Бизнес-процестерге жасанды интеллектті енгізу көбінесе бір кедергіге тап болады: құжаттар мен нұсқаулықтардан алынған «құрғақ» деректер сараптамалық тәжірибенің толық тереңдігін жеткізе алмайды. Бұл жасырын білім деп аталатын нәрсе — тәжірибелі мамандардың жылдар бойы жинақтайтын, бірақ жазбаша түрде сирек бекітетін практикалық дағдылары мен интуитивті шешімдері. Соңғы зерттеулер көрсеткендей, дәл осы ресурс шынайы тиімді корпоративтік ЖИ модельдерін құрудың басты драйверіне айналуда.
Әмбебап тілдік модельдер ашық деректердің үлкен массивтері бар салаларда әсерлі нәтижелер көрсетеді. Алайда компанияның ішкі контекстін және сараптамалық пікірін түсінуді қажет ететін тапсырмаларда олардың тиімділігі күрт төмендейді. Философ Майкл Поланьи дәл атап өткендей, «біз сөзбен жеткізе алатыннан көбірек білеміз». Бұл сөз тіркесі корпоративтік ЖИ-дің қазіргі дилеммасын дәл сипаттайды.
Bridgewater: «Дифференциалды интеллект» әмбебап модельдерге қарсы
Жарқын мысал — Bridgewater AIA Labs және Thinking Machines Lab бірлескен зерттеуі. Командалар жетекші модельдерді (Claude Opus, Gemini, GPT) орталық банктердің жаңалықтары мен құжаттарын талдауды қоса алғанда, алты қаржылық тапсырмада сынады. Қарапайым нұсқаулықтарды пайдаланған кезде дәлдік 45,6%-дан 50,1%-ға дейін болды. Алайда Bridgewater сарапшылары мамандандырылған промпттар дайындағаннан кейін көрсеткіш 74,3–78,2%-ға дейін көтерілді. Айта кету керек, нұсқаулықтарды автоматты түрде оңтайландыру қосымша өсім бермеді.
Негізгі серпіліс келесі кезеңде болды. Зерттеушілер Qwen3-235B моделін Bridgewater мамандары тікелей белгілеген деректерге қосымша оқытты. Нәтиже барлық күткеннен асып түсті: орташа дәлдік 84,7%-ға жетті, ал қателер саны үздік әмбебап модельмен салыстырғанда 29,8%-ға азайды. Сонымен қатар тапсырмаларды өңдеу құны 13,8 есе төмен болды. «Дифференциалды интеллект» деп аталатын бұл тәсіл нақты ұйымның бірегей процестері мен талаптарына жеке модельдерді баптауды көздейді. Негізінде, бұл жай ғана қосымша оқыту емес, компанияның ұжымдық тәжірибесін цифрлық нысанға көшіру.
Ford: Ардагерлердің тәжірибесін іздеу
Өнеркәсіпте де ұқсас үрдіс байқалады. Ford Motor соңғы үш жылда шамамен 350 тәжірибелі техникалық маманды жалдады, жоғарылатты немесе қайта тартты. Олардың міндеті — конструкцияларды тексеру, ықтимал ақауларды анықтау, жас инженерлерді оқыту және, ең бастысы, сапаны бақылаудың автоматтандырылған құралдарын жетілдіруге қатысу.
Ford-тың аппараттық құралдарды әзірлеу жөніндегі вице-президенті Чарльз Пун тікелей мәлімдеді: «Жасанды интеллект — тамаша құрал, бірақ ол оны оқыту үшін пайдаланылатын ақпарат қаншалықты жақсы болса, соншалықты жақсы». Ол компания тәжірибелі инженерлердің білімін жүйелі түрде сақтамағанын және олардың кейбіреулерінің тәжірибесін ішкі процестерге толық көшіруге үлгермей тұрып Ford-тан кеткенін мойындады.
Менің талдауым: Біз корпоративтік ЖИ стратегиясындағы түбегейлі өзгерісті байқап отырмыз. Шикі деректер мен есептеу қуаттары үшін жарыс сарапшылар белгілеген сапалы «ноу-хау» үшін жарысқа жол беруде. Өздерінің үздік қызметкерлерінің жасырын білімін модельдерге тиімді түрде алып, құрылымдап және бере алатын компаниялар орасан зор бәсекелестік артықшылыққа ие болады. Ал әмбебап модельдер мен жария деректерге ғана сүйенуді жалғастыратындар «дифференциалды интеллект» дәуірінде артта қалу қаупіне ұшырайды.