T-Bank süni intellekt xərclərini 9 dəfə azaldan inqilabi metodlar təqdim etdi

T-Bank süni intellektdə xərcləri azaltmaq üçün iki yeni metod təqdim edib

Budapeştdə keçirilən EMNLP 2026 beynəlxalq konfransında T-Bankın Süni İntellekt Mərkəzinin tədqiqatçıları korporativ süni intellekt xərclərini azaltmaq üçün iki yeni təlim metodunu təqdim ediblər. Bu metodlar əsasən təhlükəsizlik və məlumatların məxfiliyinə görə İİ-nin öz infrastrukturunda işlədildiyi şirkətlər üçün nəzərdə tutulub.

Dil modellərində sorğu emalının xərclərinin azaldılması

Birinci metod bankın 200-dən çox ixtisaslaşmış daxili xidmətlərini vahid universal dil modelində birləşdirir. Bu model bankın daxili böyük dil modelləri platformasının aylıq trafikinin təxminən yarısını emal edir və sorğuların emalını 2,8-3,9 dəfə daha ucuz başa gətirir. Bəzi xidmətlərdə isə xərclər 4-9 dəfə azalır. T-Bankın daxili testləri göstərir ki, bu model cavabların keyfiyyəti və tapşırıqların yerinə yetirilməsi baxımından daha böyük modellərdən üstünlük təşkil edir.

Sənədlərdən məlumat çıxarışında xərclərin azaldılması

İkinci metod sənədlərdən, məsələn, rekvizitlər, tarixlər və məbləğlər kimi məlumatları çıxarmaq üçün nəzərdə tutulub. Bu model sənəd emalı xərclərini əl əməyinə nisbətən 80%-dən çox, ən yaxşı açıq modellərlə müqayisədə isə 50%-dən çox azaldır. Metod həmçinin nəticələrin yoxlanılması üçün işçi xərclərini də nəzərə alır və məlumatların keyfiyyətindən asılı olaraq avtomatik emal, insan təsdiqi və ya əl ilə işləmə variantlarını təklif edir.

İqtisadi perspektiv və ekspert rəyləri

T-Bank Süni İntellekt Mərkəzinin direktoru Dmitri Uşanov bildirib ki, bu metodlar daha bahalı həllərin yerinə yetirilməsi üçün effektiv alternativdir. Gartner şirkətinin proqnozuna görə, 2026-cı ildə İİ modellərinin sorğu emalına xərclər 23,3 milyard ABŞ dolları təşkil edəcək və bu xərclərin 55%-i infərensə aid olacaq. AT&T isə kiçik, ixtisaslaşmış modellərin korporativ sektorda daha çox istifadə olunacağını vurğulayır.

Ekspertlər qeyd edirlər ki, kiçik modellər əsasən geniş yayılmış, standart tapşırıqlar üçün uyğundur və onların istifadəsi xərclərin azaldılmasında əhəmiyyətli rol oynayır. Lakin mürəkkəb və qeyri-standart tapşırıqlarda böyük modellərlə birlikdə istifadə olunmaları məsləhətdir.

İnsan faktoru və avtomatlaşdırmanın iqtisadi təsiri

Xərclərin azaldılması üçün modellərin effektivliyi ilə yanaşı, nəticələrin insan tərəfindən yoxlanılması xərcləri də vacibdir. Məsələn, sənədin avtomatik emalı zamanı səhvlərin düzəldilməsi üçün əlavə vaxt sərf olunarsa, ümumi qənaət azala bilər.

Nəticə

T-Bankın təqdim etdiyi iki yeni metod korporativ süni intellektin xərclərinin optimallaşdırılması və daha geniş tətbiqi üçün önəmli addımdır. Bu yeniliklər şirkətlərə İİ texnologiyalarını daha sərfəli və effektiv istifadə etməyə imkan verir, iş proseslərini sürətləndirir və xidmət keyfiyyətini artırır.