Статьи

  Появление компании «Платформа больших данных» стало примечательным событием на российском рынке больших данных. Это совместный проект двух отечественных гигантов по развитию нового направления бизнеса, в который инвестируется миллиард рублей. Ожидается, что новая компания станет лидером рынка и серьезно усилит конкуренцию на нем. Учитывая масштаб  материнских компаний и степень их влияния на экономику, можно говорить о создании крупнейшего кросс-отраслевого источника данных. Максим Коновалихин, старший вице-президент, руководитель департамента анализа данных и моделирования банка «ВТБ», номинант премии CDO Award 2021, рассказывает об уже достигнутых результатах и делится планами дальнейшего развития.

- Как появилась идея создания «Платформы больших данных»?

Идея развития компетенции по работе с большими данными и создания продуктов на их основе появилась в банке в прошлом году. Стало очевидно, что, помимо внутренней трансформации, которая во многом основана на использовании больших данных, необходимо двигаться вовне, развиваться на конкурентном рынке как с точки зрения применения внешних источников данных,так и с точки зрения их монетизации через готовые сервисы. Изучались разные подходы к решению этой задачи, велись диалоги с лидерами рынка, экспертами в командах партнеров и консультантами. В итоге сложилась та конфигурация, которая существует сегодня, —  стратегическое партнерство с «Ростелекомом». 

-  Как определялась цель  проекта?

Цель проекта — создание лидера российского рынка в области работы с большими данными. Под лидерством подразумеваются как сильные компетенции команды и уникальные продукты, так и достижение жестких KPI по выручке и прибыли на горизонте пяти лет.

- Какова в этом проекте роль  ВТБ  и какова  — «Ростелекома»? 

Изначальная договоренность состояла именно в том, что стороны занимают паритетные позиции во всем. У «Ростелекома» есть серьезные наработки, связанные с технологиями работы с большими данными. Они уже используются во внутреннем контуре компании. Данные технологии можно применять для совместной работы, что позволит адаптировать их под новые задачи, увеличить монетизацию на внешнем рынке.

В свою очередь,  наш банк имеет отличный практический опыт построения алгоритмов машинного обучения, в том числе такого передового направления, как АutoML — автоматического машинного обучения, самостоятельно создающего новые модели. Эти наработки также будут использоваться в совместных проектах. Кроме того, у банка есть широкая сеть партнеров из абсолютно разных областей экономики. Наши бизнес-контакты — это тоже вклад в совместный проект. Конечно, стороны являются инвесторами в равных пропорциях, так как разработки в этой области трудозатратны и имеют значительный срок окупаемости.

- ВТБ и «Ростелеком» — крупные, довольно неповоротливые структуры, а новый игрок рынка данных должен быть инноватором. Что было сделано, чтобы он не унаследовал  нежелательных  качеств материнских компаний?

Специально для СП в марте было зарегистрировано новое юридическое лицо. С самого начала предполагалось создание самостоятельной компании, в команде которой  должны быть  профессионалы рынка, имеющие релевантный опыт работы. В последний год акционеры компании проходят активные фазы трансформации, чему очень способствовала пандемия.

У правления СП есть высокая степень свободы, которая отразилась в амбициозном проекте стратегии. В ближайшие месяцы финальная версия этой стратегии будет защищена, но уже сейчас можно сказать, что бизнес новой структуры опирается на рынок, а не только на материнские компании и партнеров.

- Что по сути представляет собой созданная  платформа? Каков  ее масштаб?

Лучше всего масштаб опишет рынок, на котором предстоит работать «Платформе  больших  данных». Его объем исчисляется десятками миллиардов рублей, и он растет очень уверенными темпами. Если говорить в терминах инвестиций, то стороны планируют совместно инвестировать в эту активность от 1 млрд руб. Масштаб амбиций также можно понять по широкому кругу компаний в периметре банка и «Ростелекома». 

Если говорить о платформе в разрезе продуктов, то планируется развивать четыре больших направления: финансовые продукты, геопространственный анализ, облачную инфраструктуру и рекламные сервисы. При этом нет ограничения по  продуктам: если команда видит потенциально сильный продукт, то его можно добавить в стратегию развития. Самое важное — чтобы этот продукт был востребован клиентами на В2В-рынке.

- Миллиард — серьезная инвестиция. Как оценивается срок ее окупаемости?

Сейчас мы находимся на этапе финализации и готовим защиту  стратегии. Срок окупаемости оценивается достаточно консервативно, что связано со сложностью разработки продуктов и наличием большого числа сильных конкурентов почти во всех сегментах рынка. Однако такое положение вполне соответствует привычному для банка уровню  риска.

- Какие принципы использованы при построении платформы?

Если речь о технологических принципах, то при построении платформы использовался принцип «гибридного» подхода. Отдельные компоненты платформы будут доступны в публичном облаке, это позволит нам быстрее тестировать гипотезы и в целом сократить время вывода продуктов на рынок (time to market). Кроме того, платформа должна обладать всеми передовыми системами обеспечения безопасности хранения и обработки данных. С точки зрения ПО мы делаем ставку на использование решений с открытым кодом и на российские разработки.

- Какие  ИТ-решения вы используете? Чем определяется ваш выбор? 

Наша основная цель — по возможности не использовать «неповоротливые системы» и не зацикливаться на отдельных вендорских решениях.

Компания ориентируется на решения из комплекса OpenStack, такие как Apache Kafka, Airflow, Hadoop, HBASE, Kudu, Ignite, Tableu и прочие. Кроме того,  применяем  ML-технологии Python и библиотеки для работы с данными Pandas и PySpark, библиотеки ML — от классических SKlearn, XGboost, LGBM до DL и графовых библиотек. Но некоторые решения, например управление мастер-данными (MDM), скорее всего, потребуют партнерства с тем или иным вендором.

- Какие данные объединила платформа? Как принимаются решения о включении того или иного источника?

