Бизнес может ускорить внедрение ИИ, если будет проверять гипотезы параллельно с подготовкой данных , — заявил руководитель направления «Искусственный интеллект» ИТ-холдинга Т1 Сергей Голицын на форуме «Цифровые решения». Запускать пилотные ИИ-проекты компания может и без большой подготовительной работы, так как данные в корпоративном контуре уже очищены и хорошо структурирована. Но для масштабирования ИИ-решений и обучения моделей качество данных придется дотягивать.
Китайские ИИ-ускорители уже подходят для многих корпоративных задач, но заменить западные решения один к одному пока не могут. Разбираемся, где они действительно выгодны, какие ограничения остаются и почему рынок движется к смешанной модели.
Добавить MCP-коннекторы к числу обязательных критериев включения продукта в реестр отечественного ПО предложил руководитель направления Т1 ИИ ИТ-холдинга Т1 Сергей Голицын на форуме «Цифровые решения».
Компьютерное зрение постепенно перестает быть технологией, которую бизнес внедряет ради самого факта использования ИИ. Компании чаще спрашивают у разработчиков не о том, насколько хорошо модель распознает объект, а о том, насколько решение позволяет сократить затраты. Почему только уровня точности нейросети для этого недостаточно и как считать реальный экономический эффект от внедрения компьютерного зрения, рассказывает Евгений Григорьев, заместитель руководителя направления Т1 ИИ (ИТ-холдинг Т1).
Ранее качество связи оценивали в основном по факту — пользователь столкнулся с проблемой, обратился в поддержку, после чего оператор начинал искать причину. Современные сети постоянно собирают данные о своей работе, а ИИ анализирует их в реальном времени, фиксирует отклонения от нормы и предлагает решение проблемы еще до того, как абонент поймет, что что-то не так. О том, как это работает, рассказывает Дмитрий Горев, руководитель центра разработки алгоритмов машинного обучения направления Т1 ИИ (ИТ-холдинг Т1).