← Каталог

· AI Engineer Code 2025

Малые ставки, большой эффект: создание GenBI в компании из Fortune 100

Small Bets, Big Impact: Building GenBI at a Fortune 100

Вывести GenBI-агента в консервативной компании можно поэтапно, если каждый блок сразу становится самостоятельным продуктом с измеримым эффектом.

  • Старт с готовых отчётов — команда начала не с генерации SQL, а с сертифицированных отчётов и дашбордов; по словам BI-команд, около 80% их работы сводится к тому, чтобы отправить человека к нужному отчёту.
  • Агент подбора отчётов — RAG-агент, который находит сертифицированный отчёт, по словам спикера, автоматизировал около 80% задач, занимавших примерно 20% мощности команды из 10 человек, то есть около двух полных ставок.
  • Раскатка по ступеням — агентом сначала пользовались BI-эксперты, затем бизнес-менеджеры; каждая шестинедельная фаза давала результат, после которого можно было продолжить или остановить финансирование.
  • Метаданные для LLM — A/B-тест с хорошими и плохими описаниями данных показал, что модель отвечает точнее при хороших метаданных; эти наработки потом пошли в семантический слой.

Кому полезно: тем, кто внедряет аналитического агента в компании с жёсткими требованиями к риску и хочет получить финансирование поэтапно.

Статья по теме

Главы

Похожие доклады