Поделиться
Максим Архипенков, SmartMerch: Нейросети — это шаг вперед, но не революция
Генеративный искусственный интеллект оказался на пике интереса, но в бизнесе его применение по-прежнему вызывает споры: технологии становятся доступнее, но остаются уязвимыми с точки зрения точности, SLA и безопасности. В интервью CNews генеральный директор SmartMerch Максим Архипенков рассказал, почему их компания делает ставку не на хайп, а на зрелые подходы, как устроена собственная нейросетевая разработка, и чем отличается инженерная зрелость от модных экспериментов.
«Технологии стали доступнее и эффективнее, но многие проблемы по-прежнему не решены»
CNews: Чем объясняется такой взрыв популярности нейросетей? Это ведь не новая технология — ее уже много лет используют для распознавания. Почему именно сейчас все заговорили об инновационном искусственном интеллекте? Произошел какой-то прорыв? Технологии действительно вышли на новый уровень?
Максим Архипенков: Это во многом вопрос маркетинга. Технологии вроде нейросетей, машинного обучения или распознавания изображений давно применяются на практике. Но каждый цикл индустрии сопровождается новым «трендом»: раньше это были большие данные, потом — предиктивная аналитика. Сейчас в центре внимания — генеративные модели.
Сами нейросети — не новинка. Они давно используются в различных продуктах: от распознавания изображений и голоса до сложных аналитических систем. Генеративные модели — это просто новое применение уже существующих технологий: они не распознают, а создают — текст, звук, изображение.
Архитектурно они отличаются, но принцип работы остается общим. Именно поэтому сейчас так важно различать: нейросеть — это не продукт, а инструмент. А продуктом становится то, как этот инструмент применяют.
CNews: Почему именно генеративные нейросети стали таким заметным трендом?
Максим Архипенков: Потому что в них начали активно инвестировать. ИТ-индустрия всегда ищет перспективные направления, и генеративные модели получили нужный импульс — в том числе благодаря OpenAI и ChatGPT.
Когда эти технологии только вышли на рынок, казалось, что это нечто совершенно новое. Сегодня они стали массовыми, вокруг них сформировалась экосистема, но революции как таковой не произошло. Да, алгоритмы совершенствуются, оборудование становится мощнее, появляются конкуренты — но основа та же.
CNews: Даже среди конкурентных разработок?
Максим Архипенков: Microsoft, например, одним из первых встроил генеративную модель в свои устройства, но сам признал, что продукт не стал по-настоящему коммерчески успешным.
Китайский аналог ChatGPT — DeepSeek — повторил ту же концепцию, только в разы дешевле. Таких решений становится все больше, но их ключевые ограничения остались прежними.
Да, технологии стали доступнее и эффективнее, но многие проблемы — в том числе бизнес-применимость — по-прежнему не решены.
«Нейросети пока слабо справляются со сложными вычислениями, а в бизнесе без них не обойтись»
CNews: Но ведь очевидно, что нейросети стали куда более доступными. Разве это не прогресс само по себе?
Максим Архипенков: Безусловно. Раньше, чтобы сгенерировать изображение, нужно было искать движки, подбирать референсы. Сейчас достаточно текстового запроса. Прогресс в удобстве и доступности налицо.
Но важно понимать: суть технологии осталась прежней. Да, это шаг вперед, но не революция. Многие функции, которые сегодня предлагает ChatGPT, были возможны и раньше — просто в другом виде.
CNews: Повлиял ли рост интереса к теме нейросетей на спрос на такие продукты?
Максим Архипенков: Однозначно. Уже шесть лет назад было понятно, что спрос вырастет. Сегодня интерес подогревается в том числе маркетингом: ролики про голосовых ассистентов вроде «Алисы» делают тему более привлекательной. Хотя в реальности многие так называемые продукты на основе искусственного интеллекта — это просто развитие давно известных технологий. Например, аннотирование текста или краткий пересказ раньше выполнялись другими алгоритмами, без генеративных моделей.
CNews: Генеративные нейросети действительно эффективнее и быстрее?
Максим Архипенков: В техническом плане — да: они стали быстрее и выдают результат оперативно. Но если говорить о бизнесе, по-настоящему успешных кейсов пока мало. Большинство примеров больше похожи на эксперименты или развлечения.
Нейросеть может, скажем, аннотировать почту, но не всегда понятно, что именно она упускает. Или писать код — но потом его все равно приходится перепроверять, и часто правки занимают не меньше времени, чем написание с нуля.
Да, генеративные модели применяются в создании контента — например, в игровой индустрии или дизайне. Но и здесь есть вопросы к качеству: нейросетевой стиль легко узнаваем, и не всегда воспринимается как профессиональный.
В точных сферах, где важна надежность, нейросети пока не дают нужного уровня. Главная причина — отсутствие SLA, четких гарантий качества. А без них сложно доверять таким решениям.
CNews: Существуют ли еще недостатки у генеративных нейросетей?
Максим Архипенков: Несколько. Во-первых, модель работает только с тем, что было в обучающей выборке. Если нужной информации нет, она «достраивает» ответ — иногда с ошибками. Во-вторых, нейросети пока слабо справляются со сложными вычислениями, а в бизнесе без них не обойтись. Есть и риски с точки зрения безопасности: любой запрос потенциально может попасть в обучающую выборку, а это уже угроза для конфиденциальных данных.
