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.