На сегодняшний день тестируются очень разные наборы обезличенных данных, их пересечения, ищется оптимальная конфигурация. В нашем распоряжении уже более 1 тыс. параметров знаний о своей аудитории. Это очень ценные данные, на основе которых можно создавать конкурентные продукты и услуги  для рынка. Обезличенная информация  наших партнеров также  будет использоваться  в работе, если мы достигнем такой договоренности. Решения об использовании тех или иных данных команда «Платформы» принимает исходя из потребностей бизнеса и  в соответствии с текущим законодательством.

- Без стратегического подхода к управлению данными этот проект обойтись не мог. Каковы ключевые элементы стратегии управления данными?

Это верное замечание. Стратегическая цель СП — создать лидера рынка в области разработки и реализации продуктов на основе данных. В этом нас поддерживают  руководство банка и куратор от  правления. Для достижения этой цели необходимо придерживаться нескольких ключевых принципов. Первый из них — открытость: платформа будет доступна для подключения любому игроку, у которого есть такая потребность. Второй —  ориентация на самостоятельную окупаемость проекта. Это не кэптивный игрок, поэтому важна ориентация на рынок и его потребности. Третий  —  принцип центра компетенции по работе с данными. Его наработками может воспользоваться любой из акционеров и даже партнеров. Наконец — безопасность и максимальный охват: данные проходят процедуру мэтчинга  из различных источников на уровне однорангового взаимодействия на уровне единого идентификатора, то есть без прямого обмена семплами между партнерами. Они проходят процедуру обезличивания и преобразования в векторные представления посредством нейросетей. Восстановить  информацию о лицах или компаниях, которым принадлежат данные, невозможно.

- Что уже удалось сделать, какие продукты и сервисы появились?

На текущий момент в пилотно-коммерческой эксплуатации находится «Геоплатформа». У нее ряд серьезных преимуществ перед конкурентами: например, она имеет более 700 слоев геоданных и использует алгоритмы AutoML. Платформа активно проходит пилотную стадию и совершенствуется на основании отзывов от потенциальных клиентов.

- Что находится в разработке?

В разработке находятся продукты из разных сегментов: финансового, рекламного и инфраструктурного. Более точное описание продуктов сможем предоставить позднее, после защиты стратегии. Но уже сейчас можно заявить, что будет предложен новый интересный продукт на рынке рекламы.

В целом же платформа позволит эффективно решать бизнес-задачи в различных отраслях экономики, дополнять текущие цифровые продукты и конкурировать с ними, а также создавать сервисы нового уровня. Например, таким продуктом могут быть различные скоринговые оценки, представляющие вероятность исполнения различных целевых событий — от рисковых событий (вероятность дефолта или фрода),  выявления предпочтений различных продуктов  и  прогнозов  жизненных  ситуаций  до рекомендательных сервисов для различных сфер и областей. Ценность подобного сервиса очевидна:  «Ростелеком»  имеет большой охват как физических, так и юридических лиц, при этом до сегодняшнего дня эти данные не использовались в скоринговых моделях банковского сектора. Повышение качества скоринговых процедур банков  даст возможность  снизить нагрузку на капитал  банков и  тем самым позволит банкам иметь маневр в части снижения стоимости кредитования. Точность скоринга  поможет  повысить лояльность к банкам, а также потенциально снизит бюрократическую нагрузку.

Кроме того, речь  идет  о создании платформы обмена данными и маркетплейса моделей.  Различные компании — от финтех-стартапов до крупных и известных игроков — смогут строить модели на объединенных данных, используя передовые методы машинного обучения в выделенных песочницах  «Платформы  больших  данных». В дальнейшем исполнение моделей будет происходить также в контуре «Платформы» с получением результатов по API для использования  компаниями в их собственных производственных  процессах. 

- Каких финансовых и прочих производственных  результатов   удалось добиться ?

О финансовых результатах говорить пока что рано —  первая выручка ожидается в 2021 году. Самый главный результат сейчас — это готовая стратегия развития компании, которая проходит финализацию перед защитой у акционеров.

- Какое значение может иметь созданная платформа для рынка больших данных и услуг на их основе?

Платформа больших данных — первый уникальный  пример того, как  два больших институциональных игрока договорились использовать деперсонализированные данные для создания продуктов на внешнем рынке, и это без учета близких партнеров и их обезличенных данных. Такие заявления были, но по факту это ни у кого эффективно не работает.

Можно ожидать, что появление «Платформы» подстегнет конкурентную борьбу, от чего в конечном счете выиграет клиент — от небольшой кофейни до национального ретейлера. Время «сидения на своих данных» прошло, рынок активно развивается, и только те игроки, которые обладают достаточными амбициями и уверенностью в своих компетенциях, смогут занять на нем лидерские позиции.

-  Как вы представляете будущее  созданной  платформы?  Что ожидается в дальнейшем?  В каком направлении  она будет развиваться?

Мало кто может заглянуть за горизонт и сказать, какие продукты и технологии будут востребованы в будущем. Однако понятно, что наша платформа создается на принципах гибкости и адаптивности, поэтому при возникновении интересных технологий в области работы с данными она их быстро применит для создания новых решений. Знания о клиентах будут только углубляться, а мы приложим все усилия для того, чтобы предвосхищать их  потребности и  желания и реагировать на них быстрее конкурентов.

Объединение технических гуру и руководителей бизнеса, получившее название BizOps Coalition, ставит своей целью наметить пути преодоления разрыва между инвестициями в технологии и бизнес-результатами. Решить этот вопрос призвана предложенная ими инициатива BizOps Manifesto.

Манифест, опубликованный BizOps Coalition 13 октября, содержит 14 руководящих принципов, которые должны помочь компаниям достичь нужных результатов от проектов цифровизации.

В BizOps Manifesto отражены следующие основные принципы:

— Показателем эффективности реализации инициатив цифровой трансформации являются бизнес-результаты.

