Почему внедрение ИИ в российских компаниях разбивается о «грязные» данные

Павел Ананьев Менеджер по работе с клиентами компании «Синимекс» Большинство ИИ-пилотов не взлетают или выдают результаты, опасные для бизнеса. Причина не в санкциях и не в отсутствии специалистов, а в фундаменте, о котором часто забывают — качестве корпоративных данных.

Данные низкого качества

Искусственный интеллект работает по принципу GIGO (Garbage In, Garbage Out — «мусор на входе, мусор на выходе»). Если «скормить» нейросети противоречивую информацию, она не выдаст правильный ответ, а сгенерирует убедительную ложь (галлюцинацию).

В экосистеме 1С корпоративные базы данных (1С:ERP, 1С:Управление торговлей, 1С:Комплексная автоматизация) могут содержать «цифровой шум»:

• Дубли контрагентов: Один и тот же клиент заведен как «ООО Ромашка», «Ромашка ООО» и «Romashka LLC». Для человека это одно лицо, для ИИ — три разных сущности, что ломает аналитику продаж.

• Неструктурированная номенклатура: В одной базе позиция называется «Болт М5х20 сталь», в другой — «Крепеж мет. 5*20». Без единого стандарта ИИ не сможет сопоставить остатки на складах.

• Устаревшие связи: Отсутствие иерархии и хаос в справочниках делают невозможным построение точных рекомендательных систем.

Для ИТ-директора или интегратора это создает барьер входа и приводит зачастую к неудачным пилотным внедрениям.

Сегодня бизнес приходит к пониманию: прежде чем мечтать о цифровых ассистентах и автопилотах для бизнеса, необходимо решить базовую, «скучную» задачу — навести порядок в своих активах данных. Без этого вход в эру ИИ для компании закрыт.

DQM как первый шаг к ИИ

Если «грязные» данные — это главная причина провала ИИ-проектов, то решением проблемы становится не покупка более мощных серверов, а смена управленческой парадигмы.

Прежде чем внедрять интеллектуальных помощников, бизнесу необходимо пройти этап «генеральной уборки». Этап Data Quality Management (DQM) — управление качеством данных.

Ключевым инструментом здесь становятся системы класса MDM (Master Data Management) — управление нормативно-справочной информацией (НСИ). В экосистеме 1С основным решением для этих задач выступает «1С:MDM Управление НСИ».

Внедрение MDM-системы решает три фундаментальные задачи, без которых запуск ИИ невозможен:

1.      Консолидация и «Золотая запись».

Система собирает данные из всех разрозненных источников (исторические базы 1С, Excel-файлы, внешние CRM) и формирует эталонный объект — «золотую запись». Искусственный интеллект получает доступ к единственно верной версии правды о клиенте или товаре.

2.      Нормализация и очистка.

На этапе ETL-процессов (Extract, Transform, Load) происходит трансформация данных. «1С:MDM» позволяет настроить жесткие правила валидации и нормализации. Это превращает неструктурированный текст в размеченные данные, понятные машинным алгоритмам.

3.      Централизация управления изменениями.

Чтобы база снова не превратилась в «мусорку» через месяц после чистки, MDM вводит регламенты. Создание новой номенклатуры или контрагента проходит через единый центр контроля.

Системы класса MDM перестали быть просто справочниками для учета. Сегодня это необходимый инфраструктурный слой для любой компании, планирующей цифровую трансформацию. Попытка перепрыгнуть этот этап, каким бы технологичным ни был проект, без твердого фундамента он обречен.

Экономика чистых данных

Внедрение систем управления нормативно-справочной информацией часто воспринимается бизнесом как тяжелая инфраструктурная нагрузка. Однако в текущих рыночных условиях внедрение «1С:MDM» — это инвестиция с двойным дном.

Первый уровень — операционный. Даже если компания передумает внедрять ИИ, чистые справочники сами по себе экономят немало: исчезают ошибки в закупках (когда покупают то, что уже лежит на другом складе под другим названием), ускоряется подготовка сводной отчетности и упрощается интеграция между филиалами.

Второй уровень — стратегический. Компания получает готовую инфраструктуру для ИИ-трансформации. Когда данные структурированы и очищены, время вывода ИИ-продуктов на рынок (Time-to-Market) сокращается в разы. Дата-сайентисты не тратят 80% времени на очистку датасетов, а сразу занимаются разворачиванием составляющих ИИ-решений.

Новый барьер входа

Сегодня наличие «чистых» данных становится главным конкурентным преимуществом. Компании, которые пытаются внедрять ИИ поверх лоскутной автоматизации и «грязных» справочников, рискуют потратить бюджеты и получить разочарование от технологии. При этом у конкурентов внедрения могут пройти успешно.

Рынок приходит к пониманию: «сначала данные, потом ИИ».

Франчайзи и интеграторы, работающие с 1С, начинают менять структуру предложения. Вместо продажи «волшебной таблетки» в виде ИИ, они предлагают комплексную услугу: сначала аудит и внедрение «1С:MDM» для подготовки данных, и только потом — надстройка в виде интеллектуальных сервисов.

В условиях, когда доступ к западным технологиям ограничен, а объемы информации растут экспоненциально, именно способность навести порядок в собственных данных определяет, станет ли компания лидером цифровой гонки или останется с дорогим, но бесполезным набором ИТ-инструментов.

Главные выводы для бизнеса:

• Не начинайте с алгоритмов. Если у вас нет регламентов ведения НСИ и единой MDM-системы, ИИ вам пока не нужен. Он лишь масштабирует хаос.

• ETL-процессы — это база. Инструменты извлечения и трансформации данных, заложенные в «1С:MDM», позволяют автоматизировать подготовку датасетов, делая их пригодными для машинной обработки.

• Данные — это актив. Отношение к справочникам как к «технической необходимости» уходит в прошлое. Теперь это энергия для цифрового интеллекта компании.