05.11.2026 Экспертиза, Искусственный интеллект, МенеджментХотя малые языковые модели (SLM) преподносятся как простое решение проблем, связанных со стоимостью и сложностью внедрения искусственного интеллекта, использующие их в реальных рабочих процессах CIO обнаруживают, что за этой экономией скрываются определенные нюансы, отмечают опрошенные порталом InformationWeek эксперты. Аргументы в пользу SLM стали практически стандартным ответом. ИИ обходится слишком дорого, работает медленно или сопряжен с высокими рисками? Попробуйте модель поменьше. В прошлом году аналитики Gartner спрогнозировали, что в 2027 г. организации будут использовать специализированные модели, предназначенные для решения конкретных задач, в три раза чаще, чем универсальные большие языковые модели (LLM). Этот сдвиг уже отражается в корпоративных бюджетах: в июле Gartner сообщила, что расходы на специализированные ИИ-модели, ориентированные на конкретные предметные области, только в 2026-м вырастут на 210% — это более чем вдвое превышает темпы роста затрат на фундаментальные модели. Однако CIO, которые уже внедрили — или только пытаются внедрить — SLM в рабочие процессы, описывают гораздо более сложную картину. SLM действительно могут повысить эффективность, но зачастую не в той мере, в какой ожидалось, а сопутствующие расходы становятся заметны лишь после запуска системы в эксплуатацию. Когда расчет действительно оправдывается «Внедрение SLM в корпоративном секторе перешло от стадии пилотных проектов к полноценной архитектуре, и этот процесс набирает обороты», — ...
читать далее.
