Правительство РФ создало два департамента, курирующих вопросы внедрения ИИ, сообщает «КоммерсантЪ». Первый будет сосредоточен на внедрении непосредственно в самом аппарате Правительства, второй — заниматься вопросами внедрения технологий ИИ в экономике РФ, согласно приказу, подписанному Дмитрием Григоренко, вице-премьером РФ. Эксперты отметили важность такого решения, которое как минимум повысит статус темы ИИ в госуправлении/экономике, переводя ее в «регулярный контур» на уровне Правительства, хотя работы в этом направлении давно и активно идут на государственном уровне.

Правительственной подкомиссией по ИИ на данный момент установлено почти 200 целевых показателей для 20 ведомств по внедрению ИИ-технологий в 13 отраслях только в 2026 году. Каждое министерство отвечает за внедрение ИИ в своей сфере, задачу координации ведомств возложили на Минцифры.

Изменения в госуправлении, хочется надеяться, послужат активизации развития инфраструктурной основы для развития национального ИИ-направления — от программно-аппаратных средств до популяризации и тиражирования практических внедрений.

«В современном мире использование „искусственного интеллекта“ — необходимость для компаний, которые стремятся повысить эффективность бизнеса и непрерывно расти», — говорит Максим Тятюшев, генеральный директор «СберТеха». Сказанное справедливо для любых корпоративных заказчиков — как бизнесов, так и госструктур.

Создания новых департаментов в Правительстве для этого, правда, недостаточно, требуется перестроить системы хранения/распределения/обработки данных, причем на основе радикально обновленных подходов.

Датацентричность — давний тренд; как ситуация выглядит сейчас и почему именно сейчас понадобилось вводить для нее новый термин Data Infra?

Новый термин — для описания новой реальности

«Инфраструктура данных» (Data Infrastructure, которая в языке уже сокращена до «Data Infra») — технологический фундамент, который объединяет аппаратное и программное обеспечение для сбора, хранения, обработки и анализа информации, обеспечивая безопасный и бесперебойный путь данных от их источника до конечного пользователя. К конечному пользователю-человеку результат может попадать напрямую или опосредованно: через системы «искусственного интеллекта», которые работают в привычных приложениях, например, через BI, рекомендательные сервисы и пр.

Термин Data Infrastructure появился относительно недавно, причины его появления объективны. Ситуация потребовала создания нового термина для подчеркивания масштабности происходящих процессов и их многогранности. Во-первых, данные претерпели существенные изменения как в количественном плане (их становится все больше), так и в качественном (в частности, быстро растет их ценность). Во-вторых, появились новые инструменты для обработки данных, которые предъявляют обновленные требования к инфраструктурному слою, причем эти требования оказываются как высокими, так и специфическими.

Потребитель — не человек

ИИ в широком понимании сейчас является основным потребителем данных и основным инструментом для этого (что уже находит отражение в перспективах инфраструктурных объектов — см. врезку). Без ИИ обработка данных уже становится крайне проблематичной, во всяком случае, на скоростях, нужных современному бизнесу для принятия управленческих решений и вывода на рынок новых предложений с приемлемым time-to-market.

Ранее инфраструктуру данных создавали для работы с ней сотрудниками-людьми, которым нужно было создавать запросы, формировать отчеты, дашборды и пр., теперь главным потребителем становится ИИ-модель, но чаще — сотрудник-ИИ-агент. Этот факт требует перестройки инфраструктуры под новые «нечеловеческие» требования основного потребителя нового типа.

Направление «агентного ИИ» демонстрирует эффективность в бизнес-применении. Наиболее востребованными компетенциями сотрудников-людей назвали управление ИИ-ассистентами и ИИ-агентами — это отметили 62% респондентов, опрошенных в ходе собственного исследования платформы «МТС Линк».

«Искусственный интеллект берет на себя все больше задач — от помощи в поиске идей до автоматизации создания видеоконтента, — говорит Екатерина Прокушева, HR-директор МТС Линк. — Технологии уже сокращают объем ручного труда, позволяя сосредоточить усилия сотрудников на задачах, где особенно важны экспертность и стратегический подход».

В современных условиях термин «ИИ-ЦОД» скоро устареет — «не-ИИ» дата-центры становятся редким видом, во всяком случае, среди новых объектов. Общие глобальные расходы на дата-центры McKinsey оценивает в 6,7 трлн долл. к 2030 году, из которых на ИИ-дата-центры придется 5,2 трлн, то есть более 77%.

Новые требования от ИИ-агентов

Корпоративные системы работы с данными развивали и совершенствовали много лет, но сегодня они перестали справляться с новыми вызовами, которые определяют ИИ-агенты. Основными причинами аналитики называют неготовность к работе в режиме real-time: все чаще ИИ-агентам нужны актуальные данные, описывающие происходящее здесь-и-сейчас, а не информация вчерашнего дня. В глобальных компаниях большинство ИТ-директоров — 72%, как сообщает Computer Weekly со ссылкой на отчет Confluent, — называют неготовность инфраструктуры к функционированию в таком режиме основной проблемой для масштабирования ИИ-решений и, как следствие, для всей ИИ-трансформации.

Создает проблемы для развития также разрозненность данных, которые оказываются распределены по разным корпоративным информационным системам (CRM, ERP и пр.), их нужно собирать, что занимает время (иногда данные при этом успевают устаревать!) и повышает нагрузку на ИТ-инфраструктуру традиционного формата.

Все больше вопросов к качеству данных. Вопросы «родословной данных» (Data Lineage) уже актуальны для 66% компаний, по данным Confluent. Когда ИИ-агенты принимают решения и выполняют действия на основе данных, к этим данным нужен полный «паспорт» или «маршрутная карта» жизненного цикла этих данных. В этом «паспорте» должен быть описан путь данных — включая все трансформации, очистки и объединения, которым они подверглись — от момента их появления на источнике до конечного потребления: до попадания на дашборд, в отчет, в массив для обучения ИИ-модели и пр.

ИИ-агенты дают рекомендации, но бизнес не всегда принимает их «на веру», и это совершенно правильный подход! Data Lineage позволяет быстро и просто проверить факты, которыми руководствовался «агент». Например, если он предсказал уход клиента, вы за секунду можете увидеть, на основе каких конкретно записей в CRM был сделан такой вывод. Это делает ИИ-инструменты «прозрачными» для аудиторов и топ-менеджмента, а также для ИТ-службы, которая должна развивать ИИ-агентов.

Изменения в корпоративных политиках данных, соответствующие новым требованиям, не имеют прямого отношения к рассматриваемой проблематике Data Infra, но изменение требований позволяет понять, почему требуется радикальная перестройка всей системы работы с корпоративными данными — от площадок для размещения до телекома.

Продолжение следует

Источник: