За рамками пилота: как AI Governance строит дорогу для масштабного внедрения ИИ

Дмитрий Красников, руководитель направления Big Data & BI, К2Тех, представил доклад о важности Data и AI Governance в контексте внедрения искусственного интеллекта (AI). Выступление было посвящено анализу текущих тенденций рынка AI, выявлению основных проблем, с которыми сталкиваются компании при внедрении AI-решений, и предложению системного подхода к решению этих проблем. Конференция CNews «Технологии искусственного интеллекта 2026». Ключевые тезисы: Цикл развития AI: Докладчик выделил несколько этапов развития рынка AI, включая период активного внедрения (2021 год), пик AI-стартапов (2023 год) и, по его мнению, текущий год (2026), который характеризуется необходимостью системного подхода. Статистика неудачных AI-проектов: Отмечено, что только 20% компаний, внедривших AI, достигли определенных результатов, и лишь 5% смогли успешно масштабировать свои решения. Основные проблемы внедрения AI: В ходе исследования были выявлены ключевые барьеры, препятствующие успешному внедрению AI: Отсутствие релевантного опыта в отрасли (14%). Недостаток IT-компетенций (21%). Проблемы с информационной безопасностью (36%). Качество данных (главная проблема) Влияние качества данных: Качество данных является критическим фактором успеха AI-проектов. Некачественные данные приводят к ошибочным решениям, принимаемым, в том числе и в масштабе компьютерной автоматизации. Потери от некачественных данных на рынке оцениваются в триллионы. Data Governance, AI Governance и их взаимосвязь: Data Governance: Дисциплина, обеспечивающая качество данных, включая такие метрики, как полнота, своевременность и доступность. AI Governance: Комплекс практик, мер и инструментов, регулирующих разработку и внедрение AI-систем, направленный на получение максимальной ценности от AI, минимизацию рисков и корректное использование технологий. Объединение Data и AI Governance: Для успешного внедрения AI необходимо объединить подходы Data Governance и AI Governance. Это включает в себя разработку стратегий, политик и методов управления данными в рамках AI-проектов. Предлагаемый подход к внедрению AI Governance: 1. Обучение, формирование общепонятийного аппарата. 2. Выработка стратегии, постановка целей и ценностей. 3. Определение и проверка AI-гипотез, аудит данных. 4. Построение или перестройка IT-инфраструктуры. 5. Внедрение AI-решений. Ответы на вопросы: Стоимость внедрения Data Governance: Индивидуальна для каждой компании. Необходимо проводить предпроектное исследование и аудит. Сроки внедрения: MVP (Minimum Viable Product) обычно занимает около трех месяцев. Вывод: Для успешного внедрения AI необходим системный подход, основанный на Data и AI Governance. Это позволит компаниям извлечь максимальную пользу из AI, минимизировать риски и обеспечить масштабируемость решений.