Владелец сети кофеен из 14 точек сказал мне фразу, которую я слышу последние два года почти дословно: «Нам нужен ИИ, данные у нас есть». Я попросил показать. Выгрузка из CRM на 40 тысяч строк: телефон, дата покупки, сумма. Всё.
Путаница между «у нас есть данные» и «у нас есть данные для ИИ» стоит бизнесу месяцев работы и вполне реальных денег. Разберу по-человечески, что значит «данные ИИ» на каждом уровне: от строчки в датасете до ответа чат-бота, который вы видите на экране.
Данные для ИИ это примеры «вход - правильный ответ», а не таблица из CRM
Модель не читает вашу базу и не «понимает» бизнес. Она учится на парах: вот ситуация, вот что правильно. Тысячи, иногда миллионы таких пар.
Для кофеен пара выглядела бы так: день недели, погода, время, район, была ли акция, средний чек за прошлые три дня, и ответ - сколько круассанов заказать на завтра. Вот это данные для ИИ. Телефон клиента в такой задаче бесполезен, он ничего не предсказывает.
Первый практический вывод экономит месяцы. Сначала формулируете решение, которое модель должна выдавать. Не «хотим ИИ», а «завтра к шести утра мне нужно конкретное число». Дальше собираете только то, что на это число реально влияет. Всё остальное - балласт, который вы будете месяцами чистить.
Четыре стадии, на которых одни и те же данные ведут себя по-разному
Сбор. Информация приходит из баз данных, интернета, датчиков, логов, звонков, касс. У крупных компаний накоплены гигантские объёмы текста, аудио, видео и графики, и это одновременно подарок и проблема: 90% этого никто ни разу не открывал.
Подготовка. Данные чистят, приводят к одному формату, убирают дубли, склеивают таблицы. Скучная часть, на которую уходит 70% времени проекта. Не 20, не 30. Семьдесят. На Reddit в тредах по MLOps это подтверждают почти хором: уборка и приведение данных к одному виду съедают больше времени, чем обучение и внедрение вместе.
Обучение. Модель анализирует примеры и находит в них закономерности. Правила, которые вы ей написали, она не запоминает. Она подбирает веса так, чтобы на ваших примерах ошибаться как можно меньше.
Вывод, он же инференс. Обученную модель применяют к свежим, ранее не виданным данным. Нейросеть, обученная на исторических продажах, выдаёт вероятные результаты по новым возможностям или ловит аномалии по мере их появления. Именно на этой стадии ИИ и приносит деньги, потому что работает в реальном потоке операций, а не в ноутбуке аналитика.
Данные обучения и данные вывода - разные наборы, и это проскакивают чаще всего. Первый заморожен и не меняется, второй течёт непрерывно. Если вы поменяли процесс в компании, а модель не переобучили, она продолжит жить в старом мире и тихо выдавать мусор.
Инференс: момент, когда данные превращаются в продукт
Хороший инференс стоит копейки и отвечает за доли секунды. Плохой стоит как отдельный отдел и всё равно опаздывает. Разница обычно не в модели, а в том, какие признаки вы подаёте на вход и как быстро они обновляются.
Живой пример из практики. Магазин считал прогноз спроса раз в сутки в 23:00. Всё хорошо, пока не появилась доставка и ночные заказы. Прогноз строился на данных, которых к моменту его использования уже не существовало. Переделали не сеть, а пайплайн: признаки стали подтягиваться за последние 40 минут перед предсказанием. Точность выросла на 11 процентных пунктов без единой новой фичи.
«Данные ИИ» в промышленной эксплуатации это ещё и расписание. Что, откуда и когда приходит. Об этом почти никто не думает на этапе идеи, и почти все вспоминают на этапе запуска.
Датасет врёт тихо, и это дороже всего
Грязные данные не выдают ошибку. Они просто делают модель уверенной и неправильной. Пять вещей, которые я проверяю первым делом в любом проекте.
- Дубли и почти-дубли. Один и тот же клиент под тремя написаниями имени.
- Пропуски, которые не случайны. Если поле «бюджет» пустое только у мелких клиентов, модель выучит не бюджет, а размер.
- Сдвиг во времени. Данные за пандемию и за 2023 год описывают два разных бизнеса.
- Дисбаланс. 0,3% мошеннических операций: модель, которая всегда говорит «нет», формально права в 99,7% случаев.
- Человеческий фактор в логах. Менеджеры ставили статус «отказ» только тем, кто сам перезвонил. Всё остальное попало в «в работе».
Последний пункт встречается чаще, чем хочется. Люди заполняют поля под свою удобную отчётность, а не под вашу будущую модель. Данные ИИ в этом смысле всегда немного социология: вы учите модель на том, как сотрудники вели себя с системой, а не на том, как устроен мир.
Утечка целевой переменной: почему модель показала 98% и развалилась
Классика, на которой я лично обжёгся в 2021-м. Строили прогноз оттока для сервиса. Метрика на тесте вышла фантастическая, 0,97 по ROC AUC. Через месяц в проде модель предсказывала примерно ничего.
Причина оказалась смешной. В признаках был столбец «дата последнего контакта с клиентом». Он заполнялся только после того, как клиент ушёл и с ним начали работать по удержанию. То есть модель подсматривала ответ. Данные были идеальными. Они просто текли из будущего.
Правило простое: для каждой колонки задайте вопрос «а это значение было известно в момент, когда я должен был принять решение?». Всё, что появляется позже, выкидываете. Даже если очень жалко и даже если без него точность падает с 0,97 до 0,71. Настоящие 0,71 полезнее выдуманных 0,97.
Разметка: строка бюджета, которую все забывают
Половина задач не решается без людей, которые проставят правильные ответы. Кто-то должен посмотреть на 5 тысяч диалогов и сказать: вот здесь клиент доволен, здесь раздражён, здесь менеджер накосячил.
Тысяча аккуратно размеченных примеров обычно бьёт сто тысяч неразмеченных. Проверено не раз. И ещё: обязательно давайте одну и ту же выборку двум разметчикам и считайте расхождение. Если они согласны в 60% случаев, проблема не в модели, а в инструкции, и никакая сеть это не вылечит. На Reddit разметчики жалуются на ту же беду: без внятной инструкции двое людей размечают одно и то же по-разному.
Дешёвый лайфхак для тех, у кого нет бюджета на разметку: начните с задач, где правильный ответ возникает сам собой. Вернулся клиент или нет. Оплатил счёт или нет. Заказ приехал вовремя или нет. Это уже готовые метки, просто лежат в базе и ждут, когда их кто-нибудь соединит.
Сколько данных реально нужно под вашу задачу
Зависит от того, что вы делаете. Три разных сценария, которые постоянно путают.
Дообучение под свою специфику. Нужны сотни, иногда тысячи качественных примеров. Меньше сотни почти всегда даёт переобучение: модель заучит ваши пять примеров и развалится на шестом.
Подсказки в контексте. Пять-десять хороших примеров прямо в запросе, и модель уже держит ваш тон и формат. Самый быстрый способ получить результат сегодня, без датасета и без ML-инженера.
Работа по вашим документам. Тут нужны не примеры, а сами документы, регламенты, прайсы, база знаний. Модель ищет по ним и отвечает. Качество ответа на 80% определяется тем, насколько хорошо вы нарезали и описали эти документы, а не тем, какую модель взяли.
Персональные данные: место, где обычно ломаются
Про 152-ФЗ помнят все, но применяют как-то выборочно. Реальность: нельзя просто взять базу клиентов и залить её в сторонний сервис, если там есть имена, телефоны и адреса. Обезличивание это не «удалить столбец с фамилией», а гарантия, что по остатку человека нельзя восстановить.
Практика, которая спасает: работайте с агрегатами и синтетикой. Для обучения модели прогноза спроса вам не нужны фамилии, нужны чеки и время. Для разметки тональности не нужны телефоны, нужен текст без имён. Половина проектов, где «данные нельзя использовать», на самом деле решается обезличиванием за один вечер.
Когда своих данных мало: рабочий обход
Не каждой команде нужен свой датасет и своя обученная сеть. Часто задача решается тем, что вы берёте сильную готовую модель и правильно формулируете запрос. Свои данные при этом остаются у вас в виде документов и примеров в контексте, а не уходят на обучение.
Именно под это сделали роутер 3GPT от 3SELLER. Это доступ из России к флагманским нейросетям без иностранных карт и без танцев с VPN. Старт от 149 рублей, пополнить баланс можно российской картой, через СБП или криптой.
Что внутри: Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для изображений и генерация видео. Модель переключается в один клик, так что можно сравнить, как одна и та же задача решается разными движками, и не гадать.

