NTT DATA AIVista решает проблему «последней мили» ИИ
Источник: VentureBeat · VB Staff
При поддержке NTT DATA AIVista
На конференции VB Transform 2026 генеральный директор NTT DATA AIVista Блатин Саха (Bratin Saha) встретился с генеральным директором и главным редактором VentureBeat Мэттом Маршаллом (Matt Marshall), чтобы обсудить проблему «последней мили» при внедрении передовых моделей в регулируемую производственную среду. Именно надежность, контекст, защитные механизмы и безопасность определяют, приносит ли ИИ реальную пользу бизнесу. Разговор сосредоточился вокруг главного вопроса, стоящего перед каждой компанией, которая сегодня инвестирует в искусственный интеллект: как превратить эти расходы в реальную и осязаемую ценность.
«Дело не только в модели, вы строите систему вокруг модели», — отметил Саха. «Последняя миля» заключается в том, чтобы «обернуть» передовую модель собственными данными, рабочими процессами и защитными барьерами предприятия.
В конечном счете, регулируемое производство зависит от гораздо большего, чем просто технология, подчеркнул Саха. Сегодня большинство корпоративных ИИ-проектов терпят неудачу на этапе внедрения из-за плохой интеграции, пробелов в предметной специализации, отсутствия управления и нечеткого распределения ответственности за результаты. Специализация на «последней миле» превращает способную базовую модель в корпоративного агента, адаптированного под специфичные для предметной области рабочие процессы, склонность к риску, классификацию клиентов, нормативные трактовки и институциональные знания.
Почему передовые модели буксуют в корпоративных рабочих процессах
Передовые модели сильно не дотягивают до точности производственного уровня во многих реальных страховых процессах, отметил Саха, однако специализация на «последней миле» способна поднять их до необходимого бизнесу уровня надежности. «Из коробки» эти модели с трудом справляются со сложностью регламентированных процессов, таких как рассмотрение многонациональных страховых исков.
«Эти формы довольно сложны, в них часто присутствует рукописный текст, множество галочек в полях и так далее», — сказал он. Именно эта сложность приводит к тому, что передовые модели, такие как Fable 5, Opus 4.8 и GPT-5.5, оказываются недостаточно эффективными без дополнительной настройки.
По словам Сахи, наибольшую отдачу приносит специализация всей системы ИИ в целом, а не только базовой модели.
Эта система настраивается с использованием данных клиента, его рабочих процессов и, во многих случаях, негласных знаний (tribal knowledge), которые никогда не попадали в официальные регламенты.
«Максимальная отдача на вложенный доллар достигается за счет специализации, а затем внедрения этих специализированных защитных барьеров», — пояснил он.
Эта работа состоит из трех компонентов:
сбор контекста предприятия и адаптация его для использования ИИ;
запуск ансамбля моделей, чтобы расходы не взлетели до небес;
добавление специализированных защитных фильтров, которые проверяют модель и заставляют ее переделывать задачу при обнаружении ошибок.
Что на самом деле требуется для «последней миле» агентного ИИ
Ничто из этого не требует дообучения (fine-tuning). Последний опрос корпоративных клиентов, проведенный VentureBeat, показал, что этот метод занимает последнее место в приоритетах компаний при выборе моделей.
Вместо этого «последняя миля» концентрируется на знаниях предметной области и недокументированных рабочих процессах, которые компании никогда не стали бы раскрывать публично без риска потерять конкурентное преимущество.
«„Последняя миля“ заключается в том, чтобы взять ваши собственные проприетарные данные и использовать их для построения системы вокруг модели, которая способна направлять ее в нужное русло и устанавливать вокруг нее соответствующие защитные барьеры», — заявил Саха.
В конечном счете, корпоративный ИИ направлен на перенос рабочего процесса из точки А в точку Б, а не просто на развертывание технологии. Преимущество NTT заключается в объединении экспертов по ИИ с профильными специалистами.
«Единственная причина заключается в том, что мы приходим к этим сотрудникам и спрашиваем: „Как вы на самом деле выполняете эту работу?“» — рассказал он. Затем эта экспертиза кодируется в агента.
Успех в страховании, производстве и других регулируемых отраслях зависит одновременно от трех факторов, добавил он.
«Вам нужны технология, экспертиза в предметной области и опыт управления изменениями», — пояснил он, добавив, что у клиентов его команды технология не является узким местом.
Как компании превращают инвестиции в ИИ в осязаемую ценность
Для предприятий, оценивающих крупные бюджеты на ИИ, отдача, по словам Сахи, кроется не в самой модели, а в работе, выстроенной вокруг нее.
«Когда вы внедряете ИИ на предприятии, вы разворачиваете не технологию», — отметил он. «Вы берете существующий рабочий процесс и перемещаете его из точки А в точку Б». Ценность создается именно перемещаемым рабочим процессом, а не моделью, которая помогает его перенести.
Это меняет приоритеты в распределении финансов.
«Технология не является узким местом», — подчеркнул Саха, указывая вместо этого на предметную экспертизу и управление изменениями, окружающие модель, а также на дисциплину одновременного учета всех трех факторов. Расходы, направленные исключительно на саму модель, оставляют большую часть потенциальной отдачи нереализованной.
Предприятиям не обязательно выбирать между внедрением ИИ в существующие рабочие процессы и их полной переработкой с нуля. В NTT рассматривают оба варианта как последовательные этапы одного пути.
«Мы начинаем с внедрения в рабочий процесс, потому что так проще управлять изменениями», — сказал он, отметив, что клиенты, управляющие критически важными операциями, не позволят поставщику полностью сломать работающий процесс на лету. «Как только это сделано, мы переходим к вопросу: как нам теперь переосмыслить этот процесс? И именно здесь кроется наибольший эффект».
Где корпоративный ИИ остается уникальным, а где становится масштабируемым
Сохранение интеллекта в окружающей системе, а не внутри самой модели, также обеспечивает взаимозаменяемость и позволяет предприятиям использовать открытые (open-weight) и открытые (open-source) модели по мере их созревания. Команда Сахи использует ансамбль, объединяющий передовые и открытые модели, и он ожидает, что индустрия будет полагаться на открытые веса везде, где стоимость ошибки невелика, оставляя передовые механизмы рассуждения для задач, которые этого требуют.
«Во многих ситуациях, особенно в регулируемых отраслях, где ошибки обходятся очень дорого, эти дополнительные пару процентов имеют решающее значение», — сказал он.
Платформа следует тому же принципу: генерация защитных барьеров и нейросимволические модели масштабируются между клиентами, в то время как сбор негласных знаний каждой организации остается индивидуальным. Саха указал на статус NTT DATA как одного из крупнейших в мире независимых администраторов страховых выплат как на преимущество при получении такой экспертизы.
«Способность перенять эти знания и использовать доверие, накопленное за 20 лет, очень трудно воспроизвести мгновенно, и я считаю это устойчивым преимуществом того, что у нас есть», — резюмировал он.
Спонсорские статьи — это контент, подготовленный компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко маркируются. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.
