Data Sapience представит кейс внедрения ИИ в пищевое производство на Форуме ИТ и инноваций

Для тех, кто внедряет нейросети в коммерцию и продакшн, это шанс разобрать живой кейс интеграции больших языковых моделей в пищевое производство без маркетинговой шелухи — с конкретными параметрами пайплайна и измеримыми метриками.

Кто на сцене и что в фокусе

Сессия «Практики ИИ (AI) трансформации розничной торговли» пройдёт в зале «Стратегии» с 15:00 до 16:30. Главный спикерский дуэт — директор продукта Kolmogorov AI Михаил Зайцев и руководитель направления архитектуры ПАО «Группа Черкизово» Юлия Гришина. Их совместный доклад «Вкус будущего: сохранить традиции, внедрить инновации» — практический пример интеграции ИИ в производственные процессы.

Почему это важно для практики внедрения

Кейс «Черкизово» интересен не лозунгом «у нас тоже есть ИИ», а индустриальным масштабом и пищевой спецификой. На кону здесь не генерация креативов для соцсетей и не чат-бот первой линии, а устойчивость производственного контура: контроль качества, прослеживаемость сырья, планирование поставок. Подобные проекты обычно живут под NDA, поэтому публичный доклад — возможность заглянуть внутрь хотя бы на уровне архитектуры и эффектов для бизнеса.

Что отслеживать итерационно

• Метрики внедрения: на каких участках конвейера ИИ заменил ручной контроль и где остался ассистентом оператора.
• Модельный стек Kolmogorov AI: какие модели используются, какой размер контекстного окна, какие файн-тюны применены под отрасль, какие лимиты на генерацию заданы.
• Интеграционный слой: как продукт Data Sapience стыкуется с MES/ERP заказчика и сколько итераций ушло на стабилизацию пайплайна.
• Кадровый параметр: кто внутри заказчика отвечает за работу с ИИ и как Data Sapience распределяет ответственность за галлюцинации модели.
• План масштабирования: какие сценарии из пилота уходят в продуктив, а что пока остаётся экспериментом.

Как готовиться к сессии

• Заранее сформулировать свои вопросы по пайплайну — конкретно по токенам, контексту, файн-тюну и лимитам.
• Зафиксировать текущие узкие места собственного ИИ-проекта, чтобы сопоставить их с тем, что покажут спикеры.
• Выделить 2–3 гипотезы, которые можно протестировать в собственном контуре сразу после доклада.

Для тех, кто собирает корпоративный стек ИИ, формат сессии — точка входа: можно сверить параметры внедрения с реальным кейсом и забрать домой хотя бы пару идей для следующей итерации.