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 БеляевProduct 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 опыт02:53 — Большие языковые модели в контексте продуктовой компании04:20 — Когда искусственный интеллект нужен07:27 — Алгоритм решения задач и базовые модели11:15 — Продуктовые требования и отношение к ошибкам14:04 — Зачем продакту собирать данные 15:06 — Критерии успеха и метрики LLM19:06 — Кейс в e-com23:23 — Опыт покупателей и продавцов в Авито30:43 — Как тестировать LLM32:30 — Как паттерн поведения оказывает влияние на выбор продукта37:50 — 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