— Руководство бизнеса должно принимать обоснованные решения о технологических инвестициях, которые способствовали бы деловому росту, улучшали клиентский опыт, повышали степень вовлеченности сотрудников и максимизировали прибыль.

— Требования необходимо менять часто в зависимости от меняющихся рынка, клиентов и требований бизнеса. Изменения приветствуются даже после начала разработки программного обеспечения.

— Путь к укреплению доверия и уважения лежит через прозрачность, взаимодействие, значимые измерения и общие цели.

Манифест подчеркивает важность «усиления» цифровых решений с использованием средств искусственного интеллекта и машинного обучения, а также повышение качества на каждом этапе процесса создания ценностей цифрового предприятия. Еще одной провозглашенной в манифесте целью является создание инструментов для объединения разобщенных данных и их последующего анализа.

Разрыв между ИТ-организациями и бизнес-подразделениями влечет за собой существенные финансовые потери. Слишком много проектов цифровой трансформации не отвечают провозглашаемым целям, а новые проекты ежедневно запускаются без четкого плана, который гарантировал бы их успех.

Авторы манифеста намерены развивать идеологические основы своих принципов, предоставлять образовательные услуги и делиться передовым опытом разработки и эксплуатации цифровых решений. Те, кто хотят присоединиться к проекту, могут самостоятельно зарегистрироваться на сайте проекта. Принять участие в проекте может любой желающий. В особенности инициаторов проекта интересует вовлечение в него разработчиков программных средств, в том числе, в области DevSecOps.

Стилистика и само название BizOps Manifesto явно адресуется ко временам создания в 2001 году манифеста Agile Manifesto, в котором были закреплены основные принципы гибкой разработки программного обеспечения. По аналогии с тем, как agile-идеология изменило процесс разработки программного обеспечения, BizOps Coalition рассчитывает, что BizOps Manifesto поможет осуществить необходимые культурные сдвиги в процессе цифровой трансформации.

Многие называют роботизацию «костылями», заменяющими полноценную интеграцию систем. Однако, как согласились участники практической конференции «Роботизация бизнес-процессов 2020», организованной издательством «Открытые системы», эти костыли свое место в компаниях найдут и на этой земле след оставят. (Больше о конференции RPA 2020 см. в статьях «RPA 2020: Время роботов наступило» и «RPA 2020: О чем говорят платформы».)

В ходе секции «Опыт», посвященной практике использования систем роботизации, можно выделить несколько ключевых тенденций. Во-первых, компании скорее ориентируются на формирование внутренних компетенций, чем на привлечение услуг интеграторов. Во-вторых, все без исключения признают, что проект роботизации зависит от бизнеса больше, чем от ИТ. И наконец, компетенции в области RPA настолько востребованы на рынке, что очень многие задумываются об их монетизации.

Роботы в экосистеме делового туризма

Юлия Липатова: «Все клиенты бьются за стоимость услуги, но немногие осознают, сколько стоит время сотрудников, организующих командировку»

«Клиенты сами заставили нас думать о роботизации еще до того, как это стало мейнстримом, внедряя SLA – то, что заставляет поставщика сервиса работать быстрее», — заявила Юлия Липатова, генеральный директор агентства делового туризма «Аэроклуб».

Одним из значимых этапов роботизации внутренних процессов стала оптимизация процессов бухгалтерского и налогового учета, управления финансовыми потоками и расчетами с контрагентами, а также регламентированной и управленческой отчетности. В результате удалось роботизировать почти половину всех рутинных операций, а созданная экосистема позволяет на каждой командировке сэкономить до 90 минут рабочего времени. Как отметила Липатова, все клиенты бьются за стоимость услуги, но немногие осознают, сколько стоит время сотрудников, организующих командировку – на это уходят огромные ресурсы.

Не менее важной возможностью, предоставляемой с помощью роботизированных инструментов, стало управление тревел-бюджетом компании. Более того, перевод взаимодействия с клиентами в онлайн и его роботизация привели к тому, что компании начали экономить 10-15% бюджета только за счет того, что их сотрудники более осознанного подходят к выбору опций своих перелетов.

Компетенции ценой набитых шишек

«Важно помнить, что роботизация – это не ИТ-проект, и успех будет полностью зависеть от руководителей роботизируемых подразделений», — подчеркнул Артем Африкян, директор кластера Robotics компании JSA Group, дочернего предприятия «Металлоинвеста». Он поделился уроками, полученными в ходе реализации проекта, резюмировав: «Хорошо, что решили заниматься этим самостоятельно, хотя шишек и набили».

Артем Африкян: «Важно помнить, что роботизация – это не ИТ-проект, и успех будет полностью зависеть от руководителей роботизируемых подразделений»

Примерно год назад в «Металлоинвесте» было решено развиваться в направлении роботизации. Как обычно, пришлось принимать решение: ориентироваться на внутренние ресурсы, которых тогда еще практически не было, или привлекать интеграторов. В итоге стало понятно, что работа с интеграторами обещает быть очень плотной и обойдется довольно дорого. В итоге было принято решение развивать собственные компетенции, попутно создавая команду, готовую заниматься разработкой и поддержкой систем.

По словам Африкяна, благодаря программным роботам удается на 70% сократить долю рутинных операций, разгрузив сотрудников для выполнения более творческой работы. При этом уже в первый месяц деятельности робота проявляются его явные преимущества по сравнению с ручными рутинными процессами: ускоряется процесс обработки обращений в два с половиной — три раза при повышенном качестве обработки. В среднем один робот позволяет на 38-40% сократить время, затрачиваемое на взаимодействие между исполнителями.

Роль бизнеса неоценима

В «Евразийской группе» также не стали нанимать интеграторов при построении своей группировки роботов. По признанию Данияра Кульманова, начальника отдела тестирования, RPA и ALM-систем компании Business&Technology Services, входящей в состав «Евразийской группы», первые роботы делались долго и больно, часто ломались, но за два года подразделению удалось пройти путь от никому не известного отдела до направления, которое ценится на уровне топ-менеджмента.

