МОДЕЛИСТ

👋 Всем привет! И тем, кто с нами давно, и тем, с кем мы познакомились на Selectel ТехноДень!

Вчерашний доклад Миши Зайцева, директора платформы Kolmogorov AI из Data Sapience, можно посмотреть по ссылке 👇

📺 ВК: ссылка (таймкод 1:57:05)
📺 YouTube: ссылка

А теперь о нас.
Моделист — это клуб про ИИ, машинное обучение и людей, которые этим по-настоящему увлечены. Нас объединяет интерес к тому, как технологии меняют жизнь и бизнес, и желание быть в центре этих перемен.

Здесь есть место и тем, кто в теме давно, и тем, кто только начинает путь в ИИ. Главное, чтобы было интересно 🙂

Расскажите в комментариях, что вам вчера больше всего запомнилось? 💬

Готова ли ваша компания к ИИ? Проверьте за 15 минут 👇

Как пройти:
1. Выберите один сценарий, например поиск по документам или обработку заявок.
2. Ставьте «да» только тогда, когда есть подтверждение. «Скорее да» считается как «нет».
3. Каждое «да» — 1 балл, максимум 25.

🟢 21–25 — можно запускать пилот;
🟡 13–20 — пилотируйте на одном сценарии;
🔴 0–12 — начните с фундамента.

📌 Сохраните, чтобы пройти с командой. Ответы разных участников покажут, где ваши представления о готовности расходятся.

И делитесь своим результатом в комментариях👇

🤖 ИИ-агенты под контролем: безопасность, риски и новые стандарты

Во второй части интервью 💬 с Александром Ефимовым говорим о том, как внедрять ИИ без потерь и управлять рисками.

⚠️ Критические риски для бизнеса:

🟡Shadow AI («теневой» ИИ).
🟡Галлюцинации и операционные сбои.
🟡Атаки на модели.

🛡 5 обязательных мер безопасности:

1️⃣ Безопасный контур данных — развертывание моделей внутри инфраструктуры или в доверенном облаке. 
2️⃣ Полное логирование и мониторинг — запросы, ответы, действия агентов. Контроль не только технических, но и содержательных метрик (галлюцинации, попытки доступа к конфиденциальным данным).
3️⃣ Guardrails-контроли — легковесные фильтры, проверяющие вход и выход LLM на запрещенный контент и отклонения от правил.
4️⃣ LLMOps-платформа — стандартизация разработки, тестирования и эксплуатации сотен агентов. 
5️⃣ Принцип минимальных привилегий — доступ агентов только к тем данным и функциям, которые необходимы для задачи.

📝 Ключевой принцип➡️ не запрещать, а контролировать и обучать.

📈 Массовые сценарии 2026 года

➡️ ИИ-агенты для автоматизации рутины — автономные цепочки задач: от анализа входящего документа до ответа и обновления CRM.
➡️ Генеративный ИИ в клиентском сервисе и маркетинге — персонализация, консультации, рекомендации.
➡️ Корпоративные ИИ-порталы — централизованные маркетплейсы моделей и агентов для сотрудников.

📌 Базовый стандарт и конкурентные преимущества

❕ Стандарт: навыки работы с ИИ (промптинг), гибридная инфраструктура (on-premise + облако), интеллектуальный поиск по документам (RAG).

❕ Преимущество: создание безопасных ИИ-приложений в промышленном масштабе, качество и специфичность данных, редизайн AI-native процессов (не автоматизация старых шагов, а перестройка цепочек создания ценности с нуля).

🚀 3 условия для ускорения рынка:

1️⃣ Кадры и обучение — массовая подготовка MLOps-инженеров и обучение предметных специалистов (юристов, маркетологов, финансистов) работе с ИИ-инструментами.
2️⃣ Технология и инфраструктура — развитие платформ для массового создания и эксплуатации ИИ-агентов. Простого наличия GPU уже недостаточно.
3️⃣ Методология и кейсы — четкие стандарты надежных и этичных ИИ-приложений, лучшие отраслевые методики.

🔗 Читать полностью

🎤 Александр Ефимов: бизнес перестал «щупать» ИИ и начал на нем зарабатывать

В интервью на РБК 💬 энтузиаст МОДЕЛИСТа Александр Ефимов разбирает тренды 2026 года, практические кейсы внедрения генеративного ИИ, подходы к эксплуатации моделей и снижению стоимости владения. 

📊 Рынок

Объем рынка больших данных и ИИ в 2025 году — 520 млрд руб. Рост ИТ-консалтинга в области ИИ в 2026 году сохранится на уровне 25–35% — ниже взрывных темпов прошлого года, потому что рынок переходит от пилотов к прагматичной интеграции.

🚀 Драйверы

🟠Измеримый экономический эффект — компании масштабируют только то, что дает рост выручки или снижение издержек.
🟠Образовательная поддержка — обучение сотрудников ускоряет тиражирование решений.
🟠Доступность генеративного ИИ — отечественные модели и open-source решения в российских облаках.

⛔️ Барьеры

🟠Дефицит кадров — ML/LLM-инженеров, инженеров данных, MLOps-специалистов.
🟠Низкая ИИ-грамотность и консерватизм — иллюзия простоты внедрения и скепсис к передаче решений алгоритмам.
🟠Окупаемость — переход от пилота к промышленной эксплуатации требует перестройки ИТ-ландшафта и интеграций.

⚙️ Технологические тренды 2026

➡️ Движение от LLM к SLM: компактные модели быстрее, дешевле и безопаснее.
➡️ Мультиагентные системы и «фабрики агентов»: экосистемы цифровых сотрудников вместо одного ассистента.

🛠 Эксплуатация моделей

Ключевые практики MLOps/LLMOps: централизованная платформа, управление версиями, мониторинг качества (технического, бизнес-метрик и качества данных), а для LLM — контроль затрат на токены и Guardrails-фильтры.

💰 Снижение стоимости владения

🟠 Дистилляция и квантование моделей → снижение потребления GPU на 40–70% без потери качества.
🟠 Гибридная инфраструктура: критичные данные — в локальном контуре, некритичные задачи — через API облачных моделей.

📖 Это только первая часть беседы. Во следующей — риски ИИ, безопасность, прогнозы и новые стандарты рынка. 

🔗 Читать первую часть интервью