Введение
Данная статья была написана для крупнейшего сообщества цифровых управленцев «я‑ИТ‑ы» в рамках внутреннего стрима «Искусственный интеллект». Ее основная цель — дать тем, на чьих плечах сейчас лежит ответственность за выстраивание ИТ‑инфраструктуры компаний, понимание технологического «сегодня» в сфере искусственного интеллекта (ИИ), решений, технологий, которые применяются и уже дают результат. И, что самое важное, обозначить вектор развития для понимания технологического «завтра», чтобы инфраструктура и процессы строились с учетом всех изменений, происходящих в этой весьма динамичной сфере.
Динамику развития технологий ИИ и их внедрения хорошо иллюстрирует свежее исследование группы компаний Б1: российский сегмент программного обеспечения с функциями ИИ ожидает взрывной рост — в среднем более 25% ежегодно до 2032 года. Еще в 2024 году объем этого рынка оценивался в 48 млрд рублей, а к 2032 году прогнозируется рост до 286 млрд. Основными драйверами станут AI‑аналитика, спрос на приложения с AI‑функционалом, автоматизация и переход на SaaS/PaaS‑решения. Российский тренд повторяет глобальный: мировой рынок ПО к 2028 году будет расти быстрее среднерыночных показателей, а AI‑решения станут ключевым фактором этого роста.
Сейчас, в 2025 году внедрение ИИ перестает быть модным экспериментом и превращается в важный инфраструктурный элемент бизнеса. Для современного ИТ‑директора это означает: вы отвечаете не только за «железо» и софт, но и за способность компании адаптироваться к новой динамичной технологической реальности. Если сейчас не начать движение в сторону ИИ, через пару лет догонять будет в разы сложнее. Внедрение ИИ — это не про «купить новый сервер». Это прежде всего адаптация бизнес‑процессов, обучение сотрудников к работе с новыми инструментами, новые метрики эффективности и оценка рисков. Все это осложняется тем, что в этой сфере практически нет готовых, отработанных годами практики, решений. В значительной мере — это освоение Terra Incognita. Как и в любой «хайповой» теме, очень много желающих продать сырые, непроверенные решения, обещания фантастических результатов от внедрения ИИ технологий. Но реальность всегда прозаичнее.
А потому очень важен обмен практическим опытом внедрения, совместного решения сложных задач. Особенно это касается сегмента малого и среднего бизнеса, который не может позволить себе дорогостоящие эксперименты, но в первую очередь может ощутить плюсы от внедрения таких технологий.
Где мы находимся сегодня?
По данным Ассоциации Big Data, объём российского рынка больших данных и ИИ к концу 2024 года достиг 320 млрд ₽, а инвестиции выросли на 36% до 305 млрд ₽ — и это лишь начало, развитие ожидается в диапазоне 20–30% ежегодно.
Экономический эффект уже заметен: только промышленность в 2023–2024 годах заработала на ИИ‑решениях около 500 млрд. рублей. Эффект связан с сокращением производственных издержек (на 15%), уменьшением аварий на 15% и ростом качества продукции. Ведущие компании, вроде «СевСтали» и «Сибура», оценили совокупные выгоды от цифровизации в миллиарды — это не абстракция, а реальные деньги.
Эксперты Yakov & Partners и Яндекса сообщают, что уже 20% крупных компаний применяют генеративный ИИ, а ещё около 27% — экспериментируют. Ключевые направления внедрения: маркетинг, поддержка, R&D и ИТ.
Интересный факт, что большинство компаний отмечают как минимум 1–5% прироста EBITDA благодаря ИИ, и общее экономическое влияние до 2028 года может достигнуть 22–36 трлн рублей
Что касается мирового контекста — темпы не менее впечатляющие. К 2025 году глобальный рынок ИИ достигает $407 млрд, при CAGR около 23% с 2023 по 2025, а AI‑инфраструктура — от аппаратного обеспечения до аналитических платформ — стремительно растёт.
Около 95% компаний Fortune 500 уже используют ИИ, а в аналитике — порядка 65% организаций внедряют или пробуют ИИ‑технологии. Более того, 44% отмечают снижение операционных затрат, а 62% улучшают клиентский опыт благодаря ИИ‑аналитике.