«Нужно пытаться использовать собственные решения, если это возможно. Покупать все подряд не стоит», — рекомендовал Кульманов. Первые попытки роботизации были начаты в 2017 году с помощью инструментов категории Open Source. Впоследствии для ряда задач все-таки пришлось приобрести коммерческую платформу, которая используется для оперативного решения сложных задач, и сейчас используется комбинация этих подходов.

Особенностью любого промышленного предприятия является обилие людей в цехах. У большинства таких «работяг» нет компьютеров, но это не значит, что нет рутинных процессов или потребности в оперативном вводе данных. Из-за этого параллельно c RPA занялись чатботами – при наличии мобильного телефона это позволяет реализовать концепцию «SAP в кармане».

«Важно, чтобы большинство сотрудников понимало суть роботизации и могло подать идею для оптимизации процесса или даже самостоятельно применить свои знания при разработке робота», — отметил Кульманов. Роль бизнес-специалистов в реализации подобных проектов неоценима: ни один робот не запускался, пока не перешли от традиционных проектных методик к Agile, включив в продуктовые команды бизнес-заказчика.

Сейчас в «Евразийской группе» перешли к проактивному поиску процессов для роботизации. С этой целью создаются команды «детективов», которые проводят собственные расследования и занимаются определенным направлением, глубоко анализируя процессы. Например, сейчас они занимаются закупочной деятельностью.

Фабрика роботизации в РЖД

«Мы ожидаем очень существенный экономический эффект от роботизации процессов – речь идет о миллиардах рублей ежегодно», — заявил Дмитрий Жиденко, заместитель генерального директора и руководитель проектного офиса «РЖД-Технологии». Сейчас проект, который считается в РЖД пилотным, реализуется в рамках ИТ-подразделения – роботизируются рутинные операции Главного вычислительного центра, а число роботов на отечественной платформе Robin составляет несколько сотен. В рамках этого пилотного этапа отлаживается методология и инфраструктура, а со следующего года производство роботов будет увеличено в несколько раз и охватит другие направления.

Дмитрий Жиденко: «Мы ожидаем очень существенный экономический эффект от роботизации процессов – речь идет о миллиардах рублей ежегодно»

«С точки зрения функциональной применимости мы видим эту технологию абсолютно везде: не только в бухгалтерии, кадровой и финансовой службе, но и в основных подразделениях – например, дирекции инфраструктуры, занимающейся обслуживанием путей», — подчеркнул Жиденко. По его признанию, роботы привлекательны тем, что несут явный экономический эффект, причем это быстро окупаемые проекты. В программе цифровой трансформации РЖД есть проекты с окупаемостью более пяти лет, поэтому технологии RPA стали очень приятной частью портфеля цифровых проектов. При этом самый большой эффект заключается не в сокращении персонала, а в ускорении процессов и их стандартизации.

По мнению Жиденко, при массовом производстве необходим конвейер роботов, включающий их полный жизненный цикл – от отбора идей и подачи заявок до ввода в эксплуатацию. Без него быстро создавать роботов не получится. Например, в РЖД заявки на создание роботов проходят через систему Service Desk, в рамках которой каждый сотрудник, номинирующий свой процесс на роботизацию, заносит данные, необходимые для расчета его потенциального экономического эффекта.

В ближайших планах РЖД – интеграция со смежными технологиями: голосовыми помощниками и чатботами. Второе важное направление – экспансия вовне. Созданные роботы уже переносятся в облако, и далее планируется их вывод на внешний рынок.

Роботы руками бизнеса

«Зачем нам нужен RPA? Мы стараемся быть быстрыми – скорость для нас крайне важна, мы уже не в роли догоняющих, а сами формируем тренды на рынке», — обозначил задачи своей компании Дмитрий Гражданкин, руководитель направления сервиса информационных технологий в компании Tele2. Он рассказал историю создания сервиса самообслуживания, при помощи которого бизнес-подразделения самостоятельно разрабатывают роботов.

Дмитрий Гражданкин: «Зачем нам нужен RPA? Мы стараемся быть быстрыми – скорость для нас крайне важна, мы уже не в роли догоняющих, а сами формируем тренды на рынке»

Вариант разработки роботов для бизнеса мало устраивал, ведь у ИТ просто не хватило бы ресурсов на выполнение всех запросов бизнеса. Как известно, бизнес не любит задержек при воплощении в жизнь своих идей. В этом случае правильнее не увеличивать штат разработчиков, а предоставить бизнес-пользователям инструмент для самостоятельного создания роботов, решающих актуальные производственные задачи. Выходом стало создание локальных центров компетенций – подход, который рассматривается многими как будущее роботизации. Конечно, это требовало затрат на обучение персонала, но зато каждое направление смогло самостоятельно расставлять приоритеты, влиять на скорость создания роботов и обеспечивать высокую скорость реакции. Внутри ИТ разрабатываются только очень сложные роботы, которые бизнес-пользователям написать не под силу. Кроме того, ИТ выполняет менторскую функцию, занимается поддержкой и развитием платформы.

«Этот проект стал знаковым для ИТ-департамента – мы сами придумали этот проект и принесли роботизацию бизнесу как готовый сервис», — заявил Гражданкин. Именно поэтому было решено ориентироваться на коммерческие решения: в этом случае важна универсальная платформа, которая позволит предоставить RPA как сервис.

Сейчас в Tele2 создано шесть внешних команд, для которых было обучено 70 человек. На уже созданных в бизнес-подразделениях роботах достигнута годовая экономия 35 млн руб., и еще 27 млн ожидается сэкономить на роботах, созданных до конца этого года. Более того, в долгосрочной перспективе планируется монетизировать созданное решение, используя его не только для внутренних нужд.

