Инсайты по работе с искусственным интеллектом для аналитика
За лето 2025 года количество вакансий, в которых требуется владение ИИ, выросло на 60%, рассказали «Авито Работа». Поэтому верной карьерной стратегией будет освоить технологию. С чего начать, подсказываем в статье.
Содержание
Зачем использовать искусственный интеллект, если работать можно и без него
ИИ круто повернул вектор развития человечества, как когда-то это сделало электричество. Так что изменить свои привычки и внедрить в рутину новый инструмент — вполне естественный процесс. Как предки перешли со свеч на лампы, так и мы переходим с ручного выполнения задач на автоматизацию процессов.
LLM и нейросети — уже часть повседневной работы
DeepSeek, YandexGPT и другие модели активно внедряются в рабочие процессы: от маркетинга и аналитики до управления проектами и клиентским сервисом. Владение этими инструментами становится базовой цифровой грамотностью.
Компании автоматизируют рутину и создают AI-агентов
Бизнес активно автоматизирует внутренние процессы с помощью no-code решений и AI-ботов. Специалисты, которые умеют собирать такие решения, получают конкурентное преимущество.
Навыки интеграции ИИ — дефицит на рынке
На рынке пока немного специалистов, способных не просто «Общаться с DeepSeek», а выстраивать продуманные сценарии, использовать API, подключать внешние данные и строить связные диалоги с памятью.
Задачи, которые аналитику необязательно делать самостоятельно
Какие ИИ пригодятся аналитикам данных
Suno помогает музыкантам, Midjourney и Nano Banana — дизайнерам, GitHub Copilot — программистам. Для специалистов, которые работают с данными, тоже есть помощники.
Ниже о них рассказывает Игорь Зуриев — преподаватель интенсива «Умная аналитика: как ИИ помогает работать с данными», руководитель проектов по автоматизации бизнеса и внедрению систем на базе искусственного интеллекта и нейросетей.
ChatGPT и плагин Code Interpreter
ChatGPT в представлении не нуждается, а вот Code Interpreter — функция искусственного интеллекта. С ее помощью получится выполнять код на Python в изолированной среде и выдавать результаты в реальном времени.
| Для чего подходит | Пример |
| Автоматическая очистка и трансформация данных. Например, в Excel, CSV, JSON. | Загрузили файл с продажами, плагин исправил формат дат, удалил пустые строки и дубликаты |
| Генерация SQL-запросов под структуру конкретной базы данных | Дали схему таблиц, получили готовый SQL для расчета среднего чека по каждому городу |
| Объяснение аномалий и формирование гипотез | В одной из компаний ритейла система нашла резкий спад продаж в мае и предложила гипотезу о влиянии сезонности |
Инсайты
- Code Interpreter (Advanced Data Analysis) способен обрабатывать наборы данных до сотен Мб прямо в чате.
- Поддерживает Python и встроенные библиотеки, например Pandas и Matplotlib. Это позволяет избежать ручного написания кода в IDE.
Claude Sonnet 4 и Claude Opus 4.1
Мультимодальные языковые модели от компании Anthropic. По словам разработчиков, они умеют рассуждать на уровне выпускника (GPQA), обладают знаниями на уровне бакалавра (MMLU) и навыками программирования (HumanEval).
| Для чего подходит | Пример |
| Глубокий разбор неструктурированных данных: отчеты, логи, переписки | Анализ переписки в почте или мессенджерах для выявления узких мест проекта |
| Построение аналитических сводок с контекстом | Загрузили отчет на 150 страниц — и получили краткую выжимку по ключевым метрикам |
| Анализ причинно-следственных связей в данных | Выявил, что рост числа ошибок в коде связан с увеличением нагрузки на серверы |
Инсайты
- Контекст до 200 000 токенов позволяет загрузить целые BI-отчеты или SQL-дампы.
- Интегрируется через API с инструментами автоматизации, например Make и n8n, для пайпланов: запрос, анализ, отчет.
Qdrant и LangChain
Qdrant — векторная база данных и поисковая система нового поколения для приложений искусственного интеллекта, которая доступна в облаке. А LangChain — фреймворк и библиотека программных инструментов с открытым исходным кодом.
| Для чего подходит | Пример |
| Семантический поиск по большой корпоративной базе знаний | Поиск всех упоминаний «Оптимизация производительности» в 50 000 документах |
| Поиск похожих кейсов или записей в миллионах строк данных | Поиск схожих инцидентов в журнале ошибок за 5 лет |
| Автоматизация извлечения ответов из отчетов и документов | LLM извлекает только релевантные абзацы из внутренних технических спецификаций |
Инсайты
- Qdrant — векторная база данных с высокой скоростью поиска (HNSW-индексация).
- Связка LangChain позволяет строить RAG-системы: LLM отвечает только на основе внутренних данных, что снижает риск галлюцинаций.
BigQuery ML
Сервис машинного обучения, встроенный Google BigQuery, для создания моделей машинного обучения с помощью стандартных SQL-запросов.
| Для чего подходит | Пример |
| Построение ML-моделей прямо в SQL: прогнозы, продажи, классификация клиентов | Обучили модель прогноза продаж по регионам с учетом спроса, различных акций и других явлений, влияющих на поведение покупателей |
| Обработка терабайтных данных без переноса в отдельную среду | Анализ покупательского поведения за последние 5 лет без скачивания, а просто с подключением ИИ-модели к базам данных |
| Автоматическая оценка качества модели: precision, recall, ROC-AUC | Формирование отчетов с настроенными метриками и отслеживание качества и результативности ИИ-моделей |
Инсайты
- Поддерживает CREATE MODEL прямо в SQL-запросах.
- Имеет встроенные алгоритмы: линейную и логистическую регрессии, k-means, XGBoost, временные ряды.
- Интегрируется с Google Data Studio для моментальной синхронизации.
Где узнать больше о работе с нейросетями
На курсе «Нейросети для работы» — совместной программе karpov.сourses и МФТИ, разработанной при участии экспертов по LLM, no-code автоматизации и внедрению ИИ в бизнес-процессы.
Обучение займет 3 месяца и подойдет специалистам разного уровня: от тех, кто никогда не открывал ChatGPT до тех, кто активно использует ИИ для работы и жизни.
Что будете уметь после курса:
- Эффективно использовать нейросети. Освоите LLM (DeepSeek, YandexGPT, GigaChat) и продвинутый промпт-инжиниринг, чтобы быстро решать рабочие задачи.
- Автоматизировать задачи без кода. Настроите сценарии на n8n и Make: отчёты, уведомления в мессенджерах, обновления в CRM и другие процессы.
- Интегрировать ИИ в бизнес-процессы. Научитесь подключать нейросети к чатам, таблицам, CRM и сервисам через API и no-code платформы.
- Создавать чат-ботов и AI-агентов. Научитесь собирать ботов с памятью и логикой принятия решений, запускать агентов для поддержки и автоматизации.
- Работать с локальными ИИ и безопасностью данных. Разберетесь в локальных LLM, научитесь выбирать их для задач компании и применять безопасные практики работы с ИИ.
Программа позволит последовательно пройти путь от пользователя нейросетей до разработчика кастомизированных AI-решений. И стать еще более востребованным специалистом на рынке труда.
