«Дообучать модель фактам — всё равно что высекать регламент в камне. Прикажете переписывать при каждой опечатке?»
Это самый переоцененный и перепродаваемый ИИ-инструмент на рынке B2B. Интеграторы обожают продавать Fine-tuning, потому что это звучит солидно и стоит дорого (миллионы на дата-сайентистов и аренду кластеров GPU). Заказчику говорят: «Мы дообучим модель на ваших регламентах, и она всё запомнит». Это ложь и ловушка Vendor Lock-in (зависимости от вендора). Модель, обученная на ваших регламентах сегодня, устареет завтра, когда выйдет новый приказ директора. И вам придется снова платить за переобучение. Кроме того, Fine-tuning не гарантирует избавления от галлюцинаций — модель просто научится врать вашим корпоративным сленгом. В 90% случаев для работы с базами знаний дообучение не нужно — с этим справляется архитектура RAG. Fine-tuning реально оправдан только в узких задачах: например, научить модель писать ответы в специфическом tone of voice, выдавать строгий JSON-формат для интеграции со SCADA, или понимать маргинальный отраслевой язык.