Роботизация – это не будущее, а настоящее

«Время роботов уже наступило, для нас их разработка стала рутиной», — констатировал Михаил Верисов, руководитель центра компетенций RPA и инноваций «ММК-Информсервис». Центр компетенций RPA в ММК стартовал в 2018 году с трех человек, реализовавших рискованный пилотный проект в бизнес-процессе, связанном с учетом и оплатой сырья. Это очень сложный процесс, охватывающий несколько подразделений и десяток информационных систем. Параллельно с этим пилотом стартовал масштабный проект с привлечением консультантов по выявлению процессов, пригодных для роботизации, на базе которого была сформирована программа роботизации на ближайший год.

Сейчас в группе ММК работают более 100 «полноценных» роботов, полностью охватывающих какой-либо бизнес-процесс. Одной из особенностей реализуемого подхода является то, что роботы позиционируются не как конкуренты для людей, а как их помощники.

«Мы живем с роботами и постоянно взаимодействуем. Они растут и умнеют: маленькие и простые превращаются в больших и эффективных», — сказал Верисов.

Во многом благодаря этому сейчас бизнес полностью вовлечен в процесс роботизации. Предприятие прошло все классические стадии, с которыми приходится сталкиваться при внедрении новых технологий – от полного отторжения до полной лояльности. Как это часто бывает, те, кто больше всех сопротивлялся, теперь стали главными союзниками и предлагают новые идеи по оптимизации процессов с помощью роботов. Важна непрерывная обратная связь от пользователей, помогающая повышать эффективность системы.

За пару лет центр компетенций вырос до нескольких десятков человек, а его услуги также начали предлагаться на внешнем рынке, превратив его в успешное бизнес-направление.

Предприятиям нужна культурная трансформация, причем не только в рамках ИТ, но и в масштабах всей организации. Только так удастся не противостоять друг другу, а тянуть воз в одном направлении, добиваясь результатов в повышении эффективности. В рамках форума ITMF 2020, проведенного издательством «Открытые системы», вопросам именно таких корпоративных изменений было уделено очень много внимания. (Подробнее о форуме читайте в статьях «ITMF 2020: Цифровая трансформация ИТ становится актуальной тенденцией» и «Управление «новыми ИТ»: меньше общения, выше скорость, больше данных».)

Наибольший интерес вызвало выступление Леонида Новожилова, директора по развитию цифровых технологий «Ростелекома», рассказавшего о переходе от матричной модели управления ИТ к собственной, плоской модели Karma Framework. Она подразумевает,  что,  помимо традиционных ценностей  —  эффективности, гибкости, самоорганизации и  т.п.,  важна и эмоциональная составляющая отношений между ИТ и бизнесом.

Леонид Новожилов: «Лояльность бизнес-заказчиков для нас важнее любых KPI. Забота о них имеет гораздо большее значение, чем  выполнение  формальных  метрик,  и дает гораздо больше»

«Лояльность бизнес-заказчиков для нас важнее любых KPI. Забота о них имеет гораздо большее значение, чем  выполнение  формальных  метрик,  и дает гораздо больше», — подчеркнул Новожилов. Предназначение ИТ-подразделения в компании сформулировано предельно общо и даже философски: быть для бизнеса  лучшей ИТ-командой,  с  которой  ему приходилось работать. Спустя два года трансформационных процессов в компании снизилось давление на ИТ и  сократилось  количество неоправдавшихся ожиданий. ИТ действительно  меняются  к лучшему, и бизнес это видит.

Как отметил Новожилов, хорошая карма дает право на ошибку, а эмоциональное взаимодействие с заказчиками позволяет реагировать на изменения и оперативно менять общую атмосферу. Тем не  менее  Karma Framework  —  это в первую очередь не про отношения с заказчиком и выставление обещаний и ожиданий, а про изменение отношения к делу.

«У нас процесс трансформации безостановочный. Он происходит во  всей  компании, но  ИТ-подразделение  старается лидировать в этом процессе», —  отметил  Алексей Клепиков, вице-президент по ИТ компании «Ингосстрах». Несколько лет назад у бизнеса были претензии к скорости работы ИТ-подразделения, и  эту проблему  стали  решать.  В частности, в результате изменений все показатели ИТ стали доступны в онлайн-режиме, в том числе бизнес-пользователям. Это  стало  лучшей системой мотивации.

Отдельное внимание Клепиков уделил такой теме, как поиск общего языка с бизнес-подразделениями. По его словам, это проблема не только ИТ  —  процесс должен быть двусторонним. «Безграмотность бизнеса надо  “лечить”, необходимо  образовывать коллег. Не только ИТ должны понимать бизнес, но и бизнес должен учиться понимать ИТ, иначе нормального взаимодействия не получится», — уверен Клепиков.

«В отсутствие четких планов с четкими целями на первый план выходит культура работы людей и их способность  к  движению в общем направлении. От этого зависит все остальное», — признал Михаил Петров, директор департамента цифровой трансформации Счетной палаты РФ. Отсутствие планов стало общей головной болью: стратегию можно строить только тогда, когда хотя бы примерно известно, что будет происходить через несколько лет, но сейчас  в этом  не  смогут помочь  даже лучшие футурологи. Приходится принимать решения в условиях полной неопределенности, когда компания не знает своего будущего. Как следствие, невозможно выстроить пакет проектов с четко определенными целями, не работает принцип SMART, дает сбои классическое управление проектами.

Михаил Петров: «В отсутствие четких планов с четкими целями на первый план выходит культура работы людей и их способность  к  движению в общем направлении»

По словам Петрова, сейчас культура управления ИТ находится в сложной ситуации: с одной стороны, есть классический багаж стандартов по управлению сервисами,  а  с другой  —  новые методы управления, способные  привести к полной неразберихе  в  работе ИТ.  Например, в Счетной палате используется «адская смесь Agile и проектного управления»: из проектного управления пытаются удалить все лишние бюрократические процедуры. Тем не  менее  определенных успехов  удалось достичь:  построена гибкая матричная структура, с помощью которой  можно  очень быстро прототипировать и тестировать решения под потребности бизнес-заказчиков.

