Интервью с Никитой Гладких: как работает искусственный интеллект, которому можно доверять.

14 апреля 2025 года компания OpenAI представила новое поколение моделей искусственного интеллекта – GPT-4.1. Эти модели особенно хорошо справляются с задачами программирования, обработки больших объёмов текста и точного выполнения инструкций. Уже в первые дни они вызвали большой интерес среди разработчиков – благодаря лучшему качеству ответов и сниженной стоимости использования.

На фоне таких технологических прорывов особенно важно услышать мнение тех, кто работает с ИИ не на уровне теории, а внедряет его в реальные цифровые продукты. Никита Гладких – один из таких специалистов. Он создавал решения с использованием ИИ для банков и маркетплейсов, а сейчас работает в компании Primer AI, где занимается интеллектуальными поисковыми системами. В 2023 году он получил престижную международную награду BrainTech Awards за вклад в развитие прикладного искусственного интеллекта.

Мы поговорили с Никитой о том, как он пришел в сферу ИИ, над какими проектами работал, и что, по его мнению, ждёт технологии в ближайшие годы.

От прикладной науки – к масштабируемым системам

– Никита, ваша история в ИИ началась не совсем стандартно. Расскажите, с чего всё началось.

Всё началось в 2014 году, когда я работал в Киевском научно-исследовательском институте гидроакустики. Там я создавал автоматизированные системы для измерения акустических полей с использованием Python, C и Matlab. Это был мой первый опыт на стыке инженерии, данных и программирования. Однако моя страсть к технологиям и возможности их применения в реальном мире привели меня к машинному обучению и искусственному интеллекту. Уже с 2017 года я начал работать над проектами, связанными с автоматизацией и созданием эффективных программных решений, используя ИИ для оптимизации бизнес-процессов.

Одним из таких ключевых этапов была моя работа в компании Lalafo - это маркетплейс, который работал сразу на нескольких рынках. Там я возглавил проект по созданию ML-пайплайна для обработки изображений. Мы использовали потоковые технологии – Kafka, ElasticSearch – машинное обучение, чтобы анализировать фото и ускорять модерацию контента. Это позволило значительно улучшить работу с большими данными и увеличить производительность системы. Этим проектом я особенно горжусь: разработанная система автоматизации получила международное признание и была отмечена наградой BrainTech Awards за вклад в развитие практического применения ИИ. В дальнейшем я продолжил разрабатывать решения для других компаний, таких как Revolut и Primer AI, где уже работал с более сложными системами и данными в реальном времени.

Прорыв: проект, который изменил правила

– Вы упомянули награду BrainTech Awards, которую вручают за значимые технологические решения в сфере искусственного интеллекта. Расскажите подробнее о проекте, который принёс вам это признание.

– Награду я получил за разработку интеллектуальной системы автоматизации контентных процессов для международного маркетплейса Lalafo. Обычно пользователю приходилось вручную загружать фотографии товара, заполнять описание, выбирать категорию, указывать характеристики - цвет, размер, состояние. Это занимало много времени и создавало барьер для размещения объявлений.

Я разработал систему, которая делает это автоматически. Пользователь загружает фото товара, а модель:

● распознает объект (например, футболка);

● определяет категорию товара;

● извлекает визуальные признаки: цвет, размер, состояние;

● оценивает ориентировочную цену;

● и в итоге формирует готовое объявление – от текста до рекомендованной категории.

Эта разработка позволила значительно упростить процесс для пользователей, ускорить загрузку контента и улучшить поисковые алгоритмы на платформе.

– Ваша разработка стала примером того, как искусственный интеллект может приносить практическую пользу – оптимизируя процессы и делая технологии доступнее для пользователей. Как вы думаете, почему именно этот проект так высоко оценили жюри?

– Я считаю, что ключевыми факторами стали практическая значимость и зрелость решения. Разработанная мною система была не просто прототипом, а действующим продуктом, интегрированным в реальную высоконагруженную экосистему, которая реально работала: снижала нагрузку на модераторов, ускоряла публикации, помогала в классификации и поиске.

И главное – мой проект наглядно продемонстрировал, как ИИ может быть полезным без лишней магии, прямо сейчас, для миллионов пользователей. Думаю, именно эта реальная польза для людей и бизнеса стала решающим фактором для присуждения высокой оценки.

Что было дальше: Финтех и вызовы реального времени

– После успешной реализации проекта в маркетплейсе вы, насколько я знаю, перешли к новым масштабным задачам. Какие именно вызовы ждали вас дальше?

– Следующим этапом стала работа в финтех-секторе – я присоединился к команде Revolut, где задачи были ещё сложнее: работа с реальным временем, высокими требованиями к надёжности и скоростью обработки данных.

– Revolut – один из крупнейших европейских финтехов. Что делает работу с ИИ в таких системах особенно сложным?

