Искусственный интеллект, роботы - применение

[samsony1]

Российская компания разработала новую технологию синтеза речи для голосовых ИИ

Российская компания Neuro.net представила новую технологию синтеза речи Neuro TTS. В ней большие языковые и диффузионные модели совместно генерируют голос с учетом акустических особенностей и контекста.

Платформа уже доступна для бизнеса. Синтез можно встраивать в сервисы через программный интерфейс. В потоковом режиме аудиоданные начинают передаваться через 120 миллисекунд после запроса, что позволяет воспроизводить речь до завершения генерации.

Технология опирается на опыт компании в автоматизации контакт-центров. Голосовой искусственный интеллект должен распознать речь клиента, определить намерение, сформировать ответ и озвучить его естественно.

Глава группы компаний Александр Цепелев отметил, что развитие искусственного интеллекта в России не должно быть территорией нескольких корпораций. Независимые компании тоже должны задавать темп рынку. Он подчеркнул, что Neuro.net годами развивает собственные технологии разговорного искусственного интеллекта и готова создавать конкуренцию.

источник - здесь

[samsony1]

Исследование показывает, что максимальная ценность ИИ сегодня создается не за счет универсального корпоративного чат-бота, а благодаря специализированным агентам, подключенным к системам и данным компании через контролируемый слой интеграции.

Такие агенты могут работать с бюджетами и платежами, договорами и закупками, задачами и проектами, корпоративными регламентами, отчетностью, клиентскими данными и операционными показателями. Применение специализированных ИИ-инструментов может сокращать продолжительность отдельных финансовых операций примерно на 80% и экономить более 30 рабочих часов в месяц.

Эксперты MD Audit выделили три уровня применения ИИ-агентов:

На первом уровне агент помогает сотруднику искать и анализировать информацию, но не изменяет данные.

На втором готовит рекомендацию или проект действия, который должен подтвердить человек.

На третьем самостоятельно выполняет разрешенные операции с минимальным риском при наличии разграничения прав, журналирования и механизмов контроля.

Ключевым принципом корпоративного внедрения становится модель «предложение – согласование»: ИИ-агент формирует документ, задачу, транзакцию или управленческую рекомендацию, но окончательное решение остается за ответственным сотрудником. Все действия агента должны быть прозрачны, проверяемы и обратимы. В России развитие агентных ERP-систем будет иметь особую траекторию. Требования к локализации данных, защите объектов критической информационной инфраструктуры, технологической независимости и использованию доверенных решений делают локальный инференс одним из базовых сценариев внедрения ИИ.

ИИ уже способен заметно ускорять отдельные этапы модернизации корпоративных систем: анализ требований, подготовку интеграций, обработку документов, тестирование, сверку данных и разработку внешнего функционального слоя. Однако экономика таких проектов должна оцениваться не по качеству демонстрации или используемой языковой модели, а по конкретным бизнес-показателям: сокращению ручных операций, сроков закрытия отчетного периода, количества ошибок, продолжительности внедрения и совокупной стоимости владения.

источник - здесь

[samsony1]

90 тысяч рейсов и рост производительности на 25%: Российские беспилотные грузовики-роботы показывают позитивную статистику

Российские беспилотные автономные грузовики без кабины водителя стали выгодным приобретением для отечественных компаний, использующих такие машины на своих внутренних территориях. В сентябре 2026 года стало известно об очередных положительных результатах внедрения серийных грузовиков-роботов «ЭвоКарго».

По информации производителя, использование такого транспорта в инфраструктуре российских предприятий дает значительный экономический эффект. Так, компания «АвтоАльянс» внедрила автономные грузовики в 2025 году и получила рост показателя своевременной отгрузки на 27%, при этом были высвобождены 3 обычных разнотоннажных автомобиля с водителями, использовавшиеся на территории для перевозок.

Предприятие «Роквул» на своем заводе в экономической зоне «Алабуга» в 2025 году запустило 9 российских грузовиков-роботов «ЭвоКарго», что позволило увеличить производительность труда на 25%, а за год беспилотные машины использовались уже 90000 раз!