На цифровом языке

Подходы, используемые в ИТ, все чаще применяются к  остальным — не ИТ-сервисам.  «Цифровая трансформация именно об этом: мы начинаем говорить с бизнесом на языке цифровых сервисов, преобразуя бизнес-процессы», — заявил Андрей Косыгин, ведущий архитектор решений Micro Focus.

Что же еще можно организовать по тем же принципам, которые всем хорошо знакомы? В первую  очередь  это кадровая служба и административно-хозяйственный отдел, юридический отдел, отдел качества и маркетинг. Совершенно не важно, запрашивает пользователь доступ к системе или справку 2-НДФЛ, сломалась мышка или перегорела лампочка, требуется согласование документа или пользователь на сайте банка пишет гневное письмо о работе розничного отдела. Принципы обработки этих запросов схожи. Да и работа основных бизнес-процессов вполне может быть организована по тем же принципам. Это шанс повысить зрелость процессов и повысить их связность.

Косыгин рассказал, как в ходе проекта по автоматизации ИТ-процессов на одном из металлургических  предприятий  кадровая служба, увидев промежуточные результаты, заявила, что «хочет так же». Очень многие, оценив реальную эффективность ИТ, начинают примерять аналогичные подходы на свои возможности и задачи.

Скорость становится ключевым требованием  data-driven-бизнеса.  По словам Романа Шемпеля, эксперта в аналитических решениях и решениях по управлению данными IBM Russia, перед ИТ  стоят  две  ключевые  задачи: предоставлять данные как можно быстрее и  добиться того,  чтобы все бизнес-пользователи были довольны. И здесь на помощь приходит подход DataOps, являющийся следующим этапом развития «озер данных». Как полагает  Шемпель,  в ходе своего развития любая компания все равно придет к DataOps, потому что реализация  сформулированных  бизнесом задач в отсутствие подходящего инструмента происходит очень долго и может занять несколько месяцев.

«Людям всегда не хватало инструментов для реализации своих идей. И лишь в эпоху цифровизации многие технологии по скорости развития стали приближаться к человеческой мысли. Это дает возможность  “переизобрести”  многие привычные подходы к управлению. Это и есть цифровая трансформация», — отметил Никита Кардашин, руководитель отдела развития интеллектуальных систем Naumen.

Никита Кардашин: «Лишь в эпоху цифровизации многие технологии по скорости развития стали приближаться к человеческой мысли. Это дает возможность  “переизобрести”  многие привычные подходы к управлению. Это и есть цифровая трансформация»

Например, «360 градусов»  —  подход, известный из работы с  клиентами  и подразумевающий всеобъемлющий взгляд на объекты. Вполне  возможно  применить его и к ИТ-сервисам, и к остальным процессам, повышая их ценность для бизнеса. Сами процессы также должны стать другими, поскольку в них вовлечено множество участников на разных уровнях. Они перестают быть иерархическими и становятся самоорганизующимися сущностями, в которых сами участники зачастую определяют правила.

Вынужденный стресс-тест, который прошли в этом году ИТ-системы всех организаций, показал, что без реальных изменений в ИТ-службах цифровая трансформация рискует остаться абстракцией. Не случайно одна из основных сессий ежегодного форума IT Management Forum, организованного издательством «Открытые системы», была целиком посвящена практике трансформации управления сервисами в цифровой организации. (Подробнее о форуме читайте в статьях «ITMF 2020: Цифровая трансформация ИТ становится актуальной тенденцией» и «Культурное сближение: без чего невозможна трансформация».)

«Удаленка» остается

Лидер внутренних проектов по улучшению качества ИТ-услуг «Банка Зенит» Наталья Погорелова-Триппель рассказала, как меняются подходы к управлению и инструменты ИТ-службы для обеспечения работы из дома, на каких задачах должен фокусироваться департамент ИТ в этих условиях, а также поделилась планами улучшения управления ИТ-услугами в «новой реальности». «В сложившейся обстановке удаленная работа уже никуда не денется, — уверена она, — и крайне важно своевременно рассказывать пользователям о происходящих изменениях».

Наталья Погорелова-Триппель: «Удаленная работа уже никуда не денется»

Переводя сотрудников на удаленную работу, в «Банке Зенит» в первую очередь начали упрощать интерфейсы системы документооборота, оптимизировать процессы и повышать производительность. При этом фокус сместился на офисные приложения, которые раньше мало использовались. Так, деловые коммуникации сконцентрировались на платформе Microsoft Teams и в корпоративной соцсети Yammer. Также в практику ввели онлайн-обучение работе с самыми востребованными банковскими приложениями. Кроме того, пришлось уделить особое внимание отчетности, поскольку при дистанционной работе резко возросла важность контроля деятельности сотрудников.

Сейчас в банке занимаются развитием внутренних ИТ-процессов, объединяют ранее созданные сервисы и порталы, одновременно перерабатывая их интерфейсы, выстраивают систему онлайн-бронирования рабочих мест в связи с отказом банка от части офисов, а также готовятся запустить направление роботизации бизнес-процессов.

Минимальное общение

Первым опытом трансформации работы ИТ-поддержки и ее результатами поделились сотрудники «Лаборатории Касперского». Они рассказали о внедрении порталов самообслуживания, новых каналов обращений в поддержку, вендоматов, а также об интеграции системы мониторинга и системы заявок.

Заготовка простых форм для сбора первичной информации от пользователей IT Service Desk позволила сэкономить две ставки в ИТ-поддержке и вдвое сократить время ожидания выполнения заявок. Посредством интеграции системы мониторинга и ITSM-системы были автоматизированы рутинные действия дежурного системного администратора, благодаря чему среднее время первичной обработки запросов уменьшилось в два раза еще на этапе пилотирования проекта.