Сегодня можно выделить несколько направлений ИИ‑технологий, которые уже перешли из категории «новинок» в статус повседневных инструментов.
Машинное обучение на структурированных данных — от классической предиктивной аналитики до скоринговых моделей, без которых не обходятся ни банки, ни ритейл.
Обработка естественного языка (NLP): чат‑боты, автоматизация документооборота, поиск и классификация текстовой информации, в том числе на базе RAG систем.
Компьютерное зрение — от контроля качества продукции на производстве до анализа поведения покупателей в офлайн‑торговле.
Интеллектуальная автоматизация бизнес‑процессов (RPA + AI), где ИИ‑модели усиливают роботизированные сценарии, беря на себя принятие решений в типовых операциях.
Рекомендательные системы, которые позволяют работать с информацией не только аналитикам, но и рядовым менеджерам.
Что нас ждет завтра?
Несомненно те направления, которые были перечислены также будут продолжать развиваться. Но куда будут направлены основные векторы технологического развития? Многие, задаваясь этим вопросом, смотрят на Запад. По объективным экономическим и технологическим причинам Запад нас опережает. С одной стороны это дает нам возможность иметь ориентир, но в тоже время создает опасную ловушку — в погоне за относительной целью оставаться вечно догоняющими. Глубоко убежден, что нужно всегда стремиться заглянуть дальше, за горизонт. Только так можно не только догнать, но и перегнать.
Рассмотрим основные технологические тенденции:
ИИ-помощники в офисных пакетах/ERP/CRM — от простого «подсказчика» к управляемому контуру. Крупные внедрения (например, соглашение Barclays и Microsoft на развёртывание Copilot для 100k+ сотрудников) показывают, что предприятия идут в потоковую автоматизацию работы с контентом и коммуникациями, а не в разрозненные пилоты. Для IT‑директоров это про онбординг, права доступа, аудит следов ИИ и контроль побочных эффектов (данные, безопасность, комплаенс).
SLM (малые языковые модели) закрепляются как «рабочие лошадки» узких задач: быстрее, дешевле, легче дообучать, валидировать и запускать. В связке с графами знаний и RAG они дают ощутимый прирост точности, закрывают структурные куски пайплайна, оставляя большим языковым моделям (LLM) роль «объяснителя» на естественном языке.
RAG 2.0 — от «векторного поиска по документам» RAG движется к управлению атомарными знаниями, мультимодальности (текст, изображения, таблицы, аудио), адаптивному отбору контекста и интеграции с графами знаний (Graph‑RAG). Новые обзоры и исследования фиксируют тренд на гибридные архитектуры (retriever / generator‑centric), управление декодированием и устойчивость к «дрейфу знаний». Для бизнеса это равно предсказуемости ответа и объяснимости.
ИИ‑агенты — розничный и финансовый сектор первыми внедряют агентные сценарии: работа с возвратами/обменами, уточнение заказа, KYC‑процессы. На виду крупные кейсы вроде Klarna (ассистент обрабатывал ~2/3 обращений, <2 минут до решения, −25% повторных тикетов; при этом компания позже подчёркивала необходимость донастройки роли человека — хороший урок зрелости решения). Параллельно, и это весьма важно, платформы вводят границы применимости для агентов (пример Shopify — запрет покупок без финального человеческого подтверждения). Это про зрелое агентное управление, где ИИ выполняет «интеллектуальную рутину», а человек принимает решения и берет на себя ответственность.
ИИ‑аналитика как драйвер управления. Одним из ключевых направлений становится переход от классической бизнес‑аналитики к ИИ‑аналитике. Если ранее компании ограничивались инструментами визуализации и описательной статистики, то теперь акцент смещается на предиктивные и рекомендательные модели. Системы способны не только обрабатывать и выявлять закономерности в больших массивах данных, но и предлагать оптимальные сценарии действий — от ценообразования и логистики до персонализации клиентских сервисов.
Это отнюдь не единственные тренды, но наиболее значимые, которые будут в ближайшие несколько лет определять ИИ‑ландшафт.
