От запросов к продуктам: Copilot в центре внимания, демонстрируя возможности ИИ

ИИ становится трансформирующим не когда машины думают быстрее, а когда человеческое воображение и интеллектуальные системы подталкивают друг друга вперед. Модели могут генерировать результаты, но настоящее влияние происходит только тогда, когда творческие идеи сочетаются с надежными, масштабируемыми системами, охватывающими рабочие процессы, данные и принятие решений в реальном времени.

На TechSparks 2025 панель "Воплощение ИИ в реальность: где творчество встречается с интеллектом и масштабом" раскрыла это мощное пересечение. Модератором выступил Сандип Алур, Руководитель технологического отдела（CTO） Инновационного центра Microsoft, Microsoft India. Сессия объединила Матханги Шри Рамачандран, главу YuVerse, Yubi Group; Рахула Регулапати, основателя Galleri5, приобретенного Collective Artists; Саманью Гарга, основателя Writesonic; и Вишала Вирани, соучредителя и генерального директора Rocket. Алур модерировал вместе с Copilot, ИИ-агентом Microsoft, который задавал вопросы в реальном времени, предлагая живую демонстрацию сотрудничества человека и ИИ в действии.

Балансирование творчества с потребностями предприятия

Разговор начался с вопроса о готовности предприятий: как команды, использующие инструменты разработки, управляемые ИИ, могут сбалансировать творчество с требованиями безопасности, масштабируемости и надежности?

Вишал Вирани разобрал это через призму того, что может и не может предоставить вайб-кодинг сегодня. Он сказал, что современные платформы все еще не генерируют самостоятельно приложения производственного уровня. То, что они могут делать, это значительно ускорять раннюю разработку. Rocket, например, позволяет командам собирать фронтенд-потоки, интегрировать частные API с использованием коллекций Postman и согласовывать сборки с внутренними системами дизайна — все в рамках компактного периода настройки. Его настоящая сила заключается в настройке: в течение 15-20 дней Rocket может настроить всю свою среду под потребности корпоративного клиента.

Он добавил, что более мощные модели расширят возможности этих инструментов. "К тому времени, когда появится GPT-5, Sonnet 5 или Sonnet 6, мы сможем генерировать чистый, безопасный код", — сказал он. Во время обмена мнениями Алур упомянул, что "вайб-кодинг" недавно был объявлен словом года по версии словаря Коллинза.

Вирани поделился примером из команды по недвижимым технологиям, где менеджер продукта ввел формулировку проблемы и сгенерировал набор вариантов, включая версии, адаптированные для пользователей поколения Z и аудитории старше 60 лет. Менеджер сказал ему, что платформа сместила усилия с написания PRD на изучение возможностей.

Он также упомянул Devin, инструмент, отвергнутый при запуске в эпоху GPT-3, но созданный для того, что позволят модели следующего поколения. Когда эти модели появились, его внедрение в США быстро возросло.

Переопределение открытия с помощью оптимизации генеративного движка

Затем разговор перешел к тому, как ИИ меняет процесс открытия продуктов. Саманью Гарг отметил, что пользователи все больше полагаются на ИИ-агентов вместо традиционных поисковых систем; только ChatGPT преодолел отметку в 700 миллионов еженедельно активных пользователей. Недавнее исследование Forrester показывает, что 89% решений о покупке B2B теперь включают разговоры, опосредованные ИИ, что делает видимость в этих системах необходимой.

Тем не менее, сегодня для ИИ нет "поисковой консоли". Компании мало понимают, какие запросы выводят их продукты или как появляются их конкуренты. Writesonic стремится решить эту проблему, отслеживая видимость бренда внутри ИИ-агентов и определяя, где необходима оптимизация.

Гарг подчеркнул, что модели ИИ придают в три-шесть раз больший вес сторонним источникам, таким как Reddit и Wikipedia, чем контенту, принадлежащему бренду, делая внешние настроения и отзывы решающими входными данными. Он также подчеркнул важность постоянного обновления контента, принадлежащего бренду, поскольку устаревшая информация все еще может быть извлечена моделями.

Гарг охарактеризовал этот сдвиг как рост оптимизации генеративного движка (GEO), оптимизируя не только для поисковых систем, но и для того, как модели ИИ интерпретируют, ранжируют и представляют бренд.

ИИ как творческая инфраструктура

Затем обсуждение перешло от открытия к творчеству. Рахул Регулапати рассказал о работе Galleri5 над сериалом Махабхарата, созданным с помощью ИИ, который сейчас входит в число лучших шоу на Star Plus. В то время как Galleri5 создала инфраструктуру ИИ, обеспечивающую производство, полная творческая команда, включая режиссера, сценариста, каскадерские и хореографические подразделения, а также художников по персонажам, занималась созданием фильма. От 50 до 100 человек работали в творческих и технических ролях.

Регулапати описал ИИ как инфраструктуру, которая устраняет производственные ограничения. Команды теперь могут снимать базовые движения в небольших студиях и использовать конвейеры ИИ для масштабирования их в обширные кинематографические последовательности, которые ранее требовали огромных бюджетов или сложных физических установок. Сроки производства, которые раньше растягивались до двух лет, теперь могут сократиться до двух месяцев, а затраты, которые ранее достигали 100 крор рупий, могут быть резко сокращены. При этом творческий контроль остается нетронутым — оператор по-прежнему диктует объективы и визуальный стиль, а результат должен соответствовать этому видению.

