Bercut рассказал о преодолении барьеров на пути внедрения ИИ на форуме «Данные+ИИ 2026»
Мероприятие прошло 26 марта 2026 года в Москве и стало знаковым событием для специалистов по анализу данных и ИИ. Алексей Чистяков, технический директор Bercut (входит в ПАО Ростелеком), выступил в сессии «От архитектуры к результату: как данные работают на бизнес» с докладом на тему «Интеграционный слой в AI data pipeline. О барьерах на пути внедрения ИИ и способах их преодоления».
Как отмечали многие докладчики форума, 80% проблем внедрения ИИ-проектов связано с подключением источников данных, их очисткой и трансформацией и лишь 20% — с самой моделью и оркестрацией процесса работы. Задача – не накопить данные, а сделать их пригодными для ИИ.
«ИИ сегодня у всех на слуху, однако почти нет примеров промышленной эксплуатации ИИ-решений. Ошибочно считается, что ИИ нужно много данных, но моделям важнее их актуальность и корректность – в случае подключения грязных данных LLM их не исправит, и результата не будет», – подчеркнул Алексей Чистяков.
Специалисты из Bercut предложили пять ключевых принципов, позволяющих преодолеть сложности при внедрении ИИ-проектов, и представили сопутствующие решения в составе гибридной интеграционной платформы Bercut HIP. В частности, команда Bercut считает, что подход к внедрению ИИ-проектов должен базироваться на правильном управлении данными, так как их качество – это комплексный процесс, а не задача одной лишь LLM. Среди названных принципов была важность проведения мониторинга дата-контрактов, то есть контроля соблюдения правил структуры, качества и форматов данных, установленных между поставщиками и потребителями данных. Без дата-контрактов и постоянного усовершенствования модель незаметно деградирует.
Платформа Bercut HIP 2.0 создает единый интеграционный слой над разнородными IT-системами (legacy, облачные, партнерские API) и обеспечивает автоматизированный, высокопроизводительный и безопасный обмен данными между ними. Она закрывает весь цикл работы с данными и помогает подготовить инфраструктуру к созданию собственных AI- и ML-моделей.
