Эксперты поделились опытом внедрения ИИ в государстве и бизнесе — РБК Отрасли

Фото: пресс-служба

На конференции «Цифровая индустрия промышленной России» (ЦИПР) прошла сессия «Демократизация генеративного ИИ для государства и бизнеса», участники которой обсудили кейсы внедрения и возможности, появившиеся у компаний с внедрением технологий генеративного искусственного интеллекта.

По словам модератора встречи директора по реализации и популяризации AI-инициатив «Сбера» Владимира Авербаха, на данный момент лишь около 30% крупных компаний заявляют, что переходят от этапа экспериментирования с большими языковыми моделями к их внедрению. Эксперты сессии поделились своим опытом применения ИИ и рассказали, в чем кроются сдерживающие факторы и как ускорить переход к ИИ-агентам благодаря облаку.

Заместитель руководителя Федерального казначейства Александр Албычев рассказал о том, как ИИ помогает федеральным и региональным проектным офисам находить связи между различными показателями национальных целей и реализуемыми мероприятиями нацпроектов и госпрограмм. «Раньше у нас не было общего взгляда на всю картину, в основном отраслевые показатели были привязаны только к отраслевым мероприятиям, — пояснил он. — Мы дообучили нашу модель корпусом текстов по всем отраслям нацпроектов и госпрограмм, и она с высокой полнотой и точностью начала строить перекрестные межотраслевые связи». Например, показатель увеличения доли использования российского ПО достигается не только за счет мероприятий нацпроекта «Экономика данных и цифровая трансформация государства», но и в рамках других нацпроектов и госпрограмм.

По словам Албычева, чтобы реализовать эту задачу человеческими ресурсами, потребовалось бы минимум 38 экспертов из 19 предметных областей, которым пришлось бы проанализировать свыше 2 млн потенциальных связей. Это потребовало бы более четырех лет. Разработанная в Казначействе модель ИИ перебирает тысячу связей за минуту, то есть тратит на полный логический анализ экспертного уровня всех взаимосвязей показателей и мероприятий около 2 тыс. минут, или 33 часа. Казначейство России ежегодно обучает более 500 сотрудников ведомства. «Это способствует повышению уровня зрелости наших функциональных заказчиков, которые после обучения могут ставить задачи для создания новых сервисов с использованием ИИ», — отметил Александр Албычев.

По мнению заместителя гендиректора НИИАС (РЖД) Павла Попова, у железной дороги — огромный потенциал применения генеративных моделей искусственного интеллекта. Но в любом случае нейросети нужно дообучать, используя собственную базу данных. И тут возникает проблема, поскольку специфических данных подчас просто нет — их нужно собирать. «Там, где есть диагностические функции, можно использовать большие языковые модели. А там, где есть специфика безопасности, мы стараемся применять свои данные и дополнительные функции для проверки», — уточнил спикер. Он также добавил, что критически важно проверять данные, на которых обучалась система: это краеугольный вопрос безопасности.

Начальник инновационного центра «Безопасный транспорт» Центра организации дорожного движения Александр Афанасьев поделился, что сегодня без использования искусственного интеллекта работа с большими массивами данных уже невозможна: «Мы придерживаемся традиционных моделей, традиционного ИИ и машинного обучения, потому что делаем прогнозирование по накопленной дате». Однако генеративные модели в ЦОДД тоже используют, по крайней мере в двух направлениях. Первое — интерпретация новостей о происшествиях в городе для более быстрого реагирования, а второе — помощь разработчикам в написании кода.

«Очевидно, что тренд на использование генеративного искусственного интеллекта — уже не дань моде, а необходимость, которая меняет индустрию и систему занятости населения», — заявил заместитель председателя правления Т-банка Вячеслав Цыганов. И рассказал о нестандартном опыте применения возможностей искусственного интеллекта: «Два года назад мы, как и многие крупные компании, столкнулись с дилеммой: инвестировать в большие языковые модели или нет. Мы поняли, что использование на тот момент больших языковых моделей или их дообучение — это очень дорого и не всегда эффективно для наших задач. Поэтому мы выбрали другой путь: маленькие специализированные модели, которые адаптированы под решение конкретных задач. Благодаря такому подходу на выходе мы получили лучшие и более точные решения, а также значительную экономию за счет использования более компактных моделей». Именно на таких специализированных языковых моделях в Т-банке создали Вселенную ассистентов — ИИ-помощников в разных сферах жизни: от путешествий и шопинга до образования и инвестирования.

