Как MIT научил AI понимать настоящий бизнес, а не только картинки и тексты
Профессор MIT Деваврат Шах создал AI-модель, которая работает не с текстами и изображениями, а с реальными бизнес-данными — таблицами, временными рядами, процессами. Его стартап Ikigai Labs построил систему, которая учится на корпоративных данных в реальном времени и помогает компаниям планировать производство, прогнозировать спрос и принимать решения. Недавно технологию купила Celonis, которая внедряет её в процессы 1400+ крупных компаний.
Показывает, что AI-революция в бизнесе — это не только чат-боты и генераторы текста. Есть менее заметная, но критически важная ниша: системы, которые понимают реальные операции компаний и помогают принимать решения стоимостью в миллионы. Для тех, кто работает с корпоративными данными или строит B2B AI-продукты, это важный ориентир.
AI для реального мира, а не для демок
Большинство AI-систем обучены на текстах и изображениях. Но реальный бизнес работает с другими данными: таблицы продаж, производственные графики, цепочки поставок. Профессор MIT Деваврат Шах последние годы решал задачу: как научить AI понимать именно такие данные и принимать решения в реальном времени.
От теории к практике
В 2019 году Шах основал Ikigai Labs и построил фундаментальную модель для табличных данных и временных рядов. Технология основана на многолетних исследованиях в MIT, запатентована и лицензирована университетом.
Система работает как GPS: берёт разрозненные данные из разных источников и строит точную модель происходящего. Но вместо координат на карте — реальные бизнес-процессы: производство, продажи, логистика, ценообразование.
Как это работает на практике
Пример: производитель электроники делает наушники. У каждого продукта десятки комплектующих из разных стран. После продажи нужна поддержка, обновления, маркетинг. Вопросы: сколько продастся в следующем квартале? Что будет, если изменить цену? Когда запускать промо?
Все эти процессы связаны, решения в одной области влияют на другие. Ikigai оцифровывает это, постоянно учится на реальных результатах и оптимизирует.
Что дальше
Nedавно Ikigai купила международная компания Celonis, которая автоматизирует операции для 1400+ крупных корпораций. Шах стал главным учёным Celonis, продолжая работу в MIT.
Теперь технология интегрируется в уже оцифрованные бизнес-процессы компаний — чтобы не просто собирать данные, а симулировать варианты, прогнозировать результаты и предлагать оптимальные стратегии.
Почему это важно
Пока весь мир гонится за LLM и генерацией картинок, MIT сфокусировался на нише, которую игнорируют: структурированные данные реального бизнеса. Узкий фокус дал острую технологию — но достаточно широкую, чтобы быть ценной.
Шах называет это «моделью мира предприятия» — не абстрактный AI, а система, понимающая, как работает конкретная компания.
Ключевые выводы
- Большинство AI обучены на текстах и изображениях, но реальный бизнес работает с табличными данными и временными рядами — это отдельная ниша
- Система Ikigai учится на корпоративных данных в реальном времени, проверяя свои прогнозы на реальных результатах
- Узкая специализация на структурированных данных даёт более точную и экономичную технологию, чем универсальные LLM
- Поглощение Ikigai компанией Celonis открывает доступ к данным 1400+ крупных компаний для масштабирования технологии
- «Модель мира предприятия» — новый подход к AI, который моделирует не абстрактный мир, а конкретные бизнес-процессы
Автор: Анна Мельникова · Источник: news.mit.edu
**Это редкий случай, когда академический проект превратился в реальный бизнес-продукт, который решает конкретную проблему.** Пока медиа-пространство переполнено новостями о GPT-N и генераторах картинок, в MIT спокойно решали задачу, которую игнорирует большинство: как научить AI работать с корпоративными данными — не демками, а живыми таблицами продаж, производства, логистики.
Впечатляет не сам факт покупки стартапа, а масштаб: Celonis работает с 1400+ крупными компаниями, у которых уже есть оцифрованные процессы. Теперь поверх этой инфраструктуры ляжет слой AI, который будет учиться на реальных данных и помогать принимать решения. Это не про хайп — это про деньги и эффективность. Единственный вопрос: насколько быстро технология начнёт показывать измеримые результаты в такой консервативной среде, как корпоративный софт.
Комментарии