Россельхозбанк: сначала данные, потом ИИ

ИИ не начинается с покупки большой языковой модели. Для бизнеса важнее другое: есть ли понятная задача, данные и измеримый экономический эффект.

Так в интервью журналу “Монокль” заявил Дмитрий Жихарев, CPO платформы RAISA лаборатории ИИ Россельхозбанка. По его словам, следующий этап после обычной BI-аналитики - машинное обучение и затем генеративный ИИ, но переходить на следующий уровень стоит только тогда, когда предыдущий уже исчерпал свои возможности.

🔴60-80% времени тратится не на модели, а на подготовку данных. Поэтому плохие или нерегулярные данные могут сделать весь проект бессмысленным ещё до начала разработки.

🔴 Жихарев советует сначала разобраться в бизнес-модели и процессах, а уже потом искать применение ИИ.

Иногда выясняется, что компании пока нужен не ИИ, а элементарный отчёт, потому что она вообще не умеет измерять эффективность собственного процесса. Для среднего бизнеса особенно важен принцип: начинать с простого решения, а потом усложнять его.

При этом часть аналитической работы уже можно отдавать LLM.

По оценке эксперта, современный ИИ способен помочь с разведочным анализом данных, поиском факторов и проверкой гипотез.

Это меняет и роль дата-сайентиста: рутинных операций становится меньше, а одному специалисту потенциально может хватать того объёма работы, для которого раньше требовалась команда из нескольких человек.

⬛️И ещё одна цифра, пожалуй, самая важная: из десяти гипотез только одна выходит в прибыльную эксплуатацию. Остальные не сходятся по экономике, данным или точности - и это нормальная часть процесса.