Сегодня искусственный интеллект кардинальным образом преобразует способ нашего взаимодействия с технологиями, приближая машины к имитации человеческого интеллекта. Возможности ИИ огромны и постоянно расширяются. И эту эволюцию приняли все лидеры глобального IT-рынка, которые не только используют потенциал искусственного интеллекта, но и являются пионерами в его продвижении. О том, что значит наступление эпохи искусственного интеллекта для одной из старейших технологических компаний в мире и как она реагирует на новые вызовы, мы поговорили с главой бизнеса IBM в странах Центральной Азии и Азербайджане Кириллом Корнильевым.
— Рынок искусственного интеллекта сейчас больше похож на айсберг. Большинство поставщиков и пользователей привлекают варианты использования, которые лежат на поверхности, например, использование текстовых генераторов для написания электронных писем и генераторов изображений для создания иллюстраций. А что скрывается под водой?
— Это отличная метафора — ИИ как айсберг. Видимая верхушка включает в себя такие популярные и ориентированные на потребителя приложения, как генерация текста и изображений, а также чат-ботов, предназначенных для обслуживания клиентов и используемых в качестве персональных помощников. Однако, под поверхностью находится обширная и быстро развивающаяся экосистема более глубоких и преобразующих сфер применения искусственного интеллекта. Вот некоторые из наиболее значимых:
1. Автоматизация промышленности и предприятий.
- Предиктивное обслуживание и ремонт на производстве с использованием данных датчиков.
- Оптимизация цепочки поставок с помощью ИИ-прогнозирования в реальном времени.
- Исследования и разработки в фармацевтике и материаловедении на основе ИИ.
2. Когнитивные системы и системы поддержки принятия решений.
- ИИ-пилоты для разработки программного обеспечения, юридических исследований и финансового анализа.
- Медицинская диагностика с использованием мультимодальных данных (визуализация, геномика, история болезни).
- ИИ в научных открытиях, помогающий исследователям генерировать гипотезы и анализировать сложные наборы данных.
3. Безопасность и управление рисками.
- Обнаружение мошенничества в банковском деле и страховании.
- Обнаружение угроз кибербезопасности с помощью моделей обнаружения аномалий.
- ИИ для контроля соответствия нормативным требованиям в регулируемых отраслях.
4. Фундаментальная инфраструктура.
- Сжатие и оптимизация моделей для развертывания распределенных инфраструктур.
- Генерация синтетических данных для обучения моделей в условиях нехватки реальных данных.
- Инструменты управления и интерпретации моделей ИИ.
5. Социальные и экологические приложения.
- Моделирование и прогнозирование климата.
- ИИ для реагирования на стихийные бедствия и для систем раннего предупреждения.
Точное сельское хозяйство с использованием искусственного интеллекта для оптимизации урожайности и использования ресурсов.
Эти «подводные» приложения часто менее заметны, потому что они требуют специальных знаний и опыта. Они работают «за кулисами», находятся на стадии разработки или пилотирования и связаны с конфиденциальными данными или критической инфраструктурой.
— Какими, на ваш взгляд, преимуществами должен обладать корпоративный искусственный интеллект и что будет отличать его от таких инструментов, как Copilot, Midjourney и других?
— Корпоративный ИИ должен обладать определенным набором качеств, которые соответствуют сложной, высокостатусной и часто регулируемой среде, в которой работают компании. Вот перечень ключевых качеств, которыми он должен обладать, и чем он будет отличаться от таких инструментов, как Copilot, Midjourney и других:
1. Надежная безопасность и конфиденциальность.
- ИИ должен соответствовать строгим нормам защиты данных (например, GDPR, HIPAA).
- Необходимо сквозное шифрование, безопасная обработка данных и аудиторские записи.
2. Объяснимость и прозрачность.
- Решения, принимаемые ИИ, должны быть понятны человеку.
- Это особенно важно в таких отраслях, как финансы, здравоохранение и юриспруденция.
3. Интеллект должен учитывать специфику отрасли.