Revolut – это банк с миллионами пользователей, и система там должна быть максимально надежной. В отличие от экспериментальных сред, в финтехе нельзя допускать ошибок. Там, где система работает с данными в реальном времени, цена задержки или неточности – это реальные деньги, пользовательский опыт, доверие. В этой компании я руководил проектом, который обрабатывал события из 100 различных источников и которая обрабатывала около 200 000 событий в минуту. Это не только банковские транзакции, но и любые пользовательские действия – обновление профиля, входы в систему, взаимодействие с интерфейсом. Архитектура должна была быть устойчивой, быстрой, и при этом – масштабируемой и безопасной. Этот опыт был важен, потому что научил меня работать с реальным временем, с системами высокого доверия, где нет места сбоям. Всё это стало основой для работы с языковыми моделями уже в Primer AI.

Как построить ИИ, которому можно доверять

– Сегодня вы работаете в Primer AI – одной из ведущих компаний в сфере интеллектуальных поисковых решений. Какие задачи стоят перед вами сегодня, и как вы решаете проблему доверия к ИИ?

Одна из самых важных задач, которую мне удалось решить, – это снижение ошибок ИИ.

Раньше система иногда "придумывала" ответы – срабатывала с уверенностью, даже если не знала точного ответа. Мы разработали специальную проверку, благодаря которой удалось снизить такие ошибки в 500 раз – с 5% до 0.01%. Это сильно повысило надёжность системы.

Еще одно направление, над которым я работаю – это поисковая система. Представьте себе, что раньше она отвечала на запросы за 10 секунд, а теперь – меньше чем за одну. Это особенно важно, когда пользователь ищет что-то сложное или срочное. Кроме того, мы делаем поиск умнее и персональнее. Система начинает понимать, что интересно именно вам – например, учитывает, какие темы вы искали раньше, чем вы занимаетесь, в каком контексте вы задаете вопрос. Это помогает давать точные, адаптированные под человека ответы, а не просто список документов.

И самое важное: найти – мало. Нужно ещё преобразовать "сырые" данные – таблицы, отчёты, фрагменты текста – в готовую, понятную и полезную информацию. Чтобы человек получил не просто набор фактов, а ясный, структурированный ответ на свой вопрос. Сейчас я как раз и занимаюсь построением таких систем: от запроса – к смыслу, от данных – к действию.

Будущее ИИ – в понимании, доверии и автономии

– Какие, по-вашему, направления развития ИИ станут ключевыми в ближайшие годы?

– Один из основных трендов – появление узкоспециализированных ИИ-систем, которые будут заточены под одну конкретную сферу. Это уже не универсальные чат-боты, а, например, медицинские советники, умеющие точно интерпретировать анализы и симптомы, или юридические помощники, работающие в рамках конкретной страны и области права. Такие модели будут обучаться на специализированных, тщательно проверенных данных и учитывать особенности профессиональной среды. В результате точность их работы может достигать 99.9% – и это уже уровень, при котором ИИ можно доверить принятие серьёзных решений.

При этом такие модели будут становиться намного компактнее и дешевле в использовании. Если раньше мощный ИИ требовал серверов и облаков, то скоро многие из этих узких ИИ можно будет запускать прямо на обычных пользовательских устройствах – ноутбуках, смартфонах, даже внутри корпоративных приложений. Это откроет путь к массовому и приватному использованию ИИ, без постоянной зависимости от облачных сервисов и интернета

Второе – это работа с длинными контекстами. Раньше модель могла понимать сравнительно небольшое количество информации. Сегодня она учится обрабатывать целые документы, переписки, истории болезни, исследовательские отчёты. Это открывает возможности для ИИ в сферах, где важно учитывать десятки взаимосвязанных факторов.

Третий важный тренд – это то, что искусственный интеллект всё лучше понимает, что от него хотят. Сегодня модели становятся гораздо более послушными и точными в исполнении инструкций – достаточно один раз объяснить, и ИИ делает именно то, что нужно.

Почему это важно? Потому что теперь разработчики могут доверять результату, не тратя время на постоянные проверки. Это открывает возможность создавать более сложные и многошаговые решения, которые работают автоматически и при этом надёжно. Представьте: ИИ не просто отвечает на вопрос, а последовательно анализирует ситуацию, делает выводы, формирует рекомендации и запускает нужные действия – и всё это без необходимости человека контролировать каждый шаг.

Такой ИИ уже не просто помощник, а полноценный участник команд и процессов – надёжный, точный, адаптивный.

– В завершение, что бы вы порекомендовали тем, кто только начинает свой путь в области ИИ?

Не бойтесь пробовать и экспериментировать. ИИ – это область, в которой каждый день появляется что-то новое, и если вы хотите быть на переднем крае, важно постоянно обучаться. Начните с освоения базовых понятий, таких как машинное обучение, обработка данных и нейронные сети. Создавайте свои проекты, даже если они небольшие, и ищите возможности для практического применения теории. И помните, что ИИ – это не только код, но и искусство проектирования систем, которые могут решать реальные проблемы.

Никита Гладких – пример того, как инженер может не просто участвовать в ИИ-революции, а формировать её изнутри. Его проекты – это вклад, который уже сегодня формирует будущее технологий и обеспечивают нам доступ к более умным и эффективным решениям.