Разработчики «Т-Банка» придумали методы обучения моделей, которые сделают корпоративный ИИ дешевле
Исследователи Центра искусственного интеллекта «Т-Банка» представили два новых метода обучения ИИ-моделей. Ожидается, что благодаря им российский бизнес сможет снизить свои расходы на корпоративный искусственный интеллект.
Новые методы обучения предусматривают локальное использование нейросетей, непосредственно на серверах компаний-клиентов. Это важно, поскольку конфиденциальная информация не будет передаваться внешним ИИ-провайдерам, что особенно актуально для банков, страховых и медицинских компаний, государственных органов – тех организаций, где требования к защите данных строги. Новые методы обучения были представлены публике на международной конференции по обработке естественного языка и искусственному интеллекту EMNLP 2026 в Будапеште.
200 сервисов в одной модели
Сегодня ряд компаний из-за высоких требований безопасности не могут отправлять корпоративные данные во внешние ИИ-модели, поэтому они запускают модели на своей инфраструктуре. В связи с этим порой возникают проблемы: внедрение новых моделей без отключения предыдущих отнимает и без того небольшие вычислительные мощности.
Специалисты ищут способы для устранения этих сложностей. Так, один из новых методов обучения от исследователей Центра искусственного интеллекта «Т-Банка» направлен на снижение стоимости обработки запросов к языковым моделям, а второй – на уменьшение расходов при извлечении информации из документов. Модель на основе компактной Qwen3-32B, обученная с помощью этого метода, сочетает более 200 внутренних сервисов банка и обрабатывает запросы в 2,8-3,9 раза дешевле, чем более крупная модель. Интересно, что во время тестирования эта разработка показала себя лучше, чем более крупная модель по качеству ответов.
Промпт спешит на помощь
Второй метод обучения визуально-языковых моделей помогает решить проблему дорогостоящей обработки большого объема документов и извлечения нужных данных. Так, этот метод позволяет доставать информацию с помощью промтов – по текстовому запросу. Искусственный интеллект легко находит реквизиты, даты или суммы. Как показали исследования «Т-Банка», модель на основе Qwen3.5-35B-A3B-Base, обученная с помощью этого метода, превосходит другие доступные модели в понимании одностраничных, многостраничных документов и извлечении данных.
Замеры демонстрируют: ее применение сокращает затраты на обработку документов более чем на 80%, если сравнивать с ручной обработкой, и более чем на 50% по сравнению с лучшей из протестированных открытых моделей. В зависимости от того, какого качества данные удалось найти и извлечь, система может их обработать автоматически, передать сотруднику-человеку на подтверждение или направить на ручную обработку.
Сейчас оба метода обучения ИИ-моделей активно используются в «Т-Банке». Они убедительно доказывают, что компактную языковую модель можно дообучить под реальные корпоративные задачи. В перспективе она заменит более дорогие решения, но качество работы хуже не станет.
Выведет клиентский сервис на новый уровень
Разработка и внедрение новых методов обучения ИИ-моделей сейчас востребованы российской ИТ-отраслью: они помогают сократить расходы и не вкладываться в развитие собственной ИИ-инфраструктуры компаниям-клиентам. Для бизнеса значимо, что новые методы обучения позволяют обрабатывать информацию без передачи ее внешним ИИ-провайдерам.
В будущем снижение стоимости использования искусственного интеллекта может ускорить цифровизацию российских предприятий, дать толчок для создания новых прикладных программных продуктов. В перспективе новые технологии могут сделать более оперативным и комфортным обслуживание посетителей банков, страховых компаний и государственных учреждений.
Новые технологии исследователей «Т-Банка» могут стать также и востребованными экспортными продуктами. Сегодня проблема высокой стоимости корпоративного ИИ актуальна во всем мире, а способы снизить затраты нужны всем. Самые многообещающие направления для выхода на глобальный рынок – страны СНГ, Ближнего Востока и Азии при условии адаптации российских разработок к местным языкам и законодательству.
