Максим Архипенков, SmartMerch: Нейросети — прогрессивный шаг, но не коренной переворот
Генеративный ИИ оказался в фокусе всеобщего внимания, однако его внедрение в бизнес-процессы продолжает вызывать дискуссии: технологии становятся более доступными, но сохраняют уязвимости в вопросах точности, сервисных соглашений и защиты информации. В беседе с CNews гендиректор SmartMerch Максим Архипенков объяснил, почему их организация ориентируется не на сиюминутные тренды, а на проверенные методики, как создавалась их собственная нейросетевая платформа и чем отличается техническая надежность от экспериментальных разработок.
«Технологии стали доступнее и производительнее, однако ряд сложностей пока не устранен»
CNews: С чем связан такой резкий всплеск интереса к нейросетям? Ведь это не новое явление — их десятилетиями применяют для анализа данных. Почему сейчас все обсуждают прорывной ИИ? Произошел ли качественный скачок? Действительно ли технологии достигли принципиально иного уровня?
Максим Архипенков: Это во многом обусловлено маркетинговыми факторами. Технологические решения, такие как нейросети, машинное обучение или компьютерное зрение, уже давно используются в реальных проектах. Однако каждый этап развития отрасли сопровождается новым «модным направлением»: ранее это были Big Data, затем — прогнозная аналитика. Сейчас главный фокус сместился на генеративные алгоритмы.
Нейросети сами по себе не являются открытием. Они активно применяются в разнообразных решениях: от систем идентификации изображений и речи до сложных аналитических платформ. Генеративные модели представляют собой лишь новую сферу применения устоявшихся технологий: их задача не анализировать, а генерировать — тексты, аудио, визуальный контент.
С архитектурной точки зрения они имеют отличия, но базовые принципы остаются схожими. Именно поэтому сейчас крайне важно понимать: нейросеть — не готовый продукт, а технологический инструмент. А ценность создается тем, как этот инструмент используется.
CNews: Почему именно генеративные нейросети превратились в столь значимый тренд?
Максим Архипенков: Это связано с тем, что в них стали активно вкладывать средства. Сфера информационных технологий постоянно ищет перспективные области, и генеративные модели получили необходимый толчок — во многом благодаря OpenAI и ChatGPT.
Когда эти технологии только появились, они казались чем-то абсолютно новым. Сейчас они стали общедоступными, вокруг них сложилась целая инфраструктура, однако настоящей революции так и не случилось. Безусловно, алгоритмы улучшаются, оборудование становится производительнее, возникают новые игроки — но фундаментальные принципы остаются неизменными.
CNews: Даже среди конкурирующих разработок?
Максим Архипенков: Microsoft, к примеру, одним из первых интегрировал генеративную модель в свои продукты, однако сам признал, что проект не достиг значительного коммерческого успеха.
Китайский аналог ChatGPT — DeepSeek — воспроизвел ту же идею, но с гораздо меньшими затратами. Подобных предложений становится все больше, однако их основные ограничения сохраняются.
Технологии действительно стали доступнее и продуктивнее, однако многие вопросы — включая практическое применение в бизнесе — до сих пор не нашли решения.
«Нейросети пока слабо справляются со сложными вычислениями, а в бизнесе без них не обойтись»
CNews: Но разве не очевидно, что нейросети стали значительно доступнее? Разве это не прогресс сам по себе?
Максим Архипенков: Несомненно. Раньше для создания изображения приходилось искать подходящие платформы, подбирать образцы. Теперь достаточно просто ввести текстовый запрос. Улучшения в удобстве и доступности очевидны.
Однако важно осознавать: базовые принципы технологии не изменились. Это, безусловно, шаг вперед, но не переворот. Многие функции, которые сейчас предоставляет ChatGPT, были реализуемы и ранее — просто в иной форме.
CNews: Повлиял ли возросший интерес к нейросетям на спрос на подобные продукты?