Прогноз по развитию этих направлений в России (субъективный):
RAG — массовое внедрение в 2025–2026 гг. К концу этого периода начнется активный переход на модель 2.0
SLM и доменные модели — активные разработки и внедрение 2026–2027 гг
ИИ‑агенты — пилоты в 2025, массово с 2027
ИИ‑ассистенты — процесс уже активно идет, т.к. в значительной степени интегрируются в уже существующие продукты
ИИ‑аналитика — как стандарт для крупных компаний с 2026 года
Как измерять успех
Недостаточно что‑то просто внедрить, ведь любой сложный процесс требует контроля на каждом этапе, а значит измеримости. Измеримость дает ключевую возможность — управлять процессом.
Примеры метрик для оценки:
Качество: groundedness/faithfulness, Hallucination Rate, Precision/Recall, «повторы», эскалации.
Продуктивность: AHT, FCR/Resolution, «минуты сэкономленного времени» на сотрудника.
Экономика: Cost per Case, «экономия времени х ставка х конверсия применения − затраты на инференс и поддержку».
Управление качеством: непрерывные оценки по «золотым» наборам — встраивайте их как обязательную процедуру релизов и эксплуатации
Вопросы безопасности
С усилением роли ИИ в корпоративных процессах особое внимание следует уделить вопросам безопасности инференса языковых моделей. Традиционная схема работы через облако удобна, но несёт риск утечек: любой запрос на внешний сервис фактически означает передачу части внутренних данных за пределы компании. Для бизнеса это становится критически важным фактором — особенно там, где речь идёт о коммерческой тайне, клиентских базах или финансовых операциях. А в ряде случаев вступает в прямое противоречие с требованиями 152-ФЗ.
Альтернативой выступает локальный инференс — размещение моделей во внутреннем контуре. Ещё несколько лет назад такой вариант казался недостижимым из‑за высоких требований к вычислительным ресурсам и отсутствию качественных open‑source моделей, особенно с поддержкой русского языка. Однако сегодня рынок предлагает целый спектр открытых решений:
компактных, но достаточно производительных языковых моделей, работающих на сервере с ограниченными ресурсами;
высокопроизводительные решения, требующие значительных вычислительных мощностей, но являющиеся при этом самыми передовыми разработками.
Для многих организаций локальный запуск становится компромиссом между эффективностью и безопасностью: компании получают возможность использовать ИИ‑инструменты в ежедневной деятельности, не вынося при этом чувствительные данные за пределы корпоративной инфраструктуры. В ближайшие годы именно баланс между облачными и локальными архитектурами будет определять стратегию внедрения ИИ в бизнес.
Roadmap для IT-директора (с прицелом на масштаб)
Выбор нескольких кейсов с понятной денежной метрикой.
Подготовка знаний: разложите регламенты на атомарные факты и правила, структурируйте их — это хорошая база для будущего внедрения RAG 2.0.
Платформы: офис — ИИ‑ассистенты с контролем; бэкенд — SLM+RAG; фронт — агенты с заданными рамками.
Пилот на 2–3 месяца с заранее зафиксированными KPI и «точкой убийства».
Масштабирование: унифицируйте пайплайны знаний, чтобы не плодить «зоопарк» индексов.
Управление процессами: роли и права агентов, журналирование действий, расследования, политика источников, «второй ключ» на чувствительные операции.
Экономика инференса: регулярно пересматривайте тарифы/архитектуру — особенно с учётом текущей разницы в стоимости вызовов LLM в РФ. В ряде случаев есть смысл рассмотреть возможность локального инференса.
Люди: повышение квалификации, обновлённые SOP‑ы, ответственность владельцев знаний.
Заключение
ИИ перестаёт быть экзотикой и «модной темой». Завтра ИИ станет необходимым условием выживания бизнеса. Для ИТ‑директора это не «ещё один проект», а стратегическая трансформация. Сегодня есть шанс заложить фундамент, который через 2–3 года станет основой конкурентоспособности вашей компании.
Комментарии (13)
Elpi
19.08.2025 20:47"... открытия совершают единицы. Хотя условия для этих открытий создаются миллионами". Хм, а вы подставьте конкретные фамилии и взгляните как звучит. Например, "мильоны английских крестьян создавали условия для открытий Ньютона", а? Это старый спор о "взаимозаменяемых винтиках" и уникальных личностях.