- Настраиваться на понимание отраслевой терминологии, рабочих процессов и требований законодательства.
- Обучаться на собственных или специализированных наборах данных, имеющих отношение к бизнесу.
4. Масштабируемость и интеграция.
- Бесшовная интеграция с корпоративными системами (ERP, CRM, базы данных).
- Масштабируется по отделам и географическим регионам.
5. Управление и контроль.
- Должен включать инструменты для мониторинга, версионного контроля и контроля поведения ИИ.
- Сделан по принципу системы «человек в контуре» для принятия критических решений.
6. Надежность и время безотказной работы.
- Соглашения об уровне обслуживания (SLA) корпоративного уровня с высокой доступностью и аварийным восстановлением.
7. Этичность и осознание предвзятости.
- ИИ должен активно контролироваться на предмет предвзятости, справедливости и соблюдения этических норм.
- Должны быть предусмотрены механизмы возмещения ущерба и исправления ошибок.
— Насколько серьезно компании должны пересмотреть свою работу с данными, чтобы вступить в эру искусственного интеллекта?
— Компаниям необходимо серьезно переосмыслить методы работы с данными, чтобы в полной мере войти в эру искусственного интеллекта и процветать в ней. Данные — это основа искусственного интеллекта, и без стратегического, этического и технически обоснованного подхода к данным инициативы в области ИИ, скорее всего, провалятся или нанесут непреднамеренный вред, поскольку:
- ИИ хорош лишь настолько, насколько хороши данные. Некачественные, необъективные или неполные данные приводят к ненадежным результатам работы ИИ. Только чистые, хорошо маркированные и репрезентативные данные необходимы для обучения эффективных моделей.
- Надо сохранить конфиденциальность данных и соответствие нормативным требованиям. Такие нормативные акты, как GDPR, CCPA и другие, устанавливают строгие правила сбора, хранения и использования данных. Системы искусственного интеллекта должны разрабатываться с учетом принципов конфиденциальности.
- Однако, изоляция данных ограничивает потенциал ИИ, а многие организации хранят данные в изолированных системах. Вместе с тем ИИ процветает на основе интегрированных, межфункциональных данных, которые обеспечивают целостную картину.
- Бизнесу необходим этичный и ответственный ИИ. Компании должны убедиться, что их методы работы с данными не способствуют предвзятости или дискриминации, а прозрачное управление данными является ключом к укреплению доверия со стороны пользователей и регулирующих органов.
- Для ИИ нужна масштабируемая ИТ инфраструктура, работающая в реальном времени, а ИИ именно этого и требует. Так что, возможно, потребуется модернизация или замена устаревших систем.
Что же необходимо сделать компаниям:
- Создать систему управления данными. Надо определить, кому принадлежат данные, как к ним обращаться и как поддерживать их качество.
- Инвестировать в инфраструктуру данных: облачные платформы (частные или публичные), озера данных и конвейеры реального времени. Все это является основой готовности к ИИ.
- Обеспечить этичность и справедливость данных, а для этого проводить регулярные аудиты, иметь инструменты для выявления предвзятости.
- Обучить свои команды грамотности в работе с данными. Все — от руководителей до аналитиков — должны понимать ценность и риски, связанные с данными.
- Внедрять технологии, повышающие конфиденциальность. Такие технологии, как дифференциальная конфиденциальность, федеративное обучение и шифрование в процессе использования позволяют защитить конфиденциальные данные.
Чтобы преуспеть в эпоху искусственного интеллекта, компании должны относиться к данным, как к стратегическому активу, а не просто как к побочному продукту деятельности. Это означает переосмысление всего — от сбора и хранения данных до управления ими, их совместного использования и защиты.
— Сейчас все много рассуждают только о больших языковых моделях (LLM). Какую роль IBM отводит малым языковым моделям (SLM) в будущем?
— IBM рассматривает малые языковые модели как важнейшую часть будущего корпоративного ИИ, предлагая стратегическую альтернативу массивным большим языковым моделям общего назначения. Вот как IBM представляет себе их роль:
- Больше — не всегда лучше. Малые языковые модели более экономичны, энергоэффективны и быстрее развертываются, что делает их идеальными для предприятий с ограниченными ресурсами или специфическими сценариями использования.
