Что сдерживает внедрение генеративного искусственного интеллекта в бизнес-процессы российских компаний

Стоп-факторы мнимые и реальные

Генеративный ИИ, обученный создавать контент, в нашей стране активно развивается. Пользователи отмечают, насколько быстро шагнули вперед отечественные модели от Сбер и Яндекс, недавно свою нейросеть представил Т-банк. Да, есть американский OpenAI, модель которого показывает выдающиеся результаты, но в реалиях российского рынка ChatGPT нашему бизнесу не сильно интересен.

Есть стоп-факторы для внедрения ПО на базе генеративного искусственного интеллекта. Первый — не всегда понятно, на каких задачах его применить с максимальной эффективностью. Второй — понятно, где применять, но сложно купить нужную видеокарту, чтобы разместить интеллект на своём оборудовании в закрытом контуре.

Илья Петухов

руководитель проектов по развитию AI-продуктов компании Directum

Я вижу два способа решить проблемы: первый — популяризация ИИ в бизнес-среде. Надо как можно больше говорить о том, что может делать генеративный ИИ, и показывать это на примерах. Второй — искать способы купить графический ускоритель в условиях санкционных ограничений. Они существуют. Или все-таки присмотреться к облачным моделям.

А проблем именно с корпоративном ПО на базе генеративного интеллекта — уже точно нет. Например, нашу систему Directum RX Intelligence внедряет несколько крупных предприятий. Мы предлагаем заказчикам как использование обученной локальной модели, так и любой облачной. В обоих случаях решение доказало свою эффективность при работе с рутинными, сложными, трудоёмкими бизнес-задачами.

Отдельный ИИ-сервис или встроенный в систему

Самый простой способ начать использовать генеративный искусственный интеллект — настроить интеграцию с подходящим ИИ-сервисом и закрыть стоящую перед бизнесом задачу. Вариант с внедрением ПО, «под капотом» которого уже находится генеративная модель, сложнее, но перспективнее.

— Разработчики ИИ-сервиса и того продукта, который вы когда-то усилили интеллектом, развиваются в разных направлениях и с разной скоростью, — продолжает Илья Петухов. — Возникает всё больше сложностей с поддержкой, адаптацией и соответствием разных версий. Также компания-разработчик умного сервиса может просто взять и уйти с рынка. Это мы еще не берем во внимание кадровый дефицит, когда несколько систем требуют, чтобы их обслуживали множество специалистов. Или один, но с широким набором компетенций.

По словам эксперта, встроенный в систему ИИ — это игра вдолгую, так как развитие продукта напрямую связано с развитием умного сервиса внутри. Один разработчик, одна поддержка, нет зоопарка систем. К тому же, в этом случае ИИ пронизывает множество процессов, а не ускоряет один-единственный.

Можете ли вы поделиться опытом внедрения генеративного искусственного интеллекта в бизнес-процессы вашей компании?