МегаФон: корпоративному ИИ не всегда нужна стопроцентная точность
Фото: пресс-служба МегаФона
Требовать от корпоративного ИИ стопроцентной точности не всегда оправданно. При этом безопасность, работа с данными и инфраструктура должны управляться централизованно, на уровне всей компании. Так считает директор департамента по искусственному интеллекту и большим данным МегаФона Виталий Щербаков. Он рассказал об этом на сессии форума «Цифровые решения», который проходит в Москве.
По словам Виталия Щербакова, ручные процессы и сами нередко содержат значительную долю ошибок. По этой причине автоматизацию стоит начинать с аудита текущих показателей.
«Часто возникает ситуация, когда к автоматизации предъявляют требование стопроцентной точности, хотя существующий ручной процесс, выполняемый сотрудниками, уже содержит значительный процент сбоев. В таком случае целью внедрения агента становится не достижение идеала, а обеспечение результата, который не уступает текущим показателям человеческого исполнения», — отметил он.
Допустимый уровень ошибок зависит от их последствий, пояснил Щербаков. Если сбой легко исправить и он не приводит к серьезным потерям, процесс можно автоматизировать. Если же цена ошибки высока, например при массовых начислениях клиентам, нужен жесткий контроль со стороны человека.
Неизменным фундаментом для всей организации Щербаков считает единые стандарты безопасности и правила работы с данными и документами. Кроме того, в компании должен быть центр компетенций, где собираются лучшие практики.
«Инфраструктурный слой, включающий базовые модели, вычислительные ресурсы и инструменты доступа к данным, также должен быть общим», — заявил Щербаков. Все, что дорого и нецелесообразно воспроизводить много раз, по его словам, «логично централизовать».
При этом у сотрудников и подразделений может оставаться свобода в создании локальных агентов и прикладных сценариев. Как пояснил Щербаков, сотрудник вправе сам разрабатывать и использовать агентов или навыки для своих задач.
«Однако механизм распространения таких решений на всю компанию требует строгой централизованной валидации», — подчеркнул он.
По словам Щербакова, этот подход похож на практику внедрения бизнес-аналитики. Сотрудник может создавать показатели и отчеты для себя. Но прежде чем опубликовать их для всей компании, нужно провести аудит методологии расчета. Такой же механизм, считает Щербаков, нужен и для корпоративных ИИ-решений.