В службе ИТ-поддержки компании заняты 80 сотрудников, которые обрабатывают 2,5 тыс. запросов и и более 7 тыс. инцидентов в неделю.

«Пользователи хотят двух вещей: иметь большую красную кнопку 'Сделать' и ограничить время общения с сотрудниками техподдержки», — отметил Денис Волошин, руководитель отдела экспертной ИТ-поддержки «Лаборатории».

Движение к этой мечте происходит сразу по нескольким направлениям. Пользователям предоставили инструмент, позволяющий им самостоятельно разрешать часть простых инцидентов за 10–15 мин. Раньше время на регистрацию запросов и ожидание в очереди достигало 3 часов. Два вендомата выдают пользователям около 1,5 тыс. устройств в месяц — это более 70% всей мелкой техники и аксессуаров, выдаваемых службой поддержки.

Сегодня в компании формируют модуль машинного обучения для обработки неформализованных запросов пользователей, который будет интегрирован с ITSM-системой.

Максимальная скорость

Максимальная cкорость — приоритет в реализации проекта внедрения ITSM-системы, который сегодня близится к завершению в Государственной транспортной лизинговой компании.

«Быстро и с минимальными затратами внедрить продукт — вот что для нас было важнее всего», — сообщил Антон Жиряк, начальник управления автоматизированных информационных систем ДИТ ГТЛК.

Поскольку быстро кастомизировать предлагаемые на рынке решения невозможно, в компании искали отечественное коробочное решение, в котором уже реализован необходимый процессный подход, а также вендора с максимальным уровнем поддержки и экспертизы. В итоге выбор остановили на Naumen Service Desk Pro.

«Мы хотели использовать лучшие практики, а не пытаться сконфигурировать коробочное решение под себя», — пояснил Жиряк. Вместо долгого проектирования решения в компании сконцентрировались на приобретении навыков самостоятельной работы с ним и теперь уже могут настраивать процессы без привлечения подрядчика. Важным компонентом внедрения стало внутреннее обучение. Сотрудники ДИТ даже задерживались для этого после работы, понимая что внедрение системы позволит им в дальнейшем решать задачи намного быстрее, чем сейчас. Внедрение системы поддержки для 430 получателей ИТ-услуг заняло три месяца, причем половина этого срока была отведена опытной эксплуатации. В результате удалось минимизировать затраты времени сотрудников ДИТ.

«Несмотря на то что проект еще не завершен, уже сейчас мы видим ускорение обработки заявок за сутки», — отметил Жиряк.

Данные для трансформации

«Самое ценное в компании — ее данные, и эту ценность необходимо защищать», — напомнил Ингус Хомка, ведущий архитектор ИКТ-решений компании Tet. Ведь взломать можно любую систему, имея мотивацию и деньги.

«Количество атак стабильно растет каждый год, и свыше 90% из них направлены на финансово-банковские структуры, провайдеров разного рода интернет-сервисов и страховщиков. Между тем более половины компаний не имеют стратегии восстановления своих ИТ-систем после сбоев. Это страшные цифры», — отметил Хомка. И даже те, кто заинтересован в появлении такой стратегии, зачастую не хотят платить за ее реализацию.

Максим Афонасьев: «Трансформация бизнеса невозможна без трансформации ИТ-подразделения»

Другой аспект в отношении важности информационного обеспечения бизнеса затронул Сергей Довгань, технический директор «СДИ Софт». Как показал опыт, полученный им в ходе реализации двух десятков проектов, технические данные об ИТ-инфраструктуре, которыми, как считается, обладает бизнес, на поверку зачастую оказываются устаревшими, некорректными, неполными и практически всегда — недостаточно детальными. В результате случаются казусы — например, обнаруживается отсутствие сервера, на котором согласно мониторингу произошел инцидент. Границы между технологиями, разными доменами управления часто остаются недокументированными, что при каждой аварии порождает задержки и проблемы с ее устранением.

«Назначение нашей системы 'СДИ Базис' — предоставить удобные интерфейсы для прозрачного документирования технической информации, чтобы соответствующие службы могли централизованно получать достоверные данные об инфраструктуре в своей зоне ответственности и на стыках с соседями», — сообщил Довгань.

«Давайте честно признаемся: реальных примеров трансформации бизнеса не так много, — заявил Максим Афонасьев, директор по развитию Axus Group. — Такая трансформация невозможна без трансформации ИТ-подразделения».

Он обратил внимание слушателей на роль анализа данных в процессе трансформации ИТ. Анализируя информацию о незакрытых заявках по инцидентам в разных ИТ-системах, а также о доле критических сбоев, можно оценить не только эффективность работы инженеров, но и размер денежных потерь из-за временной недоступности внутренних ИТ-сервисов.

Аренда вычислительных ресурсов часто считается синонимом экономии на ИТ, причем это подается как непреложная истина. Отчасти это правда: например, если речь идет о сокращении или отказе от капитальных затрат. Но капитальные затраты (CAPEX) – лишь один из параметров экономики коммерческих ЦОДов. Помимо него, существуют множество других факторов, влияющие на итоговую стоимость услуг. Стоит изучить чуть глубже этот вопрос, и мы видим, что аренда мощностей подходит лишь определенной части заказчиков, но далеко не всем из них. Давайте разбираться.

