Миф о чистоте данных

Существует распространенное заблуждение, что перед внедрением генеративного или агентного ИИ необходимо привести все данные в идеальный порядок. Консультанты часто предлагают масштабные программы по трансформации данных, которые пугают руководителей своей сложностью и длительностью.

На самом деле современные инструменты позволяют эффективно работать даже с низкокачественными данными. Современные языковые модели (LLM) способны понимать смысл даже в неполных или плохо написанных запросах.

Роль человека в процессе

Несмотря на возможности ИИ, системы остаются непредсказуемыми. Это означает, что они могут выдавать некорректные результаты, поэтому в процессе обязательно должен участвовать человек. Это необходимо для контроля качества на выходе.

В отличие от традиционного ПО, которое работает по принципу «собрали — запустили — забыли», системы на базе ИИ требуют постоянного внимания. Процесс внедрения лучше всего строить поэтапно: начинать с 20% автоматизации и постепенно увеличивать этот показатель до 80% и выше.

Пример из медицинской сферы

В качестве примера можно привести кейс из медицины, где требовалось перенести данные в новую систему сверки счетов. Исходные записи были крайне запутанными: часть данных хранилась в PDF, часть — в виде изображений, а имена врачей и пациентов часто путались местами.

Генеративный ИИ справился с задачей, извлекая текст из изображений и PDF-файлов. Затем были задействованы агентные подходы, которые сравнивали записи клиентов с условиями страховых контрактов, чтобы проверить правильность начислений.

Будущее: стоимость и мобильность

В ближайшем будущем фокус внимания сместится с наращивания возможностей моделей на вопросы стоимости и переносимости. Главным вызовом станет обеспечение экономической эффективности, чтобы компаниям не приходилось строить дата-центры в геометрической прогрессии.

Следующий важный этап — «последняя миля»: переход от запуска моделей в огромных дата-центрах к их работе на обычных ноутбуках или смартфонах. Поскольку модели уже обучены на колоссальных массивах данных из интернета, качественный прорыв вряд ли будет связан с просто увеличением объема обучающей выборки.

Как начать внедрение

Для реализации агентных рабочих процессов не обязательно сразу покупать дорогое стороннее ПО. У большинства компаний уже есть облачные платформы, инструменты которых позволяют начать работу без покупки новых лицензий и дополнительного обучения персонала.

Что это значит

Для бизнеса это означает, что не стоит откладывать внедрение ИИ из-за несовершенства текущих данных. Вместо долгой подготовки данных можно использовать возможности LLM для постепенной автоматизации процессов под контролем человека.