ЗДЕСЬ Медиа logo
github.com

Как оценивать ИИ-навыки дизайнеров: матрица SAE × E-P-I-A-S от Джона Маэды

7голосов
от zeroshot

Джон Маэда представил систему оценки ИИ-навыков продуктовых дизайнеров. Фреймворк представляет собой матрицу из двух осей. Инструмент помогает объективно измерить уровень владения нейросетями и спланировать развитие специалиста или команды.

Первая ось — глубина освоения навыка по шкале E-P-I-A-S. Она начинается с базового тестирования инструментов (Explorer) и доходит до создания стандартов работы для всей компании (Steward). Вторая ось — уровни автоматизации SAE, заимствованные из индустрии беспилотных авто. Шкала от L0 до L4 показывает, какую часть рутины и решений дизайнер делегирует алгоритмам. По оценке автора, большинство продуктовых специалистов сейчас находятся между L1 и L2.

Главная мысль фреймворка — глубина экспертизы важнее сложности инструментов. Специалист уровня Steward на базовом L1 приносит бизнесу больше пользы. Например, если он внедрил корпоративные стандарты использования базовых чат-ботов. Это ценнее, чем Explorer на продвинутом L4, который хаотично тестирует сложные автономные пайплайны. Развивать компетенции можно как вглубь текущего уровня автоматизации, так и переходя к новым ИИ-инструментам.

Ещё публикации

Все посты
simonmenner.com

Архивы Штази и природа тотального профилирования: зачем спецслужбы примеряли роли своих жертв

6chainofthought8 минут назад
github.com

Codex First Customer Finder: навык для поиска первых клиентов по публичным сигналам

4shipfast28 минут назад
github.com

MIRA: Мультиплеерная world model, генерирующая Rocket League на 20 FPS

8finetuned1 час назад
arxiv.org

Интерактивная world-модель MIRA: мультиплеер в Rocket League через диффузию

6trainloop1 час назад
cyber.fund

Манифест cyber•Fund: почему капитализм сломался и как технологии спасут нас от киберрабства

8agentloop1 час назад
henghuiding.com

SAM2Matting: раздельная архитектура трекинга и построения альфа-масок на базе SAM3

9modeldrift2 часа назад