Моделі та платформи ШІ

Blackbaud представляє Lantern, модель, орієнтовану на домен, для фандрейзингу

mm
Додайте Unite.AI до бажаних джерел у Google

Blackbaud представила Lantern, модель мови, орієнтовану на домен, яку компанія описує як першу, спеціально створену для інтелекту фандрейзингу, 29 вересня 2026 року на конференції клієнтів bbcon 2026 у Колумбусі, штат Огайо. Розроблена в рамках стратегічної співпраці з Databricks, модель планується почати живити окремі можливості продуктів Blackbaud у 2027 році.

Blackbaud позиціонує випуск у контексті нерівномірних результатів від ШІ у секторі соціального впливу: компанія зазначила, що хоча 85% професіоналів у сфері соціального впливу повідомляють про використання ШІ у своїй щоденній роботі, лише близько 10% організацій отримують значні вигоди від інвестицій у ШІ. За словами компанії, Lantern створена на базі понад чотирьох десятиліть досвіду у процесах, рішеннях та результатах фандрейзингу, тому вона розуміє поведінку дарувальників, а не покупців.

“Кожна організація має доступ до потужного ШІ, але передові моделі навчаються на інтернеті, тоді як Lantern навчається на благодійності”, — сказав Майк Джіаноні, президент, CEO та віце-голова Blackbaud. Він зазначив, що щорічно через платформи Blackbaud збирається, надається у гранти або керується понад 100 мільярдів доларів, і що Lantern розуміє цілі фандрейзингу, динаміку донорів та пріоритети некомерційних організацій у спосіб, який недоступний загальнопризначеному ШІ.

Подальше навчання з Databricks на графі сигналів галузі

Працюючи з Databricks, Blackbaud поєднує провідні моделі відкритої ваги на платформі Databricks Data + AI з більш ніж 40‑річним досвідом у сфері соціального впливу. Lantern проходить додаткове навчання на синтетичних сценаріях, змодельованих за графом Social Impact Signal Graph компанії Blackbaud, щоб відображати реальні патерни фандрейзингу, підхід, який, за словами Blackbaud, дозволяє моделі розвиватися разом із прогресом базової технології.

“Існує величезна можливість для світу благодійності скористатися ШІ, проте отримання результатів вимагає правильних даних, контексту та управління”, — сказав Енді Кофоід, президент глобальних польових операцій Databricks. Він зазначив, що дві компанії надають некомерційним організаціям фундамент даних, необхідний для масштабування їхнього фандрейзингу.

Blackbaud заявила, що Lantern розробляється відповідно до принципів Відповідального ШІ, з приватністю, прозорістю та галузево-адекватним управлінням у центрі.

Створена навколо фандрейзингу, з урахуванням відгуків клієнтів

За словами Blackbaud, Lantern відображає важливість утримання донорів, шляхів підвищення та довготривалих відносин — динаміки, яку компанія описує як центральну для фандрейзингу і не притаманну загальним моделям ШІ. Компанія зазначила, що модель може виявляти можливості, які інакше залишалися б непоміченими, і допомагати організаціям спрямовувати зусилля туди, де вони принесуть найбільший ефект.

Керрі Кобб, головний офіцер з даних та ШІ Blackbaud, зазначила, що Lantern була спеціально створена для відображення фандрейзингу, спираючись на десятиліття експертизи галузі та інтелект, вбудований у Social Impact Signal Graph. Вона охарактеризувала результат як інтелект, який є більш релевантним, прозорим і практичним, оскільки розуміє взаємовідносини та поведінку, що визначають результати для клієнтів.

Lantern створюється за участю клієнтів Blackbaud, зокрема Boston University, Hesed House та YMCA of the North. Тім Серато, заступник віце-президента з управління взаємовідносинами учасників у Boston University, зазначив, що одним із найбільших переваг ШІ є його здатність розуміти нюанси галузі та підвищувати ефективність людей, які виконують роботу.

Дані опитування, що лежать в основі цифр впровадження

Статистика впровадження у заяві Blackbaud походить з доповіді Blackbaud Institute Bridging the AI Effectiveness Gap, яка базується на двох паралельних опитуваннях, проведених у березні 2026 року у Сполучених Штатах інститутом та Edge Research. Опитування охопили 1 389 професіоналів у сфері соціального впливу та 1 034 донорів, які підтримують організації соціального впливу, категорію, яку доповідь визначає як некомерційні організації, медичні заклади, школи K–12, заклади вищої освіти та фонди.

Доповідь класифікує близько 10 % організацій як AI-Adaptive, тобто вони перейшли від експериментів до системного використання ШІ, підтриманого управлінням, готовністю даних та прозорістю, тоді як 75 % класифіковано як AI-Emerging і 12 % — як закриті або неусвідомлені. Виявлено, що лише 50 % організацій використовують платні або корпоративні версії інструментів ШІ, тоді як 24 % користуються виключно безкоштовними версіями, і лише приблизно третина опитаних професіоналів вважає, що їхня організація дуже ефективно застосовує ШІ. За результатами розкриття, 76 % донорів вважають важливим, щоб організації чітко вказували, коли і як використовується ШІ, тоді як лише 26 % професіоналів стверджують, що їхня організація це робить.

Доступність через Platform for Good

Lantern буде вбудована у Platform for Good компанії Blackbaud, єдину операційну систему, яку Blackbaud представила того ж дня на bbcon. Ця система має три рівні: Data Core, що об’єднує Blackbaud Philanthropic Dataset, дослідження Blackbaud Institute та галузеві набори даних, а також Blackbaud Giving Search; Intelligence Layer, що працює на базі Social Impact Signal Graph; і Action Layer — шар AI‑асистентів, агентів та робочих процесів під людським контролем. Blackbaud заявила, що Lantern розташована в Intelligence Layer, надаючи індивідуальний інтелект безпосередньо там, де клієнти вже працюють.

Оголошення того ж дня включали вдосконалення Агента розробки, який ідентифікує та залучає непризначених донорів, нового Агента здоров’я даних, створеного для виявлення та усунення проблем з даними за допомогою робочих процесів перегляду та затвердження, а також перебудований, нативний хмарний Raiser’s Edge NXT із помічником стратегії, який, за словами Blackbaud, базується на більш ніж $1 трильйоні історії пожертв, відстежуваної через продукт.

Планується, що Lantern почне живити окремі можливості Blackbaud Raiser’s Edge NXT та Agents for Good у 2027 році, а ширша доступність запланована по всій Platform for Good.

Ейден Кросс - стратег, створений штучним інтелектом у Unite.AI, який охоплює стратегію продукції штучного інтелекту, виконання та практичні виклики перетворення експериментальних моделей у масштабовані, готові до ринку продукти. Його робота зосереджена на тому, як стартапи та підприємства переходять від прототипів та демонстрацій до надійних систем, які використовують реальні клієнти.
З прагматичною та детальною перспективою Ейден аналізує дорожні карти продукції, стратегії виходу на ринок, рішення щодо платформи та організаційні компроміси, які визначають, чи успішні чи застряють ініціативи штучного інтелекту. Він приділяє особливу увагу реаліям розгортання, прийняттю користувачами, обмеженням інфраструктури та узгодженню між технічними можливостями та бізнес-цінністю.
Статті, написані Ейденом Кроссом, створені штучним інтелектом та перевірені редакційною командою Unite.AI, щоб забезпечити ясність, точність та відповідальне висвітлення того, як продукти штучного інтелекту створюються, відправляються та масштабуються у реальному світі.