«У нас нет данных». Обычно это неправда

Я веду переговоры сам, и эту фразу слышу чаще любой другой. Говорят её спокойно, как диагноз: данных нет, приходите через год.

Почти всегда данные есть. Просто до них нельзя дотянуться, или никто не знает, что в них считать правильным, или нет человека, который скажет «да, вот так верно». Это три разные истории, и чинятся они по-разному. Ни одна не стоит года.

Когда мне говорят, что данных нет, имеют в виду одно из четырёх:

Первые три к данным отношения не имеют. Это про доступы и договорённости.

Выглядит так. На созвоне договариваемся про выгрузку заявок за полгода. Мне отвечают, что несложно, неделя. Проходит полтора месяца.

Никто не ленится. Данные лежат в системе, которую настраивал подрядчик, ушедший два года назад. Пароль у одного сотрудника, он в отпуске. Безопасность хочет понять, куда уйдёт файл. Вопрос ходит между тремя отделами, и каждый по-своему прав.

ИИ тут вообще ни при чём. Так же встал бы любой проект, которому нужны ваши же данные.

Поэтому я теперь прошу запускать выгрузку в первый день, ещё до того, как мы обо всём договорились. Это единственный срок, который почти нельзя сжать, и единственный, про который забывают.

Этот случай хитрее, потому что выглядит как готовность.

Три тысячи обращений в поддержку за год. Данные? Данные. Можно учить модель? Нельзя. Непонятно, какие из них обработаны хорошо, а какие плохо, и по какому признаку это решать.

Пока ответа нет, результат нечем мерить. Спор «стало лучше или нет» превращается в спор о том, как это проверять, и заканчивается ничем.

Лечится скучно. Сажаете человека, который в теме, он размечает руками сотню примеров. Два-три дня. Дальше появляется линейка, и разговор идёт про цифры, а не про ощущения.

Эту сотню пропускают чаще всего остального. Выглядит лишней работой, которую можно сделать потом. Потом не делают.

Так тоже бывает. Процесс работает годами и нигде не описан. Менеджер смотрит на заявку и понимает, срочная она или нет. Как понимает, объяснить не может, говорит «по опыту».

Тут честный ответ один: рано. Автоматизировать нечего, решение живёт в голове. Любая модель будет угадывать то, что никто не сформулировал.

Но это очередь, а не тупик. Три месяца, в течение которых тот же менеджер ставит галочку напротив своих решений, превращают неописанный процесс в размеченный набор.

Главное не делать вид, что данные есть. Проект, начатый на этом месте, съедает бюджет и кончается спором, кто виноват.

Теперь неприятное. Я ни разу не видел проекта, который встал бы из-за нехватки данных. Зато видел несколько, которые встали из-за того, что за результат никто не отвечал лично.

Выглядит это так. Данные есть, модель работает, результат показали. Дальше нужен человек, который посмотрит и скажет, годится или нет. Такого человека нет. Есть комитет, есть заинтересованные стороны, есть согласование. Обсуждение уходит на второй круг, потом на третий, а модель тем временем устаревает вместе с процессом, под который её делали.

Один сотрудник с правом сказать «да» решает больше, чем качество данных. Косвенно это подтверждается и цифрами: по опросу MTS Web Services среди компаний, у которых на ИИ уже заложен бюджет, стратегия его развития есть только у четверти.

Меньше, чем принято думать:

Всё остальное решается по ходу. Если нет первого, это две недели работы. Если нет третьего, начинать рано, и лучше признать это до того, как потрачены деньги.

Фраза «у нас нет данных» почти всегда значит «мы не знаем, с чего начать». Это нормально, с этого начинают все. Плохо другое: под ней проект откладывают на год, а потом выясняется, что данных хватало с самого начала. Просто никто не попробовал их достать.