Спецпроекты

Искусственный интеллект ПО Бизнес Цифровизация Импортонезависимость Конференции

Как правильно воспитать искусственный интеллект

7 ноября в Москве состоялся ежегодный CNews Forum 2024. Участники секции «Искусственный интеллект и большие данные» обсудили, как сделать использование технологии по-настоящему полезным. Они поделились уже готовыми примерами внедрения ИИ в различных отраслях и пришли к выводу, что искусственный интеллект может помочь решить множество задач и даже заменить человека. 

Как ИИ работает с медиаконтентом

Picvario — это группа компаний, часть из которых занимается стоковыми и новостными фотографиями, а также консалтингом, тогда как другая разрабатывает и интегрирует ПО, делает решения на базе ИИ. Роман Мартиросян, руководитель технической разработки Picvario, рассказал, что компания использует искусственный интеллект для работы с медиаданными.

«Сначала мы занимались цифровизацией процессов внутри фотоагентства и неплохо в этом преуспели. Поток в 20 тыс. фотографий обрабатывали три редактора. Очень много процессов мы заменили алгоритмами», — говорит докладчик.

Системы для управления цифровыми активами DAM (Digital Asset Management) на Западе появились давно, еще в начале 90-х годов. В России первопроходцами в этой сфере стала команда Picvario. Сейчас решений стало больше, но Роман Мартиросян уверен, что его компания все еще сохраняет лидерство.

Первая стадия зрелости таких систем, DAM 1.0, представляет собой автономную библиотеку фото, видео, аудио, графики, которая обеспечивает базовое управление медиафайлами. «Не стоит думать, что если стадий четыре, то те, кто находится сейчас на первой, проиграли. Никакой корреляции с успехом, просто разные задачи», — комментирует докладчик. Такая библиотека — это, в любом случае, шаг вперед по сравнению с общими дисками и облачными платформами для обмена файлами.

К этой библиотеке Picvario написала свой набор приложений, куда входит генерация описаний и автотегирование изображений, умный поиск на основе ИИ, поиск подобных изображений, распознавание лиц на фото и видео, транскрибация видео и аудио. Часть технологий сейчас в разработке, и на них большой спрос. В компании собираются внедрить распознавание текстовых элементов и логотипов на изображениях, функцию удаления заднего фона, анонимизацию персон на фотографиях (с заменой лиц), автоматическую ретушь.

«Мы занимаемся не только технологиями, но и делаем проекты. Идем в направлении описаний для событийных фото. Сейчас у нас есть два кейса с французским и голландским медиа-агентствами. Работаем и с отечественными компаниями», — подчеркивает Роман Мартиросян и перечисляет особенности еще трех уровней развития систем класса DAM, отмечая, что систем, которые можно назвать DAM 4.0, в мире пока нет. Это — вектор развития на будущее.

О том, как в RUTUBE анализируют метаданные сотен миллионов видео, рассказал Ростислав Чернаков, технический директор RUTUBE. «Ежедневно в ноябре на платформу заходит порядка 14,3 млн пользователей, а месячный показатель в октябре достиг 67,1 млн. Получается, что каждый второй житель нашей страны раз в месяц посещает нас», — говорит он. В ноябре 2024 года количество видеороликов на RUTUBE достигло 310 млн. Рост в 8,5 раз по сравнению с предыдущим годом.

У сервиса около 5000 серверов, распределенных по разным городам России, а также по странам СНГ. «Недавно мы сделали сеть CDN в США, потому что по статистике мы видим — многие пользователи смотрят нас именно оттуда. Хотелось бы, чтобы русскоязычные зрители могли наслаждаться нашим контентом и в Америке — быстро и стабильно», — разъясняет Ростислав Чернаков.

