.@eoghan, generální ředitel společnosti @intercom, a @fergal_reid, ředitel pro umělou inteligenci, se @labenz na @cogrev_podcast podělí o to, jak vybudovali Fin – agenta zákaznických služeb s umělou inteligencí, který se během 30 měsíců dostal z 35% na 65% míru řešení a zároveň byl průkopníkem cen založených na výsledcích na 99 centech za řešení. Zkoumají: * Proč inteligence není úzkým hrdlem – GPT-4 byl už dost chytrý a jen několik procentních bodů z jejich 30bodového zlepšení pocházelo z lepších základních modelů * Kontextové inženýrství jako skutečný hnací motor: vlastní modely vyhledávání, re-rankery a tisíce produkčních A/B testů, které detekují změny rychlosti rozlišení 0,1 % Cenový model 99 centů za řešení, který byl zpočátku nerentabilní, ale dosahoval marží na softwarové úrovni díky lepší úspěšnosti a klesajícím nákladům na odvozování Jak Fin vyřešil problém podmořského podpůrného týmu bez hromadného propouštění – zpomalil nábor nových zaměstnanců a zároveň posunul lidi v hodnotovém řetězci nahoru (s výjimkou BPO, které jsou okamžitě nahrazovány) ČASOVÁ RAZÍTKA: (00:00) Informace o epizodě (03:43) Držet krok s umělou inteligencí (09:56) Vyhodnocení modelů a vyhodnocení (13:04) Zavedené vs. startupy (18:54) Riziko produktu a úsudek (1. část) (19:00) Sponzoři: Lineární | OZNÁMENÍ (21:34) Riziko produktu a úsudek (část 2) (23:42) Příběh propouštění ve společnosti Klarna (1. část) (32:11) Sponzoři: Claude | Shopify (36:13) Příběh propouštění ve společnosti Klarna (2. část) (36:14) Řízení míry rozlišení (45:00) Inteligence není úzkým hrdlem (50:10) Zaplnění mezery v automatizaci (56:20) Přesnost člověka vs. umělé inteligence (1:01:03) Nuance rychlosti (1:04:48) Zvažování změn paradigmatu (1:09:31) Cenový model založený na výsledcích (1:19:12) Příležitostné hackování a postřehy (1:26:05) Přijetí a ambice umělé inteligence (1:36:00) Outro