Интеграция ИИ в процесс разработки в международном банке
Изображение создано нейросетью на shutterstock.com
Внедрение ИИ: ожидания и реальность
С появлением хайпа вокруг ИИ и машинного обучения многие организации начали активно использовать эти технологии в своих процессах. Для программистов ИИ стал помощником в выполнении рутинных задач, таких как автоматическая генерация кода и обнаружение ошибок, что существенно ускоряло разработку. В процессе код необходимо тестировать, что может отнимать много времени у разработчиков, однако ИИ способен автоматически генерировать все тесты на основе предоставленного кода. В некоторых случаях разработчикам приходится реализовывать одну и ту же функциональность на разных языках программирования, и здесь ИИ вновь может значительно ускорить процесс.
Поэтому не удивительно, что разработчики были счастливы, когда менеджеры банка, стремясь не упустить инновационные возможности, разрешили использование ИИ в процессе разработки. Цель была ясна: ускорить вывод новых продуктов на рынок и улучшить качество сервисов для клиентов. Первые результаты впечатлили. Время разработки сократилось, команды начали работать более эффективно, и на первый взгляд казалось, что качество продукта улучшилось, однако впоследствии это оказалось не так.
Обратная сторона медали: риски и опасения
Cо временем стали проявляться и негативные стороны использования ИИ. Менеджмент начал беспокоиться о безопасности данных и риске утечки конфиденциальной информации. Одним из ключевых факторов стал страх, что сотрудники могут непреднамеренно передать внутренний код или данные банка внешним ИИ-сервисам. Модели запускались на серверах компаний, предоставляющих ИИ-услуги. В случае программистов это был Microsoft с их кодовым ассистентом GitHub Copilot. Для остальных офисных сотрудников это был OpenAI с их ChatGPT чат-ассистентом.
В условиях строгих регулятивных требований и повышенного внимания к защите персональных данных эти риски были признаны неприемлемыми. Банк осознал необходимость строгого соблюдения нормативных актов, таких как GDPR и другие международные стандарты.
Решение о запрете и его последствия
После тщательного анализа руководство приняло решение запретить применение генеративного ИИ, предоставляемого внешними копаниями. Это решение затронуло и команды разработчиков, которые уже привыкли к упрощенному процессу разработки. Рабочий ритм замедлился, а нагрузка на сотрудников увеличилась. В то время я помню, как команды публично жаловались на такое решение, а чувство демотивации стало ощутимым.
Опыт других банков и отраслей
Не только наш банк столкнулся с подобными вызовами. Другие международные банки выбрали разные подходы к решению той же проблемы. Некоторые компании начали использовать открытые ИИ-модели, которые работают в локальных сетях. Это устраняло риск утечки данных. Однако такие модели значительно уступают по качеству тем, что предоставляются как сервис, поэтому их результаты оставляют желать лучшего.
Другие компании заключили соглашения с крупными корпорациями, в частности Microsoft или OpenAI, в рамках которых им предоставлялись выделенные серверы для работы с моделями. Это гарантировало изоляцию моделей, однако по-прежнему означало, что данные должны были передаваться на внешние серверы.
Взгляд в будущее: преодоление барьеров
Несмотря на текущие трудности, технологические тренды указывают на то, что ИИ будет продолжать играть ключевую роль в сфере разработки. С выходом новой модели OpenAI O1 (12 сентября 2024 года) мы видим, что ИИ значительно улучшился в выполнении задач, связанных с программированием. В то же время наблюдается тенденция к использованию локальных ИИ-моделей, как это демонстрирует Apple с их новым программным обеспечением. Все эти факторы могут привести к появлению очень мощных локальных моделей, которые будут функционировать наравне с крупными моделями от Microsoft или OpenAI и при этом обеспечат безопасность, поскольку все данные будут находиться внутри вашего компьютера или локальной сети.
Наш банк рассматривает возможности инвестирования времени и денег в исследования и разработки собственных ИИ-решений. Это позволит нам воспользоваться преимуществами ИИ, одновременно соблюдая высокие стандарты безопасности. Однако на данный момент мы продолжаем разрабатывать по старинке, полагаясь исключительно на наши гениальные мозги.
Выводы и рекомендации
Опыт нашего банка подчеркнул необходимость взвешенного подхода к внедрению новых технологий. Вот ключевые уроки, которые мы извлекли:
- Тщательный анализ рисков: перед внедрением ИИ важно оценить все потенциальные угрозы и разработать стратегии их минимизации. Иногда, когда вводишь новый инновационный инструмент, люди быстро к нему привыкают, и потом забрать его обратно без ущерба для мотивации становится куда сложнее.
- Инвестиции в обучение сотрудников: повышение осведомленности о рисках и лучших практиках использования ИИ.
- Баланс между инновациями и безопасностью: стремление к развитию не должно компрометировать безопасностью и соответствию нормативам.
Заключение
Интеграция искусственного интеллекта в процесс разработки нашего банка продемонстрировала, что инновации могут не только ускорить процессы, но и значительно повысить эффективность команд. Тем не менее на пути к цифровой трансформации возникли существенные вызовы, касающиеся как безопасности данных, так и соблюдения строгих нормативных стандартов. Наш опыт ясно показывает, насколько важен сбалансированный подход: внедрение передовых технологий требует внимательного управления рисками и постоянных инвестиций в развитие сотрудников. Несмотря на текущие ограничения, роль ИИ в дальнейшем, вероятно, будет только расти, особенно с появлением локальных моделей, обеспечивающих усиленную защиту данных и соответствие высоким требованиям безопасности.
Опубликовано 24.09.2024