Это не единичные примеры. В 2026 году на территориях российских предприятий работают уже сотни грузовых машин-роботов без кабины для водителя. Практика показывает, что такой транспорт воспринимают уже серьезно – он позволяет улучшить экономические показатели. Сегодня грузовики «ЭвоКарго» используют на своих объектах такие компании, как «СИБУР», «ЕВРАЗ», Wildberries, «Азбука вкуса», «Спортмастер», «Детский мир», «SPAR» и другие.

Технология работы такого транспорта основана на сочетании искусственного интеллекта, компьютерного зрения и мультисенсорной системы восприятия. Они позволяют платформе автономно ориентироваться в производственной среде, распознавать препятствия и выполнять логистические задачи без участия водителя.

Идет освоение новых сфер применения – например, территорий аэропортов. Весной 2026 года в аэропорту Жуковский (Москва) российские грузовики-роботы успешно прошли испытания. В течение 3 месяцев машины показали свою пригодность при температурах окружающего воздуха от минус 26 до плюс 31 градуса Цельсия, выполнив 150 поездок по заданным маршрутам.

источник - здесь

[samsony1]

В России придумали как прогнозировать вкус с помощью компьютерной программы: Нейросеть заменит дегустатора

Вкус сладостей теперь можно рассчитать, а не пробовать. Программный модуль, разработанный в России, на основе многослойной нейронной сети связывает температуру, давление, влажность и другие параметры с итоговой оценкой вкуса, позволяя корректировать рецептуру ещё до выпуска партии. Разработка ученых Российского технологического университета МИРЭА (РТУ МИРЭА) прогнозирует вкус кондитерских изделий по данным датчиков и рекомендует корректировки технологического процесса, снижая риск брака.

В РТУ МИРЭА разработан российский программный модуль, который прогнозирует итоговую оценку вкуса кондитерских изделий на основе параметров технологического процесса, органолептических показателей качества сырья, а также его физико-химических и реологических характеристик. В качестве входных данных используются температура, давление, расход технологических потоков, скорость работы оборудования и перемещения продукта, влажность, кислотность, содержание сухих веществ, вязкость, консистенция и другие параметры, поступающие от производственных датчиков и средств лабораторного контроля. Традиционная оценка вкуса на производстве проводится субъективно, с привлечением экспертов-дегустаторов, что требует времени и не позволяет оперативно корректировать технологический процесс. Разработанная программа использует многослойную нейронную сеть, обученную на реальных данных кондитерских производств, и рассчитывает прогнозную оценку вкуса непосредственно в ходе производства, своевременно формируя рекомендации по корректировке технологических и режимных параметров.

Модуль применим на разных этапах производства: от рецептурной настройки до контроля готовой продукции. Оператор загружает данные, и система выдаёт прогноз – будет ли вкус соответствовать стандарту или есть риск отклонения. Это позволяет технологу скорректировать рецептуру ещё на стадии варки или формования, избегая выпуска бракованной партии. В технологический процесс внедряются интеллектуальные датчики, определяющие органолептические показатели – цвет, запах, внешний вид – сырья и продукции. Эти показатели анализирует виртуальный датчик вкуса, выставляющий оценку по десятибалльной шкале. Если значение низкое, продукция не соответствует рецептуре и идёт в брак. Датчик входит в экспертную, или рекомендательную, систему, которая сообщает оператору, как исправить технологический процесс. По сути, система оценивает не сладость, а правильность выполнения технологического процесса. Например, если на одном из этапов поступило слишком много сахара, система зафиксирует отклонение и отразит его по десятибалльной шкале.

источник - здесь

[samsony1]

Китай создаст первую ИИ-карту всей поверхности Марса к 2028 году

Китай планирует до конца 2028 года создать геологическую карту всей поверхности Марса. Проект станет частью подготовки к миссии Tianwen-3, которая должна отправиться к Красной планете примерно в тот же период.

