10 июня в Москве пройдет ежегодная конференция MES 2024, организованная нашим партнером Индасофт. На этот раз темой станет «Отечественная гибкость или low-code для импортозамещения».

Экспертизу AXENIX на конференции представят Сергей Баранчиков, менеджер практики Industry X, и Виктор Трапицын, старший менеджер практики Industry X.

Виктор Трапицын выступит с докладом «Тренды развития MES-систем и промышленной автоматизации». Вы узнаете:

⓵ Как MES становятся основой для развития Диспетчеризации и создания Центров Управления Производством

⓶ Почему от MES ожидают больше платформенности и гибкости

⓷ Что означает смещение фокуса на L1 & L2

⓸ Из-за чего матбалансы обрели второе дыхание, и для каких индустрий это особенно актуально

AXENIX обладает огромным опытом в области разработки MES — с 2011 года мы выполнили более 70 проектов и не собираемся останавливаться на достигнутом.

Вы можете подробнее узнать о нашей экспертизе в области MES на официальном сайте, и, конечно, мы будем рады продолжить наше общение на конференции MES 2024!

Для участия пройдите регистрацию по ссылке >

#AXmining

Лишь 24% российских компаний нефтегазового и металлургического секторов внедряют решения на основе ИИ, сообщают Ведомости.

При этом согласно исследованию Strategy Partners, данные которого приводит издание, хотя в 76% компаний существует хранилище данных, 75% из них по-прежнему работают с Excel, а треть продолжает обрабатывать более половины исходной информации вручную.

При этом эксперты отмечают, что нефтегазовым и металлургическим компаниям мешают внедрять решения с ИИ как объективные причины, такие как нехватка компетенций, отсутствие квалифицированных провайдеров, высокая стоимость разработки, неочевидный эффект от внедрения, бюрократизированность процессов, так и общая консервативность отрасли.

Почему ИИ все же необходим промышленности, прокомментировал эксперт AXENIX Владимир Кравцев:

ИИ в промышленности позволяет снизить затраты на разработку и сократить время вывода продуктов на рынок. Он используется для оптимизации параметров печей, контроля температуры, давления и других характеристик, предсказания поломок оборудования, оптимизации энергопотребления, оптимизации процесса хранения и перемещения сырья и готовой продукции, предсказания возможных неисправностей бурового оборудования и насосов. Также нейросеть может мониторить условия труда, состояние окружающей среды и предотвращать аварии.

Как именно промышленные компании Росиии внедряют технологии на основе ИИ, вы можете узнать из полной версии статьи >

#AXmining #AXai

«Яндекс» ведет работу над нейросетевой мультимодальной моделью SpeechGPT, которая должна будет воспринимать текст и звук и отвечать при их же помощи.

Пока разработка официально не анонсирована, но в сети уже появились вакансии в соответствующую команду. Внимание на это обратил Коммерсантъ.

Отметим, что нейросетевые сервисы «Яндекса» уже обрабатывают как речь, так и текст, но сейчас процесс происходит с преобразованием данных из одного вида в другой.

Мультимодальные сети способны улавливать детали, которые теряются при такой конвертации, например, эмоции и сарказм, причем без задержек во времени. Самым известным примером сети такого типа является, конечно, GPT-4o.

Очевидно, что Яндексу эти технологии необходимы для развития ИИ и ассистентов, включая «Алису».

Владимир Кравцев, эксперт AXENIX в области ИИ и продвинутой аналитики, полагает, что MVP (минимально жизнеспособный продукт) SpeechGPT, вероятно, появится в ближайшие месяцы, а дальше пойдет процесс непрерывных улучшений.

Говоря о возможном функционале SpeechGPT, Владимир Кравцев отметил:

SpeechGPT будет прежде всего встраиваться в уже существующие сервисы, связанные с каналами коммуникации с клиентами, партнерами «Яндекса», то есть будет происходить постепенная замена текущих, более простых моделей на современные.

Подробнее >

#AXai

Генеративный ИИ относительно недавно превратился в технологию, способную решать реальные бизнес-задачи, и сегодня переживает период динамичного развития. Большие языковые модели (LLM), как наиболее яркая часть этой технологии, особенно востребованы в IT, образовании, здравоохранении, финансах, HR, ритейле и других областях.

Этот инструмент успешно используется для первичных консультаций и ответов на вопросы клиентов, перевода на другие языки, генерации текста и саммаризации, создания драфтовых версий документов, презентаций, кодогенерации и так далее.

Всё более актуальными становятся мультимодальные большие языковые модели (MLLM), работающие сразу в нескольких модальностях, таких как текст, образы, анимированное изображение и звук.

