В мире искусственного интеллекта существует негласное правило: без данных нет ИИ, без неструктурированных данных нет развития, а без масштабных неструктурированных данных невозможно достичь прорыва. Однако в погоне за инновациями компании часто забывают о главном — необходимости поэтапного, продуманного подхода к внедрению ИИ-технологий.
Почему важно начинать с малого
На конференции TechCrunch Disrupt 2024 ведущие эксперты отрасли поделились своим видением развития генеративного ИИ. Чет Капур, генеральный директор DataStax, Ванесса Ларко, партнер венчурной фирмы NEA, и Джордж Фрейзер, CEO Fivetran, сошлись во мнении: компаниям следует отказаться от амбициозных планов тотального внедрения ИИ в пользу небольших, но конкретных целей.
Практические рекомендации по внедрению
Эксперты рекомендуют начинать с внутренних проектов, имеющих четкие цели. Важно определить конкретную задачу и найти необходимые для её решения данные, а не наоборот. Попытки использовать все имеющиеся данные компании в связке с языковыми моделями (LLM) могут привести к неточным результатам и необоснованным затратам.
Российский контекст
Для российских компаний этот подход особенно актуален. В условиях ограниченного доступа к некоторым западным технологиям и необходимости соблюдения локального законодательства о защите данных, пошаговое внедрение ИИ-решений позволяет минимизировать риски и оптимизировать расходы. Многие российские предприятия уже успешно реализуют пилотные проекты в области генеративного ИИ, фокусируясь на конкретных бизнес-процессах.
Справка о компаниях
DataStax — американская компания, специализирующаяся на управлении данными и облачных технологиях. Fivetran — платформа интеграции данных, обслуживающая крупных клиентов, включая OpenAI и Salesforce. NEA (New Enterprise Associates) — одна из крупнейших венчурных фирм в мире с портфелем инвестиций в технологические компании.
Перспективы развития
По мнению Чета Капура, мы находимся в “эре Angry Birds генеративного ИИ” — периоде, когда технология еще не произвела революционных изменений, но уже демонстрирует свой потенциал. 2024 год станет временем экспериментов и отработки механизмов внедрения, а 2025 год может стать переломным моментом, когда генеративный ИИ начнет существенно влиять на траекторию развития компаний.
Заключение
Успех внедрения генеративного ИИ зависит не от количества данных или масштаба проектов, а от правильного подхода к их реализации. Компаниям следует начинать с малого, фокусироваться на конкретных задачах и постепенно наращивать компетенции в области ИИ. Только такой подход позволит избежать ошибок и достичь реальных результатов в долгосрочной перспективе.
