Data&AI

К 2027 году организации будут использовать ориентированные на узкие предметные области ИИ-модели в три раза чаще, чем большие языковые модели.

Александр Бояркин, руководитель дирекции развития процессов управления данными Альфа-Банка, – о выстраивании процесса управления данными как корпоративным активом на всех этапах жизненного цикла данных.

Андрей Сон, руководитель направления по разработке нейронных сетей Альфа-Банка, – о создании интеллектуального помощника для операторов контакт-центра, который учитывает онлайн-контекст общения с клиентом.

Однако творчески мыслить и генерировать по-настоящему новые идеи существующие ИИ-модели пока не в состоянии.

Андрей Евтихов, лидер продукта SaluteEye компании SberDevices, – о создании платформы управления данными для обучения генеративного ИИ.

Дарья Мерзлякова, ведущий специалист направления продуктов для государственного сектора компании «СберАналитика», — о создании аналитической панели «Мониторинг экономики регионов».

В их основе — конвергенция технологий с открытым исходным кодом, искусственного интеллекта и облачных решений.

Генеративный ИИ и большие модели действия выведут удобство и эффективность клиентской поддержки на новый уровень, прогнозируют аналитики.

Максим Колосков, генеральный директор VS Robotics, – о разработке платформы Elementary для разметки мультимодальных данных с функционалом предразметки и автоматизации разметки.

Александр Левченко, директор департамента ИТ-инфраструктуры и аналитики данных «Газпромбанк Мобайл», – о реализации процессов обогащения данных в аналитических целях с Газпромбанком и достигаемых результатах.

Сергей Кочетков и Юлдуз Фаттахова, исполнительные директора по исследованию данных Сбербанка, – о создании экосистемы генерации и использования синтетических данных SyntData, позволяющей повысить доступность данных для обучения ИИ-моделей.

Хорошо управляемые данные доступны потенциальным потребителям и удовлетворяют их запросам, однако невозможно точно определить потребности пользователей без отделения понятия данных от связанных с ними объектов – данные могут использоваться многократно и в различных контекстах. Все это означает необходимость использования процессного подхода к управлению жизненным циклом данных.

Решения на базе искусственного интеллекта сегодня становятся все более популярны, однако для успешного обучения и инференса моделей может потребоваться и определенная инфраструктура работы с данными, и соответствующие инструменты.

Аналитические инструменты постепенно растворяются в бизнес-приложениях – аналитика не выделяется в отдельный модуль корпоративной инфраструктуры, а благодаря self-service BI становится ее ядром, доступным из любой информационной системы компании. Для бизнес-пользователей самообслуживание становится основой работы с BI-системами, позволяя пользователям таких систем, как «Дельта BI», оперативно получать ответы на основе анализа всех доступных данных.

Генеративные модели ИИ эффективны лишь при условии комплексного подхода к их внедрению – опыт компании «Финам» показывает, что для этого потребуется реинжиниринг бизнес-процессов, обучение сотрудников и тщательный анализ результатов.

Системы управления данными, аналитические системы и средства визуализации стали сегодня неотъемлемой частью цифровых технологий в медицине. Однако наличие промежуточных звеньев в цепочке обработки данных, а также ошибки, допускаемые при представлении результатов медицинских исследований, снижают эффективность применения аналитики.

Для принятия взвешенных решений на основе данных необходимо быть уверенным в их достоверности, однако имеются расхождения в понимании того, что собой представляет эта характеристика данных и как обеспечить их достоверность в современных условиях динамичности ИТ-ландшафтов и оргструктур. Эксперты, опрошенные на конференции «Качество данных — 2025», рассказывают об инструментах, необходимых для обеспечения достоверности данных.

Дмитрий Антипов, руководитель разработки VS Robotics, – о создании автономного исследовательского агента на базе генеративного ИИ.

Евгений Жилов, руководитель департамента аналитики и управления данными «Национальной лотереи», — о создании современного хранилища данных и внедрении практик Data Governance.

Михаил Пекер, директор по управлению данными СберФакторинг, – о разработке платформы управления корпоративными данными, позволившей создать новые возможности для развития бизнеса.