Статьи об искусственном интеллекте, машинном обучении и применении ИИ в бизнесе
Вы слышали про ChatGPT, но не понимаете, как применить его в ежедневной работе менеджера? Эта статья – практическое руководство с конкретными примерами и готовыми промптами.
Читать полностью
За год толком не прибавилось информации – как на практике можно применять GenAI инструменты (ChatGPT, Claude, Deepseek и им подобные). В выигрыше разработчики, потому что для них больше всего выгоды в виде написания тонны кода. Но другие сферы – всё ещё идёт попытка практически понять границы применимости инструмента.
Мы в mysummit.school постоянно следим за исследованиями в области AI – не ради красивых графиков, а чтобы понимать, как на самом деле люди используют искусственный интеллект. И вот свежие данные от Stanford University и WFH Research за ноябрь 2025 года, которые стоит обсудить.
Привет! Мы – команда mysummit.school, и мы, как и многие в сфере EdTech, одержимы идеей использования AI во всем. Недавно мы оживили аккаунт в Threads и поставили себе амбициозную цель: построить сильный бренд в нише AI/GenAI, не потратив на это ни минуты человеческого времени.
79% российских компаний в 2024-2025 годах экспериментировали с ChatGPT API, но только 11% реально внедрили его в продакшн – по данным аналитиков Yandex Cloud. Остальные 68% застряли на этапе proof-of-concept, потратив от 100 тысяч до 2 миллионов рублей впустую.
В конце 2024 года я интегрировал ChatGPT в систему поддержки клиентов одного интернет-магазина. Ожидали сократить нагрузку на операторов на 70%. Реально получили 23%. Парадокс, не правда ли?
Проблема оказалась не в качестве ответов модели, а в том, что клиенты задавали вопросы иначе, чем мы прописали в промптах. Пришлось переделывать всю логику.
В этой статье – пять рабочих паттернов интеграции ChatGPT API с кодом на Python, которые я протестировал на реальных проектах в 2024-2025 годах. Без хайпа: что сработало, что провалилось, и сколько это стоит на самом деле.
82% EdTech-компаний в 2024-2025 годах тестировали ChatGPT для автоматизации проверки работ студентов, но только 14% продолжили использовать его в продакшне – по данным исследования HolonIQ. Остальные 68% отказались после пилота из-за галлюцинаций и жалоб преподавателей.
В сентябре 2024 года я запустил эксперимент в нашей онлайн-школе: ChatGPT проверяет эссе студентов курса по digital-маркетингу. 120 работ в неделю, каждая – 800-1200 слов. Ожидали освободить 15 часов времени преподавателя. Реально получили 47% ответов с фактическими ошибками и галлюцинациями.
Парадокс: модель отлично оценивала структуру текста и грамматику, но полностью проваливалась на проверке фактов. “Отличная аргументация, 9/10” – написала про эссе, где студент выдумал три несуществующих исследования Gartner и цитату Илона Маска, которую тот никогда не говорил.
В этой статье – честный разбор того, что сработало, а что провалилось при внедрении AI в образовательный процесс. С реальными метриками, стоимостью ошибок и выводами.
Бенчмарков сейчас – как нейросетей: каждую неделю новый. GPQA Diamond тестирует PhD-знания. Lexometrica проверяет фактическую точность. LLM Persuasion Benchmark – способность убеждать в дебатах. Chatbot Arena – предпочтения живых людей. Резонный вопрос: зачем ещё один?
Два ответа. Первый: ценность бенчмарков – в перекрёстном подтверждении. GPT-5.4 – первое место у нас, в GPQA Diamond, в Lexometrica и в Persuasion Benchmark. Kimi K2.5 – шестое и у нас, и у Lexometrica. YandexGPT и GigaChat – внизу везде, где они вообще есть (в GPQA Diamond из 154 моделей – не попали). Четыре независимых бенчмарка – один и тот же вердикт.