Алексей Сафонов

Есть национальная стратегия, которая была принята в России в конце 2019 года – «Национальная стратегия развития технологий искусственного интеллекта». Все компании и исследователи сводятся к тому, что это система или набор алгоритмов, воспроизводящих определённые когнитивные способности людей, в конечном счёте ставящее своей целью принятие решений или помощь в принятии решений. С этой точки зрения можно сказать, технологии искусственного интеллекта везде, во всех гаджетах, интерфейсах и поверхностях.
Любой наш гаджет, приложение, которое мы открываем, практически всё, что мы говорим или слышим – обрабатывается через системы распознавания речи, системы компьютерного зрения используются для того, чтобы человек, который включает приложение, действительно владелец телефона. В этом смысле технологии сильно и прочно вошли в наши будни. Artificial intelligence или ML (machine learning) – эта сфера становится популярной, появляются некие хайповые темы, исследовательские центры и компании формируют имя, кто-то формирует репутацию работодателя и так далее, что тоже, в общем, понятно – тренд пронизывает все технологические направления. Ключевая задача – внедрение и улучшение продуктовых сервисов, применение технологии искусственного интеллекта, так же как у многих технологических компаний или у тех, кто пошёл в эту индустрию, — то здесь задача очень прикладная. Это превращение данных и превращение тех цифровых активов, которые есть у компании в лучший клиентский опыт. Это может быть, монетизация, удержание клиента.
Ровно все технологические компании нацелены сейчас на конкурентное преимущество одних относительно других. Они как раз выстраиваются в совершенствовании технологий.
Чем больше информации надо обработать человеку, тем больше вероятность, что человек может ошибиться, что-то важное не заметить. При этом методы машинного обучения максимально оптимизируют это направление, поэтому одна из первых под-индустрий внутри банкинга, финансового сектора, которая подверглась этой машинизации, автоматизации – кредитование. Сначала физлиц, затем юридических лиц. И Сбер, и другие банки начали масштабировать это направление.
Там, где не опасно делегировать решение машине, мы можем делегировать это. Там, где существует вопрос какой-то этической дилеммы – человек есть и будет финальной точкой принятия решения. В этом смысле технологии искусственного интеллекта помогают. Искусственный интеллект создаёт больше рабочих мест, чем успевает автоматизировать. Это означает, что, автоматизируя одно, мы убиваем рутину, то есть, освобождаем человека для того, чтобы делать это более сознательно или творчески задачи, и это порождает в том числе новые направления и навыки.
Наша задача – сделать эффективный рескиллинг. Как правило, они носят необязательный характер, глупо это таргетировать в виде регуляторики или какого-то нормативного акта, закона – это должно быть договорённостью. Человек – высшая ценность при принятии всех решений. Здесь мы попадаем в очень важный момент – что у нас всегда должна быть возможность встроиться в какую-то цепочку принятия решения и иметь возможность финального подтверждения или отклонения решения, принимаемого машиной.
У любого исследовательского проекта, как минимум, внутри компании должен быть заказчик или спонсор и видение. Приземления этого исследования в конкретные продукты, конкретные сервисы – не ограничиваясь банком, банковским бизнесом. Должна быть экосистема.
Сейчас даже небольшие компании на рынке предлагают конкурентоспособные условия именно на ресурс дата-сайентистов, и рынок труда расширяется. Потому что рынок, естественно, будет ограничен возможностями, которые университеты дают. Удалённое трудоустройство в России действующим законодательством не предусмотрено. Чтобы трудоустроиться в российскую компанию, тебе надо приехать из той страны, в которой ты находишься, сюда, заключить трудовой договор – и по условиям некоторых трудовых договоров ты должен некоторую часть времени здесь находиться.
Искусственный интеллект открывает огромный спрос на рынок разметки данных. Системы машинного обучения всё ещё занимаются с «учителем» так называемым, когда им нужно сначала рассказать, перечислить, какого вида животные изображены на фотографии – сетка начнёт распознавать их, различать. Разметчик – первый такой классический пример.

Окончание написания отчета по производственной практике, получение характеристики от руководителя, подведение итогов.