Трансформеры в рекомендациях. Источник: RUTUBE, 2024

Генераторы кандидатов в рекомендации здесь можно разделить на коллаборативные и контентные. Коллаборативный генератор кандидатов более простой и категоризирует контент на основе действий пользователя, контентный же производит анализ видео- и аудиодорожек. Коллаборативные методы хороши на видео с большим количеством обратной связи, однако для непопулярного видео такие методы притягивают нерелевантный контент. Именно поэтому для видео на нишевые темы и для видео новых авторов нужны контентные методы. «Сейчас активно развивается четвертое поколение рекомендаций, где используются цифровые двойники и LLM. Пока что эти модели не особо зрелые, но я думаю, что будущее за ними», — говорит Ростислав Чернаков.

Как заработать на бигдате

«СберАналитика» анализирует транзакции физических и юридических лиц. «Мы также видим больше 10 млн торговых терминалов. Глубина наших данных — свыше 5 лет. Все наши продукты находятся в реестре российского ПО, а ключевые алгоритмы — запатентованы», — рассказывает Денис Козицкий, директор по развитию ИТ и инновациям компании «СберАналитика».

Исследования проводятся на основе обезличенных и агрегированных данных о тратах клиентов. Персональная информация и любая информация, составляющая коммерческую тайну, не раскрывается, заверяет спикер. Большие данные помогают выявить потребительские предпочтения населения, тогда как их эмоциональное состояние, планы и реальные потребности определяются с помощью количественных и качественных исследований (онлайн-опросы).

Денис Козицкий напомнил, что в последнее время наша страна столкнулась с социально-демографическими и экономическими вызовами, такими, как, например, переориентация экспортно-импортных потоков или изменения миграционной политики. Важную роль играет импортозамещение, и его скорость в ключевых отраслях будет определять возможность адаптации экономики к новым условиям.

Человеческий капитал может стать одним из основных ограничивающих факторов развития экономики территорий в краткосрочной и среднесрочной перспективе. Важно обеспечить высокий уровень и стандарты качества жизни, подчеркивает докладчик. Он показал множество графиков и цифр, которые были получены в ходе исследований. Так, например, 90% компаний уже работают в российских BI-системах, при этом 36% респондентов разработали собственное решение. Уровень удовлетворенности отечественным ПО с 2023 года вырос на 8 пунктов. 64% россиян оценивают уровень жизни как высокий. Самые довольные — в возрасте до 35 лет.

Семен Теняев, основатель деловой социальной сети TenChat, председатель правления ВБЦ, рассказал, как его компания зарабатывает деньги на данных. «TenChat — единственная деловая и единственная прибыльная соцсеть в России», — утверждает он. «В современном мире все привыкли слышать, что информация — это новое золото, но бигдата, которую ты не умеешь обрабатывать, используешь много сторонних ресурсов, означает, что объективных цифр не получить», — говорит Семен Теняев.

В TenChat можно за 30 секунд создать опрос на 10 тыс. человек с помощью искусственного интеллекта. «Получается большая база, чем у ВЦИОМ. Робот грамотно опрашивает пользователей, тогда как обычные компании тратят огромные деньги на опрос респондентов», — поясняет Семен Теняев. Он предлагает заглянуть в будущее и подумать, где еще искусственный интеллект найдет деньги. «Назовем эту технологию «умная цена», — говорит он и предлагает сделать упор на агрегацию данных из трех источников: «Комбо датасетов по платежам, соцсетям и данным сотовых операторов несет в себе убойные возможности. Нужно уметь работать с публичными данными», — уверен эксперт.

Что касается «умной цены», то докладчик советует обратить внимание на Hotellab. Это российский сервис отелей, который на основе искусственного интеллекта предлагает лучшую цену в зависимости от рыночной ситуации, продаж, эластичности спроса, действий конкурентов и других факторов. Семен Теняев приводит цифры, согласно которым прибыль за счет внедрения технологии «умной цены» для b2b- и b2c-рынков может увеличиться на 3-5% к 2030 году.

ИИ генерирует эффективность

«У нас десятки тысяч единиц номенклатуры, от 4 до 25 переделов для разных видов готовой продукции и присутствие на открытом высококонкурентном рынке. Мы работаем только на заказ, склад не наполняем. Что нужно в таких условиях? Очевидно, повысить эффективность», — начал выступление Ян Анисов, заместитель генерального директора по развитию производственной инфраструктуры и инновациям «Москабельмет».