Сценарии, где это закрывает реальные дыры, а не создаёт красивых демо. Продающие тексты и лендинги под запуск. Расшифровка и суммаризация созвонов. Разбор отзывов на маркетплейсе за квартал. Быстрый аудит договора перед подписанием. Всё это задачи, где у вас нет датасета и никогда не будет, а результат нужен вчера.
Полный доступ ко всем флагманским моделям из России открывается на официальном сайте: https://3seller.com/3gpt
Готовые ИИ агенты: когда надоело каждый раз писать промпт
Отдельная фишка, которая экономит мне лично больше всего времени. Есть библиотека готовых агентов под конкретные задачи: маркетинг, поддержка, аналитика, тексты. Выбираете агента и просто начинаете с ним разговор. Модель под капотом меняется прямо в чате, если одна не справилась.
Чем это отличается от обычного чата. У агента уже прописана роль, структура ответа и логика работы с вашими вводными. Вам не нужно каждый раз объяснять, кто он и как должен думать. Для повторяющихся процессов это разница между «полчаса на настройку» и «открыл и работаю».

Забрать готового агента под свою задачу можно тут: https://3seller.com/ai/agents
Картинки и видео: та же логика, но с данными другого типа
С генерацией изображений всё работает по тем же принципам, просто «данные» там другие: миллионы пар «картинка - описание». Вы даёте текстовый вход, модель собирает изображение. Ошибки те же: чем размытее вход, тем случайнее выход.
Поэтому вместо «сделай красиво» пишите конкретику: что в кадре, какой свет, какой ракурс, какая оптика, что в фоне. Пять точных деталей в запросе дают результат лучше, чем двадцать попыток с общими словами.

Реалистичные фото для карточек товара, обложки, баннеры, иллюстрации для статей: https://3seller.com/3gpt-image

С видео то же самое, только требования к описанию выше. Модель не додумывает движение камеры, если вы его не задали. Указали «медленный наезд, мягкий свет из окна слева» и получили то, что хотели. Написали «красивое видео про кофе» и получили лотерею.
С чего начать на этой неделе
Возьмите одну задачу, где у вас уже есть история и понятный правильный ответ. Прогноз загрузки, отток, объём закупки, тональность отзывов. Выпишите три колонки, которые были известны до момента решения. Этого хватит, чтобы понять, есть ли у вас данные ИИ вообще, или пока только таблица с телефонами.
Параллельно закройте те задачи, где датасет не нужен и никогда не понадобится: тексты, разбор документов, генерация картинок. Начните с 3GPT за 149 рублей и посмотрите, где модель реально снимает с вас рутину. Обычно через день становится понятно, что половину «сложных ML-проектов» можно было закрыть ещё в прошлом квартале.