Роботизация, DeepSeek и национальные нейросети: ИИ-тренды в 2025 году

Объединяя данные, рабочие процессы, накопленные знания, цепочки создания ценности и социальные взаимодействия, компании смогут создать системы, которые не только понимают задачи, но и действуют автономно на новом уровне. Таков краткий итог развития ИИ в 2025 году, который определили эксперты компании Accenture. Как они будут развиваться в контексте Казахстана, рассказывает Антон Мусин, управляющий директор Axellect.

По данным Accenture, в 2025 году развитие технологий будут определять три основных тренда:

— Время и стоимость создания цифровых систем сокращаются.
— Доступность технологии AI будет увеличиваться.
— Системы будут становится все более автономными, что потребует пересмотра подходов к их разработке и обучению.

Для того чтобы использовать эти преимущества, компаниям необходимо внедрять надежные механизмы мониторинга и стратегическое обучение. Это включает контроль качества данных, управление доступом и выработку четких правил. Важно также обеспечивать прозрачность процессов принятия решений, включая использование объяснимых методов и инструментов, таких как функции и программный код.

Выделяться в одинаковом мире

ИИ может значительно персонализировать взаимодействие с клиентами, но брендам необходимо создавать и отстаивать здесь свою уникальность, чтобы не стать «как все».

Представьте будущее, где каждое взаимодействие с клиентом происходит с участием знакомого «лица» — персонифицированного чат-бота, воплощающего персонаж из вселенной образов бренда или личность популярного инфлюенсера. Такой агент может работать на каналах компании или присоединяться к беседам на других платформах.

Со временем он изучает клиентов, выполняя релевантные действия, и использует цифровые инструменты, чтобы удовлетворять их потребности точно так, как они хотят. Такой чат-бот не просто персонализирует взаимодействия на поверхностном уровне — он строит доверительные отношения, одновременно управляя тысячами диалогов.

Когда компании внедряют генеративный ИИ в клиентские взаимодействия, возникает ключевой вопрос: какова «личность» вашего ИИ-агента? Используя платформы чатов и агентов третьих сторон, которые часто звучат обобщенно, компании рискуют потерять уникальность своих лица и голоса.

Однако это не призыв отказаться от автономии или ИИ в клиентском опыте. Речь о необходимости использовать собственный персонифицированный ИИ, чтобы объединить масштаб и эффективность технологий с уникальностью бренда.

Важно, чтобы после создания и первичного обучения, чат-боты оставались привязанными к бренду через постоянный мониторинг данных и процессов, на которых они дообучаются. Также требуется работа с экспертами по ИИ для установки четких правил и ограничений в области знаний машины, а также на уровне ее словаря.

ИИ получает тело

В робототехнике наступает переломный момент: языковые модели ИИ трансформируют роботов из линейно запрограммированных и одноцелевых устройств в универсальные машины, способные к рассуждению.

LLM и визуальные модели (VLM) наделяют роботов большей автономией в физическом мире — они помогают лучше понимать физику и окружающую среду, развивают пространственное восприятие, улучшают взаимодействие с людьми, а также позволяют воспринимать сложные инструкции и выполнять их безопасно и точно.

Такой переход потребует создания полного стека технологий, помогающих решить новый класс задач, но одновременно расширит сценарии применения роботов, сделает их более гибкими, универсальными и долговечными.

Представьте, что вы просите робота принести вам предмет, и он понимает вашу просьбу, идентифицирует нужный объект и передает его — все это без специального программирования для конкретной задачи. Теперь это возможно, так как ИИ-модели открывают новую главу в робототехнике, а многие ограничения, которые раньше удерживали роботов исключительно на фабриках и складах, начинают исчезать.

Естественно испытывать тревогу в отношении роботов, особенно когда им доверяют выполнение критически важных задач, таких как обеспечение безопасности. Чтобы завоевать доверие сотрудников и клиентов в свете роботизации, следует обеспечивать прозрачность процессов принятия решений, программирования и ответственности, затрагивающих эту сферу. Представляйте роботов как помощников, которые дополняют опыт сотрудников, а не заменяют их.

Акцент должен быть на их исключительных коммуникативных навыках. Также следует внедрить систему обратной связи для постоянного улучшения взаимодействия роботов с командой.