Генеральный директор «АФЛТ-системс» Денис Попов назвал два основных направления использования ИИ в компании. Первое — работа с клиентами. «С точки зрения клиентского сервиса это, наверное, сейчас ключевой кейс, который дает отличные результаты, снимает нагрузку с контактных центров, и клиент может самостоятельно быстро получить ответ. Причем мы видим, что многим клиентам нравится общаться скорее с чат-ботом, чем с живым человеком», — отметил спикер. Второе направление — упрощение операционных действий сотрудников, то есть различного рода подсказки для бэк-офиса. «Аэрофлот» сейчас находится в процессе разработки большой системы, которая будет помогать юристам, специалистам по внутреннему документообороту и другим работникам.

Директор по развитию бизнеса провайдера облачных технологий Cloud.ru Михаил Лобоцкий сообщил, что компания внедряет ИИ в самые разные сервисы, в том числе в сфере клиентской поддержки. «Наши пользователи в большинстве своем — квалифицированные инженеры и архитекторы, и вопросы они задают нетривиальные, — отметил спикер. — Сейчас это 10% всех вопросов, поступающих в службу поддержки клиентов нашего публичного облака. А до конца года мы планируем довести эту цифру до 70% ответов на вопросы клиентов публичного облака на первой линии поддержки». По словам представителя Cloud.ru, цифра замеров качества ответов, которые дает ИИ, сегодня приближается к уровню, который показывают реальные люди: по пятибалльной шкале у инженеров — 4,76, а у искусственного интеллекта — 4,73. «Но ответы в поддержке — только начало пути, — заявил Лобоцкий. — Дальше будет действие: уже сейчас простые операции у нас совершает ИИ, а не просто дает ответ или инструкцию».

Эксперт также подчеркнул, что компания развивает платформу для создания AI-агентов в облаке. Этот набор готовых инструментов и сервисов работы с AI решает сразу две важные задачи — дорогостоящих ресурсов и высококлассных специалистов. В этом случае любой ресурс используется в режиме «плати только за то, что используешь». Благодаря удобному набору технологий и встроенных ассистентов применять сервисы смогут не только профессиональные разработчики, но и пользователи без специальных навыков. Необходимая инфраструктура и инструменты уже собраны в одном месте — это упрощает доступ к ним и ускоряет разработку AI-приложений. По его словам, если посмотреть на мировой тренд, то многие компании идут в гибридную инфраструктуру, позволяющую применять ту или иную модель в контуре компании и бесшовно связывать ее с облаком. «Я думаю, за этим будущее и этот тренд будет нарастать», — добавил Михаил Лобоцкий.

В конце встречи ее участники отметили, что использование AI-агентов будет расширяться, а одним из наиболее быстрых сценариев перехода к их применению будет гибридное облако. Оно позволяет безопасно масштабировать AI, сочетая локальную IT-инфраструктуру и облачные ресурсы. Такие решения необходимы бизнесу и госорганизациям, где нужен высокий уровень защищенности данных, когда конфиденциальные вычисления производятся в периметре компании, а в публичном облаке могут разворачиваться среды для разработки и тестирования. Безусловно, потребность в таких сервисах есть, но на данный момент существует ряд вопросов, требующих регулирования. В частности, пока отсутствуют необходимая инфраструктура и инженерный слой: первые протоколы только начали появляться. Участники также отметили, что имеющийся на данный момент уровень погрешности работы AI-агентов 1–2% в некоторых отраслях может быть критическим. Но так или иначе эти вопросы со временем будут решены, и эксперты сошлись во мнении, что за массовым внедрением автономных агентов — будущее.