Техдиректор «Цифровой платформы КАМАЗ»: данные — главное звено промышленного ИИ, а не модели
Витольд Коморовский рассказал о влиянии нового закона об ИИ на промышленный сектор: суверенные модели должны догонять зарубежные по качеству, архитектура станет модульной, а главной дефицитом остаются качественные датасеты для Physical AI.
Технический директор ООО «Цифровая платформа КАМАЗ» Витольд Коморовский в интервью Телеграм-каналу МашТех прокомментировал последствия принятия закона о поддержке развития искусственного интеллекта для промышленного сектора. По его мнению, статус «суверенной» или «национальной» модели не станет единственным критерием выбора — надежность и функциональность остаются приоритетными, что должно стимулировать развитие отечественных решений до уровня зарубежных аналогов.
Ключевыми требованиями заказчиков уже сейчас являются возможность локального развертывания ИИ в инфраструктуре предприятия и поддержка дообучения моделей. Архитектура решений будет стремиться к большей модульности, чтобы компоненты можно было заменять безболезненно — по аналогии с импортозамещением обычного ПО. Однако переход на новые стек требует времени, специалистов и бюджета, которых на рынке не хватает.
Главным технологическим риском эксперт называет кибербезопасность ИИ: векторы атак возникают быстрее, чем методы защиты и даже понимание угроз. Это формирует новую область информационной безопасности, требующую системного подхода.
Особое внимание Коморовский уделяет данным как стратегическому ресурсу. Для Physical AI — обучения киберфизических систем и роботов — не существует датасетов, сравнимых по объему с корпусами текстов для LLM. Сбор промышленных данных (действия операторов, телеметрия, сценарии восстановления после сбоев) сложен и дорог. Тот, кто научится делать это дешево и системно, получит решающее преимущество. Качественные промышленные датасеты нельзя просто купить — они формируются годами в реальных производственных условиях.
Через пять лет главным конкурентным преимуществом станет не отдельная технология, а способность системно собирать, размечать и использовать производственные данные для обучения и дообучения моделей. «Прочность цепи определяется всеми её звеньями» — резюмирует эксперт, подчеркивая, что слабое звено в любой части конвейера (модель, интеграция, данные, harness) обнуляет эффект от сильных сторон.
