Максим Комаринский
Пишу про ИИ на производстве. Внедряю компьютерное зрение и LLM в реальные процессы. Делюсь опытом и граблями.
На практике вижу четкий водораздел. Вайб-кодинг отлично работает для MVP и быстрых прототипов - мы так за пару дней собираем демо для клиентов. Но когда дело доходит до продакшена с реальными данными, без агентного подхода не обойтись. Ключевой момент, который в статье затронут косвенно - это вопрос ответственности. Вайб-кодер не отвечает за то, что сгенерировала модель. Агентный инженер отвечает за каждый компонент системы, потому что понимает, как оно устроено внутри.
Из практики: ставлю CV и LLM на заводы. В 7 случаях из 10 данных просто нет, процессы в головах. Но часто именно быстрый пилот на AI становится триггером оцифровки. Заказчик видит живой результат и сам хочет строить фундамент. Так что лучше параллельно, а не линейно.
Да, онтология реально меняет качество RAG. Когда модель понимает связи между сущностями, а не просто ищет по ключевым словам - точность ответов совсем другая. Какой домен у вас, если не секрет? Мы похожее делали для производства - там без графа знаний вообще ничего не работало.
Пользуюсь Cursor каждый день. Для меня как не-программиста это вообще переломная штука. Я делаю промышленное оборудование и внедряю ИИ, всему учился сам. С Cursor могу сам написать скрипт для обработки данных с камер, настроить пайплайн обучения. Раньше на это нужен был отдельный разработчик. $2 млрд выручки не удивляют.
Классный кейс. По сути тот же подход, который мы используем на производстве для контроля качества, только развернутый в сторону маркетинга. Камера + компьютерное зрение + принятие решений в реальном времени. У нас камера смотрит на детали и ловит брак, у японцев смотрит на покупателя и ловит момент сомнения. Принцип один, применение разное.
Интересно, что яндекс взял DeepSeek, а не стал продвигать только свои модели. По опыту внедрения ИИ на производстве: возможность развернуть на своей инфраструктуре без выхода в интернет решает ключевую боль заводов. Никто не хочет гонять данные о браке в облако. Если сделают нормальную интеграцию с промышленными протоколами (OPC UA, MQTT), будет очень интересно.
Именно. Главное, не внедрять ради внедрения. На практике чаще всего проблема не в технологии, а в том, что не посчитали экономику до старта. Иногда простой датчик за 20 тысяч решает задачу лучше, чем нейросеть за миллион.
Ну да, звучит как бред. Как и интернет в 90-х, беспилотники в 2010-х и чат-бот, который сдает экзамен в юршколу, в 2023-м. А насчет "нейронка найдет только себя" - так она и находит. Вас. Через то, что вы написали. В этом и прикол)