GenAI в дипломе: архитектура внедрения и измеримые метрики для защиты ВКР
Generation AI Awards 2026 — некоммерческая премия за применение генеративного ИИ в бизнесе — открыла второй сезон и принимает заявки до 20 апреля. Показательно не само событие, а критерии, по которым жюри будет отбирать проекты: организаторы прямо ориентируют участников на подтверждённый эффект, а не на демонстрацию красивой обёртки над чужой моделью. Заявка без цифр «до/после» и без описания архитектуры здесь не проходит.
Для выпускника ИТ-направления это сигнал вполне практический. Комиссия на защите ВКР рассуждает почти так же, как жюри премии: «Где здесь инженерия, а где обёртка вокруг API?» Тема «исследование возможностей больших языковых моделей» уже не спасает — нужен работающий контур, метрики и обоснование выбора. Ниже — как разложить такую работу по главам, какие сущности использовать и на чём чаще всего сыпятся дипломники.
Три темы ВКР, которые опираются на этот тренд
Тема 1. Корпоративный RAG-ассистент по внутренней базе знаний
Актуальность. Премия фиксирует переход бизнеса от чат-ботов «на всё» к узким ассистентам с опорой на корпус документов. Значит, востребован именно RAG-контур: извлечение, ранжирование, генерация с цитированием источника.
Цель: разработать архитектуру и прототип ассистента, снижающего время поиска ответа в нормативной документации.
Задачи: 1) сравнить стратегии чанкинга и модели эмбеддингов; 2) спроектировать гибридный поиск (BM25 + вектор); 3) реализовать генерацию с обязательной ссылкой на фрагмент; 4) измерить faithfulness и latency p95.
Структура: Глава 1 — обзор подходов, ISO/IEC 25010 как рамка требований; Глава 2 — проектирование конвейера, схема развёртывания в Kubernetes; Глава 3 — эксперименты, метрики RAGAS, расчёт стоимости инференса.
Тема 2. Экономика внедрения GenAI-агента в клиентской поддержке
Актуальность. Премия оценивает прикладной эффект в деньгах и времени. Диплом, где ИИ-агент описан через снижение доли эскалаций на вторую линию, выглядит убедительнее десятка слайдов про «инновационность».
Цель: построить модель оценки ROI внедрения агента первой линии.
Задачи: 1) собрать baseline метрик поддержки; 2) спроектировать сценарии с fallback на оператора; 3) рассчитать TCO с учётом токенов и инфраструктуры; 4) провести чувствительный анализ.
Структура: Глава 1 — анализ рынка и стандартов качества сервиса; Глава 2 — архитектура агента и guardrails; Глава 3 — финансовая модель, срок окупаемости, риски.
Тема 3. Шлюз безопасности и маршрутизации запросов к LLM
Актуальность. Когда GenAI уходит в продуктив, первым встаёт вопрос: как не отдать персональные данные внешнему провайдеру. Требования 152-ФЗ и рекомендации OWASP LLM Top 10 дают готовую нормативную рамку для дипломного проекта.
Цель: разработать промежуточный слой, фильтрующий запросы, логирующий трафик и распределяющий нагрузку между моделями.
Задачи: 1) классифицировать риски утечки и инъекций промптов; 2) спроектировать политики маршрутизации; 3) реализовать аудит через OpenTelemetry; 4) провести нагрузочное тестирование.
Аналитическая глава: как обосновать выбор, а не перечислить инструменты
Первая глава почти всегда страдает одинаково: студент приводит список фреймворков и заключает «выбран LangChain, так как он популярен». Это не обоснование. Работает другая логика — от требований к решению. И здесь статья про премию даёт удобную зацепку: жюри смотрит на измеримый эффект, а вы переносите этот принцип на сравнение технологий.
| Критерий (ISO/IEC 25010) | Промпт-инжиниринг | RAG | Fine-tuning |
|---|---|---|---|
| Функциональная полнота | низкая, зависит от базовой модели | высокая, опора на документы | средняя, заучивание стиля |
| Актуальность данных | только из окна обучения | обновление за минуты | требует переобучения |
| Стоимость эксплуатации | низкая | средняя (эмбеддинги + контекст) | высокая (GPU, датасет) |
| Прослеживаемость ответа | отсутствует | цитаты на источники | отсутствует |
| Порог входа для ВКР | минимальный | реалистичный за семестр | требует данных и ресурсов |
Такую таблицу можно защищать: каждый столбец привязан к критерию качества из стандарта, а не к личным предпочтениям. Отдельный подраздел стоит посвятить выбору векторного хранилища — это типовой вопрос комиссии.
