Антон Моргунов — инженер по машинному обучению с опытом более 7 лет в индустрии, технический лид курса «ИИ-инженер» в Практикуме.
В статье на Хабре он поделился мнением о том, как за последние годы изменилась роль инженера, работающего с ИИ. Вот основные мысли:
💠«Как обучить хорошую модель?» — так когда-то звучал главный вопрос в ML. Сегодня всё чаще вопрос другой: «Как превратить возможности современных LLM в надёжный продукт, который действительно приносит пользу бизнесу?»
💠ИИ-инженер отвечает за систему целиком. В его зоне ответственности могут быть LLM, RAG, агенты, базы данных, API, инфраструктура и мониторинг. Важно не просто собрать отдельные компоненты, а сделать так, чтобы они работали как единый продукт.
💠Дообучение модели — далеко не всегда ответ. Проблему можно решить качественными данными, хорошим RAG или изменением архитектуры системы. Поэтому один из важных вопросов для ИИ-инженера: «Действительно ли модель нужно дообучать?»
💠Между демо и продуктом — большая инженерная работа. В реальном использовании возникают проблемы с галлюцинациями, релевантностью поиска, стоимостью запросов, задержками, нагрузкой, безопасностью и стабильностью качества.
💠Поэтому ИИ-инженерия сейчас — не про конкретную модель или библиотеку. Главный навык — уметь смотреть на ИИ-систему целиком и соединять модели, данные, инфраструктуру и продукт в работающий сервис.
Именно эта способность будет оставаться ключевой, даже когда сами модели и инструменты вокруг них снова изменятся.
➡️ Читайте статью целиком, чтобы узнать, чему должен учиться ИИ-инженер, а также чем он отличается от других специалистов: например, MLOps-инженера или дата-сайентиста.