🔺Если вы написали промпт: «Ты — юрист по корпоративному праву. Проверяй договоры вот по таким критериям», это не обучение. Это инструкция, то есть промпт.
🔺Если загрузили в систему внутренние регламенты или судебную практику, это тоже не обучение.
Скорее всего, здесь используется RAG — технология, при которой система сначала находит в базе нужные документы или их фрагменты, а затем передает их модели вместе с запросом. Модель при этом не меняет свои параметры и не запоминает документы как новое знание. Обновили регламент в базе и переиндексировали его — при следующем запросе система уже сможет использовать новую редакцию.
🔺Если ИИ научился отвечать на вопросы, обращаясь к CRM, документообороту и другим корпоративным системам, это тоже не обучение. Это архитектура системы.
Так что же тогда считается обучением?
Обучение — это когда меняются веса самой модели. Именно так создаются GPT, Gemini, Claude и другие большие языковые модели.
Это месяцы работы, огромные массивы данных, тысячи GPU и команды ML-инженеров. Для большинства компаний такой сценарий вообще не нужен.
Все это разные виды работ. Они требуют разных специалистов, по-разному оцениваются и решают совершенно разные задачи.
❗️Именно поэтому фраза «нам нужно обучить ИИ» сама по себе ничего не означает. Пока не станет понятно, какой результат ожидает бизнес, невозможно говорить ни о технологии, ни о сроках, ни о стоимости проекта.
◾️Мой опыт показывает, что в большинстве случаев вопрос вообще стоит не в обучении модели. Гораздо важнее разобраться, откуда ИИ будет получать данные, как он будет с ними работать и какую роль должен выполнять в конкретном бизнес-процессе. От этого зависит гораздо больше, чем от выбора самой модели.
⚖️В системе “Камертон.Вердикт” мы используем лишь некоторые элементы обучения. Это придание весов правовым источникам информации из которых ИИ осуществляет генерацию текста. Это позволяет нам получить. а затем верифицировать юридический текст, следуя классической правовой доктрине.
И даже в нашем случае мы понимаем, что до обучения собственной модели мы еще не добрались. Но мы совершенно точно туда придем.