По замыслу китайских специалистов, карта охватит весь Марс и будет использовать данные уже проведенных исследований планеты. В нее, в частности, войдут результаты работы марсохода «Чжужун» — первого китайского аппарата, совершившего посадку на Марсе.

Особенностью проекта станет использование искусственного интеллекта. Китайские ученые называют будущую карту первой интеллектуальной геологической картой Марса. Она должна не только объединить имеющиеся сведения о рельефе и геологическом строении планеты, но и помочь сформировать систему классификации марсианских геологических эпох, которую Китай рассчитывает сделать международным стандартом.

В рамках проекта также планируют подготовить подробные геологические карты районов предполагаемой посадки в масштабе 1:50 000 и серию специализированных атласов. Эти материалы должны использоваться при научной подготовке Tianwen-3 и выборе места посадки аппаратов.

Миссия Tianwen-3 рассчитана на доставку образцов марсианского грунта на Землю. Согласно ранее опубликованным планам, запуск может состояться примерно в 2028 году, а возвращение образцов ожидается ориентировочно в 2031-м. Китайская сторона планирует провести два запуска тяжелых ракет, после чего аппараты должны доставить образцы с поверхности Марса обратно на Землю.

Создание полной геологической карты должно помочь подготовить эту миссию, в том числе с точки зрения выбора района посадки и научных исследований. Китай также рассматривает разработанный подход как основу для будущего картографирования Луны, Венеры и астероидов.

источник - здесь

[samsony1]

Платформа InKnowledge возглавила рейтинг российских KMS-систем для крупного бизнеса

CNews опубликовал рейтинг российских коробочных решений для управления знаниями, ориентированных на задачи крупного бизнеса. KMS-платформы (от англ. Knowledge Management System — системы управления корпоративными знаниями) оценивались по ключевым блокам: создание и управление контентом, поиск, ИИ-возможности, настройка оформления, поддержка.

Главный вывод: базовый функционал — хранение, публикация, поиск, разграничение прав — уже закрыт большинством решений на рынке. Конкуренция смещается в сторону гибкости, адаптации под бизнес-процессы и задачи компании, интеграций, зрелости ИИ-сценариев и способности закрывать в едином контуре клиентский опыт (CX) и опыт сотрудников (EX).

По большинству функциональных блоков InKnowledge (L2U, входит в группу компаний BSS) обошла конкурентов и заняла первую строчку. Платформа стала лидером по возможностям создания и управления контентом: поддерживает 22 типа готового контента «из коробки» — от статей и сценариев до BPMN-процессов и омниканальных материалов. Пользователи могут самостоятельно создавать новые типы контента и шаблоны, не обращаясь к вендору.

InKnowledge — единственное решение в обзоре, которое предоставляет вариативность отображения результатов поиска: карточки, списки, таблицы, сниппеты. Кроме того, платформа отличается максимальной гибкостью в настройке оформления под разных пользователей и роли. В части ИИ: встроенная генерация ответов по базе знаний компании (RAG), собственная большая языковая модель (LLM) и возможность задавать отдельные инструкции для ИИ-модели по каждому сайту и разделу.

источник - здесь

[samsony1]

Нейросеть «ЛЭТИ» распознает более 30 видов активности на носимых устройствах

Ученые Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» и Университета Иннополис вошли в международную команду разработчиков нейросетевой архитектуры для носимых устройств. Модель способна распознавать более 30 видов активности человека по данным сенсоров и при этом работает непосредственно на устройстве.

«Умные» часы, фитнес-браслеты и медицинские датчики постоянно собирают информацию о движениях человека. Однако запуск нейросетей на таких устройствах ограничен их вычислительными ресурсами и емкостью аккумулятора. Более сложные модели требуют значительных вычислений и могут отправлять данные в облако, а упрощенные алгоритмы хуже справляются с редкими событиями, например падениями.

Разработчики объединили в одной архитектуре два подхода. Первая ветвь использует временную сверточную сеть с причинными свертками и анализирует локальные особенности движений — то, что человек делает в текущий момент. Вторая применяет механизм канального внимания и учитывает более продолжительный контекст последовательности движений.

