ИИ окупается там, где выбран правильный процесс.

Более 15 лет в техническом бизнесе с Китаем — от систем видеонаблюдения и сетевой инфраструктуры до серверного оборудования и AI-кластеров. С 2010 года был в Китае более 45 раз и видел, как местные технологические вендоры из догоняющих превращались в мировых лидеров. Сегодня группа компаний работает в направлениях технологической дистрибьюции IT-оборудования, системной интеграции и продуктов под собственной торговой маркой, а отдельный фокус направлен на GPU и AI-инфраструктуру.

Методику «ИИ в деле» собрал на собственных деньгах и своем управленческом опыте. Когда внутри компании автоматизировали логистику, быстро довели бота до точности 70% на открытых моделях и уперлись в потолок. Стало ясно, что выше этого уровня без собственной ML-экспертизы не выйти. В команде появились ML-инженер и MLOps, и сегодня вся экспертиза находится «на борту» — от железа до моделей и внедрения.

Параллельно общался с десятками ML-команд: дата-сайентистов, инженеров и внедренцев. У сильных технических специалистов часто отсутствует предпринимательская оптика — они умеют делать ИИ, но не видят, где у бизнеса теряются деньги. Соединив теорию ограничений Голдратта с реальной AI-инфраструктурой и собственным опытом внедрения, собрал методику, которая помогает собственникам выбрать процесс, действительно достойный автоматизации.