SystemIntelPilot

SystemIntelPilot — оценка эффективности операторов ИИ-инструментов в компании

От сообществаРаботаетБез входаГлобальныйБесплатноМожет изменять данные

Что умеет

  • Смотреть профиль оператора и его метрики по сравнению с когортой
  • Строить распределение метрики по всей когорте
  • Диагностировать расхождения между использованием и результатом
  • Назначать и закрывать вмешательства по операторам
  • Записывать наблюдения за рабочим процессом и результаты экспериментов

Какие данные видит

Ассистент работает с данными пилотной программы — синтетической когортой из 50 операторов и их наблюдениями.

Нужен ли аккаунт

Не нужен: сервер работает без входа

SystemIntelPilot измеряет, как сотрудники используют ИИ-инструменты в работе: пять метрик по каждому оператору, сравнение с когортой и бенчмарками, диагностика расхождений и планы вмешательств. 27 инструментов покрывают чтение показателей и запись экспериментов и наблюдений за пилотом из 50 операторов. Подходит для команд, которые хотят измерять и корректировать использование ИИ, а не гадать о нём.

Как подключить

Как подключить SystemIntelPilot к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://systemintelpilot--burnmydays.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить SystemIntelPilot к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://systemintelpilot--burnmydays.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить SystemIntelPilot к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://systemintelpilot--burnmydays.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (27)

Технические названия из tools/list. Нужны только разработчикам.

get_pilot_statusGet pilot status overview — cohort size, observation count, date range, data quality, active interventions. Computed from raw observations. Data is from a 50-operator synthetic pilot (labeled synthetic).
get_operator_profileGet operator profile — operator details, measurements (5 canonical metrics computed from raw token observations with values, percentiles, status), and benchmark availability. Operator IDs are pseudonymous (e.g., op_001). Data is synthetic.
get_cohort_distributionGet cohort metric distribution — min, p10, p25, median, p75, p90, max, mean, std, and outliers for a given metric across the 50-operator cohort. Computed from raw observations.
get_composite_scoreGet developmental composite score (0-100) for an operator. Computed from raw metrics normalized via reference percentiles. Labeled DEVELOPMENTAL, not PERSONNEL. Weighted: leverage 30%, yield 30%, token_snr 20%, construction 20%. Data is synthetic.
get_composite_score_summaryGet cohort composite score summary — count, min, max, median, mean, Q1, Q3. Computed from per-operator scores. No individual rankings exposed. Label is DEVELOPMENTAL.
get_diagnosticsGet operator diagnostics — pattern detections and diagnoses computed from divergence analysis. All diagnoses are HYPOTHESIS, never fact.
get_data_qualityGet data quality summary — completeness, coverage, validity across the cohort. Computed from raw observations.
find_usage_operation_divergenceFind operators with usage-operation divergence. Computes usage percentile from raw token totals and compares to yield percentile. Returns all 50 operators with divergence class (LOW_USAGE_HIGH_OPERATION, HIGH_USAGE_LOW_OPERATION, etc.).
get_workflow_fitGet workflow fit analysis — operator/workflow fit scores across workflow stages.
get_intervention_statusGet all interventions — 12 active interventions with operator IDs, catalog IDs, reason patterns, target metrics, start dates, followup periods, and synthetic outcomes.
list_pilot_optionsList available pilot options — 5 canonical metrics, 15 eval families, 13 benchmark classes, 5 intervention types.
validate_pilot_configurationValidate a pilot configuration before deployment. Returns valid status with warnings and errors.
compare_operator_to_referenceCompare an operator to a reference population. Returns benchmark selection, comparison group, and metric comparison. Computed from raw metrics and reference field.
get_executive_dashboardGet executive dashboard info — the dashboard is a self-contained HTML file generated by the CLI (enterprise export dashboard --output file.html).
verify_changeVerify a measured change after intervention — pre/post comparison. Results are ASSOCIATION, never CAUSATION.
create_pilot_configurationGenerate a pilot configuration from parameters.
assign_interventionAssign a targeted intervention to an operator. REQUIRES AUTHORIZATION. Contact pilots@mos2es.org for pilot access.
close_interventionClose an intervention with outcome notes. REQUIRES AUTHORIZATION.
create_experimentCreate an experiment configuration. REQUIRES AUTHORIZATION.
record_workflow_observationRecord a workflow fit observation. REQUIRES AUTHORIZATION.
attach_outcome_datasetAttach external outcome dataset for join analysis. Outcome joins are ASSOCIATION, never CAUSATION. REQUIRES AUTHORIZATION.
get_operator_system_decompositionTwo-way ANOVA-style decomposition partitioning metric variance into operator effect, system effect, and operator×system interaction. Computed from raw observations grouped by platform. Shows whether operator capability or system choice drives performance.
get_lineage_chainGet the full lineage chain for an operator: STATE_A → BI_ACTION → AAI_TRANSFORMATION → BI_REDIRECTION → AAI_EXTENSION → COMMITTED_STATE → OUTCOME. Built from raw lineage and outcome data.
get_lineage_summaryGet lineage summary across the cohort — total lineages, workflow breakdown, average micro-eval metrics, outcomes linked. Computed from raw lineage data.
get_outcome_correlationCorrelate micro-eval metrics with outcome quality scores and cycle times through lineage. Computed via Pearson r from raw lineage + outcome data. Results labeled ASSOCIATION with evidence grade OBSERVATIONAL, never CAUSATION.
get_org_topologyOrganization-level AI topology map — team-level metric distributions, median canonical metrics per team, capability concentration (Gini coefficient), platform adoption, single-point-of-failure detection, cross-team complementarity. Computed from raw measurements.
get_operator_similarityNearest-neighbor operator search using percentile-rank normalization and Euclidean distance across 5 canonical metrics. Computed from raw measurements. Returns comparable operators/cohorts, NOT personality matching.