Оригинал статьи: https://news.northeastern.edu/2025/10/21/engineering-leaders-embracing-ai-tech/?utm_source=chatgpt.com
Искусственный интеллект стремительно перестаёт быть экспериментом и становится частью повседневных бизнес-процессов.
Как сделать так, чтобы компания была к этому готова? Ответы на этот вопрос дали исследователи и преподаватели Университета Нортheastern (Бостон, США) — участники дискуссии «AI Mysticism and Demystification for Interdisciplinary Engineering Leaders».
Они выделили три ключевых направления: данные, компетенции и экспертиза.
ИИ — не магия, а технология, которую можно понять
По словам Сэма Скарпино, директора направления AI + Life Sciences Института экспериментального ИИ при Northeastern,
в основе всех современных ИИ-решений — от ChatGPT до Perplexity — лежит машинное обучение. Это просто набор алгоритмов, которые обучаются на данных, а не на прямых указаниях человека.
«С определённой точки зрения, большинство того, что мы делаем с ИИ, вовсе не мистично», — говорит Скарпино.
Главная цель, по словам учёных, — снять ореол таинственности вокруг ИИ, чтобы инженерные руководители понимали его реальные возможности и ограничения.
Начните с данных: без них ИИ не заработает
Первое, на что должен обратить внимание любой руководитель, — качество данных, на которых обучается система.
ИИ настолько хорош, насколько хороша информация, с которой он работает.
Скарпино отмечает:
«Важно понимать, насколько ваши данные подходят для решения конкретной задачи и какая у вас выстроена стратегия их обработки».
Инвестиции в качественные данные и инфраструктуру — основа успеха.
Однако, как признаёт эксперт, во многих компаниях это остаётся проблемой:
руководителям нередко приходится убеждать совет директоров или IT-отдел вкладываться в платформы и хранилища, которые пока не приносят мгновенной отдачи.
«Мы постоянно ведём uphill battle — борьбу в гору, оправдывая необходимость инвестиций в данные», — говорит Скарпино.
ИИ как инструмент повышения автономности сотрудников
Другой участник дискуссии, Абишек Мурти, преподаватель инженерных программ и старший архитектор AI в компании Schneider Electric,
отмечает, что потенциал ИИ — не только в автоматизации, но и в расширении возможностей людей.
«ИИ — это набор технологий, который увеличивает автономию внутри организации. Он помогает нам работать масштабнее и эффективнее».
Однако есть распространённое заблуждение, что ИИ-системы начинают работать «из коробки».
Мурти подчёркивает:
«ИИ не работает сразу. Он требует настройки, адаптации процессов и, главное, диалога между экспертами и пользователями».
Он также отмечает важность коммуникации между техническими и нетехническими специалистами.
Часто обе стороны говорят «на разных языках», что мешает эффективному внедрению и использованию ИИ-инструментов.
Доверяй, но проверяй — и делай это постоянно
Ещё один спикер, Ауроп Гангули, директор направления AI for Climate & Sustainability, обращает внимание на другую сторону технологии — точность и достоверность данных.
ИИ-модели склонны к «галлюцинациям» — выдаче неправдоподобных или ошибочных ответов.
«Мы должны быть крайне внимательны к тому, насколько можно доверять результатам. И всегда оставлять место для участия человека», — говорит Гангули.
Его формула звучит немного иначе, чем известное выражение:
«Доверяй после проверки, но проверяй постоянно».
Именно поэтому роль экспертов-предметников (subject matter experts) остаётся ключевой.
Они способны определить, когда система ошибается, и откорректировать результаты.
Скарпино добавляет:
«Человеческая экспертиза никуда не исчезает. Напротив, её значение возрастает — без неё невозможно валидировать и развивать ИИ-модели».
Главное — осознанное внедрение
Эксперты сходятся во мнении: успешная адаптация ИИ в инженерных компаниях требует триединства факторов:
- Надёжная инфраструктура данных.
- Подготовленные кадры.
- Глубокая профессиональная экспертиза.
ИИ способен повысить производительность и точность решений, но без правильной стратегии и участия человека его потенциал останется нереализованным.