Такой подход позволил сделать модель компактной. Она содержит от 50 до 62 тысяч параметров, а для одного предсказания требуется от 2 до 3,5 млн вычислительных операций. Благодаря этому нейросеть можно запускать непосредственно на «умных» часах, фитнес-браслетах и медицинских устройствах без передачи данных в облако. Это также позволяет экономить заряд аккумулятора и сохранять данные на самом устройстве.

Исследователи проверили разработку на трех общедоступных наборах данных. Нейросеть распознает разные виды активности — от ходьбы и бега до бытовых действий и сложных физических нагрузок.

На одном из наборов данных точность модели составила 97,49%. Это на 2,49% выше предыдущего лучшего результата. На другом наборе показатель достиг 98,91%. Отдельно разработчики проверили распознавание редких событий. В одном из тестов модель определяла падения на 10,38% лучше предыдущих решений.

источник - здесь

[samsony1]

В Москве активно развивают беспилотный транспорт — в большинстве этапов в салоне или в кабине остаётся человек (водитель-испытатель или оператор), который контролирует систему и может взять управление на себя в нештатной ситуации. Полностью автономные режимы пока тестируются.

Беспилотный трамвай
Это, пожалуй, самый продвинутый проект в городском транспорте. 3 сентября 2025 года в Москве запустили первое в России регулярное движение беспилотного трамвая с пассажирами. Он ходит по маршруту № 10 («Метро „Щукинская“» — «Улица Кулакова») в районе Строгино. 

Сейчас в городе уже пять таких трамваев («Львенок-Москва»), часть из них работает в режиме лабораторий: собирают данные, изучают маршруты и адаптируются к разным условиям. До конца 2026 года планируют увеличить парк до 15 единиц. А в перспективе — к 2030 году оснастить беспилотными технологиями около двух третей столичного парка (примерно 300 трамваев), а к 2035 году — около 90%. 

Что умеет такой трамвай: сам останавливается, открывает и закрывает двери, следует сигналам светофоров, пропускает пешеходов, переключает стрелки и соблюдает график. 
Беспилотный трамвай совершил первые 500 рейсов с пассажирами в Москве.

Беспилотное такси
Над этим проектом активно работает «Яндекс». Тестирование идёт в специально выделенных районах с экспериментальным правовым режимом (ЭПР): Хамовники, Пресненский, Гагаринский, Академический, Ломоносовский, Раменки, Ясенево, Марьино, Люблино и другие. 

В 2026 году компания планирует вывести на улицы 200 беспилотных такси. Из них 100 будут доступны для коммерческих заказов через приложение «Яндекс Go», а ещё 100 — задействованы для сбора данных и совершенствования технологий. В салоне при этом находится водитель-испытатель. 

Беспилотный поезд метро
С 16 января 2026 года в Московском метрополитене тоже идут испытания. На первом этапе систему тестировали на Большой кольцевой линии (БКЛ) на поезде «Москва-2024» в ночное время и без пассажиров. Задача — отработать автоматическое управление: разгон, торможение, взаимодействие с диспетчерским центром, контроль за безопасностью. 

В перспективе планируют создать рабочий образец, который сможет курсировать полностью в беспилотном режиме с пассажирами, сохраняя при этом короткие интервалы движения (в часы пик — около 90 секунд). 

Другие направления
Обсуждаются и другие инициативы. Например, в рамках экспериментальных правовых режимов планируют тестировать беспилотные автобусы. На первом этапе, скорее всего, в салоне будет оператор для контроля в сложных ситуациях. Также есть планы по развитию беспилотного речного транспорта. 

Как это устроено в целом
Для успешного внедрения создают целую инфраструктуру: разрабатывают специализированное ПО (в том числе внутри структур метрополитена), внедряют системы связи (например, 5G для взаимодействия поезда с инфраструктурой на БКЛ), а также формируют правовую базу — вводят экспериментальные правовые режимы, которые позволяют тестировать технологии на отдельных участках. Важный шаг — подключение автономного транспорта к единой государственной платформе идентификации (на базе «ЭРА-ГЛОНАСС»). 

