Опрос 700+ практиков визуального ИИ: успех решают данные, а не модели
IEEE Spectrum и издательство Wiley опубликовали белую книгу, спонсором которой выступила компания Voxel51. В основе, опрос 2026 года среди более чем 700 практиков, которые строят системы визуального и физического ИИ: работают с видео, облаками точек LiDAR и потоками с датчиков. Авторы белой книги формулируют это так: последнее десятилетие прогресса ИИ строилось на тексте, но фронтир сместился к данным из физического мира.
Ключевые цифры опроса: 78% команд уже видят измеримую пользу от визуального и физического ИИ, но при этом 74% считают, что направление всё ещё недоинвестировано относительно своего потенциала. Команды, которые успешно выпускают такие системы в продакшн, тратят на работу с данными почти втрое больше времени, чем команды, у которых процесс буксует. 92% практиков сходятся во мнении о том, куда движется отрасль дальше, но конкретное направление в доступном тексте не раскрывается.
Центральный вывод отчёта: проблемы с данными, причина большинства сбоев моделей, и курирование данных значит больше, чем погоня за более крупными архитектурами. Разметка (аннотирование) остаётся дорогой и расточительной операцией: команды часто размечают весь массив данных целиком, а затем выбрасывают значительную его часть ещё до вывода в продакшн. Итоговый тезис отчёта: не сбор данных, а именно работа с данными, то, что отделяет команды, которые доводят продукт до релиза, от тех, кто застревает.
В доступном фрагменте нет ни разбивки, что именно входит в «большинство» сбоев, ни описания методологии опроса, ни имён авторов самого отчёта, ни конкретной доли размеченных, но выброшенных данных.
Ключевые факты
- Опрошено более 700 практиков визуального и физического ИИ (видео, LiDAR, сенсорные потоки) в рамках опроса 2026 года
- 78% команд уже видят измеримую пользу от направления, но 74% считают его недоинвестированным относительно потенциала
- Команды, которые успешно выпускают продукт, тратят на работу с данными почти втрое больше времени, чем отстающие команды
- Проблемы с данными названы причиной большинства сбоев моделей, курирование данных важнее увеличения архитектуры
- Разметка данных расточительна: команды часто размечают всё, а затем выбрасывают значительную часть до продакшна
Почему это важно
Отчёт фиксирует смену фронтира: если последнее десятилетие развития ИИ держалось на тексте, то теперь на первый план выходят данные из физического мира, видео, облака точек LiDAR, показания датчиков. По выводам опроса, именно данные, а не размер модели, определяют, дойдёт ли система визуального или физического ИИ до продакшна: проблемы с данными, причина большинства сбоев, а курирование данных значит больше, чем более крупная архитектура.
Кому это важно
Материал адресован командам, которые строят продукты на основе компьютерного зрения, LiDAR и сенсорных данных, от автономных систем и робототехники до промышленного видеонаблюдения, а также руководителям data-инженерии и MLOps, которые решают, куда направить время команды: на сбор новых данных или на их курирование и очистку.
Как это применить
Опрос указывает на конкретный разрыв: команды, которые успешно доводят системы до продакшна, тратят на работу с данными почти втрое больше времени, чем те, у кого процесс буксует. Практический вывод, не наращивать объём размечаемых данных бездумно, а пересматривать сам процесс аннотирования: отчёт отмечает, что команды часто размечают весь массив, а затем выбрасывают значительную его часть ещё до вывода в продакшн, то есть тратят ресурсы на разметку того, что всё равно не пригодится.
Можно ли доверять
Материал, спонсорская белая книга: её разместили IEEE Spectrum и Wiley, а спонсором выступила Voxel51, компания, которая как раз продаёт инструменты для курирования и управления данными в визуальном ИИ. Это не делает цифры опроса недостоверными, но означает конфликт интересов: вывод «курирование данных решает всё» напрямую совпадает с тем, что продаёт спонсор. Методология опроса, критерии отбора 700+ участников и имена авторов самого отчёта в доступном тексте не приведены, проверить их независимо нельзя.
Риски и подводные камни
Главный риск, воспринять маркетинговую белую книгу как независимое исследование. Ключевые формулировки расплывчаты: не указано, какая именно доля сбоев моделей относится к «большинству», не раскрыто, к чему сводится мнение 92% практиков о будущем отрасли, и не названа конкретная доля данных, которые размечают, а потом выбрасывают. Без методологии и имён авторов сложно оценить, насколько репрезентативна выборка из 700+ практиков и как формулировались вопросы.