М. В. Гончаров Статья представляет результаты комплексного исследования применения больших языковых моделей (LLM) и технологий искусственного интеллекта в отечественной библиотечно-информационной деятельности. Проведён сравнительный анализ эффективности российских (GigaChat, YaGPT) и зарубежных (ChatGPT, Claude, LLaMA, Mistral, DeepSeek) языковых моделей для решения трёх ключевых библиотечных задач: семантической деконструкции пользовательских запросов, распознавания рукописных каталожных карточек и автоматической коррекции ошибок в текстовых данных. Методология исследования включала систематическое тестирование через программные интерфейсы API на репрезентативных выборках запросов, образов рукописных карточек и полнотекстовых документов. Выявлены принципиально значимые ограничения существующих решений: нестабильность и деградация моделей, избыточная цензура с высоким процентом ложных срабатываний, генерация несуществующих данных (галлюцинации), непредсказуемость структурированного вывода, культурно-лингвистические барьеры. На основе полученных результатов разработана специализированная система ИРБИС AI с архитектурой Mixture of Experts, обеспечивающая стабильную и быструю обработку библиографических данных. Представлена практическая реализация в модуле J-ИРБИС 2.0 с тремя режимами ИИ-поддержки: справочное обслуживание, семантическая обработка запросов и интеллектуальный подбор литературы. Обозначены перспективы развития: создание библиотечного портала с полностью ИИ-управляемым интерфейсом, автоматизация каталогизации через мультимодальные модели, комплексная обработка неструктурированных данных и преобразование имидж-каталогов.
Научная статья 
справочное обслуживание