Кто этим занимается
* Центр перспективных разработок Московского транспорта — занимается, в частности, доработкой трамваев под беспилотное управление. 
* Московский метрополитен — разрабатывает системы управления для беспилотных поездов.

[samsony1]

развитие беспилотного транспорта в России идёт сразу по нескольким направлениям: где-то уже идут активные испытания, а где-то только закладывается нормативная база. Главные тренды и события этого года. 

Что уже работает
* Беспилотные грузовики. Это одно из самых продвинутых направлений. По данным Минтранса на август 2026 года, в эксплуатации находится более 120 автономных фур, а их общий пробег превысил 20 млн километров. Машины работают на федеральных трассах: М-11 «Нева», М-4 «Дон», ЦКАД и М-12 «Восток». В проекте участвуют «КамАЗ», NAVIO и Яндекс. Важное изменение 2026 года: экспериментальный правовой режим продлили и расширили — к испытаниям присоединились Башкирия, Пермский край и Свердловская область. При этом появились две категории машин: одни по-прежнему требуют присутствия испытателя в кабине, а другие (более продвинутые) могут двигаться в полностью автоматизированном режиме при удалённой маршрутизации. 
* Беспилотный трамвай. В Москве уже есть опыт: первый беспилотный трамвай успешно прошёл испытания, и сейчас обсуждается масштабирование — в планах перевести на автономную технологию до 80% трамвайного парка Москвы и Санкт-Петербурга. 
* Беспилотное метро. Московское метро проводит успешные эксперименты.
* Беспилотный поезд. МЦД в Москве продолжает испытания беспилотного вождения с оператором рядом в кабине.
* Беспилотная доставка. Яндекс.Еда в ряде городов страны осуществляет мероприятия с беспилотными доставщиками по изучению и оцифровке трасс обслуживания.
* Беспилотное такси. Яндекс продолжает эксперименты по беспилотному такси собственной разработки.

Новые инициативы
В сентябре 2026 года президент поручил запустить пилотный проект по тестированию беспилотного пассажирского общественного транспорта сразу в четырёх регионах: Республике Татарстан, Сахалинской области, Москве и Санкт-Петербурге. Особенность проекта в том, что в качестве операторов беспилотных систем планируют привлекать ветеранов СВО с ограниченными возможностями здоровья. Доклад о ходе реализации должны представить до 15 января 2027 года. Параллельно в рамках этого поручения рассматривают и цифровые решения — например, использование мессенджера «Макс» и единой биометрической системы для оплаты проезда. 

Что с регулированием
Один из ключевых сюжетов 2026 года — работа над федеральным законом о высокоавтоматизированных транспортных средствах (ВАТС). Минтранс готовил проект, в сентябре шла активная фаза подготовки к внесению в Госдуму. Задача документа — перевести отрасль из режима отдельных экспериментов в полноценное правовое поле. Закон должен чётко распределить ответственность (между производителем, разработчиком ПО, эксплуатантом, оператором дистанционной поддержки), ввести отдельные требования к кибербезопасности, системе сертификации (в том числе со специальным испытательным полигоном) и условиям допуска машин на дороги. 

Какие вызовы стоят перед отраслью
* Инфраструктура. Для стабильной работы беспилотников нужна развитая цифровая инфраструктура — например, цифровые «двойники» маршрутов. 
* Технологические нюансы. Даже в продвинутых системах человек пока часто остаётся в контуре управления: водитель-испытатель или удалённый оператор контролируют работу и готовы вмешаться в нештатной ситуации. 
* Вопросы безопасности. Речь не только о технической надёжности, но и о защите от кибератак. 

В целом траектория такая: сначала отработка технологий в пилотных проектах и экспериментальных режимах, а затем — постепенное масштабирование по мере того, как будет выстроена вся необходимая нормативная и инфраструктурная база. 

[samsony1]

В России начался переход к экономике автономных ИИ-агентов

Об этом сообщил Зампредседатель Совета по развитию цифровой экономики при Совете Федерации, сенатор Артем Шейкин.

