Согласно последней годовой отчётности, к концу декабря общая численность сотрудников Shopify сократилась до 8100 человек по сравнению с 8300 годом ранее. 

Возможно эти шаги направлены на повышение эффективности и внедрение автоматизированных инструментов, которые способны заменить рутинные задачи, при этом позволяя работникам сосредоточиться на более интересных задачах.

CEO Shopify, Тобиас Литке, 07 апреля обратился ко всей команде, подчеркивая, что в современных условиях искусственный интеллект становится не просто инструментом, а настоящим мультипликатором возможностей. Основные идеи его обращения можно резюмировать так:

• Эффект умножения: AI способен увеличить продуктивность в 10–100 раз. Если раньше выполнение задачи могло требовать долгих часов кропотливой работы, сегодня нейросети помогают решить её за считанные минуты. Это – качественный скачок в эффективности.
• Стандарт нового времени: Вместо традиционного запроса на расширение команды, Тоби призывает сотрудников сперва доказать, что без AI не обойтись. Такой подход позволяет избежать неэффективности и гарантирует, что каждая новая задача решается с максимальным использованием передовых технологий.

Недавно Тимофей Мартынов провел мощный опрос предпринимателей: "Как обстоят дела в вашем бизнесе?".

226 комментариев — кладезь инсайтов, но читать и осмыслить это крайне неудобно. 

Я хотел решить это с помощью разных ИИ, но не хотелось потратить на них кучу времени. И тут бывшие работники Google и Baidu выпустили Genspark  — решение, которое обещало решить эту задачу одним махом.

Визуализация с помощью Genspark:

Ссылка на полные версии ниже 

В видео можно посмотреть, как Genspark сам обходит таблицу, размечает данные, строит презентацию:

В предыдущем посте я показал, как легко сделать саммари из книги с помощью ИИ (ключевые идеи + упражнения, даже если их там нет) .

Продолжаю выкладывать обработанный вариант. Посмотрим, как он справится с новой главой: 

Глава 2

Основные идеи:

• Дисциплина и следование стратегии: Автор подчеркивает, что его главной ошибкой было непостоянство в следовании собственной системе. Успех приходит, когда торговля ведется только при наличии четких сигналов, а не из-за азарта или желания действовать постоянно.
  
  
• Разница между bucket shops и реальной биржей: В bucket shops можно было быстро зарабатывать на мелких колебаниях, так как исполнение ордеров было мгновенным. На реальной бирже задержки в исполнении, влияние крупных ордеров на цену и необходимость учитывать комиссии делали прежние стратегии неэффективными.
  
  
• Адаптивность: Успешная торговля требует понимания специфики рынка. То, что работало в одном контексте (например, скальпинг в bucket shops), не работает в другом (например, на NYSE).

Дневник трейдера (журнал сделок) — это ваш личный «детектор ошибок». Он фиксирует не только цифры и факты, но и эмоции, которые управляют решениями. Это инструмент, который помогает превращать хаотичную торговлю в системный процесс, где каждая сделка — шаг к пониманию своих слабостей и сильных сторон.

Мой эксперимент: голосовой дневник + ChatGPT

Так как я активно работаю с LLM (нейросети — языковые модели), то подумал: почему бы не приспособить для этого ChatGPT?
Ведь я же общаюсь в голосовом режиме с «GPT-психологом» — а здесь в чем принципиальная разница?

Я нашел подходящие вопросы, адаптировал их под себя и загрузил в промпт (инструкцию для ИИ).

Как это работает:

1. Подаю промпт с ролью и вопросами.
2. В голосовом формате (мне лучше подходит этот формат — это как разговор по телефону) попросил:

Как превратить это в структурированные данные?

Мне хотелось бы получить простую табличку:

Как получить такие данные за 5 минут?

Реальный ответ: если важна точность, то никак. Но я решил проверить, можно ли быстро вытащить данные с помощью LLM.