Максим Архипенков: Бесспорно. Еще шесть лет назад было ясно, что спрос возрастет. Сейчас интерес дополнительно подогревается маркетинговыми активностями: видеоролики о голосовых помощниках вроде «Алисы» делают тему более привлекательной. Хотя в действительности многие так называемые продукты на базе искусственного интеллекта — это просто развитие давно существующих технологий. Например, аннотирование текстов или краткое изложение ранее выполнялись другими алгоритмами, без применения генеративных моделей.
CNews: Генеративные нейросети действительно эффективнее и быстрее?
Максим Архипенков: С технической точки зрения — да: они работают оперативнее и выдают результат быстрее. Но если рассматривать бизнес-применение, действительно успешных примеров пока немного. Большинство случаев скорее напоминают эксперименты или развлекательные проекты.
Нейросеть может, например, аннотировать электронную почту, но не всегда ясно, какие детали она упускает. Или писать программный код — но затем его все равно приходится проверять, и часто доработка занимает столько же времени, как и написание с чистого листа.
Безусловно, генеративные алгоритмы находят применение в креативных областях — скажем, при разработке игр или создании визуальных концепций. Однако здесь возникает проблема с уровнем исполнения: почерк нейросетей часто угадывается и не всегда соответствует представлениям о профессиональном качестве.
В отраслях, где критически важна предсказуемость результатов, нейронные системы пока не демонстрируют необходимой стабильности. Ключевым препятствием остается отсутствие сервисных соглашений, четких обязательств по качеству. Без таких гарантий сложно строить на этих технологиях ответственные бизнес-процессы.
CNews: Какие еще ограничения характерны для генеративных нейросетевых моделей?
Максим Архипенков: Их можно выделить несколько. Прежде всего, алгоритм оперирует исключительно знаниями из тренировочных данных. При столкновении с неизвестной информацией система пытается реконструировать ответ — что нередко приводит к неточностям. Кроме того, нейросети пока демонстрируют слабые результаты в сложных вычислительных операциях, без которых не функционирует современный бизнес. Существуют и риски безопасности: каждый пользовательский запрос потенциально может стать частью обучающего набора, создавая угрозу для приватных сведений.
Восторг вокруг технологии огромен, но бездумное ее внедрение недопустимо. Именно поэтому мы избрали иную стратегию — разрабатываем специализированные системы и кастомизируем их под уникальные требования.
«Технологический инструмент начинает приносить практическую пользу лишь после тщательного анализа проблемы и соответствующей настройки»
CNews: Вы выражаете осторожность относительно внедрения искусственного интеллекта в бизнес, однако ваша компания SmartMerch самостоятельно создает IT-решения на нейросетевых технологиях. Как совмещаются эти позиции?
Максим Архипенков: Мы действительно задействуем нейросети, но не генеративного типа, а распознающие — это более отработанная методика с превосходной точностью и стабильностью. Наши сервисные соглашения гарантируют 98% надежности, что делает технологию пригодной для автоматизации бизнес-операций. При этом мы не просто берем готовый алгоритм — мы выстраиваем целостный продукт, который на основе изображений извлекает и систематизирует требуемую информацию.
Технологии распознавания используются много лет — изначально, к примеру, в охранных комплексах. Еще полтора десятилетия назад они существовали, но тогда требовались колоссальные массивы информации, а достоверность оставляла возможности для улучшений. Перелом произошел примерно восемь лет назад с прогрессом в глубоком обучении и сверточных архитектурах — появилась возможность тренировать модели на ограниченных наборах данных при сохранении высоких показателей точности.
Во время сотрудничества с FMCG-сегментом я осознал перспективность нейросетей для аудита товарной выкладки в торговых залах. Ранее эту работу выполняли мерчандайзеры вручную, а мы предложили механизм, автоматизирующий данный процесс.
Однако для успеха недостаточно было просто интегрировать нейросеть. Мы провели детальное исследование, изучили запросы заказчиков и отраслевые особенности. Лишь после этого приступили к сборке решения, калибруя алгоритм под узкоспециализированную цель, сужая рабочий диапазон и снижая вероятность погрешностей. Это потребовало скрупулезного труда: обучение на релевантных примерах, введение защитных ограничений, валидация предположений, поэтапное улучшение функциональности.
