Почему ИИ-проект начинается с месяца копания в данных, а не с модели

Алексей и его команда, специализирующаяся на прикладном ИИ для бизнеса, делятся опытом: на десятках проектов они убедились, что главная ошибка — сразу подключать модель, минуя этап очистки и структурирования данных. Детерминированные правила идут раньше ML, и этот порядок неизменен, даже когда заказчик требует «умную модель» сразу.

Недавний пример — холдинг из девяти предприятий (переработка, агро, гостеприимство, юруслуги), который пришёл за ИИ-аудитом. Когда команда попросила показать источники каждого показателя отчётности, заказчик признал, что это погрузит их в хаос. Но именно этот «погруз» позволил выявить и исправить проблемы на входе, без которых любая модель была бы бесполезна.