По мнению Ларисы Мальковой, возглавляющей направление «Данные и прикладной искусственный интеллект» в компании Axenix, ключевым препятствием на пути развития ИИ-агентов является отсутствие смысловой нагрузки в массивах информации. В ходе эфира на «Радио РБК» эксперт подчеркнула, что даже при наличии верных показателей, их некорректная интерпретация неизбежна без понимания контекста. Малькова акцентировала внимание на том, что ИИ-агенты не способны самостоятельно установить бизнес-критерии — например, определить, кого именно считать «активным клиентом». По ее словам:
Роль человека сместится от поиска физического расположения данных к их смысловому наполнению.
В настоящее время в большинстве организаций сведения о качестве, правилах использования и контексте данных не зафиксированы документально, а хранятся лишь в памяти персонала. Для решения этой проблемы Малькова предложила не пытаться описать абсолютно всё, а использовать избирательную стратегию: сосредоточиться на наиболее важных для компании атрибутах. При этом второстепенная информация может создаваться алгоритмами автоматически в виде черновиков, требующих лишь последующей верификации.
При этом эксперт отметила, что основная трудность кроется не в технологиях, а в человеческом факторе. Сотрудники зачастую не имеют стимула документировать данные, хотя это необходимо для будущих коллег. Чтобы преодолеть этот барьер, Малькова рекомендует интегрировать процессы описания информации непосредственно в цикл разработки продуктов, избегая попыток насаждения порядка исключительно административными методами.