- SLM обеспечивают индивидуальный подход к потребностям предприятия. В отличие от LLM общего назначения, SLM можно настраивать для решения узких, специфических задач, таких как понимание документов, распознавание макетов или соблюдение нормативных требований.
- Семейство моделей Granite от IBM разработано с учетом этих требований и оптимизировано для таких задач, как обработка отсканированных документов, распознавание диаграмм и извлечение структурированных данных из неструктурированных источников.
- При работе с SLM гораздо легче обеспечить прозрачность и контроль. IBM стремится к созданию прозрачных моделей с открытым исходным кодом, которые предприятия могут проверять, изменять и доверять им.
- Такой подход контрастирует с «черным ящиком» многих проприетарных LLM, предоставляя компаниям больше контроля над поведением, данными и результатами.
- SLM подход обеспечивает модульность и гибкость. Модели IBM позволяют включать или выключать такие функции, как рассуждения по цепочке мыслей, что дает разработчикам возможность контролировать производительность и стоимость.
— Что отличает решение WatsonX от конкурирующих предложений в области искусственного интеллекта?
— Прежде всего это управление жизненным циклом базовых моделей ИИ корпоративного уровня. WatsonX предназначен для обучения, тонкой настройки, проверки, развертывания и мониторинга моделей на протяжении всего их жизненного цикла. Он поддерживает модели с открытым исходным кодом и проприетарные модели, обеспечивая предприятиям гибкость в выборе моделей. Важно также отметить, что собственные модели Granite от IBM оптимизированы для корпоративного использования, включая генерацию кода, обобщение и решение задач, специфичных для конкретной области. Эти модели интегрированы в WatsonX со встроенными функциями управления и прозрачности.
Одним из компонентов WatsonX является WatsonX Assistant, который представляет собой конструктор разговорного ИИ без кодирования (или с низким уровнем кодирования), поддерживающий многоканальное развертывание (веб, мобильный, обмен сообщениями, голос). Он использует генерацию с расширенным поиском (RAG) для более точных и контекстно-зависимых ответов.
При внедрении ИИ на корпоративном уровне особенно важны возможность управления процессом и доверие к результату, поэтому WatsonX включает WatsonX.governance — набор инструментов для обеспечения соответствия согласия, отсутствия предвзятости и понимания того, как ИИ пришел к тому или иному выводу. Все это очень важно для регулируемых отраслей и это является существенным отличием нашей платформы от конкурентов. Важно также отметить бесшовную интеграцию со всей экосистемой IBM, включающей широкий набор инструментов (например, Cloud Pak for Data, Red Hat OpenShift, IBM Security). WatsonX предлагает возможность развертывания всего решения как в облаке, так и в центрах обработки данных компании.
— Расскажите о практическом применении WatsonX в бизнесе и технологиях.
— По состоянию на середину 2025 года платформа WatsonX от IBM переживает значительный рост. Ее внедрение происходит в различных отраслях благодаря возможностям в области генеративного ИИ, интеграции гибридных облаков и разработки ИИ-агентов корпоративного уровня. По данным IBM, руководители компаний ожидают, что в ближайшие 2 года инвестиции в ИИ вырастут более чем в два раза. Пользователи WatsonX отмечают очень высокий уровень окупаемости инвестиций за 3 года, особенно за счет автоматизации и интеграции в гибридные облака. При внедрениях также отмечается очень высокий уровень масштабирования решения. На сайте IBM вы можете найти сотни публично доступных примеров внедрений WatsonX, но в целом мне хотелось бы отметить следующие направления и сегменты:
- Предприятия, создающие агентов искусственного интеллекта для управления персоналом, продаж, закупок и обслуживания клиентов.
- Организации, использующие WatsonX.data для повышения точности своего ИИ за счет лучшей интеграции данных.
- Разработчики и специалисты по анализу данных используют WatsonX.ai для разработки и развертывания пользовательских моделей.