Новое обучение, новая карьера

Хотя будущее работы в целом будет формироваться генеративным ИИ, и сотрудники уже признают его ценность, опасения и недоверие к тому, как это будет реализовано, могут замедлить внедрение технологий и их потенциал уже сегодня. Команду нужно вовлекать в планирование процессе внедрения ИИ, постановку целей инноваций и создание долгосрочного видения. Все это должно быть ясно и непротиворечиво, а на любые опасения, связанные с автоматизацией рабочих мест, необходимо отвечать проактивно.

Решение заключается в обеспечении доступности генеративного ИИ. Он стремительно становится повсеместным, позволяя лидерам улучшать рабочий опыт и стимулировать инновации с самых низовых уровней. В отличие от традиционной автоматизации, идущей сверху вниз, генеративный ИИ может способствовать динамическому взаимодействию между работниками и ИИ.

Переходя от простой автоматизации к созданию автономии и предоставляя сотрудникам возможность управлять своими собственными инициативами в области ИИ, лидеры могут превращать каждого сотрудника в инноватора.

Этот подход не только открывает новые навыки и повышает вовлеченность, но и стимулирует беспрецедентный уровень инноваций. Представьте себе маркетолога, который использует анализ данных для проверки гипотезы, или водителя грузовика, который проектирует и создает приложение, упрощающее учет инвентаря — возможности безграничны, когда сотрудникам предоставляется автономия для инноваций с использованием ИИ.

Наделяя сотрудников автономией в вопросе применения технологий, компании могут достигать экспоненциального уровня инноваций и роста. Речь идет о доверии к людям, которые должны вести трансформацию, поощрении их становиться лидерами автоматизации и самостоятельно исследовать новые идеи. Такой подход не только оптимизирует рабочие процессы, но и раскрывает человеческий потенциал с помощью ИИ, создавая культуру, в которой каждый сотрудник становится движущей силой для инноваций и роста.

Чтобы быстро воспользоваться мощью генеративного ИИ, важно заручиться поддержкой сотрудников.

Казахстан и его путь к ИИ в 2025 году

В 2025 году развитие искусственного интеллекта в Казахстане продолжит двигаться по двум направлениям: с одной стороны, технология активно внедряется в государственное управление, с другой — коммерческий сектор также продолжает осваивать возможности ИИ.

В контексте глобального тренда на создание национальных больших языковых моделей, в Казахстане появилась KAZ-LLM — модель, разработанная Институтом умных систем и искусственного интеллекта (ISSAI) при Назарбаев Университете. Она обучена на казахском, русском, английском и турецком языках, а в дальнейшем планируется расширение на другие тюркские языки. Это стратегическое направление может укрепить позиции Казахстана в сфере ИИ на уровне всего Центрально-Азиатского региона.

Национальная языковая модель, адаптированная с учетом культурных и языковых особенностей Казахстана, станет одним из катализаторов дальнейшей цифровизации. Это способствует появлению большего числа новых инициатив по адаптации ИИ в профильных секторах, а также развитию технологического сообщества. Формирование квалифицированного кадрового резерва, состоящего из специалистов в области искусственного интеллекта, будет играть ключевую роль в процессе адаптации ИИ-практик и в дальнейшем — развитии экономики страны.

Еще одна важная задача, которую решает национальная языковая модель, — повышение качества и достоверности информации, генерируемой ИИ. Коммерческий сектор Казахстана активно осваивал технологии цифровых ассистентов в последние годы, но требования к ним постоянно растут, опережая возможности разработчиков предложить оптимальные решения.

Один из главных вызовов, сдерживающих внедрение ИИ в Казахстане, — высокая стоимость адаптации моделей под конкретные отрасли. Дообучение ИИ-систем требует значительных финансовых вложений и привлечения сотен дефицитных специалистов. При этом полученные решения зачастую ненамного превосходят существующие RPA-системы, что делает их использование менее оправданным с точки зрения бизнеса.

Однако последние технологические прорывы могут изменить ситуацию. Недавний успех китайской нейросети DeepSeek показал, что разработка и обучение ИИ может быть в сотни раз дешевле, чем считалось ранее. Кроме того, эффективные модели могут разрабатываться небольшими командами, что ставит под вопрос монополию гигантов вроде OpenAI, Meta и Google.

В связи с этим в 2025 году Казахстану предстоит сосредоточиться на поиске способов адаптации имеющихся ИИ-технологий под конкретные отраслевые задачи. Также будет важно изучить, насколько подходы DeepSeek могут быть применимы в национальном масштабе, чтобы ускорить внедрение ИИ в бизнес-процессы и экономику в целом.