Выбор векторного хранилища: короткая матрица решений
- pgvector — если в проекте уже есть PostgreSQL: один движок, транзакции, меньше инфраструктуры.
- Qdrant / Milvus — если объём эмбеддингов измеряется миллионами и нужны фильтры по метаданным.
- OpenSearch с k-NN — если нужен гибридный поиск и корпоративные логи в одном хранилище.
В пояснительной записке достаточно честно указать ограничение: для корпуса до 50 тысяч фрагментов разница в latency между решениями несущественна, поэтому решающим становится эксплуатационная простота. Такая формулировка показывает зрелость инженерного мышления.
Проектная часть: от диаграммы до работающего контура
Вторая глава — это место, где диплом перестаёт быть рефератом. Схемы оформляйте по ГОСТ 19.701-90, а техническое задание — по ГОСТ 34.602-89: это снимает половину вопросов нормоконтроля ещё до защиты.
Архитектура RAG-конвейера
Минимальный контур, который реально защитить за семестр, выглядит так:
Пользователь → API-шлюз (аутентификация, rate limit)
→ Модуль предобработки (очистка, разбиение на чанки)
→ Эмбеддер → Векторное хранилище
→ Ретривер (гибридный поиск, top-k, реранкер)
→ Промпт-сборщик (системная инструкция + контекст)
→ LLM-провайдер (маршрутизация, fallback)
→ Постобработка (проверка цитат, guardrails)
→ Ответ + трассировка в OpenTelemetry
Каждый блок — это отдельный пункт в перечне задач и отдельный слайд на защите. Не пытайтесь запихнуть в диплом агентную систему с планировщиком: объём работы вырастет, а измеримых метрик не прибавится.
Что должно лежать в приложениях к записке
- Схема развёртывания (Kubernetes, namespaces, ingress, secrets).
- Диаграмма последовательности для сценария «вопрос — ответ — отказ».
- Спецификация эндпоинтов с примерами запросов и ответов.
- Листинги ключевых модулей — ретраи, кэш, валидация контекста.
Если по требованиям кафедры код не обязателен, замените листинги псевдокодом и конфигурационными файлами — проект от этого не потеряет в весе, а вы сэкономите недели. Подробнее такие компромиссы обсуждаются, когда студенты ищут помощь с дипломом по ИТ-направлениям, — вопрос почти всегда упирается в объём практической части, а не в теорию.
Тестирование, метрики и экономика: то, за что ставят «отлично»
Здесь статья о премии работает буквально: критерии отбора заявок и критерии оценки ВКР совпадают по сути. Проверяйте не «работает ли», а «насколько хорошо работает и сколько стоит».
| Группа | Метрика | Как получить | Ориентир |
|---|---|---|---|
| Качество ответа | Faithfulness, answer relevancy | RAGAS на размеченной выборке 100–200 вопросов | > 0.8 для пилота |
| Достоверность | Доля ответов без опоры на контекст | Ручная разметка + проверка цитат | < 5 % |
| Производительность | Latency p50 / p95, RPS | Нагрузочный тест, профиль трафика | p95 < 3 с |
| Надёжность | RTO / RPO, доля ошибок провайдера | Chaos-тест, отключение модели | RTO < 60 с при fallback |
| Экономика | Стоимость 1 000 запросов, TCO | Логи токенов, тарифы провайдера | Снижение на 30 % через кэш |
Где брать данные, если нет корпоративного доступа
Три рабочих варианта: открытые корпуса документации (нормативные акты, техрегламенты), синтетические пары «вопрос — ответ», сгенерированные по фрагментам и вручную отфильтрованные, и логи учебного проекта на GitHub Issues. Обязательно опишите процедуру разметки — комиссия любит вопрос «кто подтвердил, что ваш эталон эталонный».