Опираясь на возможности LLM, наши эксперты готовы предложить партнерам целый ряд передовых решений в различных областях:
🔸 Генеративный ИИ в разработке кода: документирование кода, написание юнит-тестов, code-sketching, использование ИИ как ассистента разработчика-программиста
🔸 HR-аналитика: определение карьерного трека, рекомендации по развитию, помощь в подборе на роль, рутинные задачи
🔸 Обработка клиентских и пользовательских обращений: автоматизация взаимодействия, маршрутизация, обработка обращений на базе генеративного ИИ
🔸 Кастомизированные агенты: интерактивный сервис с использованием LLM для взаимодействия с корпоративной информационной базой или внешними источниками знаний

Подробнее о возможностях AXENIX можно узнать на нашем официальном сайте.

#AXai

Лариса Малькова, управляющий директор практики «Данные и прикладной Искусственный интеллект» AXENIX, в большой статье для РБК Pro рассказала, почему бизнесу не просто дается освоение ИИ. В этом посте рассказываем о проблемах, а о решении — в следующем.

О чем речь

Компании ожидают от ИИ-инструментов нереалистично высоких результатов, да еще и мгновенных.

Но технологии так не работают. Недостаточно просто установить новое ПО, необходимо интегрировать ИИ в работу компании (пересмотрев ее процессы), пройти период адаптации к новым рабочим практикам, провести изменения на всех уровнях, включая мышление руководства и исполнителей в базовых подходах к работе. Более того, помимо времени и финансов может потребоваться пересмотр всей стратегии развития компании.

4 проблемы внедрения GenAI

➊ Инерция мышления

Неважно, насколько передовой инструмент вы предлагаете сотрудникам. Специалисты привыкают к определенным методам работы и скептически относятся к любым нововведениям, которые кажутся им непонятными или излишними. Даже если те обещают помощь и несут видимую пользу.

❷ Пока ИИ-инструменты эффективны лишь для определенного класса задач

Важно максимально точно определить область применения инструмента, чтобы сформировать реалистичные ожидания. Например, для разработки ПО это может быть документирование кода, составление «скелета» или шаблона приложения, написание блоков кода и т.д.

❸ Пользователи должны уметь составлять промпты

Промпты — специальные запросы для генерации нужных результатов. И надо учиться их формулировать.

На текущем этапе развития технологии именно человек должен больше адаптироваться к ИИ, чем ИИ к человеку.

➍ Вопрос доверия

Генеративный ИИ несовершенен. Иногда он выдает спорные и даже ошибочные результаты, что вызывает закономерный вопрос: если работу ИИ нужно перепроверять, стоит ли им пользоваться? Ответ в руках разработчиков. Они должны постоянно совершенствовать свой ИИ-продукт, снимая все вопросы качеством его работы.

Полная версия статьи >

#AXai

Лариса Малькова, управляющий директор практики «Данные и прикладной Искусственный интеллект» AXENIX, в большой статье для РБК Pro рассказала, почему бизнесу непросто дается освоение ИИ. В этом посте рассказываем о решении, а о проблемах можно почитать в предыдущей публикации.

➊ Сила методологии

Чтобы преодолеть многочисленные барьеры на пути к успешному внедрению генеративного ИИ, бизнесу нужна целостная методология.

Ключевой элемент методологии — управление изменениями. Он важен не меньше, чем техническая составляющая. Всей компании предстоит научиться в сквозном режиме работать в новой связке «человек + GenAI», которой в истории прежде не существовало. И этот процесс нужно контролировать.

➋ Ваши ожидания — ваши проблемы

Методология поможет и с формированием реалистичных ожиданий от ИИ. Например, надеяться, что сразу после внедрения ИИ удешевит разработку софта в 2 раза, — неправильно. А вот обеспечить снижение себестоимости создания ПО на 10%, причем быстро, — вполне реально. На большом масштабе это уже огромный экономический эффект.

➌ Последовательность и опыт первопроходцев

Отсутствие немедленного результата — не повод отложить освоение ИИ. Ведь это залог, в том числе и будущей конкурентоспособности компании.

Бизнес должен изучать опыт первопроходцев, плавно адаптируясь к новой ситуации и постепенно осваивая инструмент, за которым будущее, чтобы не упустить пока еще благоприятный момент для входа в тему.

➍ Верная постановка задач

Уже существуют отдельные специализированные задачи, где ИИ дает «вау-эффект» — вплоть до ускорения процессов и снижения затрат до 50%. Например, говоря о разработке ПО, это задачи по код скетчингу/шаблонизации.

Пока таких задач немного, но потенциал технологии очевиден: если уже сейчас в определенных областях она является столь мощным инструментом, то более явные и внушительные результаты — всего лишь вопрос времени, а также верных и своевременных усилий по адаптации ИИ.

Полная версия статьи >

#AXai