«МегаФон»: Требование максимальной точности от ИИ не всегда оправдано
CNews AI · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.
Директор по ИИ «МегаФона» Виталий Щербаков заявил, что при автоматизации корпоративных процессов не следует требовать от нейросетей идеальной точности, если ручной труд уже содержит ошибки. Ключевым фактором выбора стратегии внедрения становится цена возможного сбоя.
Материал демонстрирует смену парадигмы в корпоративном внедрении ИИ: от поиска идеальных алгоритмов к прагматичной оценке рисков и сравнения с текущим уровнем человеческой эффективности.
Вопрос о допустимом уровне ошибок в корпоративных нейросетях стал одной из ключевых тем дискуссии на московском форуме «Цифровые решения». Виталий Щербаков, директор департамента по искусственному интеллекту и большим данным «МегаФона», выступил с тезисом о том, что требование стопроцентной точности от автоматизированных систем часто является неоправданным. По его мнению, многие бизнес-процессы, которые сегодня выполняются вручную, уже содержат значительный процент человеческих сбоев. В такой ситуации главной целью внедрения ИИ-агентов становится не достижение абстрактного идеала, а обеспечение результата, который как минимум не уступает текущим показателям человеческого исполнения.
Щербаков подчеркнул, что первым этапом любой автоматизации должен стать тщательный аудит существующих показателей. Без понимания реального уровня ошибок в ручном процессе невозможно корректно оценить эффективность новых инструментов. Эксперт указал на распространенную ситуацию, когда к автоматизации предъявляют завышенные требования, игнорируя тот факт, что текущий ручной труд уже несовершенен. Это приводит к тому, что потенциал ИИ оценивается не по его реальной пользе, а по невозможности достичь недостижимых стандартов.
При этом допустимый уровень ошибок в автоматизированных системах напрямую зависит от последствий возможных сбоев. Виталий Щербаков отметил, что если ошибка легко исправима и не несет серьезных финансовых или репутационных потерь для компании, такой процесс можно смело передавать на автоматизацию. Однако в сценариях, где цена ошибки критически высока, например при массовых начислениях клиентам, необходим жесткий контроль со стороны человека. Это позволяет сохранить баланс между эффективностью ИИ и безопасностью бизнес-процессов.
Таким образом, подход к внедрению искусственного интеллекта в корпоративном секторе должен быть прагматичным. Вместо слепого требования идеальной точности компаниям следует анализировать риски и сравнивать эффективность ИИ с текущим уровнем ручного труда. Это позволит более объективно оценивать целесообразность автоматизации и избегать неоправданных ожиданий от новых технологий.