Он пришел рассказать о разработках, которые за последние пару лет существенно повлияли на бизнес. На базе «1С» создана система конструкторско-технологической подготовки производства. «1С: КоМод» помогает автоматизировать и бесшовно интегрировать с данными информационной системы управления предприятия математические расчеты, например, конструктивных параметров производимой номенклатуры; расхода материалов, полуфабрикатов, тепловых и энергетических ресурсов при производстве и их регламентированных потерь и пр. «За два года функционирования системы доля проектной продукции, по которой прибыль выше, если сравнивать со стандартными кабелями, сильно выросла», — говорит докладчик.

Экономический эффект от внедрения «: КоМод». Источник: Москабельмет, 2024

Еще одна технология связана с оперативным управлением производством. Система «1С: MES Кабельный завод» контролирует производственные процессы в режиме реального времени. «Около 500 заказов исполняется одновременно, — поясняет Ян Анисов, показывая интерфейсы продукта. — Если посчитать в операциях, то это 6-10 тысяч операций». Искусственный интеллект помогает укрупнять операции, когда каждый заказ и каждая маленькая операция объединяются по определенным признакам, а также минимизирует неполадки и простои, срывы сроков.

Еще одна система — оптимального планирования кабельного производства APS Infimum —помогла получить выгоду в 23 млн рублей всего за 1 квартал. Производительность увеличилась на 14%, на 15% выросло количество довольных клиентов за счет сокращения сроков поставок, меньшего количества ошибок и большего выбора ассортимента.

Последнее, что отметил в докладе Ян Анисов — это технология компьютерного зрения на производственной линии. Она контролирует качество продукции. Докладчик продемонстрировал на графике, как эти четыре технологии увеличили чистую прибыль. «Это показатели, которыми мы гордимся», — заключает он.

Динамика доходов. Источник: Москабельмет, 2024

«Примерно 5500 обращений мы получаем каждый день, и они далеко не простые. Специфика нашей работы заключается в том, что клиентам необходимо соблюдать требования законодательства. Это значит, что у них нет альтернативного пути решения возникающих проблем, — начал выступление Илья Грознов, руководитель клиентского сервиса компании «Честный знак». — Они не могут уйти, как, например, клиенты магазина уходят в другой магазин. Они вынуждены решать проблемы именно с нами. Эта специфика работы отражается и на наших операторах. Контакт-центры должны давать точные ответы в самый короткий срок».

Развитие системы маркировки ведет к росту числа пользователей и обращений. Поддержание высокого уровня сервиса требует постоянного совершенствования работы операторов и повышения производительность их труда. Операторы должны разбираться как в технических, так и в юридических вопросах по каждой группе товаров, поскольку обращения пользователей имеют большое количество вариаций. «От ИИ мы хотели в первую очередь повышения качества сервиса. При правильном воспитании он ошибается реже обычного оператора. Мы начинали с обычного онлайн-консультанта, который висит на сайте и всех раздражает. Сейчас ИИ вырос и стал полноценным другом нашего оператора. Нет действий, при выполнении которых оператор не пользовался бы искусственным интеллектом», — делится опытом докладчик.

Робот отвечает на значительную часть обращений на основании базы знаний. ИИ помогает повысить производительность труда с помощью классификации и категоризации обращений, поиска статей в базе знаний, подготовки ответов на сложные запросы. Глубокая интеграция с CRM обеспечивает оператору бесшовный рабочий процесс.

Комплексный подход к роботизации поддержки реализован на базе AutoFAQ Xplain. Сложности в процессе работы, разумеется, возникали. Для работы ИИ нужно было собрать и постоянно обновлять базу знаний, добиться точности и качества ответов от генеративного интеллекта, обеспечить постоянное переобучение. Владислав Беляев, сооснователь и исполнительный директор AutoFAQ, отдельно отметил: «У коллег гигантские объемы данных, каждый день меняются базы знаний, потому нужно было сильно прокачать систему архитектурно, чтобы она работала без потери качества». Инвестиции кратно окупились за 10 месяцев. На 20% выросла производительность операторов. 15% обращений закрывается ботом в электронной почте. «Сейчас мы внедряем систему распознавания речи и речевой аналитики. Пилотные результаты очень хорошие», — заверяет Илья Грознов.