WatsonX внедряется в самых разных отраслях, включая:
- Финансовые услуги — для выявления мошенничества, автоматизации обслуживания клиентов и моделирования рисков.
- Здравоохранение — для поддержки принятия клинических решений, вовлечения пациентов и повышения операционной эффективности.
- Розничная торговля и электронная коммерция — для персонализированных рекомендаций, оптимизации запасов и поддержки клиентов.
- Производство — для предиктивного обслуживания, оптимизации цепочек поставок и контроля качества.
- Телекоммуникации — для оптимизации сетей и управления клиентским опытом.
- Правительства и государственный сектор — для повышения качества обслуживания граждан и автоматизации административных процессов.
У WatsonX есть ключевые особенности, способствующие успешным внедрениям:
- Agent Ops: инструмент управления жизненным циклом для создания, тестирования и развертывания агентов ИИ.
- Model Gateway, который обеспечивает доступ к моделям IBM Granite и сторонним моделям, таким как OpenAI и Anthropic и др., что позволяет избежать жесткой привязки к конкретному вендору.
- WatsonX Orchestrate, который обеспечивает интеграцию с основными платформами, такими как Salesforce, SAP, Microsoft и другими.
— Ощущаете ли вы рост интереса в странах региона к возможностям, которые предлагает WatsonX в сфере искусственного интеллекта?
— Мы видим большой потенциал роста в регионе Центральной Азии и Азербайджана. Такие страны, как Казахстан, Узбекистан и Азербайджан, инвестируют в национальные цифровые стратегии, «умные города» и электронные государственные услуги. Эти инициативы создают благоприятную почву для ИИ-платформ, таких как WatsonX, для поддержки автоматизации, интеграции данных и предоставления услуг гражданам и бизнесам.
Рынок ИИ растет огромными темпами по всему миру, и наш регион не является исключением. Он следует этой тенденции, особенно в таких секторах, как финансы, энергетика и государственные услуги. Многие организации в регионе также модернизируют свою IТ-инфраструктуру, поэтому гибридный облачный подход и открытая архитектура WatsonX делают его сильным кандидатом для выбора платформы ИИ организациями любого размера.
— Какие возможности привносит в сферу кибербезопасности быстрое развитие искусственного интеллекта?
— Основными возможностями, которые ИИ открывает для кибербезопасности, являются:
- Обнаружение и реагирование на угрозы. ИИ может анализировать огромные объемы данных в режиме реального времени, обнаруживая аномалии и потенциальные угрозы быстрее, чем традиционные системы. Модели машинного обучения позволяют выявлять закономерности вредоносного поведения даже для ранее неизвестных атак (атак «нулевого дня»).
- Автоматизация операций по обеспечению безопасности. ИИ может автоматизировать такие рутинные задачи, как анализ журналов, управление исправлениями и реагирование на инциденты, освобождая людей-аналитиков для более сложной работы.
- Возможности прогнозирования. ИИ может прогнозировать потенциальные уязвимости или векторы атак на основе исторических данных и данных об угрозах.
- Поведенческий анализ. Системы искусственного интеллекта могут отслеживать поведение пользователей, чтобы обнаружить внутренние угрозы или взломанные учетные записи по отклонениям от нормальной активности.
— Как IBM относится к вопросам регулирования в области искусственного интеллекта?
— Мы очень серьезно относимся к этой теме и выделяем в ней несколько важных аспектов:
- Поддержка регулирования на основе управления рисками. IBM выступает за создание нормативно-правовой базы, основанной на оценке рисков и ориентированной на конкретный случай использования, а не на саму технологию. Это означает регулирование приложений ИИ на основе их потенциального воздействия, например, в здравоохранении или уголовном правосудии, а не применение общих правил.
- IBM выступает за глобальное взаимодействие и ИИ с открытым исходным кодом, чтобы способствовать прозрачности и инновациям.
- IBM выступает за лидерство правительств в области этичного ИИ. Например, IBM рекомендовала правительству США использовать ИИ для оптимизации операций, обеспечивая при этом этический надзор.
