Он отметил, что для того, чтобы ИИ стал массовым и эффективным инструментом, а не витринной технологией, бизнесу нужно одновременно продвинуться по трём направлениям. Первый трек — технологический: выстроенная архитектура, структурированные данные и база знаний. Второй — готовность команды работать с новыми инструментами: речь не только о специалистах в ИТ и Data Science, но и о "линейном" менеджменте, который начинает использовать ИИ в прикладных задачах. Третий вектор — пересборка бизнес‑процессов, без которой добиться ощутимого эффекта от ИИ невозможно.
По оценке эксперта, рынок остается сильно дифференцированным. Крупные банки, телеком‑ и нефтегазовые компании уже завершили цифровую трансформацию или находятся на её финальной стадии, подготовили платформу для внедрения ИИ и активно интегрируют машинное обучение в операционные процессы. Малому и среднему бизнесу, у которого не готова инфраструктура и нет культуры работы с данными, войти в ИИ‑повестку заметно сложнее.
Говоря о барьерах, Карпович подчеркнул, что часто упоминаемые дефицит вычислительных мощностей и нехватка кадров в ряде случаев переоценены. "Если руководство понимает, что без ИИ у компании нет будущего, ресурсы чаще всего находятся: уже есть LLM‑модели, которые обсчитываются на одной видеокарте и не требуют заоблачных бюджетов. Да и подготовка специалистов при наличии современных инструментов — решаемая задача", — сказал он. Куда серьезнее, по мнению эксперта, вызовы, связанные с доверием к ИИ и информационной безопасностью: в критичных процессах ошибки могут иметь чувствительные последствия.
На финишной прямой к более широкому внедрению ИИ бизнесу предстоит выстроить многоуровневые системы безопасности и пересмотреть принципы киберзащиты в условиях, когда искусственный интеллект становится частью базовой инфраструктуры компаний.