А вам не кажется, что снижение уровня претензий обессмысливает новый уровень информационных технологий? Та же техподдержка. Ну, взяли РП, нарезали на "чанки" (так? только недавно встретил этот жаргонный термин), написали ПО, добавили озвучку. И выгнали операторов техподдержки. И где тут прогресс? Вам самому-то нравится с голосом в телефоне, который безбожно тупит и категорически не делает того, что требуется клиенту? Если внедрение ИИ сводится к таким вот задачам - то на фига козе баян, коли она и так довольно?
Очень зацепила фраза " И ключевая задача - наделить людей, принимающих решения, нужным уровнем экспертности". Прошу уточнить, кого вы хотите наделить нужным уровнем экспертности? Политического назначенца? мажора, которого толкает мохнатая лапа папаши? эффективного менагера? И кто будет наделять-то, у вас есть такие эксперты?
Ваша позиция очень прагматичная и в значительной степени верная. Сколько уже было всяких веяний от новой метлы в верхах, сколько пертурбаций мы пережили. И это переживем, переварим. К сожалению, с этой точки зрения ИИ выглядит лишь как очередная кампанейщина и распил. Вы, кстати, упомянули, что Запад нас опережает, причем по причине бОльших денег и возможностей. А там раздаются разговоры, что ИИ способен обеспечить качественный переход. Только я сомневаюсь, что это они про автоматизацию техподдержки и повышение экспертности начальника транспортного цеха...
aka352 Автор
19.08.2025 20:47Прежде чем Ньютон совершил свои открытия ему нужно было: родиться, вырасти, выучиться. Все это время он питался, одевался, жил под крышей своего дома, ходил на занятия. Любое достижение - это пирамида, где на вершине один человек, но под ним миллионы людей, которые обеспечивают едой, одевают, делают инструменты, строят дома и лаборатории, накапливают знания и передают их следующим поколениям. И сказать, что это достижение - одного конкретного человека, язык не поворачивается. Совершил бы Ньютон свои открытия, если бы жил на необитаемом острове и каждый день боролся за выживание? Думаю вопрос риторический.
Оценивать достижения технологий с личной позиции - субъективизм. Для того и нужны метрики, которые показывают объективную "полезность" технологии. Для меня или для Вас описываемый голосовой помощник может быть неэффективным, поскольку технологический бэкграунд заставляет обращаться к техподдержке лишь действительно в трудных случаях и робот, работающий по шаблонным ситуациям может вызывать раздражение и желание поскорее от него избавиться. Но с точки зрения оператора, 70% обращений - это как раз шаблонные ситуации условных "бабушек", которым нужно узнать их баланс. И робот прекрасно справляется с этой задачей, разгружая операторов и экономя деньги компании. Кроме того, прогресс не стоит на месте и сейчас уже порой трудно определить, разговариваешь с роботом или с реальным человеком. Вместе с этим расширяется спектр решаемых задач. Понятно, что до условных 100% дойдем еще не скоро, но даже прогресс с 70 до 80% можно выразить во вполне конкретной экономии денег компании.
Я уже писал, что статья прежде всего для IT-директоров. Именно на их плечах сейчас лежат эти задачи и им требуется повышение экспертности в вопросах практического использования ИИ.
Я далек от "верхов" и процессов там происходящих там. Я куда ближе к "земле" и вопросы, происходящие тут меня волнуют куда больше. Да, ИИ обеспечит качественный переход, но не так быстро - человек существо достаточно консервативное и сопротивляется резким изменениям. Но если подумать, лет 30 назад большинство компаний работали без компьютеров, по старинке, на бумаге. Но прогресс неумолим и сейчас без компьютера не работает никто. Точно также будет с ИИ. И это не вопрос нашего к нему отношения, это вопрос экономической необходимости для повышения производительности труда и демографической необходимости на фоне сокращения доступных трудовых ресурсов. ИИ идет во все сферы: сельхозмашины с ИИ сами убирают урожай, грузовик с ИИ автономно везет груз за 2000 км, летающий дрон за 5 минут доставляет вам горячую пиццу. Это все - наше ближайшее будущее. Высвобождение человеческих ресурсов, дообучение, переквалификация людей на более "интеллектуальные" задачи. Человек вытаскивается из рутины и низкоквалифицированного труда и превращается в центр оценки и принятия решений. Вот в это я действительно верю и ради этого работаю. Потому что убежден, что чудеса не случаются сами, великие открытия не совершаются одиночками, даже если мы знаем имя только одного человека - за его спиной стоят тысячи и миллионы и их труд. А что до "верхов", то их сиюминутные цели меня не особо волнуют.
