ИТ как эффективный бизнес-инструмент, актуальные технологии и перспективы развития

В первую очередь, необходимо применять жесткость в принятии решений. ИИ — штука достаточно дорогая с точки зрения структуры, стоимости специалистов, поэтому скорость проверки гипотез должна быть максимальной и принятие решений о том, что мы закрываем проект, если он не показывает эффекта, должно быть молниеносным. Нельзя вкладывать деньги в проект, потому что жалко потраченных ресурсов. Если не работает, значит, закрываем. Второе — это построение платформенных решений, которые позволят переиспользовать наработки и технологии. Необходимо перестать шить лоскутные одеяла, которые постоянно разрываются. Такие решения сложно мониторить, дорого обслуживать. Если вы хотите быть успешными, вы должны внедрять платформенные решения по ИИ.

Есть несколько ключевых трендов, которые нужно обязательно не потерять. Во-первых, переход от ассистента к агентным системам, которые позволяют существенно нарастить скорость принятия решений, высвободить ресурс дорогостоящего персонала на другие, более сложные архитектурные задачи. Во-вторых, вопрос управления данными, который был актуален еще 10 лет назад, сегодня становиться более острым и серьезным. Если мы скармливаем нейросетям мусор, то золото получить уже не получится. Управление данными — это один из ключевых факторов для того, чтобы быть успешными. В-третьих, построение доверенных программно-аппаратных комплексов по управлению ИИ или «фабрики искусственного интеллекта». Это позволяет нам строить безопасные, управляемые с точки зрения бюджетов системы. 

Первое, что хотелось бы обозначить, это физический ИИ. Все привыкли, что ИИ — это какая-то нейросетка, а на самом деле, мы это видим уже сейчас, ИИ выходит на дороги, на склады, появляются умные города. Это сила физического ИИ, которая будет всё больше и больше заполнять наше пространство, например управление энергосетями без присутствия человека. Второе — это малоязыковые модели. Все привыкли, что чат GPT — это здорово, но это дорого и это очень общие модели. Побеждать будут специалисты, которые будут настраивать сетки на определенный фокус: медицину, физику и т. д. Такие узконаправленные сети намного дешевле в обслуживании, намного точнее работают, а самое главное — их можно развернуть на более дешевых серверах. Третье — это гибридные облака. Закупить тысячи GPU могут себе позволить несколько корпораций в нашей большой стране. Мы все должны постепенно переходить на облачные ресурсы, и здесь можно увидеть огромный потенциал использования нейросетевых технологий, больших языковых моделей и развития ИИ. Большие облачные пространства — это не просто огромные хранилища данных, а, по сути, мы через облачные сервисы покупаем ресурсы суперкомпьютеров.