ИИ-агентам нужны неявные знания сотрудников

20.07.2026 бизнес Искусственный Интеллект Новости

Эффективность внедрения искусственного интеллекта в бизнесе напрямую связана с тем, насколько активно сотрудники участвуют в обучении профильных моделей. К такому выводу приходит обозреватель Financial Times Сара О’Коннор.

Речь идет о так называемом неявном знании — практических навыках и интуитивных решениях, которые накапливаются с опытом, но редко прописываются в регламентах. В статье упоминается философ Майкл Поланьи, известный фразой: «мы знаем больше, чем можем рассказать».

Автор отмечает, что универсальные ИИ-системы эффективны там, где есть массивы открытых данных и четкие критерии оценки. Однако в задачах, требующих понимания внутренней кухни компании и экспертной оценки, одних письменных инструкций недостаточно.

Издание проводит параллель с работой инженера Фредерика Тейлора, который в начале прошлого века пытался формализовать опыт заводских рабочих через хронометраж и наблюдения.

Bridgewater дообучила модель на суждениях экспертов

В качестве примера приводится совместное исследование Bridgewater AIA Labs и Thinking Machines Lab, опубликованное 30 июня. Специалисты протестировали ИИ на шести задачах из реальной работы инвесткомпании: анализ финансовых новостей, документов центробанков и других материалов для принятия решений.

При использовании стандартных инструкций модели Claude Opus 4.6 и 4.8, Gemini 3.1 Pro, GPT-5.4 и GPT-5.5 показали точность от 45,6% до 50,1%. Промпты, составленные экспертами Bridgewater, подняли этот показатель до 74,3–78,2%. Автоматическая оптимизация инструкций не дала дальнейшего улучшения.

«Четкий промпт способен передать лишь ту часть интуиции, которую специалист может сформулировать словами. При этом самые важные суждения зачастую сложнее всего выразить», — пояснили авторы.

После этого исследователи дообучили модель Qwen3-235B на данных, размеченных сотрудниками Bridgewater. Средняя точность системы выросла до 84,7%. По оценкам разработчиков, количество ошибок снизилось на 29,8% по сравнению с лучшей универсальной моделью.

Стоимость обработки задач при этом оказалась в 13,8 раза ниже. Авторы назвали этот метод «дифференцированным интеллектом» — он предполагает настройку отдельных моделей под конкретные бизнес-процессы.

Ford расширила штат опытных кадров

FT также упоминает опыт Ford. За последние три года автоконцерн нанял, повысил или вернул около 350 опытных технических специалистов. Они занимаются проверкой конструкций, поиском потенциальных дефектов, обучением молодых инженеров и улучшением автоматизированных систем контроля качества.

Вице-президент Ford по разработке аппаратной части Чарльз Пун подчеркнул, что эффективность ИИ напрямую зависит от качества данных, на которых его обучают.

«Искусственный интеллект — мощный инструмент, но он настолько хорош, насколько хороша информация, используемая для его обучения», — заявил он.

По словам Пуна, компания ранее недостаточно системно сохраняла знания опытных инженеров. Некоторые специалисты ушли из Ford до того, как их опыт удалось полностью интегрировать во внутренние процессы.

Напомним, в октябре 2025 года ForkLog уже разбирался, как разработчики адаптируют большие языковые модели для офисных задач

Обменять