Проблема «последней мили» в сфере ИИ: как совместить возможности модели и экономическую устойчивость при несовершенстве данных.

Джо РоузПрезидент компании, предоставляющей стратегические технологические решения. JBS DevНаша миссия — развенчать один из самых распространенных мифов, окружающих внедрение генеративного и агентного искусственного интеллекта в корпоративной среде.

«Распространено заблуждение, что ваши данные должны быть идеальными, прежде чем вы начнете выполнять какие-либо из этих видов работ».

— Джо Роуз, президент JBS Dev

Как было отмечено в недавняя статья в AI FieldbookПоставщики и консультанты часто утверждают, что организациям необходимы огромные хранилища данных и многолетние программы преобразования данных, прежде чем они смогут начать использовать ИИ — этот тезис многих руководителей ошеломляет. Но реальность, по словам Роуз, говорит об обратном.

💡 «Инструментарий для работы с данными низкого качества сейчас лучше, чем когда-либо». — говорит Роуз. «Удивительно, как много может понять магистр права, отвечая на наполовину написанный вопрос».

Присущая моделям ИИ непредсказуемость требует осторожного подхода — особенно когда речь идёт о некачественных результатах. Именно здесь и возникает проблема. человек в цикле Модель становится крайне важной. Роуз отмечает, что для текстовых или категориальных данных уже заложена естественная устойчивость, но организациям необходимо отказаться от подхода «настроил и забыл».

«Люди привыкли к принципу: „мы это создали, это работает, и мы об этом забыли“. Но так эти системы не работают».

— Джо Роуз, JBS Dev

🏥 Реальный пример: сверка медицинских счетов

Чтобы проиллюстрировать возможности ИИ на примере неполных данных, Роуз приводит в пример клиента из... медицинский сектор Необходимо было перейти на новую систему сверки счетов. Записи представляли собой хаотичную мешанину:

• Некоторые записи находились в формат PDFдругие были файлы изображений
• Подробности процедуры иногда хранились в архиве. имя врача
• Имена врачей появились в поля имени пациента
• Данные по всей системе были непоследовательными.

Несмотря на это, генеративный ИИ смог определить объем и очистить данные, используя простую подсказку — за счет... Оптическое распознавание текста для изображений и Извлечение текста из PDF-файловЗатем были применены более агентные подходы, такие как сравнение данных о клиентах со страховыми договорами для проверки точности выставления счетов.

📈 Модель поэтапной автоматизации

«Вы начинаете накладывать различные сценарии использования друг на друга. Мы начали с 20% автоматизации, затем перешли к 40%, потом к 60, 80% — и постепенно увеличивали этот показатель».

— Джо Роуз, JBS Dev

Роуз подчеркивает, что речь не идет о достижении совершенства за одну ночь. поэтапный, инкрементальный подход — с человеческим контролем на каждом этапе — это реалистично и эффективно. Цель — постепенная автоматизация, а не разовая трансформация.

🔗 Будущее ИИ: стоимость, мобильность и устойчивость

Заглядывая в будущее, Роуз считает, что следующий крупный сдвиг в дискуссии об ИИ сместится от прорывов в возможностях моделей к сосредоточению внимания на устойчивость затрат и портативность.

«Как нам сделать затраты более устойчивыми, чтобы нам не приходилось строить центры обработки данных такими темпами, какими мы их строим сейчас?»

— Джо Роуз, JBS Dev

📱 The испытание «последней мили»Как описывает это Роуз, проблема заключается в том, чтобы заставить эти модели работать на ноутбук или смартфон вместо того, чтобы требовать крупномасштабной инфраструктуры центров обработки данных. Он также оспаривает предположение о том, что новые обучающие данные станут движущей силой следующего крупного прорыва в области ИИ, утверждая, что модели уже были обучены на огромном массиве существующей информации.

💬 Прекратите покупать решения у поставщиков SaaS — создайте их сами!

В Выставка искусственного интеллекта и больших данныхВ проекте, в котором JBS Dev принимает активное участие, Роуз готовится поделиться тем, что он называет более спорное мнение: организации должны прекратите закупать программное обеспечение у поставщиков SaaS. когда у них есть возможность самостоятельно создавать решения.

«Это не так сложно, как кажется. Практически у всех есть какое-то облачное присутствие — и я бы начал именно с него. Облачные инструменты, особенно у трёх крупнейших компаний, содержат всё необходимое для начала внедрения агентских рабочих нагрузок уже завтра, без новых лицензий на программное обеспечение и нового обучения».

— Джо Роуз, JBS Dev

✅ Послание ясно: организациям не нужны идеальные данные, огромные бюджеты или длительные контракты с поставщиками, чтобы начать использовать ИИ. Необходимые инструменты уже есть. Облачные технологии уже существуют. Действовать нужно прямо сейчас.