Пусть решат за нас

«Я хочу поделиться нашим опытом внедрения дата-копайлотов и рассказать, что же это такое», — начал свое выступление Дмитрий Иванов, директор департамента архитектуры и методологии работы с данными X5 Group. За последние несколько лет ритейлер вырос, расширил географию своего присутствия на 7 новых регионов, общее количество магазинов увеличилось в 1,5 раза. «У нас родилась стратегия развития компании на ближайшие 5-10 лет. В ней есть веха, которая называется «Внедрение ИИ в процессы принятия решений», — рассказывает докладчик.

Миссия внедряемых здесь дата-копайлотов заключается в том, чтобы сделать доступный и полезный анализ данных, позволяющий ускорить принятие управленческих решений. «В последнее время все компании активно занимались импортозамещением. У нас такой потребности не было. Вместо этого мы смотрели на рынок, наблюдали, какие решения внедряются, как они развиваются, и искали для себя интересные технологии», — делится Дмитрий Иванов, указывая на слайде, какие решения для анализа данных показались интересными. Например, понравилась история компании SymphonyAI, которая предлагает ИИ-решения для крупнейших FMCG-организаций.

«Мы же пошли в сторону исследования рынка мобильной аналитики», — подчеркивает спикер. Внедрили решение от Easy Report. Оно дает возможность проводить анализ и получать визуализацию данных в режиме реального времени. При этом сохраняется контекст общения с пользователем и есть возможность выбора формата вывода данных.

Как работает решение от Easy Report. Источник: X5 Group, 2024

Разумеется, на начальном этапе были опасения. Например, недоверие к данным из чат-бота. Однако пользователи преодолели недоверие при помощи регулярной проверки данных путем сверки с бенчмарками внутренних BI-систем. «После того, как мы преодолеваем этот барьер, начинает работать «сарафанное радио». Люди внутри начинают сверху вниз спускать инструмент, появляются пользователи», — вспоминает Дмитрий Иванов. Кроме того, нужно было донастроить модель, чтобы сотрудники могли вводить самые разные запросы.

Теперь 23% пользователей сократили частоту и объем использования обычных BI-инструментов. Понятно, что полностью их заменить не планировалось, так как сценарии использования стандартных систем и нового мобильного чат-бота разные. «Теперь мы хотим прийти к дата-агентам. Когда у пользователя есть интерфейс, туда поступают сигналы, которые обрабатывает машина, и пользователю остается только принять решение», — заключает докладчик.

Тему дефицита кадров предложил обсудить Олег Луковенко, технический директор Jumse. Компания изначально занималась аутстаффингом разработчиков. «Мы работаем исключительно с топовыми специалистами, сеньорами, архитекторами. Поэтому глубоко погрузились в процесс. И три года назад возникла проблема: как сократить издержки на скрининг технических специалистов такого уровня. При этом проблема касается не только нас. Это боль всей ИТ-отрасли», — говорит он.

Подошли к вопросу по-айтишному: решили его автоматизировать. Для этого был создан Jumse-сервис для автоматического скрининга. С его помощью уже протестировали более 3000 специалистов из крупных российских компаний. Отмечается 98% совпадение с оценкой, данной в ходе профессионального интервью. «Это рекордный показатель, который может дать автоматизированная система при определении технических навыков», — утверждает докладчик.

Задания в скрининге — это набор практических кейсов, сформированный на основе уникальной базы сеньор-знаний, с учетом требований к разработчику. Проверяются такие навыки, как понимание use-кейса, принципов работы, архитектуры и абстракции, побочные эффекты, выявление ошибок. Формат скрининга — это код-ревью, чтобы можно было учесть контекст. Полученные отчеты дают возможность в автоматическом режиме и без консультации технического специалиста принимать решения по кандидатам, отслеживать рост разработчиков, определять их компетенции и зоны развития.

