Знаете ли вы все модные tech-слова? Разгадайте кроссворд

Как меня бесит! Каждый раз хочется кричать это, когда еще раз замечаешь, как на страницах газет, с экранов телевизоров или со сцены украинские предприниматели говорят о машинном обучении вместо роботизированной автоматизации или пытаются вычислить объем Big Data в своей компании. Подобные ошибки не только портят вашу репутацию среди целевой аудитории, но и подвергают сомнению вашу компетенцию перед инвесторами.

Чтобы в вашей жизни было меньше подобных факапов, мы подготовили вам карточки с самыми популярными словами, которые часто употребляем неправильно. В конце текста ищите кроссворд, чтобы проверить, хорошо ли вы понимаете значение самых популярных tech-слов.

Большая и могучая техническая индустрия

Сегодня отовсюду можно услышать о технической индустрии. О ней говорят, когда имеется в виду производство бытовых приборов, медицинских изобретений или даже обслуживание доставки или такси. На самом деле понятие «техническое» касается работы чисто с оборудованием.

Все остальное, что касается оптимизации существующих процессов или внедрения технологий, это технологическая отрасль/индустрия. Именно это принято называть Tech industry.

Засмартуем все

В последнее время стало модно все смартовать — смартшопы, смартквартиры, смарткафе. Из-за этого в сети появилось немало шуток по поводу смарт-всего. Когда речь идет о смарт-чем-то, прежде всего подразумевается способность устройства/предмета/места подключиться к сети и одновременно выполнять свои функции. Это приводит к кастомизации и персонификации продукции. Также в числе важных аспектов смартизации:

• привлечение алгоритмов управления и автоматизации;
• привлечение решений на основе искусственного интеллекта;
• дистанционный контроль;
• кибербезопасность.

То есть, если вы ввели систему самообслуживания — это процесс цифровизации. Если вы можете управлять автомобилем без рук, запрограммировав предварительно маршрут, это уже о смартизации.

Гибкость во всем

Гибкая разработка «Гибкая «Методология, предлагает модель для быстрого создания программного обеспечения. Это позволяет бизнесу быть гибким. Однако гибкость — это не только о процессе, но скорее о принципах.

Сегодня компании пытаются достичь гибкости из-за создания Scrum-команд, использования Agile, установки холакратии или социократии. Все это — разные подходы и способы к построению действий и распределению ролей. Впрочем, CIO One Call Марк Билгер уверен, что только треть всех компаний, говорящих о гибкости, придерживаются ее. Более подробно о том, какими могут быть гибкие команды, читайте в материале Vector.

Искусственный интеллект, который победит человечество

Чем быстрее популяризируется искусственный интеллект (AI), тем большее недоразумение возникает. К примеру, часто можно услышать, что развитие AI приведет к восстанию машин. AI также часто используются как синоним умных машин.

Поэтому CIO Target Майк Макнамара предлагает вообще избавиться от этого слова. По его мнению, AI — это не больше, чем «просто большие глупые машины, хорошо умеющие добавлять и умножать».

Другая проблема состоит в том, что нет конкретного определения AI. На этом часто спекулируют компании. Макнамара советует: если говорить об интеллектуальном программном обеспечении, лучше использовать понятие машинного обучения. AI подходит для более всеобщего обозначения возможности технического обучения по алгоритмам.

Что тогда такое машинное обучение

Есть разница между роботизированной автоматизацией и машинным обучением. У первой цель — облегчение работы пользователя. Например, если у компании есть постоянно повторяющиеся задачи, легче вовлечь в этот процесс роботизированную автоматизацию. Сотрудник в это время сможет взять на себя более сложные задачи.

Машинное обучение — это множество математических, статистических и вычислительных методов, решения на основе которых призваны заменить работу человека. Благодаря ему техника может анализировать, прогнозировать и принимать решение. Это все не о роботизированной автоматизации.

MVP — это не полноценный стартап и не бета-версия проекта

MVP (minimum viable product) — это минимально жизнеспособный продукт. Его цель — получить фидбек от пользователей и улучшить продукт перед запуском/производством. Однако существует разница между бета-версией продукта и MVP. Последний предшествует появлению бета-версии продукта. То есть стадия MVP завершится тогда, когда разработчики улучшат продукт с учетом фидбека.

Зачастую можно увидеть, как стартапы ищут инвесторов на стадии MVP. С точки зрения стартапа, в этом есть смысл. Ведь создание, тестирование и запуск продукта требует времени и денег. Однако для инвесторов MVP — рискованный этап.

Никто точно не знает, удастся ли команде справиться с продуктом, на самом ли деле он решит проблему, и будет ли у него рыночный потенциал.

Big Data — все и ничего

Представим себе космос. Может ли хоть один астронавт сказать, какую площадь занимают пустые участки вселенной? Считать, сколько их есть на самом деле? Так же с Big Data. Это необъятная база данных, с которой работают компании. Для этого используют ряд методов, в частности:

• Data Mining;
• краудсорсинг;
• пространственный и статистический анализ;
• машинное обучение.

Так что сосчитать или похвастаться Big Data в своей компании — это то же самое, что заявить о досягаемости космического пространства.

Правильно ли вы используете популярные tech-словечки

С ошибками разобрались. Теперь проверим, знаете ли вы значение популярных tech-слов.