Архитектура доверия: как компании готовят данные для ИИ

Центральной темой дискуссий стал переход от аналитики самообслуживания к архитектуре, изначально спроектированной под ИИ. Участники из компаний ПИК, «Дикси» и «АвтоВАЗ» сошлись во мнении: ИИ в аналитике — это не способ сократить расходы, а инструмент, создающий новые задачи по управлению качеством информации. Представитель FanRuan Лэнс Ли подчеркнул, что надежный результат выдает лишь тот агент, который оставляет каждый шаг анализа — фильтрацию, связи и расчеты — доступным для аудита. Без этого «черного ящика» доверие к отчетам падает, так как разные инструменты могут выдавать противоречивые показатели на одних и тех же данных.

Технический вектор развития смещается в сторону инфраструктуры. Дмитрий Куроедов из GlowByte представил решение Morphism AI для автоматизированного переноса BI-отчетности, которое снижает рутинную нагрузку на команды при миграции с Qlik и Power BI. В свою очередь, представители ОТП Банка поделились опытом внедрения CI/CD для наборов данных, что позволило сократить нагрузку на базы на 30% и обеспечить контроль качества кода через обязательное ревью. Такой подход превращает разрозненные отчеты в единый семантический слой, необходимый для корректной работы языковых моделей.

Александр Нугаев из Мосбиржи отметил, что LLM не заменяют BI-системы, а выступают их потребителями. По его мнению, 90% усилий по созданию дашборда — это фундамент из архитектуры и интеграций, а не написание кода. Итогом встречи стал тезис о новой роли ИТ-подразделений: они перестают быть «фабрикой отчетов» и становятся архитекторами среды, в которой бизнес получает инструменты для самостоятельной, но проверенной и безопасной работы с данными.