«В основе продукта лежит авторская методология. Когда мы скриним с вами сеньоров или миддл плюс, то непонятно, с чем сравнивать их знания. Нужна какая-то эталонная база, и мы потратили три года, чтобы ее создать. Ее не существовало нигде в мире. Потому что знания сеньора — это практические навыки, которые ребята выносят из проектов за 10-15 лет в отрасли, это экспертиза», — объясняет Олег Луковенко.

Стеки, которые проверяет Jumse. Источник: Jumse, 2024

В генерации скринингов задействован искусственный интеллект. Им начали пользоваться, столкнувшись с тремя серьезными проблемами: дороговизна вариативности, скучный материал и возможность случайного прохождения тестов рандомными кликами. Теперь, благодаря искусственному интеллекту, каждый новый скрининг уникален, контент выглядит не только живенько, но и предполагает, что кандидат будет работать с кодом, приближенным к индустриальному. Наконец, появилась устойчивость к случайному прохождению заданий. «Накликать случайным образом на сеньора у вас теперь не получится», — заверяет спикер. Планируется переход к собственной нейронной сети.

Генеративный искусственный интеллект считается главным драйвером изменений и роста мировой экономики к 2030 году. В отдельных направлениях видится потенциал повышения операционной эффективности на 40-80% — только с помощью этой технологии. Такие цифры в своем докладе привел Антон Ершов, директор по стратегии группы НЛМК. Он предложил порассуждать, что же это перед нами: очередной хайп или неисчерпаемый кладезь эффектов для бизнеса? «Мы рассматриваем эту технологию как неотъемлемую часть корпоративной культуры. Это новый катализатор инноваций. Цифровизация уже становится реальностью, но что дальше? Новый шаг должен позволить нам в будущем заниматься теми вопросами, к которым мы не могли подступиться раньше», — говорит он.

В НЛМК проанализировали все имеющиеся профессии, должностные инструкции, роли, чтобы понять, как их можно цифровизировать. Таким образом определили, как применить генеративный ИИ так, чтобы получить максимальную пользу. Дальше — дело за стратегией. Теперь здесь собираются разработать и запустить комплексную программу Gen AI-грамотности, внедрить систему мотивации для стимулирования Gen AI-инноваций, создать сообщество соответствующих чемпионов в бизнес-подразделениях и интегрировать нужные компетенции в систему карьерного развития.

Генеративный интеллект в НЛМК создается как новый тип сотрудника. Это не калькулятор или предсказуемый алгоритм, это инструмент, с которым надо научиться работать, чтобы получить эффект. Его можно представить как выпускника сразу нескольких университетов, сдавшего огромное количество экзаменов — и он только начинает свой трудовой путь. На новичков никто полную ответственность возлагать ведь не торопится. Так же нужно поступить и в случае с ИИ.

В начале этого года в компании запустили GenAI-лабораторию, основная задача которой — разработка стратегии и поддержка бизнеса при запуске конкретных кейсов. «Фокус внимания направлен исключительно на те эффекты, которые должна принести технология, — поясняет Антон Ершов. — Мы не делаем просто интересные проекты, которые не несут конкретной пользы». Лаборатория работает как центр компетенций, площадка для быстрого прототипирования продуктов и решений на основе GenAI. После лаборатории пилоты попадают в фабрику, где происходит масштабирование эффектов.

Партнерская экосистема GenAI-лаборатории. Источник: НЛМК, 2024

«Если у вас есть идеи, решения — приходите к нам в лабораторию. Мы готовы к партнерству и сотрудничеству. Пишите нам», — призывает докладчик, перечисляя текущие пилоты и проекты группы компаний.

