Почему корпоративные ИИ-проекты часто проваливаются
Большинство инициатив по внедрению ИИ в компаниях терпит неудачу не из-за нехватки технологий. Проблема в том, что используемые модели не знакомы с особенностями бизнеса. Они обучены на общедоступных данных из интернета, а не на внутренних документах, процессах и накопленном опыте, собранном за годы.
Французский стартап Mistral видит здесь шанс для себя. Во вторник компания представила платформу Mistral Forge, которая позволяет предприятиям создавать персонализированные модели ИИ на основе своих данных. Анонс прошел на ежегодной конференции Nvidia GTC, где в этом году акцент на ИИ и агентных системах для бизнеса.
Такой шаг логичен для Mistral, которая ориентируется на корпоративных клиентов, в то время как OpenAI и Anthropic лидируют в потребительском сегменте. Гендиректор Артур Мэнш уверен: концентрация на бизнесе окупается. Компания близка к отметке в 1 миллиард долларов годовой регулярной выручки.
Усиление позиций в корпоративной нише подразумевает передачу компаниям большего контроля над данными и ИИ-системами, считают в Mistral.
Что предлагает Mistral Forge
Платформа позволяет предприятиям и органам власти адаптировать модели ИИ под свои задачи, отметила глава продуктового направления Elisa Salamanca.
В корпоративном ИИ-секторе похожие функции предлагают многие, но обычно это дообучение готовых моделей или наложение фирменных данных через retrieval augmented generation (RAG). Такие методы не переобучают модели заново, а лишь подстраивают их или запрашивают в реальном времени с использованием корпоративной информации.
Mistral же дает возможность обучать модели с нуля. Это решает ограничения распространенных подходов: лучше работает с неанглийскими языками или узкоспециализированными данными, обеспечивает контроль над поведением модели. Кроме того, компании смогут создавать агентные системы с подкреплением обучения, снижая зависимость от внешних провайдеров и риски вроде изменений или отключения моделей.
Пользователи Forge опираются на обширную библиотеку открытых моделей Mistral с открытыми весами, включая недавно вышедшую Mistral Small 4. Сооснователь и технический директор Тимоте Лакруа подчеркивает: такая кастомизация усиливает ценность компактных моделей.
Компромиссы при создании малых моделей означают, что они не могут быть идеальными во всех темах, как крупные аналоги. Возможность доработки помогает выбрать приоритеты и отказаться от ненужного, — пояснил Лакруа.
Поддержка и инфраструктура
Mistral рекомендует подходящие модели и инфраструктуру, но окончательное решение за клиентом, уточнил Лакруа. Для тех, кому нужна помощь, доступны передовые инженеры Mistral, которые работают на месте у заказчика, выявляя нужные данные и подстраиваясь под требования — подход, заимствованный у IBM и Palantir.
Forge поставляется с инструментами и инфраструктурой для генерации синтетических данных. Однако настройка правильных оценок (evals) и сбор достаточного объема данных — это то, чего предприятиям часто не хватает экспертизы. Здесь как раз помогают эти инженеры.
Платформа уже работает с партнерами: Ericsson, Европейское космическое агентство, итальянская консалтинговая Reply, а также DSO и HTX из Сингапура. Среди ранних пользователей — голландский чипмейкер ASML, возглавивший раунд Series C Mistral в сентябре на оценке в 11,7 миллиарда евро (примерно 13,8 миллиарда долларов тогда).
Основные сценарии применения
Такие партнерства иллюстрируют типичные кейсы для Forge. Директор по выручке Маржори Жаневьец выделяет: правительства адаптируют модели под свой язык и культуру; финансовые компании — под строгие требования compliance; производители — под специфические нужды; техкомпании — под свой код.