Почему гибридное обучение является ключом к прибыльности ИИ

За последние два года многие компании резко увеличили свои инвестиции в проекты в области искусственного интеллекта. Согласно исследованию Menlo Ventures, расходы бизнеса на генеративный ИИ выросли в шесть раз в 2024 году с 2,3 миллиарда долларов в 2023 году до 13,8 миллиарда долларов в 2024 году. Однако, со своей стороны, энтузиазм сталкивается с неприятной реальностью: запустить эти проекты в производство и превратить их в измеримые результаты по-прежнему сложнее, чем обучить модель.

«Парадокс ИИ» резюмируется в вопросе, который все чаще возникает в руководящих комитетах: если технология работает, почему рентабельность инвестиций не достигает цели? Такие консультанты, как Boston Consulting Group, указывают на явный разрыв: 74% компаний по-прежнему не могут продемонстрировать ощутимую ценность с помощью ИИ.

Во многих организациях ИИ застревает в так называемом «чистилище пилотов» — многообещающих испытаниях, которые не соответствуют реальным процессам. Согласно глобальному опросу, проведенному по заказу Google Cloud, 39% компаний еще не внедрили генеративный ИИ в производство, то есть они все еще находятся в стадии тестирования, оценки или еще не начали.

Правило 10-20-70: где рентабельность инвестиций выигрывается или теряется

Здесь вступает в силу идея, которая все чаще цитируется в области цифровой трансформации: успех зависит не только от кода. По данным BCG, проблемы при внедрении ИИ распределяются очень неравномерно. Около 70% связаны с людьми и процессами, 20% — с технологиями и данными и только 10% — с алгоритмами.

Проще говоря: 10% приходится на модель, которая часто попадает в заголовки газет; 20% — это данные и технологическая база, которые поддерживают систему; и 70% — это проектирование процессов, внедрение, управление и талант, которые делают систему более привлекательной. используйте или откажитесь от него.

У лидеров, которые действительно ценят, часто есть что-то общее: они рассматривают ИИ не как изолированный технический проект, а как операционную трансформацию. Фактически, BCG отмечает, что наибольшая ценность ИИ сосредоточена в основных бизнес-процессах, а не только в функциях поддержки, и что лидеры ставят во главу угла людей и процессы, а не технологии и алгоритмы, применяя именно логику 70-20-10.

Недостающий элемент: гибридное обучение

Если не менее 70% успеха зависит от процессов и талантов, вопрос меняется: готовим ли мы профессионалов, которые знают, как связать ИИ с бизнесом? Вот где гибридное обучение имеет решающее значение.

Речь идет не только о «знании программирования», но и о разработке профиля, способного преобразовать бизнес-задачу с точки зрения затрат, времени, качества или риска в вариант использования данных. Речь также идет о проектировании процесса внутри компании, в котором ИИ вносит ценный вклад, определяя, кто принимает решения, с помощью какой информации, с помощью какого контроля и с помощью каких показателей. Наконец, также важно обеспечить дружественное внедрение, объясняя, обучая, повторяя изменения и управляя ими вместе с командами; и практическая реализация перехода от ноутбуков к производству с качеством, безопасностью, управлением данными и обслуживанием.

Для всего этого как никогда необходимо обучать профессионалов, сочетающих технические компетенции в области данных, моделирования и инженерии с мягкими навыками и видением продукта, включая общение, командную работу, критическое мышление, этику и ориентацию на результат. Это именно то, о чем просят многие компании, когда ищут таланты, чтобы по-настоящему внедрить ИИ с выгодой для себя.

Обучение с реальными задачами: пример IndesIAHack

Такой подход прикладных инноваций должен полностью входить в учебный процесс, и не только в учебные программы и практики, но и в мероприятия, на которых обучение отвечает реальным потребностям, такие как IndesIAHack, организованный IndesIA и продвигаемый Политехническим университетом Мадрида.

В финале 2024 года команда студентов UDIT стала победителем, предложив решение на основе искусственного интеллекта, примененное к задаче Ferrovial: модель, способная анализировать условия окружающей среды с помощью дорожных камер. Приз составил 2000 евро, спонсором которого выступила Microsoft.

В выпуске 2025 года команды с участием студентов UDIT выиграли два испытания, предложенные Acciona и Acerinox, и вышли в финал. Проблемы связаны с такими прикладными решениями, как CityScan, интеллектуальная городская инвентаризация и Lead Miner, упреждающее обнаружение бизнес-возможностей в черной металлургии, о чем свидетельствует сама организация хакатона.

Здесь важно не название проекта, а метод. Смешанные команды, реальные данные, конкретная бизнес-цель и обязательство предоставить то, что можно объяснить, оправдать и измерить. Именно та область, где 70% — процессы и талант — определяют успех.

Возможности трудоустройства: выход на то, что требует рынок

Когда университет налаживает этот мост между технологиями и бизнесом, возможность трудоустройства перестает быть лозунгом и становится ожидаемым результатом. В случае с UDIT, его отдел талантов и трудоустройства отмечает более 2400 соглашений о сотрудничестве, более 1200 компаний, ищущих таланты в учреждении, и 100% гарантированную стажировку в очной или дистанционной форме, в дополнение к доске вакансий и ориентации.

В переводе на очень реальную проблему трудоустройства студентов и их семей: уже недостаточно просто «знать ИИ». Что имеет значение, так это возможность продемонстрировать полную компетентность: от создания решения до его интеграции в процесс, защиты его влияния и работы с другими профилями бизнеса, операций, юриспруденции, кибербезопасности и многого другого. Профили, которые подвергаются наименьшему риску быть вытесненными или замененными именно ИИ, в конечном итоге те же самые.

Инвестиции в проекты в области искусственного интеллекта будут продолжать расти, рынок уже подталкивает их. Но прибыльность ИИ достигается не за счет инвестиций в новейшие технологии, а за счет повседневного использования, перепроектирования процессов и обучения талантам, способным объединить технические и человеческие качества.

Именно здесь гибридное обучение становится недостающей частью: не для того, чтобы создавать больше и лучше кода, а для того, чтобы ИИ перестал быть для компаний блестящим пилотным проектом и превратился в ощутимое конкурентное преимущество. Именно здесь “гибридные таланты”, которые развивают такие учреждения, приобретают первостепенное значение.

Редактор: AndreyEx