Вчера был на ML-митапе от VK 🔝. Помимо интересных докладов посчастливилось поучаствовать в панельной дискуссии на тему ИИ в моделировании. Все секреты с мероприятия рассказать не могу - всё проходило с подписью кровью о неразглашении 🤫 Но поделюсь мыслью, с которой ушёл домой.

Хайп вокруг генеративного ИИ уже настолько разогнался, что обсуждать его становится немного скучно: принципиально новое звучит редко и теряется в общем инфопотоке. Вопрос - почему?

Есть ощущение, что рынок в основном обсуждает либо то, как построить LLM, либо то, как красиво продать её внедрение. Две типовые истории:

PR самих себя / своих компаний 📈
«Мы гении, внедрили ГенИИ, и у нас всё взлетело: рост эффективности, оптимизация персонала, рост бонусов руководства и довольные акционеры».
Технарский рассказ для технарей ⚙️
«У нас было 800 GPU, последние open-source версии DeepSeek и Qwen, тысяча AI-специалистов и море токенов. Не то чтобы это было обязательно, но раз уж начали разворачивать LLM в контуре банка…»

Но почти не обсуждается другое - как должны измениться данные, процессы и навыки пользователей, чтобы ИИ действительно начал приносить пользу 🧠:

• как переупаковать уже существующие знания так, чтобы их понимал не только человек, но и ИИ
• как измерять качество корпоративной базы знаний
• как менять формат “артефактов” ключевых процессов (например, жизненного цикла моделей), чтобы они стали основой для работы AI-агентов
• какие новые навыки нужно развивать у будущих пользователей ИИ
• как организовать проверку и валидацию ответов ИИ внутри банка 📊

Или я просто читаю не те каналы?