16.07.2026 Экспертиза, Искусственный интеллект, МенеджментПроекты в области искусственного интеллекта часто замирают после этапа демонстрации. Эндрю Селлерс, руководитель группу технологической стратегии компании Confluent, рассказывает на портале The New Stack о том, почему инфраструктура данных реального времени имеет решающее значение для масштабирования моделей ИИ до производства. Большинство инженерных команд, с которыми я общаюсь, могут выпустить демонстрацию ИИ. Прототип работает, заинтересованные стороны впечатлены, и все согласны с тем, что у сценария использования есть потенциал. Затем проект заходит в тупик. Причины могут быть разными, но новые исследования показывают, что часто проблема заключается в трудностях сбора и анализа данных в реальном времени из множества источников. И это усугубляется растущим дефицитом квалифицированных кадров. Согласно отчету Confluent «2026 Data Streaming Report», агентный ИИ работает в производстве только у 32% организаций. В то же время две трети респондентов назвали инфраструктуру данных и качество данных препятствиями на пути к успеху агентного ИИ. Модели работают в контролируемых условиях, но производство — это совсем другая история. Почему разрыв между демонстрацией и внедрением в производство так велик? Демонстрации, как правило, работают, потому что всё вокруг них контролируется. Данные статичны и тщательно отбираются, чтобы точно соответствовать тому, что будет требоваться от модели. В производственных средах такие возможности не всегда недоступны. Там системам ИИ приходится ...
читать далее.
