Новый подход к ИИ для бизнеса
В мире, где системы искусственного интеллекта все чаще используются для прогнозирования, планирования и принятия решений в бизнесе, существует значительный пробел: недостаток специфической информации об организации, что ограничивает эффективность этих инструментов. Профессор MIT Девaврат Шах, ведущий исследователь Лаборатории информационных систем и принятия решений (LIDS), сотрудник кафедры электротехники и компьютерных наук (EECS) и член Института данных, систем и общества (IDSS), сосредоточил свои усилия на разработке методов, позволяющих принимать решения в режиме реального времени, используя ограниченные вычислительные ресурсы.
«По сути, с небольшим количеством ресурсов приходится выполнять огромный объем работы», — отмечает Шах. Его научный интерес заключается в создании методов, которые могли бы максимально эффективно извлекать информацию из данных в масштабе.
Основы технологии
Девaврат Шах, профессор Эндрю (1956) и Эрна Витерби, преподает в MIT с 2005 года. В 2019 году он стал соучредителем стартапа Ikigai Labs. Компания Ikigai Labs создала базовую модель для табличных данных временных рядов, основанную на многолетних исследованиях в лаборатории Шаха. Эта модель, запатентованная и лицензированная MIT, способна непрерывно обрабатывать входные данные из различных корпоративных источников в масштабе, обучаясь по мере поступления новой информации и сравнивая свои прогнозы с реальными результатами.
Шах объясняет, что система является развитием графических моделей, которые используются, например, в GPS-навигаторах для точного определения положения на Земле на основе разреженных данных со спутников, или в высокоскоростных и энергоэффективных системах связи, таких как в цифровых часах.
«Меня интересовало, как разрабатывать такие графические модели для общих, табличных данных», — говорит он. В отличие от большинства ИИ-моделей, обученных на тексте и изображениях, эта система принимает на вход именно табличные данные — структурированные данные в привычном формате строк и столбцов, как в электронных таблицах. После обработки она предоставляет возможности для планирования в реальном времени в значительно более крупном масштабе.
Применение в индустрии
Идея создания Ikigai заключалась в предоставлении технологий прогнозирования и принятия решений для крупных предприятий, таких как производители потребительских товаров и фармацевтические компании. Шах приводит пример компании, производящей потребительскую электронику:
«Представьте, что вы производите наушники и множество других устройств. Каждый продукт состоит из множества мелких деталей, поставляемых из разных уголков мира. После продажи устройства ему требуется поддержка и обслуживание. Вам нужно разрабатывать новые версии продукта, заниматься маркетингом, ценообразованием… Типичные вопросы будут: если я продам столько-то единиц в следующем квартале или году, сколько будет продано в разных регионах, и что произойдет со спросом, если я изменю цену или запущу промоакцию?»
Все эти процессы взаимозависимы, и на каждом этапе необходимо принимать решения, имеющие долгосрочные последствия. «На определенном уровне, — отмечает Шах, — оцифровка этих процессов и возможность постоянно делать прогнозы и оптимизировать результаты — это то, что ведет к улучшению бизнес-операций».
Приобретение и будущее развитие
Недавно компания Ikigai была приобретена международной фирмой Celonis, где Шах теперь занимает должность главного научного сотрудника, сохраняя при этом свои позиции в MIT. Он надеется, что модель, разработанная для Ikigai, поможет Celonis предоставлять инструменты, которые смогут интегрироваться с собственными данными и бизнес-процессами компаний, обеспечивая анализ в реальном мире для более точных прогнозов, планов и решений.
Шах добавляет, что Celonis специализируется на оцифровке и автоматизации операций для более чем 1400 крупных компаний по всему миру. Теперь, когда эти системы полностью оцифрованы, они предоставляют платформу для программного обеспечения Ikigai, позволяя читать данные из этих систем и создавать детальные модели для симуляции различных вариантов, прогнозирования оптимальных стратегий и оценки результатов принятия решений.
«Как только существует цифровой слой этих процессов и информационный слой, — говорит Шах, — мы можем поверх него разместить стек Ikigai для обеспечения принятия решений в гораздо большем масштабе, чем это было бы возможно иначе».
Уникальность подхода
В то время как многие компании работают над различными аспектами ИИ, «мы очень сильно сосредоточены на той части домена, на которую остальной мир не обращает внимания», а именно на области структурированных данных или данных временных рядов. Работая с такими данными, подход обеспечивает весьма экономически эффективную версию ИИ. «Более узкая специализация приходит с более точной технологией, — отмечает Шах, — но она достаточно широка, чтобы быть очень ценной».
Шах добавляет: «Недавний модный термин, который стал актуальным в современной популярной прессе об ИИ, — это «мировая модель». В некотором смысле, это попытка построить своего рода «мировую модель» корпоративных процессов».
Ключевые факты
| Факт | Описание |
|---|---|
| Разработчик | Профессор MIT Девaврат Шах и его команда |
| Технология | ИИ-модель, разработанная для обработки табличных данных временных рядов |
| Продукт | Основа для платформы Ikigai Labs, теперь часть Celonis |
| Применение | Прогнозирование, планирование и оптимизация бизнес-процессов в крупных компаниях |
| Целевая аудитория | Производители потребительских товаров, фармацевтические компании и другие организации с большим объемом структурированных данных |
Источник: MIT News AI, https://news.mit.edu/2026/helping-ai-models-meet-real-world-0714