Отдельно спасибо за этот содержательный диалог. Получилось интересно )
Elpi
19.08.2025 20:47Еще раз сформулирую свою кочку зрения. На мой взгляд, ИИ - отличный инструмент для "документирования" опыта, понимания и знаний лучших специалистов.
Это главный пункт. А квазифилософские размышлизмы или бюрократически-производственные будни - это другое. Я полагаю, что утопить главное в рутине - просто глупо.
В вашем варианте это реально очередной виток. Да только я же помню, как стоял перед стендом политеха и решал куда поступать - на факультет АСУ или на ХТО. И сколько уже эта волынка с АСУ тянется?..
***
Не хочу это здесь обсуждать. Скажу лишь, что "неумолимый прогресс" - это выдумка с множеством дурных последствий. Обозначу, т.с., свою позицию. Кстати, терминологически "прогресс" еще более вредная хрень, чем "искусственный интеллект".
***
Спасибо за разговор:)
Elpi
19.08.2025 20:47С утра в телеге прочел https://t.me/spydell_finance/8168
aka352 Автор
19.08.2025 20:47Могу подписаться под этим. Уже с утра комментировал в сообществе, чтобы не повторяться, процитирую свой комментарий:
Фактически да, на западе на рынке ИИ сейчас надувается пузырь аналогичный доткомам. Итог будет аналогичный. Но надувается он из-за сверх ожиданий, как в свое время они раздувались из-за интернета. Но по большому счету для нас это ничего не значит, да рухнут какие-то компании, да какие-то инвесторы потеряют деньги. Но сама технология никуда не денется и продолжит развиваться и в новых реалиях, спустя лет 5-10 появятся новые гиганты, как сейчас Google, Microsoft и Apple. Для нас из плюсов будет то, что на рынок хлынет огромное количество "железа" от обанкротившихся компаний, цены на него значительно упадут и можно будет закупиться ) Те решения, которые нарабатываются в практическом плане тоже никуда не денутся и продолжат работать. Кто будет работать на локальном инференсе даже ничего не заметят. Пострадать могут те, кто сильно понадеется на "облако".
По моим ощущениям ожидать этого стоит не ранее 27-28 года. В ближайшее время я думаю Трамп добьется запуска печатного станка и деньги инвесторов продолжат течь рекой, хайп продолжат раздувать, потому что для них это сейчас возможность освоить триллионы на строительство дата-центров, электростанций. А вот когда все это будет готово и посчитают "экономику", тогда уже инвесторы схватятся за голову и рынок посыпется. Люди типа Альтмана делают ставку на то, что они смогут создать новую архитектуру, сделают еще прорыв и им удастся выскочить из той петли, в которую они сейчас усердно забираются. Но текущая архитектура LLM действительно не имеет перспектив, она решает определенные задачи, но не более того. AGI на ее базе не появится.
Elpi
19.08.2025 20:47Поскольку вы сами упомянули о спирали эволюции, я напомню, чем - по классике - кончаются конфликты. Снятием , цитирую гугл "(нем. Aufhebung) в контексте гегелевской диалектики означает процесс, в котором нечто старое отрицается, но одновременно сохраняется в новой, более высокой форме".
Бэушное железо, конечно, здорово. Но такие деньги все же указывают, на мой взгляд, наличие в ИИ чего-то более важного. Которое желательно не пропустить, углядеть, оценить и ввести в обращение.
aka352 Автор
19.08.2025 20:47Так и будет, хайп пройдет, истинная ценность останется.
А закупаться можно будет не только бу "железом", новое также значительно упадет в цене, на фоне обвалившегося спроса.
