Код Желтый

💻 Представьте: вам нужно подготовиться к проектному ревью, а артефакты раскиданы по десяткам систем — почте, таск-трекерам, документациям, комментариям в IDE, онлайн-доскам

Наша команда Office Productivity внедрила MCP-стандарт, позволяющий AI‑агентам безопасно собирать контекст из мессенджера Time, почты, онлайн-досок Unidraw, трекера задач, внутреннего поиска и календаря. Вместо переключения между вкладками пользователь формулирует задачу один раз — и агент сам собирает контекст из разных систем, анализирует его и готовит результат.

В карточках рассказываем, как устроен MCP и какие сценарии уже используют коллеги.
#mcp #ai #productivity #devtools #agents

⚡️ Есть идея, как применить AI в инвестициях? Она может стать частью бизнеса

Мы запускаем Инвест. Премаркет — программу, в рамках которой вы можете создать AI-агента, торгового робота или предложить новый пользовательский опыт. За 2 недели вы пройдете путь от идеи до MVP вместе с экспертами, а победители разделят призовой фонд 2,5 млн рублей и смогут продолжить развитие проекта в Т-Банке.

Вас ждет четыре этапа:

→ SIGNAL IN
Соберете команду из 2—4 человек, заполните анкету и решите небольшую практическую задачу

→ CONTEXT LOADED
Очный этап в Москве, Питере, Новосибирске и Нижнем Новгороде. За восемь часов нужно будет подготовить концепцию AI-решения.

→ SYSTEM BUILD
За две недели доведете идею до работающего решения вместе с менторами и экспертами. Мы дадим необходимые доступы, T-Invest MCP и API.

→ OPEN TEST
На финальном этапе вы расскажете о продукте жюри и запустите живое демо.

Кого мы ждем? 

Команды из 2—4 человек. Главное, чтобы вам было интересно разбираться в инвестициях и один из вас был разработчиком.

Собирайте команду и подавайте заявки до 11 ноября.

⚡️ Как ускорить A/B-тест с несколькими метриками, не ломая статистику

В продуктовых экспериментах часто одна целевая метрика. Но бывает сложнее: например, хотим увеличить выручку, но не готовы раскатывать, если просела конверсия в покупку. Значит, метрик будет несколько, и нужно контролировать вероятность хотя бы одной ложноположительной ошибки.

Классическое решение в таком случае — поправка Бонферрони. Делим общий уровень значимости поровну между метриками. Это просто, но не всегда эффективно: если одна метрика требует сильно больше пользователей, именно она определяет длительность всего теста.

В нашей лаборатории прикладной статистики предложили не делить уровень значимости поровну, а распределять его оптимально. Контроль ошибки первого рода сохраняется, а размер выборки в наших тестах сократился в среднем в 1,2 раза. На синтетике с 10 метриками выигрыш доходит до 1,9 раза.

В карточках — о том, как устроен метод и где он дает эффект. А подробности, математика и результаты экспериментов — на Хабре.

#abtesting #statistics #experiments #productanalytics