Как NTT DATA AIVista преодолевает последний этап внедрения агентного ИИ для корпоративных агентов

Персонал VB

Представлено компанией NTT DATA AIVista

На конференции VB Transform 2026 генеральный директор NTT DATA AIVista Братин Саха вместе с генеральным директором и главным редактором VentureBeat Мэттом Маршаллом обсудили проблему «последней мили» внедрения передовых моделей в регулируемом производстве, где надежность, контекст, ограничения и безопасность определяют, принесет ли ИИ пользу предприятию. Разговор был сосредоточен на вопросе, стоящем перед каждым предприятием, вкладывающим средства в ИИ: как преобразовать эти затраты в реальную, ощутимую ценность.

«Это не просто модель, вы строите систему вокруг этой модели», — сказал Саха. Последний этап — это работа по интеграции перспективной модели в собственные данные, рабочие процессы и механизмы контроля предприятия.

В конечном итоге, регулируемое производство зависит не только от технологий, сказал Саха. Сегодня большинство корпоративных проектов в области ИИ терпят неудачу на этапе внедрения из-за плохой интеграции, пробелов в специализации предметной области, отсутствия управления и неясности в отношении ответственности за результаты. Специализация на последнем этапе превращает эффективную базовую модель в корпоративного агента, формируемого с учетом специфических для предметной области рабочих процессов, допустимого уровня риска, классификации клиентов, интерпретаций нормативных актов и институциональных знаний.

Почему перспективные модели застревают в корпоративных рабочих процессах

Саха отметил, что модели, разработанные на основе передовых технологий, значительно отстают от точности, необходимой для производственных процессов, во многих реальных страховых ситуациях, но специализация на обработке «последней мили» может повысить их надежность до уровня, необходимого предприятиям. В стандартной комплектации эти модели испытывают трудности с обработкой сложных регулируемых процессов, таких как обработка страховых претензий в международных компаниях.

«Эти формы довольно сложные, часто содержат рукописный текст, множество флажков и так далее», — сказал он, и именно эта сложность является причиной того, почему передовые модели, такие как Fable 5, Opus 4.8 и GPT-5.5, изначально не оправдывают ожиданий.

Саха заявил, что наибольший прогресс достигается за счет специализации всей системы искусственного интеллекта, а не только базовой модели.

Эта система адаптируется к данным клиента, рабочему процессу и, во многих случаях, к накопленным знаниям, которые никогда не попадали в документ с описанием операционной процедуры.

«Наибольшую отдачу от вложенных средств приносит специализация, а также эти специализированные меры предосторожности», — сказал он.

Работа состоит из трех компонентов:

захват контекста предприятия и предоставление его для использования искусственным интеллектом

запуск ансамбля моделей, чтобы избежать резкого роста затрат.

а также добавление специализированных механизмов контроля, которые проверяют модель и принудительно переделывают ее при обнаружении ошибки.

Что на самом деле требуется на последнем этапе внедрения агентного ИИ?

Всё это не требует тонкой настройки. Согласно последнему опросу VentureBeat, проведенному среди предприятий, этот аспект занимает последнее место в списке приоритетов компаний при выборе модели.

Вместо этого, на последнем этапе основное внимание уделяется знаниям в предметной области и недокументированным рабочим процессам, которые компании никогда бы не стали раскрывать публично, не потеряв при этом конкурентное преимущество.

«Последний этап заключается в том, чтобы взять данные, являющиеся вашей собственностью, и использовать их для построения системы вокруг модели, которая сможет направлять модель в нужное русло и устанавливать соответствующие ограничения», — сказал Саха.

В конечном итоге, корпоративный ИИ — это скорее перемещение рабочего процесса из точки А в точку Б, а не внедрение технологии, и преимущество NTT заключается в том, что они объединяют экспертов по ИИ с экспертами в предметной области.

«Единственная причина в том, что мы общаемся с этими работниками и спрашиваем: „Как вы на самом деле выполняете эту работу?“», — сказал он. Затем эти знания кодируются в агента.

Успех в страховании, производстве и других регулируемых отраслях зависит одновременно от трех факторов, добавил он.

«Вам нужны технологии, вам нужны экспертные знания в данной области и вам нужны экспертные знания в области управления изменениями», — пояснил он, добавив, что для клиентов его команды технологии не являются узким местом.

Как предприятия превращают инвестиции в ИИ в ощутимую выгоду

По словам Саха, для предприятий, планирующих значительные бюджеты на ИИ, отдача заключается не в самой модели, а в работе, проводимой вокруг нее.

«Когда вы внедряете ИИ на предприятии, вы внедряете не технологию, — сказал он. — Вы берете существующий рабочий процесс и перемещаете его из точки А в точку Б». Ценность создается самим рабочим процессом, который перемещается, а не моделью, которая помогает его перемещать.

Это позволит перераспределить средства в нужном направлении.

«Технологии не являются узким местом», — сказал Саха, указав вместо этого на экспертные знания в данной области и управление изменениями, которые лежат в основе модели, а также на дисциплинированность, необходимую для одновременного применения всех трех аспектов. Затраты, направленные только на модель, упускают большую часть отдачи.

Предприятиям не нужно выбирать между внедрением ИИ в существующие рабочие процессы и их перепроектированием с нуля. NTT рассматривает эти два подхода как последовательные этапы одного и того же пути.

«Мы начинаем с внедрения в рабочий процесс, потому что это упрощает управление изменениями», — сказал он, отметив, что клиенты, выполняющие критически важные операции, не позволят поставщику демонтировать работающий процесс в середине процесса. «Как только это произойдет, мы начнем думать о том, как мы можем переосмыслить это? И именно здесь происходит самый большой прорыв».

Там, где корпоративный ИИ остается индивидуальным и масштабируемым,

Сохранение интеллекта в окружающей системе, а не в модели, также обеспечивает возможность замены и позволяет предприятиям использовать преимущества моделей с открытыми весами и открытым исходным кодом по мере их развития. Команда Саха использует ансамбль моделей, сочетающий передовые и модели с открытым исходным кодом, и он ожидает, что отрасль будет опираться на модели с открытыми весами там, где стоимость ошибки низка, оставляя при этом передовые методы рассуждений для случаев, когда это необходимо.

«Во многих ситуациях, особенно в регулируемых отраслях, где ошибки обходятся очень дорого, эти последние несколько процентов имеют значение», — сказал он.

Платформа работает по той же схеме: генерация ограничительных механизмов и нейросимволические модели масштабируются для разных клиентов, в то время как учет накопленных знаний каждой организации остается индивидуальным. Саха отметил, что позиция NTT DATA как одного из крупнейших в мире сторонних администраторов страховых услуг стала преимуществом при приобретении этого опыта.

«Способность мгновенно воспроизвести знания и доверие, накопленные за 20 лет, очень сложно, и я думаю, что это одно из наших главных достоинств», — сказал он.

Спонсорские статьи — это контент, созданный компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко обозначены. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com .

Источник: venturebeat.com