— Какой аспект искусственного интеллекта сегодня наиболее переоценен и недооценен?
— На мой взгляд, наиболее переоценена концепция AGI (Artificial General Intelligence) — полномасштабный ИИ. Это теоретическая концепция искусственного интеллекта, согласно которой машина обладает когнитивными способностями на уровне человека, способна обучаться, понимать и применять знания в различных задачах, подобно тому, как это делает человек. В отличие от «узкого» ИИ, который специализируется на выполнении конкретных задач, AGI нацелен на общий интеллект, способный переносить навыки и знания между различными областями. Почему его переоценивают? Вокруг AGI (машин, которые могут думать и рассуждать как люди) много шумихи, но до этого еще далеко. СМИ и маркетинг часто размывают границы между «узким» ИИ, который у нас есть, и AGI, которого у нас нет, что приводит к нереалистичным ожиданиям. Исследования в области AGI важны, но до прорыва в этой области и начала практического применения пройдет еще много времени. А сейчас фокус на AGI может лишь отвлекать от решения реальных, насущных проблем с помощью текущих возможностей искусственного интеллекта.
Самыми недооцененными, пожалуй, я бы назвал качество данных и управление ими. Искусственный интеллект хорош лишь настолько, насколько хороши данные, на которых он учится. Однако, организации часто осуществляют недостаточные инвестиции в очистку, маркировку и управление данными. Низкое качество данных приводит к необъективным, неточным или даже вредным результатам ИИ. Механизмы управления, обеспечивающие прозрачность, справедливость и подотчетность, крайне важны, но часто рассматриваются как второстепенные.
— Какие надежды вы возлагаете на регион и, в частности, на Азербайджан? Есть ли «дорожная карта» роста бизнеса IBM в наших странах?
— У IBM существует 5-летний план развития бизнеса в регионе. Он недавно был утвержден, и мы уже приступили к его исполнению. Ключевым элементом плана является фокус на развитие нашей сети бизнес-партнеров, повышение их навыков и знаний.
— Как партнерская программа IBM способствует продвижению на рынке инструментов искусственного интеллекта? И насколько велика в этом процессе роль ваших партнеров?
— Партнерская программа IBM играет ключевую роль в продвижении решений по искусственному интеллекту на рынке СНГ, включая Азербайджан, и реализуется через гибкую экосистему, ориентированную на локальные потребности. Вот ее основные аспекты:
- Партнеры играют ведущую роль в пилотных внедрениях. Большинство проектов по внедрению AI/ML-решений IBM реализуются через локальных партнеров, которые обладают пониманием местного законодательства, IT-инфраструктуры, языковых и бизнес-контекстов.
- Ведущие интеграторы сотрудничают с госсектором и крупными банками. В Азербайджане ИИ-инструменты IBM (включая WatsonX, Cloud Pak for Data, DataStage, OpenPages) внедряются в проектах по цифровизации финансового сектора, управлению рисками и автоматизации контактных центров в тесном взаимодействии с местными партнерами IBM.
- Поддержка кадров и обучение. Партнеры также участвуют в обучении специалистов в рамках проектов внедрений, мероприятий и воркшопов, используя ресурсы IBM.
Опорным и одним из ключевых бизнес-партнеров IBM в направлении ИИ на территории Азербайджана является R.I.S.K. Company, специалисты которой также сфокусированы на продвижении продуктов IBM для аналитики, управления и защиты данных, информационной безопасности, мониторинга и т.д. Без партнеров IBM не смогла бы полноценно работать на рынке региона, так как они не просто продают наши решения — они локализуют, внедряют, сопровождают и масштабируют решения IBM, при этом обучая своих заказчиков. Именно они являются основной силой цифровой трансформации наших заказчиков с помощью искусственного интеллeкта.
Будем рады оказать вам поддержку во внедрении решений и технологий IBM в IT-инфраструктуру вашей компании.
Для получения дополнительной информации, пожалуйста, свяжитесь с [email protected].
(+99412) 497 3737 | https://risk.az
