Про ИИ сейчас говорят много. Рынок уже примерно полгода штормит от новых инструментов, агентов, LLM-моделей и разных сценариев автоматизации.
Но мне кажется, ценность не в том, чтобы просто написать: «мы используем ИИ». Вопрос в другом: где он встроен в проект и какую задачу закрывает.
У нас сейчас есть такой пример в большом MDM-проекте.
Клиент собирает данные о физических лицах, клиентах и контрагентах из разных источников: внешних систем, мобильных приложений, Битрикса и других каналов регистрации. Задача — понять, что человек, который пришёл из одной системы, потом зарегистрировался через другую, а позже появился в третьей, — это один и тот же человек.
Это классическая задача MDM и формирования «золотой записи».
В архитектуре решения объединяются MDM, Datareon Platform, PostgreSQL как корпоративное хранилище данных и отдельный блок с локальной LLM-моделью, которая работает внутри контура enterprise-клиента.
Сейчас мы прорабатываем, как такая модель должна войти в целевую архитектуру. Она нужна для конкретного участка: нормализации данных, очистки и нечеткого сопоставления там, где обычного сравнения по полям уже недостаточно.
Для меня это хороший пример того, как ИИ должен появляться в корпоративных проектах. И становится частью архитектуры, где понятно: какую задачу он решает, какие у него ограничения и как команда проверяет результат.