МашТех

IT и технологии · 28 сентября 2026 г.

Открыть канал в MAX

«Если задачу лучше решить без ИИ — это тоже правильный результат»: ЛАНИТ о том, когда н...

«Если задачу лучше решить без ИИ — это тоже правильный результат»: ЛАНИТ о том, когда нейросеть не нужна ▪️ После запуска ИИ-инициатив бизнес всё чаще оценивает не только сам факт внедрения, но и полный жизненный цикл таких проектов. И первое решение принимается ещё до выбора архитектуры: нейросеть, классический ML или гибрид. Как рассказал «РГ» главный конструктор программно-аппаратных комплексов ЛАНИТ-ТЕРКОМ Михаил Смирнов, начинать необходимо с конкретной бизнес-задачи. Начинать нужно не с желания внедрить ИИ, а с конкретной бизнес-задачи. Если выяснится, что её эффективнее решить без искусственного интеллекта, это тоже правильный результат. Простые аналитические алгоритмы более предсказуемы, контролируемы и, как правило, дешевле. ИИ оправдан там, где данные разнородны, важен контекст, нужно объединять несколько источников. Если задача - просто следить за фиксированным датчиком, автоматизация может быть проще и эффективнее. ИИ и непредсказуемость. ▪️ Владислав Балаев, руководитель практики анализа данных Центра компетенций больших данных и ИИ ЛАНИТ, рассказал о разнице между демонстрацией технологии и её постоянным использованием. В классической ИТ-разработке путь более предсказуем. В ИИ результат вероятностный, а данные и условия меняются. В обычном ИТ-проекте хотя бы примерно видна дорога в самом начале. В случае с искусственным интеллектом она не видна: результат работы модели вероятностный, и с этим нужно учиться жить. Сначала надо проверить, решает ли ИИ поставленную функциональную задачу с учётом ограничений по бюджету, информационной безопасности и другим требованиям, и достаточно ли качества этого решения для достижения экономического эффекта. Затем наступает пилот, решение встречается с пользователями и процессами. И, по словам Балаева, между демо и промышленной эксплуатацией большой разрыв. Есть большой разрыв между демо и промышленной эксплуатацией. Следующим должен идти пилот, чтобы продвинуться от того, что мы просто сделали какую-то поделку, до решения, которым действительно могут пользоваться сотрудники крупной организации. А промышленная эксплуатация - это уже внедрение непосредственно в работу людей и операционную деятельность компании. В эксплуатации выявляются скрытые ограничения модели, меняются условия, появляются данные для улучшения. Меняются форматы документов, сырьё, внешний вид продукции, скорость конвейера, освещение. По словам Смирнова, система на основе ИИ живая. Система на основе искусственного интеллекта живая, она требует поддержки и сопровождения. Вы обучали модель на данных определённого качества, которое изменилось, - качество модели тоже начинает меняться. Поэтому основной принцип здесь - постоянный мониторинг метрик. Успешное внедрение ИИ начинается не с самой мощной модели, а с правильно поставленной задачи. Далее - измеримые критерии, пилот, инфраструктура для промышленной эксплуатации и постоянный мониторинг после запуска. И именно так ИИ перестаёт быть просто набором разрозненных экспериментов. Подписывайтесь на МашТех