Компании Bercut и TData выяснили, в чем главные проблемы бизнеса при внедрении искусственного интеллекта

Bercut и TData провели мероприятие под эгидой ПАО «Ростелеком» (обе компании входят в коммерческий ИТ-кластер телеком-оператора). Среди приглашенных были руководители по данным и цифровой трансформации, ИТ-директора, архитекторы и руководители направлений искусственного интеллекта. Формат воркшопа — 80% практики и 20% теории — предполагал активную дискуссию вокруг применения ИИ в корпоративной среде. Основная часть мероприятия была посвящена картированию проблем — определению «узких мест» на каждом этапе дата-пайплайна (конвейера данных), — а также поиску вариантов их решения. Работая в группах, участники делились опытом собственных пилотных проектов и рассматривали разные ИИ-стратегии, от подбора внешних платформ до развития экспертизы внутри команды.

Участники воркшопа работали с пятью практическими кейсами: RAG-чат-бот и корпоративный поиск, обработка обращений в контакт-центре, прогнозная аналитика, разработка программного обеспечения и безопасность. Они разобрали типовые проблемы, с которыми сталкивается бизнес: разрозненность данных, сложность их объединения, риски утечек и длительный запуск решений. Далее совместно с экспертами формировались подходы к их решению. Отдельное внимание было уделено тому, как должна выглядеть готовая к использованию ИИ-архитектура. Эксперты Bercut и TData показали, что ключевую роль играет единый слой работы с данными: он позволяет подключать различные источники, контролировать доступ и вместо разработки отдельных решений под каждую задачу использовать одну и ту же основу для разных сценариев. По словам представителей Bercut и TData, такой подход позволяет сократить сроки запуска ИИ-инициатив, повысить их экономическую эффективность и избежать лишних затрат на пилотные проекты. 

Результаты опроса участников воркшопа показали, что 40% аудитории чаще всего сталкиваются с проблемами при внедрении ИИ в процессе обработки данных. В проектах внедрения ИИ в контакт-центрах сложности возникают при выполнении запросов (27% голосов), при интеграции источников (19%) и обработке данных (15%). Реализуя задачи в области предиктивной аналитики, опрошенные больше всего сложностей испытывают с подключением источников (32%).

Алексей Чистяков, технический директор Bercut: «Компании часто начинают внедрение искусственного интеллекта с выбора модели, но на практике ключевая проблема — это данные: их качество, доступность и безопасность. Без этого нейросеть не сможет давать полезный результат. Мы показываем системный подход, при котором ИИ становится частью бизнес-процессов, а не отдельным экспериментом. Это позволяет быстрее получать эффект и масштабировать решения».

По итогам воркшопа участники получили практические рекомендации по запуску ИИ-решений — от выбора приоритетных сценариев до поэтапного внедрения и масштабирования. Такой формат мероприятий позволяет не только обсудить теорию, но и сразу применить подходы к реальным задачам бизнеса.