Самое важное с вебинара
В августе бизнес не отдыхает, а готовится к новому сложному сезону и ищет варианты повышения рентабельности. Одним из рычагов становятся ИИ-инструменты, но они не всегда приносят ожидаемые результаты, даже если используются современные модели. Почему так происходит? Мы разобрали эту тему 12 августа на вебинаре, который компания Conteq провела совместно с «Денвик Аналитика». Короткий совет: нужно инвестировать в данные, а не в токены
Про стратегию
Вебинар открыл Алексей Семидетнов, генеральный директор Conteq. Он отметил, что уже 71% крупных компаний уже используют генеративный ИИ хотя бы в одной функции бизнеса, а 59% всех организаций на российском рынке изучают возможности внедрения ИИ-агентов. Большие цифры не должны вводить в заблуждение. Скорее всего в большинстве случаев речь не идет о замещении функций и ролей, а лишь о помощниках в отдельных задачах. ИИ помогает ускорять отдельные операции, но контроль остается за человеком.
Сейчас внедрения проходят не небольших объемах данных без масштабной интеграции систем и это замедляет развитие корпоративного ИИ. Сложно получить результат без единой среды, но 70% компаний ее не имеют, а 60% руководителей не могут внедрить ИИ из-за разрозненности ИТ-систем.
Только четверть российских компаний, закладывающих в бюджет траты на внедрение ИИ, разработали стратегию его внедрения. Такая стратегия принесет результат только в том случае, если в ней есть пункт про создание единого пространства данных из различных источников. Без корпоративной платформы невозможно внедрении ИИ в ключевые процессы компании.
Сейчас внедрения проходят не небольших объемах данных без масштабной интеграции систем и это замедляет развитие корпоративного ИИ. Сложно получить результат без единой среды, но 70% компаний ее не имеют, а 60% руководителей не могут внедрить ИИ из-за разрозненности ИТ-систем.
Только четверть российских компаний, закладывающих в бюджет траты на внедрение ИИ, разработали стратегию его внедрения. Такая стратегия принесет результат только в том случае, если в ней есть пункт про создание единого пространства данных из различных источников. Без корпоративной платформы невозможно внедрении ИИ в ключевые процессы компании.
Про извлечение данных
Работа с данными – это конвейер и одним из механизмов на раннем этапе становится инструмент для извлечения данных. Этому был посвящен второй доклад вебинара. Степан Пыстин, технический директор компании «Денвик Аналитика», рассказал, как автоматизировать получение актуальных данных из 1С без постоянных ручных выгрузок. Доклад завершился демонстрацией расширения «Экстрактор 1С» и работы в разных режимах
Про вопросы
Во время выступления и в финальной сессии поступало множество вопросов.
Общее. Часто пользователям нужен совет по выбору оптимальной модели, инструмента для работы с каталогом, набора метрик и т.п. Здесь актуален общий ответ: универсального решения или рекомендации нет, нужно исходить из запроса бизнеса в каждом конкретном случае. Минимального пилота не существует, им может быть все что угодно. Например, это может быть анализ одного документа и создание задач на основании того, что есть в этом документе.
Чек-лист внедрения ИИ. Что делать, если пока нет ресурсов на внедрение комплексной системы, можно ли идти последовательно.
По нашему опыту есть четыре условия, свидетельствующие об успешности внедрения: интеграция ключевых систем, модель распределения уровней доступа персонала, модель окупаемости внедрения, наличие специалистов по ИИ-инструментам. Без этого, риск провала проекта приближается к 80%. Но это про результаты, а в том, что касается процесса Алексей даже рекомендовал подходить итерационно от подтверждения концепта до полного оснащения.
GPU. В контексте роста мировых цен на железо встал вопрос, нужен ли для собственной модели GPU. По нашему мнению, не всегда. GPU безусловно ускоряет вычисления, но можно обойтись и без него.
Свобода действий ИИ. Вопрос о том, что можно разрешать ИИ, звучал в разных аспектах: делать действия, получать данные, переписывать данные. Общий ответ – все настраивается. С уточнением, что ИИ ничего не делает сам, он лишь одно из звеньев в выстроенной цепи. Например, если по результатам работы с данными, нужно переписать какие-то значения, агент лишь готовит информацию определённой структуры и уже другой инструмент загружает их в систему. Если нужно предоставить на внешнюю обработку информацию из закрытого корпоративного контура, возможны несколько подходов, например, обезличивать данные и именно их отдавать во внешнюю модель. Все дело в проектировании модели и налаживания взаимодействия.
В итоге при внедрении корпоративного ИИ само подключение модели является одним из немногих шагов. Большую часть проекта занимает работа с данными. Именно поэтому красной нитью на протяжении всего вебинара звучала мысль о необходимости построения единого пространства данных, но был и затронуты и сопутствующие темы. Посмотреть запись вы можете в канале компании Conteq.
Чек-лист внедрения ИИ. Что делать, если пока нет ресурсов на внедрение комплексной системы, можно ли идти последовательно.
По нашему опыту есть четыре условия, свидетельствующие об успешности внедрения: интеграция ключевых систем, модель распределения уровней доступа персонала, модель окупаемости внедрения, наличие специалистов по ИИ-инструментам. Без этого, риск провала проекта приближается к 80%. Но это про результаты, а в том, что касается процесса Алексей даже рекомендовал подходить итерационно от подтверждения концепта до полного оснащения.
GPU. В контексте роста мировых цен на железо встал вопрос, нужен ли для собственной модели GPU. По нашему мнению, не всегда. GPU безусловно ускоряет вычисления, но можно обойтись и без него.
Свобода действий ИИ. Вопрос о том, что можно разрешать ИИ, звучал в разных аспектах: делать действия, получать данные, переписывать данные. Общий ответ – все настраивается. С уточнением, что ИИ ничего не делает сам, он лишь одно из звеньев в выстроенной цепи. Например, если по результатам работы с данными, нужно переписать какие-то значения, агент лишь готовит информацию определённой структуры и уже другой инструмент загружает их в систему. Если нужно предоставить на внешнюю обработку информацию из закрытого корпоративного контура, возможны несколько подходов, например, обезличивать данные и именно их отдавать во внешнюю модель. Все дело в проектировании модели и налаживания взаимодействия.
В итоге при внедрении корпоративного ИИ само подключение модели является одним из немногих шагов. Большую часть проекта занимает работа с данными. Именно поэтому красной нитью на протяжении всего вебинара звучала мысль о необходимости построения единого пространства данных, но был и затронуты и сопутствующие темы. Посмотреть запись вы можете в канале компании Conteq.
