Ожидания от экспериментальных проектов Росбанка в области ИИ выглядят весьма заманчиво: в их числе, например, 15%-ное сокращение времени выпуска релизов, аналогичное повышение эффективности коммуникаций внутри компании, рост качества кода при разработке ПО и высвобождение времени на творчество для ИТ-разработчиков. Деталями проектов делится директор департамента централизованного управления данными (Chief Data Officer) Росбанка Максим Травин.
— Какими критериями вы руководствуетесь при выборе направления для внедрения ИИ?
М. Травин: Это в первую очередь сочетание масштаба ожидаемого бизнес-эффекта и предсказуемости его получения. Безусловно, есть области применения генеративного интеллекта, где он себя зарекомендовал, — всё, что связано со взаимодействием с клиентом, его обслуживанием, помощью в выборе услуг. Здесь ИИ ориентируется быстрее человека и делает меньше ошибок.
В то же время остаются и новые направления для применения генеративного ИИ, где потенциальные выгоды ещё не до конца оценены. При выборе таких направлений мы руководствуемся приемлемой степенью риска (недопущение негативного воздействия) и перспективным влиянием на процессы компании.
— Какие существуют подходы к внедрению ИИ и в каких случаях какой выбор является целесообразным?
М. Травин: По сути, сейчас есть два подхода: использовать закрытые (вендорские) и открытые (Open Source) модели. Плюсы закрытых моделей — сокращение единовременных инвестиций и возможность платить только за ценный функционал. При этом придётся смириться с неконтролируемым ценообразованием и прохождением процедур оценки информационной безопасности при встраивании в инфраструктуру. Использование открытой модели обеспечивает доступ ко всем моделям на базе Open Source, возможность оперативно сравнить результат и выбрать наилучший, увеличивает скорость пилотирования за счёт упрощения формальных процедур. Однако расходы на внутренний SLA, интеграции и прочее, а также затраты на сопровождение и развитие инфраструктуры становятся выше.
Мы используем оба подхода. По пути работы с подрядчиком — в силу высоких требований к нагрузке и качеству решений — мы пошли при внедрении голосового помощника Recap, который подключается к совещаниям, транскрибирует обсуждение, записывает поручения и формирует резюме встречи.
По открытой модели сейчас пилотируется QA-бот для поддержки корпоративных клиентов, в задачи которого входит поиск ответов по документам клиентов в соответствии с базой знаний во внутреннем контуре. Открытая модель здесь используется во избежание передачи данных во внешние системы.
Также к Open Source мы обратились при внедрении плагина для разработчиков Code Assistant, который помогает ускорять разработку ПО, обеспечивая автозаполнение кода, генерацию стандартного функционала и проверку репозиториев. В данном случае причиной такого выбора стали вероятные сложности при заключении контракта и необходимость проработки безопасного решения на базе внешних решений вендоров, притом что нагрузку и востребованность до запуска оценить очень сложно.
<...>
— Решение каких запланированных задач по результатам пилотов выглядит наиболее реалистичным, какие пока под вопросом?
М. Травин: Q&A-бот уже доступен в MVP-режиме. После реализации распознавания документов будем пилотировать применение в реальных производственных процессах...
Продолжение читайте на https://futurebanking.ru/post/4068
