Модели принятия решений

каждый урок: зачем → понятия → кейс → упражнение

1. 01 Почему чат — не решение: от текста к машинному решению объяснить, почему LLM-чат плохо подходит для автоматизации решений, и назвать альтернативу — машинные решения (typed decisions с калиброванной уверенностью) 7 мин
2. 02 Как работает машинное решение: механика объяснить, как устроено машинное решение изнутри: RLCD, параллельная оценка, типизированный выход, калибровка, архитектура Clef 9 мин
3. 03 Калиброванная уверенность: как машина говорит «не уверен» понять разницу между вероятностью ответа и уверенностью модели и задать три режима работы (действовать / осторожно / эскалировать) 8 мин
4. 04 Порог автономии: когда машина решает сама, когда эскалирует для своей задачи задать порог автономии (высокая уверенность — действие, низкая — эскалация, высокая цена ошибки — запрет) и назвать риски автономности (утечки, неконтролируемые д… 6 мин
5. 05 Jev как пример: что он делает и сколько стоит описать класс System One Models на примере Jev (typed decisions, Choice/Score/Noul/Box, параллельная оценка, цена $0,042/MTok, задержка 70–500 мс) и назвать альтернативы на рынке … 7 мин
6. 06 Кейс Jack & Jill: скрининг кандидатов на 88% дешевле разобрать реальный кейс замены LLM-скрининга машинным решением (качество сохранено, 2× скорость, −88% стоимости, 10 дней rollout) и назвать, что сделало замену возможной (drop-in,… 7 мин
7. 07 Карта решений: что отдать машине, что оставить человеку заполнить карту решений для одной задачи своей компании (цена ошибки, обратимость, наличие данных, порог уверенности) и получить обоснованное решение о степени автономии 7 мин