AI Expo 2026: 7 причин, почему пилоты проваливаются в production

Когда эйфория заканчивается

Второй день совместных мероприятий AI & Big Data Expo и Digital Transformation Week в Лондоне продемонстрировал рынок в состоянии явного перехода. Начальное возбуждение вокруг генеративных моделей постепенно угасает. Руководители предприятий сталкиваются с реальными трудностями интеграции этих инструментов в существующие системы.

Сессии второго дня сместили фокус с больших языковых моделей на инфраструктуру, необходимую для их работы: отслеживание происхождения данных, мониторинг и соответствие нормативным требованиям. Оказалось, что блестящие презентации - это одно, а реальная эксплуатация - совсем другое.

Зрелость данных решает все

Надежность искусственного интеллекта напрямую зависит от качества информации. ДП Индеткар из Northern Trust предупредил о риске превращения AI в "робота из дешевого фильма". Такой сценарий возникает, когда алгоритмы дают сбой из-за плохих входных данных.

Индеткар подчеркнул: зрелость аналитики должна предшествовать внедрению искусственного интеллекта. Автоматизированное принятие решений усиливает ошибки, а не уменьшает их, если стратегия работы с данными не проверена.

Эрик Бобек из Just Eat поддержал эту точку зрения. Он объяснил, как данные и машинное обучение направляют решения на уровне глобального предприятия. Инвестиции в слои AI становятся пустой тратой, если фундамент данных остается фрагментированным.

Мохсен Гхасемпур из Kingfisher также отметил необходимость превращения сырых данных в действенную информацию в реальном времени. Компании розничной торговли и логистики должны сократить задержку между сбором данных и генерацией инсайтов, чтобы увидеть отдачу.

Для получения практических рекомендаций по построению надежной data-инфраструктуры посетите AI Projects.

Масштабирование в регулируемых секторах

Финансы, здравоохранение и юриспруденция имеют практически нулевую толерантность к ошибкам. Паскаль Хетцшольдт из Wiley обратился к этим секторам напрямую.

Хетцшольдт заявил, что ответственный AI в науке, финансах и праве опирается на точность, атрибуцию и целостность. Корпоративные системы в этих областях нуждаются в аудиторских следах. Репутационный ущерб или регулятивные штрафы делают невозможными реализации по принципу "черного ящика".

Константина Капетаниди из Visa описала сложности создания многоязычных, использующих инструменты, масштабируемых генеративных AI-приложений. Модели становятся активными агентами, которые выполняют задачи, а не просто генерируют текст. Разрешение модели использовать инструменты - например, запрашивать базу данных - создает векторы безопасности, требующие серьезного тестирования.

Паринита Котари из Lloyds Banking Group детально рассмотрела требования к развертыванию, масштабированию, мониторингу и поддержке AI-систем. Котари бросила вызов менталитету "развернул и забыл". Модели искусственного интеллекта нуждаются в непрерывном надзоре, аналогично традиционной программной инфраструктуре.

Изменение рабочих процессов разработчиков

Искусственный интеллект фундаментально меняет способ написания кода. Панель с докладчиками из Valae, Charles River Labs и Knight Frank рассмотрела, как AI-копилоты преобразуют создание программного обеспечения. Хотя эти инструменты ускоряют генерацию кода, они также заставляют разработчиков больше сосредотачиваться на проверке и архитектуре.

Это изменение требует новых навыков. Панель с представителями Microsoft, Lloyds и Mastercard обсудила инструменты и образ мышления, необходимые для будущих AI-разработчиков. Существует разрыв между текущими возможностями рабочей силы и потребностями среды, дополненной искусственным интеллектом. Руководители должны планировать программы обучения, обеспечивающие достаточную валидацию кода, сгенерированного AI.

Доктор Гурпиндер Диллон из Senzing и Алексис Эго из Retool представили стратегии low-code и no-code. Эго описал использование AI с low-code платформами для создания готовых к производству внутренних приложений. Этот метод нацелен на сокращение очереди запросов на внутренний инструментарий.

Диллон утверждал, что эти стратегии ускоряют разработку без снижения качества. Для высшего руководства это означает более дешевую поставку внутреннего программного обеспечения, если протоколы управления остаются на месте.

Возможности персонала и конкретная польза

Более широкая рабочая сила начинает работать с "цифровыми коллегами". Остин Брахам из EverWorker объяснил, как агенты преобразуют модели рабочей силы. Эта терминология подразумевает переход от пассивного программного обеспечения к активным участникам. Бизнес-лидеры должны пересмотреть протоколы взаимодействия человека и машины.

Пол Эйри из Anthony Nolan привел пример того, как AI обеспечивает буквально меняющую жизнь ценность. Он детально описал, как автоматизация улучшает подбор доноров и сроки трансплантации стволовых клеток. Полезность этих технологий распространяется на спасающую жизни логистику.

Повторяющаяся тема на протяжении всего мероприятия заключается в том, что эффективные приложения часто решают очень конкретные проблемы с высоким трением, а не пытаются быть универсальными решениями.

Узнайте больше о практическом применении AI в бизнесе на AI Projects.

Управление переходом

Сессии второго дня совместных мероприятий показывают, что корпоративный фокус теперь переместился на интеграцию. Первоначальная новизна исчезла и была заменена требованиями к бесперебойной работе, безопасности и соответствию нормам. Руководители инноваций должны оценить, какие проекты имеют инфраструктуру данных, способную выдержать столкновение с реальным миром.

Организации должны отдавать приоритет базовым аспектам AI: очистке хранилищ данных, установлению юридических ограждений и обучению персонала контролировать автоматизированных агентов. Разница между успешным развертыванием и застопорившимся пилотом заключается именно в этих деталях.

Руководители, со своей стороны, должны направлять ресурсы на инженерию данных и структуры управления. Без них продвинутые модели не смогут обеспечить ценность.

Выводы

Второй день AI Expo 2026 четко показал: эра экспериментов заканчивается, начинается эра ответственности. Компании больше не могут позволить себе запускать красивые пилоты, которые никогда не доберутся до production. Успех определяется не технологической продвинутостью, а качеством данных, зрелостью процессов и готовностью персонала.

Регулируемые отрасли устанавливают планку - абсолютная прозрачность, аудируемость каждого решения, нулевая толерантность к "черным ящикам". Разработчики меняют роли с создателей на контролеров. Low-code платформы обещают ускорение, но только при наличии строгого управления.

Главный урок прост: инвестируйте в скучное - хранилища данных, юридические протоколы, обучение сотрудников. Именно эти элементы отделяют работающие системы от красивых презентаций.