Elpi
Познавательно, спасибо.
Пара вопросов общего характера:
Насколько я понимаю, "ИИ" - это неточный термин, вводящий в заблуждение. Закрепление его в общественном дискурсе неизбежно? или еще не поздно предложить более корректный? какой?
Как, на ваш взгляд соотносятся ML и и не менее модная цифровизация?
aka352 Автор
ИИ - термин действительно не точный и меняющийся со временем. В целом под ним подразумевают все технологии, которые тем или иным образом решают задачи, типичные для естественного интеллекта. На самой заре своего появления сюда относили логические системы, затем центром стали экспертные системы и уже позже они стали ассоциироваться с нейронными сетями и ML (machine learning). В настоящее время таким центром является трансформерная архитектура и большие языковые модели, как ее основное применение. Думаю, что развитие на этом не остановится, в недалеком будущем нас ждет новая архитектура и уже она в первую очередь станет ассоциироваться с ИИ. Не думаю, что здесь требуются какие-то дополнительные термины, поскольку ИИ - термин общеописательный и он прекрасно выполняет свою роль для каждого этапа технологического развития. У профессионалов отрасли этот словарь значительно шире и описывает все используемые технологии в заданных рамках и там поле для вольности трактовок значительно уже.
Что касается связи ML и цифровизациии, то это разные, но взаимосвязанные вещи. Цифровизация - прежде всего процесс перевода данных, процессов, сервисов в цифровую форму, выстраивание соответствующей инфраструктуры. А ML - это технология, которая позволяет на основе этих данных создавать модели, управляющие процессами, получающие новую информацию. Вместе они дают синергетический эффект, переводящий количество информации в новые качества: автоматизацию, аналитику, прогнозирование, управление и т.д.
Elpi
Да, понятно, что профи используют другую терминологию. А "ИИ" - для обывателей. Но эти самые рядовые граждане уж больно сильно возбуждаются от слова "интеллект", запускаются неадекватные процессы и генерится сильный шум.
Про "новые качества". А разве автоматизация не старое, базовое качество? И все перечисленное так же. Здесь получается, на мой взгляд, натяжка. Желание еще по разику использовать "старые песни о главном".
В вашем тексте не увидел слов о качестве используемых алгоритмов. Недавно, буквально вчера встретил термин "владелец знания" (если не путаю). В популярных, "доступных" текстах дело выглядит так, что, мол, достаточно развернуть софт и обучить на общедоступном массиве - и будет тебе счастье. Открытие новых планет, фундаментальных законов мироздания и пр. Ничего не будет, если владелец знания не согласится его обнародовать с достаточной детализацией. А айтишники адекватно переведут это в алгоритмы. А если правила будет формулировать "волшебник-недоучка", мнящий себе невесть кем, это чревато.
aka352 Автор
Это свойство людей, завышать ожидания ) На разных этапах развития общества вместо "ИИ" можно подставить другое слово. Даже не копаясь глубоко в истории, лет 30 назад слово "компьютер" вызывало аналогичный эффект. Чуть позже оно заменилось на "интернет".
Автоматизация - фундаментальное свойство человеческой деятельности. Человек по природе ленив и всегда ищет способы сделать что-то быстрее и проще. А поскольку наша цивилизация эволюционирует, то вместе с ней эволюционирует и автоматизация, отражая актуальный уровень технологий. Последние десятилетия она все активнее развивается в области интеллектуального труда. Поэтому да, нового мы не изобретаем, просто переходим на новый виток спирали развития.
В подразделе "Как измерять успех" я писал о метриках, в т.ч. о метриках качества. Именно применение метрик позволяет нам перевести субъективные ощущения в измеримый и интерпретируемый результат, а значит объективно оценить, сравнить и принять решение.
Что касается "владельцев знаний", то согласно общепринятым нормам Бернской конвенции авторское право защищает лишь конкретную форму выражения знания, например литературное произведение, научную статью, песню, программу и т.д. Т.е. законы природы, исторические события, идеи, методы и т.п. не могут являться объектом авторского права, поскольку объективно существуют независимо от конкретного человека и никто не вправе запретить их использовать.
