Фото: предоставлено пресс-службой ВТБ.
Компании, которые внедряют проекты, связанные с искусственным интеллектом, обычно сталкиваются с пятью барьерами. Эти ограничения мешают ИИ-проектам переходить из стадии пилота в стадию промышленной эксплуатации. Об этом на конференции Data Fusion* рассказал эксперт, заместитель руководителя технологического блока ВТБ Сергей Безбогов.
Несмотря на высокий интерес к технологиям искусственного интеллекта, в том числе большим языковым моделям, лишь ограниченное число проектов достигает стадии промышленного внедрения. Ситуация с полномасштабным запуском ИИ-проектов после пилота характерна как для российского, так и для международного рынка. Барьерами являются следующие причины:
Первая причина — экономическая. ИИ и генеративные модели требуют значительных вычислительных мощностей, поэтому даже пилоты могут требовать высоких начальных затрат. Это отсеивает дорогие решения, эффект по которым сложно оценить без пилотирования.
Также имеет значение высокая стоимость инфраструктуры. Разработка и масштабирование нейросетевых решений требует значительных вычислительных ресурсов и специализированных ИТ-кластеров. В ряде случаев даже использование высокоэффективных моделей оказывается экономически нецелесообразным из-за стоимости необходимого для нее «железа».
Нужно учитывать и фактор галлюцинаций. Модели с генеративным ИИ, который самостоятельно создает контент, могут выдавать вымышленные факты, несуществующие ссылки или некорректные ответы, то есть «галлюционировать». Такие ошибки создают финансовые и репутационные риски для бизнеса.
Четвертая причина — дефицит качественных данных. На рынке наблюдается нехватка качественных данных для обучения ИИ-моделей. Создание качественных выборок требует дорогостоящей фильтрации и экспертной проверки данных на достоверность.
Пятая причина — нехватка кадров с новыми компетенциями. Для промышленной эксплуатации нужны не просто разработчики, а появление в штате полутехнологических команд — специалистов по разметке данных и промпт-инженеров, способных правильно формулировать задачи для нейросетей. Также важна осознанность пользователей при взаимодействовии с нейросетью — от них требуется по возможности более четко формулировать вопрос и критически относиться к ответу, не перекладывая ответственность за финальное решение на ИИ.
* Дата Фьюжн