15.06.2026 Новости, Бизнес-практикум, Искусственный интеллект, ОС и разработка приложений, ТехнологияСотрудники массово вооружились искусственным интеллектом, но вместо роста продуктивности компании столкнулись с лавиной некачественного контента. Внешне безупречные тексты, код и стратегии на практике нередко оказываются полными ошибок и галлюцинаций, и на их доработку уходит много времени и средств. Однако в этом виноваты не столько сами нейросети, сколько отсутствие системы контроля качества ИИ-контента во многих компаниях. О том, как ее выстроить, рассказывает Дмитрий Крюков, руководитель ИИ-направления МТС Линк. Когда генерация обгоняет валидацию Количество некачественного контента, созданного при помощи искусственного интеллекта, действительно растет. Это особенно заметно в маркетинге, медиа и электронной коммерции, где объемы ИИ-контента увеличиваются быстрее, чем способность компаний его валидировать. Так, по данным АКАР, в 2025 году объем задач с ИИ в рекламе вырос на 60-80%, и одновременно усилились риски деградации качества контента. При этом от сбоев не застрахованы и другие отрасли — вот несколько показательных примеров: В 2024 году клиент Air Canada обратился к чат-боту авиакомпании за уточнением правил получения скидки по тарифу для переживших тяжелую утрату. Бот выдал неверную информацию, уверенно заявив, что пассажир может купить билет по полной стоимости, а разницу запросить позже. Клиент так и поступил, но в возврате ему отказали. Air Canada попыталась переложить ответственность на чат-бота, заявив, что тот является «отдельным юридическим лицом», однако ...
читать далее.