Elpi
Ответ в п.2 лукавый. Вначале вы декларируете новые вершины (как в разделе "Новизна" диссера) - а потом делаете вид, что все по м-л диалектике, типа, заходим на очередной виток бесконечной спирали. Впрочем, это дело понятное...
А про владельца знаний вы не поняли. Причем здесь авторское право? Самые важные знания и прочие ноу-хау не документируются таким образом. Это то, что делает данного эксперта востребованным и приносит статус и деньги - так какой же дурак станет это запросто обнародовать?..
Вы вот говорите о корпоративном ИИ. Мол, крупные компании уже вовсю имплементируют самопальные модели. А откуда уверенность, что на фирме вообще есть эксперт такого уровня? Я же не о "первом парне на деревне" говорю. И вы вроде о "дальних горизонтах прогресса".
Хотя бы приблизительным, интуитивным пониманием, способным привести к прорывным открытиям, обладают считанные индивидуумы. А тема подается так, что мол со знаниями проблем-то нет. Главное, бюджет освоить и слепить из того что было ("я тебя слепила из того, что было" (с)).
В целом, ситуация выглядит как обычно. Ввяжемся в бой (драку), сделаем "первую итерацию" - а потом долго-долго будем искать best practice.
Это стандартный подход, я понимаю. Но небрежение источниками знаний расстраивает.
Кстати, эта ситуация давно известна по автоматизации бизнес-процессов. Еще не встречал кейса, когда вначале выявляли оптимальный вариант.
aka352 Автор
Разве здесь есть противоречие? Каждый виток и выводит нас на новые вершины ) Ведь кроме вращательного движения мы совершаем и поступательное.
Знаете, в таком контексте вопрос больше философский. Но объективные знания на то и объективные, что их может получить любой человек, исследующий заданную область. И историческая практика показывает, что многие открытия совершались в одно время, но совершенно разными людьми. Да, возможно кто-то будет чуть впереди и это даст небольшое преимущество на исторически небольшом отрезке времени, но в целом все равно происходит выравнивание.
А эксперт - это не носитель какого-то уникального знания. Это прежде всего человек, глубоко погруженный в свою область, систематизировавший знания в ней и выстроивший внутреннюю модель, позволяющую ему уверенно действовать в этой сфере, строить достоверные прогнозы, выдвигать гипотезы. И если в своей деятельности он совершит какое-то открытие и утаит это, то рано или поздно аналогичное открытие сделает кто-то другой и получит все лавры первооткрывателя.
Если компания смогла создать собственную модель, значит там как минимум есть один эксперт соответствующего уровня, а скорее всего даже не один. Обучение собственных моделей это достаточно сложный процесс, прежде всего процесс сбора и подготовки обучающих данных.
Если же у компании нет таких экспертов, значит она либо ищет их, либо отдает свою задачу на аутсорс. Мне кажется, тут вполне очевидные решения. Кроме того, если мы говорим о небольших компаниях с достаточно типовыми задачами, то им и нет необходимости делать что-то свое - "зоопарк" моделей очень велик и каждый день пополняется, зачастую можно найти готовое подходящее решение.
Полностью с Вами согласен - открытия совершают единицы. Хотя условия для этих открытий создаются миллионами, чтобы достичь соответствующего уровня развития, без которого это открытие невозможно.
Но мы сейчас и не говорим о каких-то прорывных вещах. В контексте развития технологий ИИ уже был совершен очередной прорыв и сейчас вокруг этой базовой технологии вырастает инфраструктура решений, продуктов, которые внедряются и приносят конкретный, измеримый результат. И ключевая задача - наделить людей, принимающих решения, нужным уровнем экспертности, чтобы внедрение этих технологий дало ожидаемый эффект, а не превратилось в очередной распил корпоративного или государственного бюджета "инфоцыганами" от ИИ, коих сейчас появляется очень много. Во всяком случае в рамках сообщества IT-управленцев "я-ИТ-ы" задача ставится именно таким образом - через обмен опытом, информацией, через проведение обучающих мероприятий повышать уровень вовлеченности и экспертности.
Данная статья - это не предложение готовых решений. Это скорее обзор, приглашающий к дискуссии, формулированию актуальных задач, обмену практическими кейсами.