Итоги заседания круглого стола «Искусственный интеллект в аналитической деятельности»

27 июня 2025 года в МНИИПУ прошло заседание круглого стола на тему «Искусственный интеллект в аналитической деятельности», организованное Научно-методическим Советом по аналитическим технологиям Ассоциации «Аналитика» и Клубом «Аналитика». Ведущие эксперты, доктора наук и практики представили на обсуждения доклады, описывающие инновационные подходы к решению современных проблем аналитики в условиях растущей сложности систем и лавинообразного роста данных и к подготовке специалистов в области аналитики.

Открыли мероприятие модераторы Круглого стола: Председатель Научно-методического Совета по аналитическим технологиям Ассоциации «Аналитика», кандидат технических наук, доцент, действительный государственный советник Российской Федерации 3 класса, Нехорошкин Николай Иванович, и Исполнительный секретарь Научно-методического Совета по аналитическим технологиям Ассоциации «Аналитика», ведущий аналитик ПАО «Сбербанк», Щедрин Николай Александрович. Заседание началось с краткого обзора истории развития искусственного интеллекта и аналитики. Далее было разделено на несколько блоков.

Блок 1. Искусственный интеллект и Базы знаний.

Первый выступающий, кандидат технических наук, доцент Брыль Владимир Николаевич, отметил, что современный мир характеризуется лавинообразным ростом данных, которые генерируются человеком и автоматизированными системами. Это явление, известное как Big Data, приводит к серьезным вызовам – традиционные базы данных не способны эффективно управлять и извлекать знания из разнообразных и неструктурированных данных. Особенно актуальной становится проблема понимания контекста и взаимосвязей между различными фрагментами информации. Для аналитиков и специалистов, принимающих решения, важно не просто иметь доступ к данным, но и понимать их смысл, чтобы делать точные и обоснованные выводы и для этого нужны Семантические технологии. Владимир Николаевич выделил ключевые аспекты:

1. Семантические технологии придают данным смысл
   1. Они превращают «сырые» данные в знания, описывая сущности, связи и правила.
   2. Это критически важно в условиях роста неструктурированной информации.
2. Искусственный интеллект усиливается контекстом
   1. ИИ-модели работают эффективнее, когда имеют доступ к формализованным знаниям.
   2. Семантические графы улучшают качество, интерпретируемость и объяснимость моделей.
3. Гибридный подход — ключ к интеллектуальной аналитике.
   1. Объединение нейросетей и семантических БД обеспечивает как точность, так и прозрачность.
   2. Такой подход позволяет решать сложные аналитические задачи, делая выводы обоснованными.
4. Перспективы — за объяснимыми и масштабируемыми системами
   1. Семантика помогает бизнесу не просто анализировать данные, а понимать их.
   2. Это становится стратегическим активом для компаний в эпоху Big Data и цифровой трансформации.

Далее выступал Юрий Иванович Волокитин, методолог и руководитель российской компании-разработчика языка OsaWL и цифровой платформы OSA. В своём выступлении на тему «Онтологии и искусственный интеллект» показал, что современные системы характеризуются ростом сложности: структурной и функциональной, необходимостью интеграции все более гетерогенных компетенций инженерных групп (системы систем или метафорически “экосистемы”), высокой изменчивостью ожиданий и прагматики заинтересованных сторон. В таких условиях документарный способ принятия многосторонне сбалансированных решений или достигается сверхвысокой трудоемкостью, или попросту невозможен. С высокой вероятностью документация в любой момент не соответствует реальной системе и тем самым генерирует неприемлемые риски для ее успешной разработки и эксплуатации. Интегрированное информационное моделирование с использованием технологий искусственного интеллекта становится важным инструментом современного аналитика. Волокитин Ю.И. продемонстрировал некоторые возможности Онтологической платформы OSA (Ontology Space Agent), которая представляет собой набор инструментов для быстрого создания баз знаний, моделей данных и прикладных решений, основанных на данных важных в работе аналитика. Ее компонентами являются: редактор онтологий, структурированные документы, машина логического вывода и редактор правил, событийная модель, семантический поиск, диаграммы, отчётность, встроенная образовательная платформа.

