Глоссарий
Термины ИИ простым языком
Короткие определения без воды: что такое ИИ-агент, RAG, промпт-инжиниринг, цифровой двойник и другие понятия, которые встречаются, когда бизнес внедряет ИИ. Каждый термин связан с услугой, где он применяется на практике.
- ИИ-агент
- ИИ-агент — это программа на базе языковой модели, которая выполняет задачу в рабочих процессах, а не просто отвечает на вопросы. Агент воспринимает контекст, обращается к данным и системам компании, готовит результат и передаёт его дальше. От чат-бота отличается тем, что действует по цели, а не по жёсткому сценарию. Разработка ИИ-агентов →
- Мультиагентная система
- Мультиагентная система — это несколько ИИ-агентов, которые делят сложную задачу и координируются между собой: один планирует, другой исполняет шаги, третий проверяет результат. Такой подход применяют там, где одного агента недостаточно, а процесс распадается на роли. Разработка ИИ-агентов →
- RAG (генерация с опорой на поиск)
- RAG (Retrieval-Augmented Generation) — это подход, при котором модель перед ответом находит релевантные документы в базе знаний компании и отвечает на их основе со ссылкой на источник. RAG резко снижает галлюцинации и позволяет ИИ работать с актуальными внутренними данными, а не только с тем, на чём он обучался. Агенты с RAG по базе знаний →
- Промпт-инжиниринг
- Промпт-инжиниринг — это практика формулирования запросов к языковой модели так, чтобы получать точный и проверяемый результат. Включает структуру задачи, нужный контекст, ограничения и критерии проверки ответа. Навык, который отличает осмысленную работу с нейросетью от попыток наугад. Обучение промпт-инжинирингу →
- Агентная автоматизация
- Агентная автоматизация — это автоматизация бизнес-процесса с помощью ИИ-агентов, которые выполняют шаги процесса (разбор входящего, поиск ответа, подготовка документа, передача задачи в систему), а не работают по фиксированному сценарию. Подходит для рутинных текстовых процессов, где правила меняются и сценарную автоматизацию пришлось бы постоянно переписывать. Автоматизация на ИИ-агентах →
- LLM (большая языковая модель)
- LLM — это большая языковая модель, обученная на больших объёмах текста, которая понимает и генерирует естественный язык. LLM лежит в основе ИИ-агентов и ассистентов. В российском контуре под 152-ФЗ применяют GigaChat, YandexGPT или собственные модели, например T-CAM, когда данные нельзя выгружать наружу. Модель T-CAM →
- Цифровой двойник
- Цифровой двойник — это виртуальная модель физического объекта или процесса, которая обновляется по данным датчиков и позволяет прогнозировать поведение и оптимизировать режимы. На производстве цифровой двойник помогает предсказывать отказы оборудования и проверять решения до их применения в цеху. Оптимизация производства →
- Data Governance (управление данными)
- Data Governance — это управление данными компании: их качество, владельцы, правила доступа, хранения и использования. Это фундамент, без которого ИИ работает на неполных и противоречивых данных и выдаёт ненадёжный результат. Поэтому подготовку данных часто делают до запуска ИИ-проектов. Управление данными →
- ИИ-готовность (AI readiness)
- ИИ-готовность — это степень, в которой компания готова к промышленному использованию ИИ: есть ли пригодные данные, описаны ли процессы, способна ли команда вести и поддерживать решение, готова ли культура к изменениям. Оценку ИИ-готовности проводят аудитом до того, как вкладываться в внедрение. Аудит готовности к ИИ →
От термина к задаче
Если за каким-то понятием стоит ваша реальная задача, обсудим, как она решается. Установочная встреча 60–90 минут.