Представьте: искусственный интеллект – это мощнейший двигатель. Но что будет, если залить в него низкооктановое топливо, да еще и с песком? Он либо сломается, либо машина поедет, но не очень хорошо. Данные – это и есть то топливо, от качества которого в какой-то мере зависит выживаемость вашего бизнеса.

Наш общий опыт в управлении данными превышает полвека. Мы разобрали более тысячи проблем с данными в таких компаниях, как «Сбер», ВТБ и Банк России. Мы консультировали представителей нефтегазовой, телекоммуникационной, банковской и страховой отраслей и убедились: все они сталкиваются с одними и теми же типовыми проблемами. Мы на собственном опыте узнали, что замена старой ИТ-системы на новую, блестящую платформу не решит проблему. Не поможет и разовая «уборка» данных. Это как переставить мебель в доме, где нет фундамента: стены все равно дадут трещины.

Мы изучили все доступные книги на русском языке и обнаружили, что они часто не описывают реальных трудностей, с которыми сталкивается директор по данным (Chief Data Officer, CDO) на практике. Книги иностранных авторов, в свою очередь, плохо учитывают российскую специфику. Поэтому мы написали эту книгу – честный и практичный разговор о том, как превратить данные из источника головной боли в самый ценный актив вашей компании.

Если вы сомневаетесь, что сейчас подходящий момент для погружения в эту тему, задайте себе простые вопросы. Как часто вы и ваш бизнес уже используете искусственный интеллект, обученный на ваших данных? А все ли возможности данных вы используете до применения ИИ? Ответ может показать, что вы уже даже немного опаздываете.

Данные и искусственный интеллект: кто кого?

Сегодня, в эпоху стремительно захватывающего новые рубежи ИИ, более 60% генеральных директоров (Chief Executive Officer, CEO) во всем мире обеспокоены одним вопросом: откуда берутся данные, на которых строятся вся аналитика и модели? Действовать в отсутствие ясности здесь – как строить небоскреб без чертежей несущих конструкций и крепкого фундамента.

Если представить большую языковую модель вроде ChatGPT как мощный двигатель, то данные – это высокооктановое топливо. Масштабы поражают: для обучения ChatGPT–3 потребовалось 175 миллиардов параметров, а для GPT–4 – уже более 1,5 триллиона! Качество, объем и чистота этих данных напрямую определяют, насколько «умной», адекватной и безопасной будет модель на выходе. Без непрерывного потока хорошо управляемых данных создание по-настоящему эффективного ИИ невозможно.

Данные не только служат основой для первоначального обучения, но и критически важны на этапах внедрения и тонкой настройки под конкретные задачи, где с помощью размеченных примеров модель учат следовать нужным принципам и инструкциям. Без непрерывного потока тщательно отобранных и обработанных данных создание по-настоящему эффективных и надежных больших языковых моделей попросту невозможно; это тот фундамент, на котором строится все их «понимание» мира.

Но данные, которыми не управляют, – не актив, а обязательство. Они не приносят доход, а снижают его.

Данные и доходность: тихая угроза

Вот история, типичная для многих крупных компаний. В течение полугода топ-менеджер одной финансовой организации не мог понять, почему объем его розничного портфеля застыл на месте, хотя отдел продаж отчитывался о выполнении плана. Руководитель блока рисков уже начал ослаблять лимиты, чтобы «расшевелить» продажи. Пока, наконец, глава ИТ не обнаружил провал в интеграции: из-за сбоя в платформе данных не все финансовые инструменты загружались из систем-источников. На самом деле портфель вырос уже в два раза!

Полгода руководство принимало решения, глядя в кривое зеркало отчетности. Последствия этих ошибок аукались еще несколько лет. Простой автоматический контроль качества данных позволил бы обнаружить проблему в течение одного дня.

Если не понимать корневых причин появления таких проблем качества данных и не выделять бюджеты на работу с ними, подобные ошибки будут повторяться бесконечно и негативно влиять на бизнес-результаты. Особенно если вы имеете амбицию выйти за границы своей отрасли и превратиться в экосистему.

Данные и экосистемы: игра в догонялки с титанами

Сегодня индустрии смешиваются. Традиционный бизнес стремится превратиться в экосистему. Яркий пример – «Сбер». Но настоящими гуру в этом стали международные бигтехи: Amazon, Google, Netflix, Alibaba. Что их объединяет? Доступ к огромным массивам данных о пользователях, которые позволяют им персонализировать предложения и совершать кросс-продажи, кратно умножая клиентскую базу.

Бигтехи – крупные технологические компании, чьей основной деятельностью является оказание цифровых услуг, а существенная доля доходов генерируется с помощью монетизации больших объемов данных. Как правило, они оказывают общественно значимые услуги одновременно в трех областях: в рамках основного бизнеса, технологической, финансовой.