Участники заседания в ходе дискуссии отметили важность развития и применения Семантических баз данных и Онтологических систем для повышения точности и обоснованности ответов помощников, основанных на ИИ.

Блок 2. Практика применения искусственного интеллекта в аналитической деятельности.

Во втором Блоке коллеги, выступающие с докладами, затронули тему современных методов подготовки аналитиков при помощи ИИ-визуализации материала и усилении компетенций специалиста за счет применения современных программных комплексов.

Понкин Игорь Владиславович, доктор юридических наук, профессор, директор АНО «Спортивная Арбитражная Палата» Олимпийского комитета России в своём выступлении на тему «Использование искусственного интеллекта (ИИ) в подготовке аналитиков» указал, что в релевантной своей составляющей технологии ИИ создают значительные возможности и преимущества для целей и интересов подготовки практиков-аналитиков. К числу действенных направлений применения ИИ в высокоуровневой подготовке практиков-аналитиков И.В. Понкин отнёс целый ряд позиций, детализировано их объяснив.

Однако выступающий сфокусировался на вопросе применения ИИ для создания видео-материалов в обеспечение преподавания прикладной аналитики. Автор описал значение (для этих целей) генерирования генеративным ИИ (видео-диффузором) видео-материалов и 3D-материалов (под просмотр через интерфейсы цифровых 3D-дисплеев и 3D-проекторов, виртуальных ретинальных мониторов и др., встроенных в элементы обычных очков или контактных глазных линз, либо через размещаемые на голове дисплеи (англ. – «head-mounted display», HMD) в форме специальных VR/AR-очков, маски или шлема). И.В.Понкин обосновал, что анимирование (посредством таких технологий) простых и сложных процессов и технологических подходов шаг за шагом позволяет упрощать абстрактные концепты и/или делает их более понятыми аудиторией обучающихся, более доступными для глубинного осмысления и усвоения обучающимися, позволяет конвертировать прикладную аналитику из реактивной (в логике текущего периода) в проактивную (в логике будущего) и сделать аналитику более операционабельной на интуитивном уже у аналитика уровне.

Выступающий продемонстрировал ряд примеров таких продуктов, видео-сэмплов (от английского sample – отрывок, элемент, сегмент), выполненных им собственноручно при помощи названных технологий.

Следующий докладчик, мастер ТРИЗ Антон Васильевич Кулаков в своем выступлении продемонстрировал в режиме реального времени решение изобретательской задачи с применением программного комплекса Compinno-TRIZ 2.0. Антон Васильевич отметил, Compinno-TRIZ 2.0 предоставляет возможности командной проектной работы с применением современных инструментов ТРИЗ и создает среду для организации обучения по ТРИЗ. Интеграция эвристик ТРИЗ с большими лингвистическими моделями в Compinno-TRIZ 2.0 позволяет эффективно использовать ТРИЗ практически с первых дней знакомства специалистов с ТРИЗ, что значительно расширяет область использования ТРИЗ в различных отраслях и позволяет решать как технические, так и нетехнические задачи с противоречиями требований.

Завершала серию докладов Блока ведущий аналитик ПАО «Сбербанк», Веремьева Татьяна Сергеевна, демонстрацией практического применения ИИ-помощника GigaCode в работе аналитика. При помощи встроенного чата Татьяна Сергеевна сгенерировала техническое задание и при помощи подсказок в окне редакторе среды разработки (IDE) провела автоматизированное улучшение спецификации интерфейсов (API) системы.