Как связать тестирование с экономикой
Считайте эффект от кэширования и маршрутизации: тяжёлые запросы — на большую модель, типовые — на компактную. Даже упрощённая модель «доля кэш-попаданий × стоимость токена» даёт защищаемую цифру и снимает упрёк в отсутствии практической значимости.
Чему вы научитесь на такой работе
- Проектировать конвейер обработки данных с чёткими границами ответственности сервисов.
- Обосновывать стек через критерии ISO/IEC 25010, а не через популярность библиотеки.
- Строить метрики качества для систем, где нет единственно правильного ответа.
- Оформлять ТЗ и схемы по ГОСТ 34.602-89 и ГОСТ 19.701-90 без переделок на нормоконтроле.
- Считать стоимость эксплуатации ИИ-сервиса и защищать экономическую часть.
Типичные ошибки студентов
Ошибка 1. Подмена уровней абстракции. В тексте смешиваются «внедряем SaaS», «разворачиваем PaaS» и «пишем свою платформу», при этом ни один вариант не обоснован. Как избежать: заведите подраздел «Модель предоставления сервиса» и явно укажите, что берёте на себя, а что отдаёте провайдеру.
Ошибка 2. Нет метрик эффективности. Есть демонстрация чата, нет ни одной цифры. Как избежать: минимум три метрики — качество, задержка, стоимость. Каждая с методикой измерения и результатом.
Ошибка 3. Игнорирование ГОСТ 34.602-89 при оформлении ТЗ. Нормоконтроль возвращает работу, защита сдвигается. Как избежать: разделы ТЗ по стандарту пишутся на этапе проектирования, а не за три дня до сдачи.
Вопросы, которые задают чаще всего
Что выбрать для диплома — RAG или fine-tuning?
RAG, если задача — работа с меняющимся корпусом документов и нужна прослеживаемость ответа. Fine-tuning оправдан, когда требуется устойчивый стиль или узкий формат вывода, но он требует датасета и вычислительных ресурсов. Для ВКР обычно достаточно RAG плюс краткий раздел с обоснованием, почему тонкая настройка не применялась.
Обязательно ли писать код?
Зависит от кафедры. Инженерные направления почти всегда требуют прототипа. Если код не предусмотрен, замените его спецификациями, схемами и результатами моделирования — но тогда особенно тщательно проработайте измеримую часть, иначе работа скатится в реферат.
Как оформить UML и архитектурные диаграммы?
Диаграммы компонентов и последовательности — по нотации UML, схемы алгоритмов и данных — по ГОСТ 19.701-90. Главное правило: каждая диаграмма должна быть упомянута в тексте и иметь пояснение, иначе она превращается в иллюстрацию ради объёма.
Где взять тестовые данные, если нет доступа к корпоративной базе?
Открытая нормативная документация, технические регламенты, публичные наборы вопросов-ответов, синтетическая генерация с ручной валидацией. Опишите, как формировалась выборка и почему она репрезентативна, — это закрывает вопрос о достоверности результатов.
Чек-лист перед сдачей
- Есть ссылка на источник тренда и дата публикации — работа опирается на актуальный контекст.
- Задачи во введении дословно совпадают с выводами по главам.
- Каждая метрика имеет методику измерения и числовой результат.
- ТЗ оформлено по ГОСТ 34.602-89, схемы — по ГОСТ 19.701-90.
- Выбор технологий обоснован через критерии, а не через популярность.
- Описаны ограничения решения и направления развития.
- Проверено соответствие списка литературы и ссылок в тексте.
Если тема уже выбрана, но непонятно, как собрать из неё защищаемую работу — начните с бесплатной консультации: разберём архитектуру, метрики и структуру глав. При необходимости сопровождаем проект до защиты, включая расчётную часть и оформление.
Итог
Кейс Generation AI Awards 2026 полезен не списком номинаций, а формулировкой требований: эффект, архитектура, измеримость. Ровно эти три вещи проверяет государственная комиссия. Перестройте диплом вокруг них — и вопрос «а где здесь ваша работа, а не вызов чужого API» потеряет смысл.
Источник: Премия по применению GenAI бизнесом Generation AI Awards 2026: прием заявок до 20 апреля (опубликовано 2026-03-24)
```