Он добавил, что зрители настраиваются на Махабхарату из-за ее повествования, а не технологии. Заглядывая вперед, он ожидает, что большая часть контента станет частично или полностью поддерживаемой ИИ в течение следующих 12-24 месяцев, при этом творческие команды будут твердо руководить процессом.

От доказательства к массовому масштабу

Затем панель обратилась к вопросу масштаба, и Матханги Шри Рамачандран рассказала о том, как YuVerse управляет системами ИИ в средах с большим объемом и высокими ставками. Компания обрабатывает почти 30 миллионов звонков в месяц через разговорных ботов, наряду с крупномасштабной обработкой документов и созданием персонализированных видео. Как она выразилась, "все, что мы пробуем сегодня, завтра станет масштабом".

Один из флагманских продуктов YuVerse, YuVin, создает миллионы персонализированных видео, каждое из которых адаптировано для отдельного пользователя, а не полагается на один массово производимый актив. Команда сейчас экспериментирует с интерактивными форматами видео-в-видео, которые могут еще больше изменить способ коммуникации брендов.

Рамачандран подчеркнула постоянный разрыв между производительностью машины и ожиданиями пользователей. Традиционные колл-центры обычно работают с точностью 60-70%, в то время как ИИ-боты достигают 98-99%, но для подтверждения концепции все еще требуется от 50 до 100 итераций, потому что толерантность к машинным ошибкам остается крайне низкой. Предпочтение Индии голосовому общению, даже в WhatsApp, делает разговорный ИИ особенно привлекательным, но эти ожидания продолжают замедлять внедрение.

Прослеживая эволюцию области, она описала, как разговорный ИИ перешел от систем, возглавляемых лингвистами, к компьютерным ученым, затем к RNN и LSTM, а теперь к LLM. Она отметила, что Индия всегда была "чрезвычайно разговорным рынком", но широкое внедрение началось только недавно с появлением более способных языковых моделей. Тем не менее, она подчеркнула, что толерантность к машинным ошибкам должна увеличиться для ускорения развертывания.

Модератор Сандип Алур предложил переосмысление: вместо того, чтобы сосредотачиваться только на показателях ошибок, компании должны учитывать стоимость ошибки. Если эта стоимость низкая, утверждал он, команды должны двигаться вперед, а не гнаться за совершенством, которое замедляет масштабирование.

Создание для рабочих процессов завтрашнего дня

Когда разговор перешел к следующей волне инструментов с низким кодом и без кода, Вирани уточнил, что платформы вайб-кодинга лучше всего использовать для концептуализации, а не для отправки кода производственного уровня. Он привел пример менеджера продукта по недвижимым технологиям, который использовал Rocket для изучения идей, которые конкуренты не рассматривали, и быстрого тестирования версий, нацеленных на поколение Z и пользователей старше 60 лет, работу, которая обычно занимает месяц, завершенную за один день.

По словам Вирани, большим барьером для внедрения является не возможность, а мышление. Предприятия часто испытывают трудности, потому что они пытаются втиснуть существующие рабочие процессы в новые инструменты. "Если вы попытаетесь вписать свой рабочий процесс в любой инструмент, вы никогда не сможете внедрить ИИ", — сказал он. Рынок США, добавил он, принял противоположный подход: сначала оценивают инструменты, а затем адаптируют рабочие процессы вокруг них. Проблемы безопасности и соответствия также меняются в зависимости от того, исследуют ли команды идеи или развертывают в масштабе.

Что касается открытия продуктов, Гарг объяснил, как поиск, управляемый ИИ, меняет видимость. Системы ИИ придают в три-шесть раз больший вес сторонним источникам, таким как Reddit, Wikipedia, независимые обзоры, чем контенту, принадлежащему бренду. Это означает, что устаревшая или негативная информация в любом месте в интернете может появиться в ответах, сгенерированных ИИ. Для брендов, надеющихся появиться в рекомендациях ИИ, управление репутацией теперь должно охватывать платформы обзоров, СМИ и социальные разговоры.

Воплощение ИИ в реальность

В завершение сессии каждый участник панели предложил краткий вывод о том, что значит "воплотить ИИ в реальность". Рамачандран подчеркнула необходимость сосредоточиться на результатах, которые действительно имеют значение, и обеспечить, чтобы ИИ оставался под управлением человека. Регулапати утверждал, что ИИ становится реальным, когда он заменяет процессы, а не людей. Гарг указал на основы: разговаривайте с пользователями, выявляйте трения и исправляйте рабочие процессы с подходом, возглавляемым человеком. Вирани подчеркнул техническую истину: правильный контекст имеет большее значение, чем большие входные данные, и без этой основы системы ИИ могут галлюцинировать.

Copilot, завершая свою роль на протяжении всего обсуждения, предложил заключительное резюме на сцене: оставайтесь привязанными к реальным результатам, используйте ИИ для поддержки людей, поддерживайте рабочие процессы, возглавляемые человеком, и всегда работайте с правильным контекстом.

.