На фестивале True Tech Friends 21 августа эксперты обсудили проблемы, которые возникают при внедрении ИИ-агентов. Изучая реальные кейсы, участники выявили, что не каждая задача требует автоматизации, а иногда традиционные алгоритмы могут быть более эффективными.
Ошибки в подходе к автоматизации
В последнее время компании все активнее интегрируют нейросети в свои процессы. Однако распространённой ошибкой является стремление автоматизировать задачи лишь потому, что это технически возможно. По словам Ярослава Лосева, руководителя фронтенд-разработки «Яндекс Путешествий», иногда проще и быстрее выполнить задачу вручную, чем подключать сложные языковые модели.
Также отмечалось, что на создание автоматизированного сценария иногда уходит больше времени, чем на ручное выполнение самой задачи. Поэтому важен глубокий анализ целесообразности автоматизации и выбор подходящей логики для конкретных процессов.
Когда ИИ действительно уместен?
Основное внимание участников было сосредоточено на том, в каких случаях стоит доверять ИИ, а когда стоит использовать прописанные алгоритмы. Генеративные модели отлично подходят для работы с неструктурированной информацией, например, при интерпретации запросов. В то же время, задачи с однозначными результатами, такие как финансовые расчёты, обычно проще и безопаснее решать с помощью стандартных скриптов.
Даниил Слюсарь из Positive Technologies подчеркнул, что работающий код не всегда подходит для внедрения в реальную систему. Поэтому важно не только получить ответ от ИИ, но и убедиться, что он может быть интегрирован в существующие процессы без дополнительных ошибок.
Практические выводы для IT-команды
Для российской аудитории важность обсужденных тем очевидна. Оптимальное использование ИИ требует четкого понимания, когда его применение действительно оправдано. При внедрении нужно оценивать экономическую целесообразность автоматизации для каждой конкретной задачи. Это поможет избежать ненужных затрат ресурсов и времени.
Следующим шагом для компаний станет более глубокий анализ задач, которые можно улучшить с помощью ИИ, что сделает процессы более эффективными и адаптированными к реальной бизнес-среде.