Интерес к технологии большой, но использовать ее вслепую нельзя. Поэтому мы выбираем другой путь — создаем собственные решения и адаптируем их под конкретные задачи.
«Технология становится рабочим инструментом только после глубокого осмысления задачи и адаптации под нее»
CNews: Вы скептически относитесь к использованию AI в бизнесе, но при этом ваша компания SmartMerch сама разрабатывает IT-продукты на основе нейросетей. Как это сочетается?
Максим Архипенков: Мы действительно используем нейросети, но не генеративные, а распознающие — это более зрелая технология с высокой точностью и надежностью. У нас SLA достигает 98%, что позволяет уверенно применять ее в бизнес-процессах. При этом мы не просто используем нейросеть как инструмент — мы создаем полноценный продукт, который на основе фотографий собирает и структурирует нужные данные.
Технология распознавания применяется уже давно — раньше, например, в системах безопасности. Еще 15 лет назад она существовала, но тогда требовались большие объемы данных, а точность оставляла желать лучшего. Ситуация изменилась около восьми лет назад с развитием глубокого обучения и сверточных нейросетей — стало возможным обучать модель на меньших объемах и при этом достигать высокой точности.
Однажды, работая с сектором FMCG, я увидел потенциал в применении нейросетей для анализа выкладки товаров на полках. Раньше этим занимались мерчандайзеры вручную, а мы создали инструмент, который автоматизировал процесс.
Но для этого было недостаточно просто подключить нейросеть. Мы провели глубокую аналитику, изучили потребности клиентов и специфику отрасли. Только после этого начали собирать решение, настраивая нейросеть под конкретную задачу, сужая область применения и минимизируя возможные ошибки. Это была кропотливая работа: обучение на нужных данных, установка ограничений, тестирование гипотез, доработка функционала.
Когда продукт достиг нужного уровня точности и начал давать полезные для клиента инсайты, мы запустили его в промышленную эксплуатацию. Это пример того, как технология становится рабочим инструментом только после глубокого осмысления задачи и адаптации под нее.
Помимо распознавания, мы развиваем и аналитику — внедряем предиктивные модели, а сейчас разрабатываем решение, которое выполняет задачи, схожие с генеративными нейросетями, но на другой технологической базе.
CNews: Что бы вы посоветовали предпринимателям, которые хотят создать продукт на основе нейросетей?
Максим Архипенков: Главное — не начинать с технологии. Важно понять, что именно нужно клиенту. Нейросеть — это не цель, а всего лишь инструмент. Что она даст вам, кроме статуса «мы используем модные решения»?
Мы в своей работе всегда отталкиваемся от задачи. Не от желания применить нейросеть, а от проблемы, которую нужно решить с помощью ИТ. Это принципиально иной подход.
Приведу простой пример. Технология телефонной связи появилась задолго до того, как телефоны вошли в повседневную жизнь. Но изначально она была дорогой, громоздкой и неудобной. Настоящий прорыв произошел, когда ее оформили в компактный, понятный продукт — телефон. Людям был нужен именно он, а не сама технология.
Так и у нас. Мы не гонимся за трендами. Сначала погружаемся в контекст, изучаем реальные потребности клиента, ищем слабые места — и только потом подбираем инструменты. Если для решения задачи нужна нейросеть — отлично. Но она будет лишь частью архитектуры, которую мы полностью контролируем: анализируем поведение, прогнозируем результат, оцениваем эффективность. Мы не полагаемся на черный ящик — и в этом наша сила.
Поэтому мой совет бизнесу: начинайте с клиента. Понимайте, что ему действительно важно. И только потом решайте, нужна ли вам нейросеть — или задачу лучше решит что-то другое.
CNews: Как вы считаете, когда генеративные нейросети станут достаточно зрелыми для решения ответственных задач?
Максим Архипенков: Трудно сказать. Сейчас мы видим настоящий бум генеративных сервисов, и вполне возможно, что кто-то уже в ближайшее время раскроет их потенциал. В эту сферу вкладывают колоссальные ресурсы — и внимание, и деньги, — так что развитие может быть стремительным. Если говорить о сроках, я бы дал на это меньше пяти лет. Но в технологиях вообще сложно что-либо прогнозировать — все меняется слишком быстро.
Вспомним историю с беспилотными автомобилями. Илон Маск еще в 2019 году обещал запуск, потом в 2020-м, 2021-м — и так каждый год. В итоге у нас есть машины с автопилотами, они действительно могут доехать из пункта А в пункт Б. Но стала ли технология по-настоящему рабочей? Не совсем. Мы пока не до конца понимаем, как ее встроить в повседневную жизнь.
Хороший продукт — это как электрочайник: включил в розетку, нажал на кнопку — и получил понятный результат. А автопилот — пока скорее ассистент: он может подсказать, подстраховать, припарковать, если водителю станет плохо. Но это не самостоятельная система — это функция.
С генеративными нейросетями — та же история. Я не удивлюсь, если к концу года появится условный ChatGPT 6.0 с точностью 95% и высоким SLA. Но точно так же не удивлюсь, если за ближайшие пять лет ничего принципиально не изменится, и мы будем находиться примерно в том же технологическом ландшафте, что и сегодня.
Поделиться
Короткая ссылка
