10 октября 2019 года Президент подписал Указ, утвердивший Национальную стратегию развития искусственного интеллекта на период до 2030 года. Документ задаёт рамку на десять лет вперёд и впервые на уровне государства фиксирует, что считать ИИ, какие данные нужны для его работы и куда пойдут ресурсы. Для бизнеса и госсектора это не декларация, а сигнал: правила формируются сейчас, и закладывать совместимую с ними архитектуру дешевле до, а не после.

Что меняет стратегия

Стратегия определяет ИИ как комплекс технологических решений, имитирующих когнитивные функции человека и дающих результаты, сопоставимые с интеллектуальной деятельностью. Это широкая формулировка, и она намеренно охватывает не только нейросети, но и системы, которые многие компании уже эксплуатируют, – рекомендательные движки, обработку естественного языка, компьютерное зрение, прогнозные модели.

Документ выделяет несколько опор: качество и доступность данных, вычислительную инфраструктуру, кадры, нормативное регулирование и поддержку разработок. Сроки разбиты на два этапа – до 2024 года и до 2030-го. Ключевой акцент первого этапа – снять барьеры там, где они мешают накапливать и использовать данные, и подготовить отрасль к масштабированию.

Для заказчика это значит, что эксперименты с ИИ выходят из стадии пилотов «для галочки». Появляется ожидание, что решения работают на реальных данных, измеримо и воспроизводимо.

Данные как условие, а не приложение

Стратегия прямо называет данные топливом для ИИ. Без структурированных, чистых и связанных данных любая модель остаётся демонстрацией. Большинство компаний это уже почувствовали: данные лежат в разрозненных системах, дублируются и противоречат друг другу.

Поэтому первый практический шаг – не покупка модной модели, а наведение порядка в данных. Здесь работает дисциплина управления мастер-данными: единые справочники клиентов, продуктов и контрагентов снимают половину проблем на входе в любой ИИ-проект. Мы подробно разбирали этот подход в материале про управление мастер-данными.

Второй источник ценности – данные с периферии: датчики, оборудование, контрольно-измерительные приборы. Их объём растёт быстрее, чем пропускная способность каналов до облака, поэтому часть обработки логично выносить ближе к источнику. Об этом – наш разбор граничных вычислений и IoT.

С чего начать бизнесу и госсектору

Стратегия не обязывает внедрять ИИ повсеместно. Она задаёт ориентиры, под которые разумно подстроить собственную дорожную карту. Практический порядок действий:

  • Определите задачу с измеримой отдачей. Снижение брака, сокращение простоев, точность прогноза спроса. Если эффект нельзя посчитать, проект не готов.
  • Оцените зрелость данных. Есть ли единый источник правды, насколько данные полны и актуальны. Без этого модель не обучить.
  • Начните с прогнозирования. Это самый быстрый способ получить результат на исторических данных – подходы мы описывали в статье про предиктивную аналитику.
  • Заложите воспроизводимость. Версионирование данных и моделей, контроль качества, понятная логика решений – это то, к чему регулирование будет двигаться дальше.

Путь от аудита данных до промышленной эксплуатации интеллектуальных систем проходится предметно, на данных заказчика и под его процессы, а не подгонкой процессов под универсальную платформу.

Вывод

Национальная стратегия задаёт горизонт до 2030 года, но реальная работа начинается с малого – с порядка в данных и одной задачи, где ИИ даёт считаемый эффект. Компании, которые начнут наводить этот порядок сейчас, войдут в следующий цикл регулирования подготовленными, а не догоняющими.