В первую очередь это общение, встречи с партнерами и клиентами. Мы представили нашу обновленную облачную платформу и много других продуктов билайн-бизнеса. Нам была важна экспертная поддержка в рамках этого диалога и, возможно, новые идеи.

У нас начался новый стратегический цикл. В предыдущем мы занимались импортозамещением, сейчас все встало на «операционные рельсы». Следующий вызов для нас — подготовка нашего ландшафта к внедрению технологий ИИ. Для этого нужно адаптировать ландшафт, построить нашу фабрику, это достаточно серьезный фокус. А также развивать облачные технологии для того, чтобы ИИ, который мы внедряем, мог дать большой эффект.

Здесь нет правильного ответа. Мы делаем собственную разработку инструментария, который позволяет достаточно гибко работать с open-sourse-движками, то есть мы адаптируем open-sourse-продукты, чтобы можно было их внедрить достаточно гибко в ландшафте. При этом мы не дорабатываем активно ядро этих продуктов, чтобы можно было их обновлять или менять, если выходят какие-то более новые версии. Балансируя между понятиями open sourse и собственной разработкой, мы находим золотую середину, которая позволяет нам сохранять ту гибкость, за которую мы боремся.

Этот баланс мы не ищем, безопасность для нас — приоритет. За это надо платить, и мы это делаем.

При взаимодействии с клиентом мы используем ботов на основе open-sourse-моделей, которые работают на нашем инференсе, мы не вкладываемся серьезно в дообучение моделей. Мы строим pipeline, что позволяет использовать разные модели, которые более специализированы под необходимые задачи. Кроме взаимодействия с клиентом, у нас есть огромный пласт работы с данными и с синтезом гипотез, которые мы можем вытащить из этих данных в рамках нашего ландшафта. Фокус направлен на то, чтобы мы могли эти данные использовать для улучшения клиентского пути. Если раньше мы строили для всех клиентов более или менее одинаково клиентские пути, то сейчас мы идем к тому, чтобы построить правильный клиентский путь для каждого персонально, и это требует серьезных усилий, инвестиций, чтобы иметь сведения о том, какое восприятие возникает у каждого клиента от взаимодействия с нашим ландшафтом. В этом вопросе технологии ИИ раскрываются достаточно хорошо.

Я бы сказал адаптивность, которая в себя включает скорость для быстрого снятия данных, быстрой обработки. Сейчас технологии ИИ принесли нам очередную задачу. Если раньше мы работали с данными для того, чтобы можно было их просто анализировать и делать какие-то выводы на основе машинных моделей, то сейчас нам еще нужно научиться данные векторизовать для того, чтобы добавлять контекста для больших языковых моделей. Это серьезный вызов для нас. Для этого мы дорабатываем собственную платформу работы с данными.