Axenix: ИТ, стратегии и консалтинг

Алексей Сергеев, руководитель практики «Машинное обучение» AXENIX, прокомментировал для «Независимой Газеты», с какими трудностями сталкиваются российские компании при внедрении решений с использованием ИИ.

Российский бизнес делает первые шаги в использовании ИИ, но большинство компаний применяют технологии точечно или экспериментально.

Ключевые барьеры:

🔸 Высокие затраты — 64% компаний упоминают их как главную проблему
🔸 Дефицит кадров и навыков работы с ИИ у персонала
🔸 Недостаток качественных данных для обучения моделей

Эксперты называют данные «цифровым золотом» — ценным и исчерпаемым ресурсом. Нехватка надежных и полноценных массивов информации для обучения угрожает развитию технологий.

Некоторые компании уже рассматривают переход на синтетические данные, но это может вызвать накопление ошибок и даже «вырождение» ИИ.

Возможное решение — систематизация процессов и создание доступных инструментов для массового внедрения ИИ. Основной успех зависит от качества данных и их грамотной подготовки под контролем специалистов.

ИИ — дорогое удовольствие, но точечное применение для ключевых бизнес-задач (например, прогнозирования рисков) может оправдать вложения.

Подробнее читайте в статье по ссылке >

#AXai

www.tgoop.com/Axenix_Ru/1502

2.3K viewsDec 12, 2024 at 16:19

Алексей Сергеев, руководитель практики «Машинное обучение» AXENIX, прокомментировал для «Независимой Газеты», с какими трудностями сталкиваются российские компании при внедрении решений с использованием ИИ.

Российский бизнес делает первые шаги в использовании ИИ, но большинство компаний применяют технологии точечно или экспериментально.

Ключевые барьеры:

🔸 Высокие затраты — 64% компаний упоминают их как главную проблему
🔸 Дефицит кадров и навыков работы с ИИ у персонала
🔸 Недостаток качественных данных для обучения моделей

Эксперты называют данные «цифровым золотом» — ценным и исчерпаемым ресурсом. Нехватка надежных и полноценных массивов информации для обучения угрожает развитию технологий.

Некоторые компании уже рассматривают переход на синтетические данные, но это может вызвать накопление ошибок и даже «вырождение» ИИ.

Возможное решение — систематизация процессов и создание доступных инструментов для массового внедрения ИИ. Основной успех зависит от качества данных и их грамотной подготовки под контролем специалистов.

ИИ — дорогое удовольствие, но точечное применение для ключевых бизнес-задач (например, прогнозирования рисков) может оправдать вложения.

Подробнее читайте в статье по ссылке >

#AXai

BY Axenix: ИТ, стратегии и консалтинг