Варианты использования AI (LLM) в Data Intensive системах

Минимальная теория и термины

Ограничения изысканий

• Данные не могут покидать организации. Только on premise решения.

Оборудование для запуска внутри компании

Подготовка MacBook для разработки

Встраивание ИИ в бизнес-процессы, трансформация

Упрощение существующих процессов для ускорения (Low-hanging fruits, просто)

В самом простом случае закрывается общими корпоративными решениями типа Чата с LLM. Более сложные варианты - встраивание в существующие программные решения (CRM, ERP, BPM, BI, ECM и т.д.)

Также сюда можно отнести всякие рекомендательные системы, которые уже давно используются в бизнесе.

Примеры:

• Разработка - Режим ассистента в IDE
• Поиск в корпоративном хранилище документов
• Текст документации пишет технический писатель >>> тех-писатель редактирует автогенерацию ИИ
• При выборе из нескольких вариантов система сначала предлагает лучший вариант на основе анализа данных

Пересмотр процессов с учётом LLM (Средне сложно, основной фокус трансформации)

Мы смотрим, какие этапы в текущем процессе потеряли смысл и могут быть автоматизированы с помощью ИИ. Как правило требуется пересмотр ролей людей и их навыков.

Примеры:

• Spec-driven development с Агентом, который генерирует спецификацию и проверяет её на соответствие требованиям.
• "нулевая линия": сначала отвечает чат-бот, только потом переключение на оператора
• Автоматизируем цикл закрытия документов ("ИИ-фабрика отчётов" — данные из ERP, 1С, API Контрагентов)

Построение процессов вокруг LLM (AI-First, сложно)

Примеры:

• Поиск новых органических соединений с нужными свойствами.
• Создание новых продуктов и услуг на основе возможностей ИИ