В процессе обсуждения тем, представленных в Блоке 2 Главный научный сотрудник Санкт-Петербургского Федерального научно-исследовательского центра Российской академии наук (СПб ФИЦ РАН), доктор технических наук, доцент Гейда Александр Сергеевич предложил рассматривать прагматическую аналитику и использование искусственного интеллекта в ней с позиций деятельностной парадигмы решаемых задач. Она заключается в систематическом рассмотрении задач прагматической аналитики, как задач, возникающих при реализации деятельности. Прагматические задачи также традиционно рассматриваются в праксеологии (или праксиология – от praxeology) – науке об эффективной деятельности. Задачи, возникающие при реализации деятельности – это такие вопросы, на которые еще нет ответа. Нас, прежде всего, интересует деятельность предметно-преобразующая, направленная на природу, общество и человека. Такая деятельность должна давать измеримые эффекты. Задачи, возникающие при реализации этих видов деятельности, как правило, исследуются на основе моделей и методов естественнонаучных дисциплин. Использование искусственного интеллекта (ИИ) при решении задач прагматической аналитики предложено расширить так, чтобы модели и методы ИИ могли быть использованы для получения решений как отдельных частей прагматических задач, так и для систематического решения комплексов прагматических задач в целом. В связи с этим предложена концепция искусственной деятельности. Искусственной деятельностью (ИД) будем называть использование моделей, методов и алгоритмов для создания программ, ведущих себя аналогично людям, решающим комплексные задачи деятельности на всех этапах решения задач деятельности. К такого рода моделям и методам отнесем модели и методы, позволяющие систематически автоматизировать сложную деятельность за счет постановки, моделирования и решения комплексов задач деятельности на разных уровнях абстракции. ИД может быть использована для систематического и автоматизированного выполнения комплекса действий – таких, как постановка задач, последующее описание экспериментальных задач, задач обработки результатов эксперимента, задач поиска лучших моделей и методов, задач определения методик решения конкретных прикладных задач, решения задач, использования полученных решений, управления таким использованием.

Блок 3. Тренды в развитии искусственного интеллекта и аналитики.

Завершали мероприятие доклады и обсуждения, связанные с трендами и прогнозами развития искусственного интеллекта и аналитики.

Ведущий аналитик АО «Сбербанк-Технологии», Стасевич Ольга Владимировна, подчеркнула, что в условиях стремительного развития технологий аналитик превращается в своеобразного киборга, обладая человеческими качествами и усиливая их возможностями искусственного интеллекта (ИИ). Используя ИИ для автоматизации рутинных задач, аналитик получает дополнительное свободное время, которое можно посвятить глубокому анализу, стратегическому планированию и творческому подходу. Критическое мышление и контроль над действиями ИИ остаются ключевыми элементами профессионализма, защищающими от ошибок и неверных выводов. В таком симбиозе аналитик достигает максимальной эффективности, превращая работу в увлекательный и качественный процесс.

Президент МОО "Саммит разработчиков ТРИЗ", Мастер ТРИЗ Рубин Михаил Семенович, привел результаты исследования трендов в изменении скорости внедрения инноваций и отметил вызовы, которые стоят перед сегодняшними специалистами в области аналитики. Михаил Семенович отметил:

• Инструменты ТРИЗ позволяют значительно повышать изобретательские возможности Искусственного интеллекта;
• Информационная поддержка и выявление тенденций развития при помощи Искусственного интеллекта должна переформатироваться инструментами ТРИЗ в противоречия и линии развития инноваций;
• Наиболее эффективно интеграция ТРИЗ и Искусственного интеллекта реализована в программном комплексе Compinno-TRIZ (компас ТРИЗ-инноваций)

Участники заседания круглого стола отметили актуальность обсуждаемой темы, глубину затронутых вопросов и важность продолжения обсуждения темы, развития новых методик и подходов, как в подготовке специалистов в области аналитики, так и практики. Внедрение искусственного интеллекта ставит перед нами новые вызовы и при этом открывает еще не до конца осознанные возможности.

С уважением, модераторы Круглого стола

к.т.н., доцент, Нехорошкин Н. И.,

Щедрин Н. А.,

Клуб «Аналитика»