Начало интеллектуального пути

Сейчас происходит технологическая трансформация всех отраслей деятельности. «Еще сто лет назад электричество было роскошью для богатых. А сегодня ничто не существует без электричества. Технология вошла в нашу жизнь. То же самое будет и с искусственным интеллектом. Он также интегрируется всюду, станет необходимым и обязательным. Мы с вами наблюдаем этот процесс», — уверен Михаил Граденко, директор департамента технологий искусственного интеллекта, «Русал».

Алюминиевая компания умеет считать деньги и не смотрит на хайп, подчеркивает спикер. Главное — эффективность. Генеративный интеллект только начал пробивать себе дорогу, а вот прикладной ИИ уже давно освоен. «Могу вас заверить: продукты внедряются, и их количество исчисляется уже не десятками, а сотнями. И эффект от них — миллиарды рублей», — подчеркивает Михаил Граденко и призывает помнить, что для успешного внедрения ИИ необходимо иметь систему его эксплуатации и соответствующую инфраструктуру.

Он показывает на слайдах, как именно это организовано в «Русале». В компании внедрили корпоративную шину данных, которая позволяет осуществлять обмен данными как на производственной площадке между системами и продуктом, так и в корпоративном дата-центре между корпоративными ИС и базовым хранилищем платформы.

Корпоративная шина данных. Источник: Русал, 2024

«Чтобы вести диалог, понятный бизнесу, мы ввели понятие «AI-ready площадка», — делится опытом докладчик. Площадку можно считать подготовленной только в том случае, когда там есть сетевой канал между ПП и КК; системы MES и АСУ ТП на ПП; итеграционный модуль КШД ПП; вычислительная эксплуатируемая инфраструктура для ML/CV продуктов и корпоративный Nexus на ПП.

Если не выполнить эти требования, то внедрение ИИ будет крайне дорогим. «Сейчас большая часть наших площадок превращается в AI-ready. Там системное внедрение продуктов с ИИ идет дешево», — говорит Михаил Граденко. Одних данных недостаточно. Разработка, внедрение и эксплуатация ИИ-продуктов — сложный вид деятельности, требующий не только широкого перечня компетенций разработчиков, но также особых бизнес-процессов и соответствующей инфраструктуры. Докладчик приводит список инструментов, технических руководств и регламентов, которые используют на их предприятии.

Разговор про искусственный интеллект коротким быть не может. «Никаких финишных прямых, мы в самом начале пути», — говорит Вадим Егоров, администратор ИТ-проектов банка «Уралсиб», и предлагает обсудить, как банковской отрасли сохранить лидерство в эпоху ChatGPT.

В «Уралсибе» стараются быть вендеронезависимыми, однако работают и с конвейером инноваций, позволяющим пилотировать решения партнеров. Такой подход позволяет оставаться на лидирующих позициях в области инноваций. «Мы входим в топ-10 самых инновационных банков страны», — сообщает спикер. Одна из технологий, которая сразу претендовала на способность формировать новые рынки и изменить бизнес-модель финансовых организаций, — это генеративный интеллект. Он помогает анализировать клиентский опыт, управлять персоналом, быстро проверять гипотезы и разрабатывать программное обеспечение.

Рынок разработки постоянно меняется, на нем нет четких тарифов, как, например, в телекоме или сельском хозяйстве. Стоимость производства целиком зависит от компетенций интеллектуальных сотрудников. Докладчик подчеркивает, что интеллектуальный потенциал человека ограничен, и корпорации-гиганты вынуждены нанимать все больше людей, чтобы его увеличить. «Есть основания полагать, что искусственный интеллект поможет повысить личную производительность и потенциал интеллектуальных усилий», — говорит Вадим Егоров. Только так можно будет брать не количеством сотрудников, а качеством каждой отдельной единицы.

Однако пока мы видим, что в области генеративного интеллекта лидирует несколько компаний, которые могут вкладывать сотни миллионов долларов в собственные модели. Но что делать, если миллионов нет, а генеративные модели нужны? Вадим Егоров предлагает либо обратиться к мировым лидерам, что сейчас возможно, но легкомысленно. Либо попытаться сотрудничать с российским бигтехом. «Мы находимся в тесном контакте с лидерами российского сегмента. Рассматриваем возможности развертывания генеративной модели в контуре организации. Нам предлагает это и «Сбербанк», и МТС», — говорит он.

