К содержанию

Раздел 02

Внедряю ИИ в продуктовые процессы

Агент готовит анализ гипотезы по данным, выводы проверяет продуктолог.

В первом разборе показываю, как агент готовит анализ, какой SQL он пишет и как продуктолог проверяет выводы. Показатели взяты из пилота аналогичного агента, оценки и примеры расчётов отмечены отдельно.

Процессы и сроки

  1. Анализ продуктовой гипотезынедели → 1–10 минут

Сроки: оценка по работе продуктовых команд и по пилоту аналогичного агента

Что показал пилот

Что показал пилот

Пилот аналогичного агента разобрал в разы больше гипотез

8 рабочих днейхватило пилоту, чтобы найти точки ростабез агента на одну гипотезу уходят недели
≈70%точек роста пилот нашёл в деталях поведения клиентовклассический процесс их пропустил бы
400+ часованалитика освободилось за те же 8 днейаналитик уже не исполнитель выгрузок, а куратор агента
7–10 в деньразобранных гипотез вместо 2⁠–⁠3 итераций в неделю
21 679сочетаний по 2⁠–⁠5 типов можно составить из 20 типов данныхэто возможные сочетания, а не выполненные проверки; аналитик за итерацию смотрит ~10 разрезов, оценка по пилоту

Цифры из пилота аналогичного агента; ≈70%: оценка экспертов по его итогам; 21 679: возможные сочетания по 2⁠–⁠5 из 20 типов данных, не число проверок · подробности в разборе

Если пересчитать находки пилота на крупный банк, расчёт даёт сотни миллионов рублей. В отчётах по сегментам этих находок не виднопример расчёта: реальные цифры закрыты NDAк находкам

Как устроен разбор

Разборы

В разборе видно, как агент получает ответ из данных

Реконструкция сессии, цифры условные

реконструкция

Разведка роста

Агент связывает платежи, продукты и динамику каждого клиента. Находит, кому предложить новый продукт, кого удержать и где банк теряет доход.

Куда дальше

Дальше

Готовлю разборы других процессов

На главнуюРезюме