По его словам, ИИ все чаще дают пространство для самостоятельных решений. ИИ-агенты совершают сделки и управляют процессами от имени людей и компаний. Так они постепенно становятся самостоятельными экономическими субъектами.

Шейкин отметил, что без понятных правил людям и компаниям трудно предвидеть правовые последствия своих решений. Когда ИИ выходит за отведенную роль, вопрос ответственности перестает быть теоретическим.

источник - здесь

[samsony1]

Госзаказ сделал ставку на ИИ, число поставщиков выросло почти вдвое

Наиболее заметную динамику показал сегмент решений на базе искусственного интеллекта. За год число поставщиков в этой категории увеличилось более чем вдвое. Если действующая политика Правительства РФ по поддержке развития ИИ сохранится, аналитики ожидают дальнейшего роста числа внедрений и расширения круга компаний, участвующих в госзакупках.

В 2025–2026 годах поставщиками ИИ-решений для государственных заказчиков выступали АО «РИВЦ», ООО «ИТ Нова», АО «Антиплагиат», ООО «ПТМ», ООО «Инлайн Технолоджис», АО «АБМ», ООО «ИТМО.ИСКИН» и другие компании.

Количество поставщиков антивирусного ПО в госзакупках сокращается второй год подряд. За 9 месяцев 2026 года показатель снизился на 18% год к году. Аналитики связывают это с переходом заказчиков от отдельных антивирусных продуктов к комплексным системам информационной безопасности с более широким набором функций.

источник - здесь

[samsony1]

«Яндекс» представил Sona — ИИ-модель, способную заменить десятки алгоритмов рекомендаций

«Яндекс» представил Sona — собственную генеративную модель, которая полностью берет на себя подготовку рекомендаций, от подбора вариантов до их ранжирования. Это первая в мире модель, которая заменяет целый каскад алгоритмов, не требует ручного подбора признаков и показывает высокие результаты на практике. Переход от традиционных рекомендательных систем к единым ИИ-моделям становится новым этапом в развитии рекомендательных технологий и может улучшить качество многих сервисов.

Первым сервисом, где «Яндекс» протестировал новую модель, стали музыкальные рекомендации в умных колонках с Алисой. На неделю Sona заменила действующую в умных колонках систему рекомендаций, включающую десятки алгоритмов — каждый из них предлагает подходящий трек, а система в несколько этапов выбирает лучший.  По итогам эксперимента время прослушивания рекомендованных треков выросло в тестовой группе на 6,3%, а количество просьб повторить трек — почти на 18%. Аудитория активных слушателей увеличилась на 4,5% — это в 2,4 раза больше, чем после предыдущего обновления. Результатами эксперимента команда «Яндекса» поделилась в научной статье на международной платформе arxiv.org. Разработкой и тестированием новой модели занимались инженеры Алисы, Яндекс Музыки и команда R&D (Research and Development).

источник - здесь

[samsony1]

Наушники Neurable One сканируют мозг и отслеживают концентрацию

Компания Neurable представила наушники Neurable One со встроенной системой электроэнцефалографии (EEG), которая отслеживает мозговую активность пользователя. Устройство рассчитано не только на прослушивание музыки, но и на мониторинг концентрации в течение рабочего дня.

После активации EEG наушники анализируют мозговые волны и определяют уровень внимания. Система может показать, когда концентрация находится на высоком уровне, а также предупредить о ее снижении и предложить сделать перерыв. Neurable One определяют индивидуальную частоту пиков альфа-ритма — Alpha Peak Frequency, которую компания использует как один из показателей когнитивного состояния.

Наушники собирают и другие показатели, связанные с работой мозга. Среди них — так называемый возраст мозга, скорость обработки информации и влияние качества сна на состояние пользователя на следующий день. Neurable One предназначены для наблюдения не столько за физической активностью, сколько за изменениями когнитивного состояния.

