В комментарииNEWS.ruон отметил, что пилотные проекты можно запускать без большой предварительной работы: корпоративная информация уже очищена и структурирована. Это позволяет проверять гипотезы без крупных вложений. «Но для масштабирования ИИ-решений и обучения моделей качество данных придётся дотягивать», — пояснил Голицын. Улучшать качество данных и вкладываться в их разметку он рекомендовал после подтверждения результата. Обучение фундаментальных моделей требует иных вложений. Как отметил Голицын, из-за низкого качества данных первые прототипы ИИ часто «галлюцинировали» и воспроизводили заученную информацию. Теперь такие проблемы встречаются значительно реже. Ранеепредседательсовета по противодействию технологическим правонарушениям КС НСБ России Игорь Бедеров в беседе с RT отметил, что нужно проверять ответы ИИ в диалогах. Однако, по мнению эксперта, глубина проверки должна быть риск-ориентированной.