Как только наша разработка достигла требуемой точности и стала приносить клиентам ценные выводы, мы перевели её в промышленный режим работы. Это наглядно показывает, что технология превращается в эффективный инструмент лишь после тщательного анализа задачи и её специфики.
Кроме систем распознавания, мы активно развиваем аналитические направления — внедряем прогнозные алгоритмы, а в настоящее время создаём платформу, способную решать задачи, аналогичные генеративным нейросетям, но построенную на иных технических принципах.
CNews: Какой совет вы могли бы дать бизнесменам, планирующим разработать продукт на базе нейросетевых технологий?
Максим Архипенков: Ключевой момент — не стоит ориентироваться исключительно на технологию. Необходимо чётко определить реальные потребности заказчика. Нейросеть — не самоцель, а всего лишь один из возможных инструментов. Какую практическую пользу она принесёт, кроме имиджа «компании, применяющей передовые разработки»?
В нашей деятельности мы всегда исходим из конкретной проблемы. Не из стремления внедрить нейросеть, а из необходимости найти ИТ-решение для определённой задачи. Это фундаментально другой принцип работы.
Приведу наглядную аналогию. Технология телефонной связи существовала задолго до массового распространения аппаратов. Однако первоначально она была дорогостоящей, сложной и малопригодной для широкого использования. Настоящий переворот случился, когда её воплотили в удобном, доступном формате — телефоне. Людям был важен именно готовый продукт, а не лежащая в его основе технология.
Точно так же и мы. Мы не слепо следуем модным тенденциям. Сначала глубоко изучаем предметную область, анализируем фактические запросы клиента, выявляем проблемные зоны — и лишь затем определяем необходимые инструменты. Если для достижения цели потребуется нейросеть — прекрасно. Но она станет лишь элементом общей архитектуры, которую мы полностью отслеживаем: анализируем работу, прогнозируем outcomes, измеряем производительность. Мы не используем «чёрный ящик» — в этом наше преимущество.
Поэтому моя рекомендация бизнесу: отталкивайтесь от потребностей клиента. Понимайте, что для него действительно значимо. И уже затем решайте, требуется ли нейросеть — или проблему эффективнее решит альтернативный подход.
CNews: На ваш взгляд, когда генеративные нейросети достигнут уровня зрелости, достаточного для выполнения критически важных задач?
Максим Архипенков: Сложно дать однозначный прогноз. Сейчас мы наблюдаем настоящий взрыв интереса к генеративным сервисам, и вполне вероятно, что в ближайшее время кто-то сумеет раскрыть их полный потенциал. В эту область направлены огромные ресурсы — как интеллектуальные, так и финансовые, — поэтому прогресс может оказаться очень быстрым. Если говорить о временных рамках, я оцениваю этот период менее чем в пять лет. Однако в технологической сфере вообще трудно что-либо предсказывать — изменения происходят с колоссальной скоростью.
Вспомним историю развития беспилотного транспорта. Илон Маск ещё в 2019 году анонсировал скорый запуск, затем переносил сроки на 2020, 2021 годы — и так ежегодно. В результате мы имеем автомобили с системами автопилота, действительно способные преодолевать маршруты из точки А в точку Б. Но можно ли считать технологию полностью готовой к повсеместному применению? Пока нет. Мы до сих пор не до конца понимаем, как интегрировать её в повседневную реальность.
Качественное изделие напоминает электрический чайник: подключил к сети, запустил процесс — и сразу видишь ясный итог. Автопилот же пока больше похож на помощника: способен дать совет, подстраховать, выполнить парковку при ухудшении самочувствия водителя. Однако это не автономный механизм — лишь дополнительная опция.
С генеративными нейросетями складывается аналогичная ситуация. Меня не удивит появление к декабрю условного ChatGPT 6.0 с 95% точностью и серьёзными гарантиями обслуживания. Но с той же вероятностью я ожидаю, что в следующие пять лет прорывов не случится, и мы останемся в технологических реалиях, близких к нынешним.
