новое издание, чтобы сократить этот разрыв: Прикладной Интеллект. Оно нацелено на то, чтобы поделиться тем, как строители используют ИИ в своих компаниях и какой значимый эффект они наблюдают. Наше первое эссе с никем иным, как Shopify, в продолжение мемо Тоби Лютке. Мы узнаем от вице-президента и руководителя инженерного отдела @fnthawar о неочевидных инсайтах, тактиках и рабочих процессах, которые Shopify использовала, чтобы воплотить амбициозное мемо в жизнь. Читать эссе ниже.