Наш сайт https://go.kotelov.com/website_kotelov
Отправить CV hr@kotelov.com или https://kotelov.com/hr/
Когда AI приносит деньги, а когда – только расходы?
С Павлом Боюкой, директором по AI-продуктам Газпром ИД, разбираем, почему AI-проекты проваливаются после пилота, как считать их окупаемость и когда обычный алгоритм лучше нейросети. Плюс – кейсы Rutube, модерации, рекомендательных систем и LLM, которые могут ошибаться дорого.
Павел Боюка, директор по AI-продуктам, Газпром ИД
Что такое Газпром ИД: Рутуб, Матч ТВ и Газпром Банк
70% инвестиций в AI не вернулись: что Газпром ИД делает иначе
Быстрые эксперименты и ROI: главные секреты выживания
AI-проект начинается с денег: оценить ROI до старта
3 модели монетизации AI: cost-cutting, рост выручки, рекомендации
Заказчик пришёл с деньгами, но без задачи: что делать
Эмпатия как главный инструмент: побыть в шкуре сотрудника
Саботаж при внедрении: почему нужен чемпион внутри компании
Три причины гибели AI-проектов на этапе пилота
Нематериальная мотивация чемпиона: признание вместо денег
Грязные данные заказчика: правило Парето в действии
Качество AI без эмоций: договориться о метриках на берегу
Объяснять AI без жаргона: говорить на языке бизнеса
Как отличить настоящий AI от продукта на if-else
Каким компаниям нужен AI, а каким нет
Метрики и ценообразование AI: что убеждает инвесторов
Рекомендательная система Рутуба: рост просмотров в 2x за 2025
Reinforcement Learning в рекомендациях: как работает простыми словами
Рутуб vs Кинопоиск: почему UGC-рекомендации сложнее стриминга
Холодный старт: что показывать новому пользователю
Галлюцинации LLM в продакшене: кейс с матом в официальном протоколе
ЯндексГПТ vs Qwen и DeepSeek: стоит ли переплачивать за русский язык
AI без дата-культуры: с чего начинать внедрение
Inhouse vs аутсорс: когда строить AI-экспертизу у себя
Команда из 70 человек: детские болезни и когда убивать проекты
Первый найм в AI-команду с нуля: продакт + ML-инженер
Блиц
