С пятью барьерами сталкиваются компании, которые внедряют проекты, связанные с искусственным интеллектом (ИИ). О факторах, которые мешают ИИ-проектам переходить из пилотной стадии в стадию промышленной эксплуатации, на конференции Data Fusion рассказал замруководителя технологического блока ВТБ Сергей Безбогов.
Лишь ограниченное число проектов, несмотря на высокий интерес к ИИ, достигает стадии промышленного внедрения. Это характерно как для российского, так и международного рынка.
Барьерами являются 5 причин. Первая – экономическая. Эксперт отмечает, что необходимо использовать принцип «бережливого ИИ» и ориентироваться на показатель возврата инвестиций (ROI). Экономическая целесообразность запуска ИИ-проекта оценивается по единым критериям с проектами технологической трансформации. ИИ и генеративные модели требуют значительных вычислительных мощностей. В связи с этим даже пилоты могут требовать высоких начальных затрат.
Вторым барьером является высокая стоимость инфраструктуры. Ведь разработка и масштабирование решений на базе LLM требует значительных вычислительных ресурсов и специализированных ИТ-кластеров. Эксперт советует в ряде случаев оценивать использование высокоэффективных моделей, ведь они могут быть экономически нецелесообразными из-за стоимости необходимого для них «железа».
Третьей причиной являются модели с генеративным ИИ, который самостоятельно создает контент, но выдает вымышленные факты, несуществующие ссылки или некорректные ответы (они могут «галлюционировать»). Эти ошибки создают финансовые и репутационные риски для бизнеса. Для минимизации рисков необходимы сложные каскадные решения и системы детекции.
Также влияет дефицит качественных данных для обучения ИИ-моделей. Их создание требует дорогостоящей фильтрации и экспертной проверки данных на достоверность. При этом внутри одной отрасли наборы данных часто идентичны, что ограничивает развитие уникальных моделей. Проблему можно решить межотраслевым обменом данных.
Кроме этого не хватает кадров с новыми компетенциями. Нужны не просто разработчики, а полутехнологические команды – специалисты по разметке данных и промпт-инженеры, которые способны правильно формулировать задачи для нейросетей. Важна и осознанность пользователей при взаимодействии с нейросетью, речь идет о более четких формулировках и критическом отношении к ответу.