Neurable One остаются полноценными беспроводными наушниками. Они оснащены 40-миллиметровыми бериллиевыми динамиками и шестью микрофонами для активного шумоподавления и передачи окружающего звука. Время работы без активного EEG составляет до 22 часов, а при включенной системе отслеживания мозговой активности — до 12 часов.

источник - здесь

[samsony1]

До 21 машины на каждый авиаузел: Роботы начинают захват 6 российских аэропортов

В России начинается новый этап внедрения роботизированной наземной техники – с 30 сентября 2026 года в 6 аэропортах самых разных регионов официально разрешен экспериментальный правовой режим. В течение ближайших трёх лет сразу 4 российских разработчика и производителя автономной техники получили право вывести на работу свои роботизированные комплексы уже в серийном исполнении.

Первым аэропортом в России, где решили внедрить беспилотную перевозку багажа с использованием отечественных роботов-тягачей, стал санкт-петербургский Пулково – здесь начали работу с компанией «Когнитив Пилот». С осени 2026 года все такие эксперименты можно проводить уже не как инициативные опыты, а вполне как эксплуатацию серийной техники.

В списке: Москва (Внуково), Санкт-Петербург (Пулково), Сочи, Краснодар, Красноярск и Южно-Сахалинск. Работать могут только роботы, которые не участвуют в техническом обслуживании воздушных судов. Возить багаж, косить газоны, патрулировать, убирать территории от снега – уже можно. Также пока в списке только 4 разработчика и производителя российской роботизированной техники – КАМАЗ, «ЭвоКарго», «Когнитив Пилот» и Петербургский тракторный завод. Плюс разрешено пока эксплуатировать до 21 наземного робота в каждом аэропорту из списка.

источник - здесь

[samsony1]

7 главных трендов рынка ИИ в корпоративном секторе

Компании по всему миру постепенно переходят от экспериментов и точечного применения искусственного интеллекта к полноценным внедрениям и интеграции нейросетевых технологий в ключевые бизнес-процессы. При этом конкурентное преимущество получают организации, комплексно развивающие инфраструктуру, процессы и компетенции для встраивания ИИ в операционную деятельность.

Выделяются 7 ключевых трендов рынка ИИ в корпоративном секторе.

1. Агентный ИИ
ИИ-агенты способны понимать бизнес-цели, собирать информацию, анализировать варианты и оценивать целесообразность действий.

2. Перестройка рабочих процессов под ИИ
Предприятия смещают фокус с фрагментарной автоматизации на системное перепроектирование операций. Вместо добавления ИИ в имеющиеся процессы компании все чаще меняют логику выполнения задач, перераспределяя роли.

3. Управление и безопасность ИИ
С переходом ИИ от генерации рекомендаций к самостоятельному выполнению действий традиционных политик управления уже недостаточно. Для автономных агентов, имеющих доступ к ERP, базам данных и финансовым системам, необходим непрерывный операционный контроль.

4. Ценность внедрения ИИ
Оценка эффективности ИИ смещается с метрик использования на измеримые бизнес-результаты. Компаниям следует сопоставлять ИИ-инициативы с конкретными KPI, такими как цикл обработки заказов, качество, ошибки, оборотный капитал и др.

5. Многоагентные системы
В корпоративной практике наблюдается переход от моноагентных решений к многоагентным архитектурам, предполагающим распределение обязанностей между специализированными ИИ-модулями (прогнозирование спроса, управление логистикой, контроль комплаенса и др.).

6. Данные для ИИ
Ключевым фактором эффективности корпоративного ИИ становится не объем данных, а их пригодность, поскольку фрагментированность, несогласованность и отсутствие управления снижают надежность систем.

7. Суверенный и частный ИИ
Наблюдается рост значимости суверенного и частного ИИ — особенно среди организаций с жесткими нормативными требованиями, а также высокими запросами к безопасности и локализации данных. Суверенный ИИ обеспечивает контроль над инфраструктурой, моделями, вычислениями и юрисдикцией, в то время как частный функционирует в выделенной среде компании, что позволяет реализовать дополнительные механизмы безопасности.

источник - tadviser.ru