Обзор трендов ИИ по следам конференции «На шаг впереди»

Валерий Лобанов – руководитель ИИ-разработок в Spacecode.

Активное развитие технологий AI интересует не только с точки зрения возможностей, но и в контексте внедрения в свои продукты. Именно об этом была прошедшая в начале октября конференция «На шаг впереди», организованная Global CIO. Она собрала крупнейших представителей рынка промышленности, которые поделились своими достижениями, мыслями и предположениями о современных трендах в ИИ, Big Data и RPA.

Команда Spacecode побывала на конференции и поделилась своими впечатлениями.

Главные цифры

  • более 30 участников: Газпромтранс, Росэнергоатом, X5, Ростелеком, Билайн

  • 11 спикеров: CIO и советники директоров, менеджеры цифровизации, эксперты в области AI

  • 6 часов новой информации: о новых технологиях и их внедрении

  • 3 трека: AI, Big Data и RPA

  • 2 сессии нетворкинга: где можно найти партнеров для решения новых задач

  • панельная дискуссия: о потенциалах AI, оценки новых технологий и рисках

Тренды конференции

Наиболее популярной темой докладов стали большие лингвистические модели (LLM). О возможностях ИИ и LLM, а также решаемых с их помощью задачах рассказал Андрей Комиссаров.

Нейросетевые модели уже активно применяют в сфере образования, оценке качества прохождения образовательных курсов и оценке потенциальных трендов для предпринимателей. Большие языковые модели применяются на уровне помощников и помогают составлять тексты, редактировать материалы, а также писать бюрократические отчеты. Но такие модели несут в себе и скрытые угрозы.

Основная опасность: Отключение критического мышления пользователя в процессе работы с ботом.

Текущая версия Chat GPT в своих ответах имеет фактологические ошибки, ее решения непрозрачны и отсутствует проверка «плохих вопросов».

Андрей Комиссаров, руководитель направления «Развитие на основе данных» Университета 20.35.

Продолжая тему LLM, другие спикеры описали более технические детали внедрения таких продуктов, подчеркивая сложности сбора данных и требуемые вычислительные мощности.


Слайд из презентации Андрея Комиссарова

На конференции теме обработки естественного языка (NLP) было уделено больше всего внимания. Это и не удивительно, что еще может связывать такие ИТ-компании, как Ростелеком, Российский Футбольный Союз и СпецЭнергоТранс?

Задачи автоматизации рутинных процессов, снижение нагрузки на сотрудников и минимизация рисков есть в каждом бизнесе. О снижении вычислительной стоимости и эффективности таких решений было рассказано в докладе Илюшина Станислава, представителя компании Ростелеком.

Открытия конференции

Большой интерес вызвал доклад от компании ВсеИнструменты.ру в котором был описан процесс выстраивания ETL процессов в подготовке данных.

Вадим Уланов и Ольга Ортега описали процесс рефакторинга процесса обработки и мониторинга качества данных компании, который в разы снизил количество «падений» ETL обработчика, а также позволил отменить ночные дежурства в отделе качества данных.


Слайд из презентации Вадима Уланова и Ольги Ортега, компания Всеинструменты.ру

Пример такой задачи возникает у большинства компаний, где работа с данными происходит в полуавтоматическом или, того хуже, в ручном режиме. Поэтому грамотный подход к организации процессов обработки, хранения и мониторинга данных так актуален.

Что заинтересовало больше всего

В одном из докладов консалтинговой компании была затронута проблема проведения качественной цифровой трансформации.

Многие компании, принимая решение оптимизации своих процессов, приходят к цифровой трансформации.

Однако они забывают, что главное слово в цифровой трансформации – «трансформация», а зачастую делают лишь цифровизацию.

Алексей Богомолов, Рексофт Консалтинг

Примеры того, как подходить к этому процессу не только с технической точки зрения, но и как к менеджерской задаче вызвали наибольший отклик у аудитории и развили полноценную дискуссию.


Слайд из презентации Алексея Богомолова, Рексофт Консалтинг

Сейчас действительно при оптимизации даже самого малого процесса в работе компании возникает множество трудностей – от процесса разработки до самого внедрения.

С AI проектами еще сложнее – часто их реализуют просто "в вакууме". Такие продукты требуют постоянной поддержки, никак не отслеживается их жизненный цикл, а ценность, которую они приносят компании, четко не определена.

Мы как компания, разрабатывающая ML решения, стремимся применять подходы Reliable ML – ML, который применим в бизнес-процессах компании и приносит измеримый business value. Этим опытом и экспертизой мы будем делиться в наших дальнейших материалах.

2770

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

Предметная область
Отрасль
Управление
Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.