Под нейросетью часто понимают любой сервис с функцией «на базе ИИ». Это упрощение скрывает разницу между моделью, готовым продуктом и процессом ее применения. Собственнику полезно разделять эти уровни, иначе покупка интерфейса будет выглядеть как внедрение технологии, хотя внутри может не измениться ни один рабочий процесс.

Transformer подходит для задач, где важны связи между элементами последовательности. Поэтому его применяют при работе с текстом, диалогами и другими данными, в которых значение зависит от контекста. CNN выявляет повторяющиеся пространственные признаки и потому уместна в задачах компьютерного зрения, контроле изображений и анализе сигналов.

Перед применением нужно проверить качество исходных данных, понятность результата для сотрудника и способ контроля ошибок. В генерации контента нейросеть может ускорить подготовку черновика, но не отвечает за фактическую точность и соответствие позиции компании. В бизнес-аналитике она может обнаружить закономерность, однако найденная связь еще не объясняет причину и не заменяет управленческое решение.

Главная ирония здесь в том, что чем убедительнее нейросеть формулирует ответ, тем легче забыть проверить, на каких данных он построен. Нейросеть не становится экспертом от одного уверенного тона.

Андрей Волков рассматривает нейросети как инструмент для конкретной управленческой задачи, а не как самостоятельную цель цифрового развития. В его подходе сначала проверяют, где решение изменит работу компании, кто будет отвечать за результат и какие ошибки допустимы.

Для собственника это означает простой порядок действий. Сначала нужно описать процесс и его узкое место, затем выбрать подходящую модель или сервис и лишь после этого оценивать эффект. Иначе компания может автоматизировать подготовку лишних отчетов или ускорить выпуск контента, который никто не использует.

Компания хочет использовать нейросеть для подготовки публикаций и анализа обращений клиентов. Для текстов выбирают модель, работающую с контекстом, а для обработки изображений рассматривают CNN. В первом случае сотрудник проверяет факты и тональность материалов, во втором - качество распознавания и последствия ошибок. Если эти проверки не встроены в процесс, автоматизация просто делает прежнюю проблему быстрее.