Другий день AI Expo 2026: Перехід від експериментальних програм до виробництва на базі штучного інтелекту
Нові виклики для впровадження AI та трансформації бізнесу
Другий день спільної виставки AI & Big Data Expo та Digital Transformation Week у Лондоні показав чітку трансформацію на ринку. Захоплення генеративними моделями поступово слабшає, і керівники підприємств стикаються з труднощами впровадження цих інструментів у поточні системи. Фокус зміщується з великих мовних моделей на інфраструктуру, яка їх підтримує: лінійність даних, спостережуваність та відповідність вимогам.
Зрілість даних визначає успіх впровадження
Якість даних є основою надійності AI. DP Indetkar з Northern Trust застерігає, що AI не можна перетворювати на “комічного робота з Б-муві”. Такий сценарій виникає, коли алгоритми зазнають невдач через погану якість вхідних даних. Indetkar зазначає, що зрілість аналітики повинна переважати перед впровадженням AI. Автоматизоване прийняття рішень лише посилює помилки, якщо стратегія даних не перевірена.
Eric Bobek з Just Eat підтримує цю думку, зазначаючи, як дані та машинне навчання скеровують рішення на глобальному рівні організації. Інвестиції в AI можуть бути марними без надійної даної бази.
Mohsen Ghasempour з Kingfisher також підкреслює необхідність перетворення сирих даних на оперативну аналітику. Рітейл та логістичні компанії повинні скоротити затримку між збором даних і генеруванням інсайтів, щоб побачити прибуток.
Масштабування в регульованих середовищах
Фінансовий, медичний та юридичний сектори мають близько нульової толерантності до помилок. Pascal Hetzscholdt з Wiley звертається до цих секторів безпосередньо, зазначаючи, що відповідальні AI-системи в науці, фінансах та праві спираються на точність, атрибуцію та цілісність. Системи в цих полях потребують аудитологів, бо репутаційні втрати чи штрафи регулятивних органів роблять використання “чорних ящиків” неможливим.
Konstantina Kapetanidi з Visa підкреслює труднощі у створенні багатомовних, масштабованих генеративних AI-додатків. Моделі стають активними агентами, які виконують завдання, а не лише генерують текст. Це створює нові вектори безпеки, які потребують суттєвого тестування.
Parinita Kothari з Lloyds Banking Group детально розповідає про вимоги до впровадження, масштабування, моніторингу та підтримки AI-систем. Вона наголошує, що AI-моделі потребують постійного контролю, подібно до традиційної інфраструктури програмного забезпечення.
Зміни в робочих процесах розробників
AI радикально змінює спосіб написання коду. Панель з експертами з Valae, Charles River Labs та Knight Frank розглянула, як AI-співпілоти трансформують розробку ПЗ. Ці інструменти пришвидшують генерацію коду, але змушують розробників більше фокусуватися на перевірці та архітектурі.
Ця зміна потребує нових навичок. На панелі з компаніями Microsoft, Lloyds і Mastercard було обговорено, які інструменти та підходи знадобляться майбутнім AI-розробникам. Існує розрив між нинішніми навичками робочої сили та вимогами AI-окруження. Керівники повинні планувати програми навчання для забезпечення правомірної верифікації AI-сформованого коду.
Доктор Gurpinder Dhillon з Senzing і Alexis Ego з Retool обговорили стратегії використання low-code і no-code. Ego описав використання AI з low-code платформами для створення готових до виробництва внутрішніх додатків. Цей метод допомагає скоротити відставання в запитах на внутрішні інструменти.
Dhillon стверджує, що ці стратегії пришвидшують розробку без втрати якості. Для топ-менеджменту це означає дешевше постачання внутрішнього програмного забезпечення, якщо зберігаються протоколи управління.
Здатність робочої сили та специфічна користь
Ширший трудовий колектив починає працювати із “цифровими колегами”. Austin Braham з EverWorker пояснює, як агенти трансформують робочі моделі. Це термін, що означає перехід від пасивного ПЗ до активних учасників процесу. Керівники бізнесу повинні переглянути протоколи взаємодії людини та машини.
Paul Airey з Anthony Nolan наводить приклад того, як AI може мати буквально життєво-важливу цінність. Він розповідає, як автоматизація сприяє покращенню співпадіння донорів і часовим лініям для трансплантації стовбурових клітин. Переваги цих технологій поширюються і на логістику, що рятує життя.
Повторюваною темою всього заходу є те, що ефективні застосування часто вирішують дуже специфічні та високофрикційні проблеми, а не намагаються бути універсальними рішеннями.
Управління перехідним процесом
Сесії другого дня спільних заходів свідчать про те, що корпоративний фокус перейшов на інтеграцію. Перша новизна зникає, і її замінюють вимоги до безперебійної роботи, безпеки та відповідності. Керівники з інновацій повинні оцінити, які проекти мають інфраструктуру даних, щоб витримати випробування реальним світом.
Організації повинні надавати пріоритет основним аспектам AI: очищення даних, встановлення юридичних меж та навчання співробітників для нагляду за автоматизованими агентами. Різниця між успішним впровадженням та зупиненою пілотною програмою криється в цих деталях.
Керівництво, зокрема, має спрямовувати ресурси на інженерію даних та рамки управління. Без них передові моделі не зможуть принести цінність.