Cloud source или open source? Источник: Уралсиб, 2024

Выбирать можно и из cloud source, и из open source. Тут важно помнить, что сотрудничество с поставщиками проприетарных LLM может оказаться выгодным в начале пути, но привести к серьезным ограничениям на этапе внедрения и масштабирования. В качестве альтернативы можно нарастить собственную экспертизу и сделать ставку все-таки на open source. «Результат будет не наилучшим. Проприетарные модели всегда будут эффективнее», — предупреждает Вадим Егоров. Зато так дешевле.

Как не попасться на зуб закону

Все, что не разрешено правообладателем, то запрещено. Это общее правило, хотя обычно граждане думают наоборот. Артем Евсеев, руководитель практики интеллектуальной собственности, ИТ и защиты информации Savina legal, предлагает рассмотреть, какие права можно нарушить, занимаясь искусственным интеллектом.

«Возникает вопрос: как обучать нейросеть, на какой выборке данных?», — интересуется докладчик и рассказывает историю из американской практики. Научно-исследовательская организация OpenAI получила иск от гильдии авторов, которые оказались не рады факту использования своих произведений в качестве корма для ИИ. В лужу на днях сел и Илон Маск. Он использовал в своей презентации картинку, которая оказалась слишком похожа на заставку к фильму «Бегущий по лезвию 2049». И хотя изображение было сгенерировано, на бизнесмена все равно подали в суд за нарушение авторских прав.

Евросоюз оказался мягче и в специальной директиве определил, что в определенных обстоятельствах можно заниматься майнингом данных без разрешения правообладателя. В России ситуация вроде бы еще свободнее. Перечень ограничений исключительных прав является закрытым, и обучение ИИ туда не входит. Но на самом деле обучение искусственного интеллекта лежит в серой зоне законодательного регулирования. «Тут необходимо понимать, какой массив данных вы загружаете в нейросеть. На каком основании, как вы его получили. Не стоит забывать, что данные могут относиться к человеку, то есть быть персональными. То, что вы их анонимизировали, не снимает с них статуса «персональные», — предупреждает Артем Евсеев.

Условия использования сервиса. Источник: Savina legal, 2024

Датасеты — это только часть проблемы. Кому принадлежат права на промпт и сгенерированный контент? Охраняется ли сам промпт и то, что сотворил искусственный интеллект? Кто будет нести ответственность за получившиеся тексты или картинки? Оказывается, отечественные суды уже не раз посчитали, что сначала нужно приложить творческие усилия, чтобы называться полноценным автором. «Не каждый продукт, который создается при помощи человека, должен охраняться как объект авторского права», — поясняет докладчик и предлагает смотреть EULA, пока нет судебной практики, чтобы понять, кому что принадлежит. А еще лучше — обращаться к юристам. Они определят точнее.

CNews FORUM 2024 собрал рекордное количество участников. Его посетили более 1800 участников. Было представлено около 150 экспертных докладов. Гости форума получили возможность ознакомиться с продуктами российских разработчиков более чем на 70 стендах.

Владислав Беляев: Нам удалось роботизировать 85% ответов на обращения пользователей
Контактный центр «Честный знак» должен моментально отвечать на вопросы пользователей. В этом ему помогает искусственный интеллект. Благодаря ему производительность труда операторов выросла на 20%, а инвестиции окупились за 10 месяцев, рассказал Владислав Беляев, исполнительный директор и сооснователь AutoFAQ.
Сергей Фомин: Искусственный интеллект станет инструментом для предсказательной аналитики и автоматического создания контента
Хранение медиа-контента в большинстве компаний пока не упорядочено. Однако существуют решения, которые делают его создание и обработку удобными и безопасными, рассказал Сергей Фомин, основатель и генеральный директор группы компаний Picvario.










Наталья Николаева

Короткая ссылка