Искусственный интеллект на службе у бизнеса
Илья Тихонов
Илья Тихонов
владелец продукта Polymatica ML
Рассмотрим мнения экспертов о том, какие области ИИ приносят наибольшую прибыль и экономию российским компаниям, а также какие методы и алгоритмы машинного обучения считаются самыми перспективными.
На фоне стремительного развития технологий искусственный интеллект (ИИ) становится неотъемлемой частью бизнес-ландшафта. Российские компании активно внедряют ИИ-решения для повышения своей эффективности и конкурентоспособности. Бизнес может использовать ИИ в различных аспектах своей деятельности для повышения эффективности, снижения затрат и улучшения качества услуг. ИИ-решения уже хорошо зарекомендовали себя не только в таких сферах, как автоматизация рутинных задач (сортировка документов, чат-боты), анализ данных и принятие решений (предиктивная аналитика, обработка и анализ больших данных), реклама и маркетинг (персонализация предложений для клиентов и целевая рекламная кампания), но и во многих других областях. Одним словом, технологии и решения на базе ИИ предоставляют человеку инструменты автоматизации, которые сложно было даже вообразить еще 5–10 лет назад
Окупаемость затрат на ИИ
Бизнес привык и любит считать деньги. Поэтому вопрос об окупаемости инвестиций в ИИ-решения отнюдь не праздный. Илья Тихонов (SL Soft) отмечает, что расчет затрат на разработку и внедрение систем ИИ зависит от сферы применения. Он подчеркивает, что для классических моделей экономика включает расходы на сбор и хранение данных, обучение моделей, их внедрение в производство и систему интеграции, а также зарплаты специалистов, таких как дата-сайентисты, дата-инженеры и MLOps-инженеры. Эти этапы, по его словам, более-менее понятны и автоматизированы. Однако если речь идет о разработке кастомной рекомендательной системы, процесс будет длительным, требующим большего количества специалистов для написания кода и проверки ошибок. В таких системах, по словам эксперта, нужен специалист, работающий с производством в реальном времени. В случае NLP нужен специалист, который занимается ускорением моделей для их более быстрого разворачивания и квантизации.
Для того чтобы работать с крупными моделями, нужно больше видеопамяти. Реальные проблемы возникают, когда модели весят сотни гигабайтов, тогда для их запуска нужны гигантские кластеры — автоматика не будет справляться. В нашей стране и в мире в целом есть единицы компаний, которые могут позволить себе тренировать такие огромные модели.
Полный материал доступен по ссылке.
по любому вопросу