Размер имеет значение

Один из часто встречающихся сценариев: компания выбирает аутсорсинговые ресурсы, если у нее нет средств на строительство собственной инфраструктуры. Это действительно оправдано в большинстве случаев – например, когда нужно модернизировать ИТ, но нет желания инвестировать крупные суммы, беря кредиты в банках под достаточно большие проценты. Или когда нужно запустить бизнес, не тратя время и деньги на непрофильные активы. Однако нужно помнить, что на горизонте пяти лет совокупные затраты на инфраструктуру при аренде часто бывают равны стоимости эксплуатации собственных систем. При этом абсолютно невыгодно использовать этот подход для крупных инфраструктур в сотни физических серверов или 50-100 стойкомест – такие системы, как правило, статичны, и стоимость аутсорсинговых услуг может существенно превысить затраты на поддержку ИТ собственными силами. Наилучший показатель эффективности будет при аренде нескольких стойкомест или инфраструктуры в 250-500 виртуальных машин.

Вывод: ориентируйтесь в первую очередь на параметр совокупной стоимости владения (TCO) и стратегию бизнеса.

Сочетание технологий

С облачными ресурсами ситуация тоже не всегда очевидна. При грамотном подходе можно и в самом деле сэкономить до 30-40% затрат на ИТ. Один из классических примеров – кейс крупного ретейлера бытовой техники: за год компания экономит порядка 20 млн руб. Секрет успеха – грамотное сочетание различных технологий: публичного облака и выделенного оборудования в коммерческом дата-центре. Использование лишь чего-то одного не привело бы к таким впечатляющим результатам. Дело в том, что каждая из указанных схем заточена под конкретную модель потребления. Если системы заказчика работают преимущественно ровно, без скачков нагрузки, их стоит размещать на физическом оборудовании. Если динамика потребления рваная, с непредсказуемыми пиками – лучшим выбором станет облако. Наконец, если в целом можно спрогнозировать изменение профиля нагрузки, что часто бывает у ретейлеров во время проведения акций и «черных пятниц» – гибридная модель подойдет как нельзя лучше.

Вывод: анализируйте реальную нагрузку на ИТ и выбирайте соответствующие типы вычислительных ресурсов.

Тяжелое наследие

Многие компании очень не любят расставаться со старым оборудованием. Примечательно, что это могут быть достаточно крупные организации, которые имеют средства для апгрейда инфраструктуры. По нашей оценке, фактически в любой компании, давно работающей на рынке, есть как минимум несколько аппаратных систем возрастом от 10 лет. Один такой заказчик – российский коммерческий банк – решил поставить архивное «железо» в ЦОД, чтобы проводить на нем различные тестирования. По предварительному расчету для размещения 40 стоек должно было потребоваться 300 кВт/ч в месяц, и набегала весьма круглая сумма за обслуживание. Вместо этого для решения бизнес-задачи было предложено использовать современное оборудование. Ту же мощность удалось уместить в 1,5 блейд-корзины за счет высокоплотной упаковки современных версий аппаратного обеспечения, то есть в меньшую сумму удалось «упаковать» еще и стоимость нового оборудования взамен старого. Результат – сокращение стоимости услуги и повышение качества и гибкости процесса тестирования.

Вывод: архивным системам место в музее, в реальной жизни выгоднее использовать новое оборудование.

Резервирование окупается

Зарезервированные системы стоят заметно дороже недублированных, но отсутствие резерва для бизнеса в целом обходится гораздо дороже. Про это многие забывают либо не хотят брать в расчет. Классика жанра: интернет-магазин размещен в облаке, стоимость аренды ресурсов – 200 тыс. условных рублей в месяц, а потери бизнеса из-за часа простоя – 10 млн руб. При этом инфраструктура не задублирована, так как для этого нужно дополнительно утвердить у финансового директора затраты в размере 300 тыс. руб. Первый серьезный сбой – и ретейлер несет издержки, в разы превышающие стоимость резервной инфраструктуры за целый год.

Другой пример: отказоустойчивую инфраструктуру специалисты компании настроили самостоятельно, но то ли не хватило рук, то ли экспертизы – архитектура работает неэффективно. Например, невозможно организовать постоянную репликацию между двумя площадками. Чтобы исправить ситуацию, придется проектировать все с нуля. Это дополнительные, весьма весомые затраты (они могут составлять два-три месячных платежа за услуги), но вновь построенная инфраструктура окажется в итоге дешевле.

Вывод: на резервировании нельзя экономить, и стоит привлечь грамотных архитекторов к созданию инфраструктуры.

Аутсорсинг оправдан

Многие компании обращаются к коммерческим ЦОДам и облаку, чтобы снять с себя задачу администрирования оборудования. Обычно у них два мотива: первый – нет желания тратить ресурсы на рутинные процессы, второй – недостаточная загрузка на проекте собственных сисадминов. Бывает, что сотрудники тратят всего лишь 5-10% своего времени на поддержку систем во внешнем ЦОДе, но зарплату им работодатель перечисляет в полном объеме. Поэтому привлечение сотрудников провайдера чаще оказывается выгоднее, даже если в качестве инженеров у поставщика услуги работают более высокооплачиваемые специалисты, чем в штате у заказчика. Более того, многие провайдеры автоматизируют клиентские запросы, такие как настройка инфраструктуры, мониторинг и т.д. В выигрыше оказываются все: владелец ЦОДа снижает свои трудозатраты, а вместе с тем уменьшается и стоимость услуги для клиента.

Вывод: аутсорсинг – это в первую очередь про упрощение администрирования собственными силами.

В заключение хочется добавить, что рынок аутсорсинга ИТ-функций сегодня в России уже очень хорошо развит. Любая компания, от небольшого интернет-магазина или аптеки до банка или представительства международной корпорации может найти хорошие решения, которое повысит эффективность ИТ и позволит заниматься профильными задачами, развивая бизнес, а не строить внутреннего интегратора.

Автор – Павел Колмычек, операционный директор «КРОК Облачные сервисы», PKolmychek@croc.ru

Недавно «Ростелеком» перешел от матричной модели управления ИТ к собственной, плоской модели Karma Framework, которая вошла в число лучших мировых практик по оценке Gartner. Ее рекурсивная расшифровка (Karmic, Adaptive, Relevant, Meaningful Approach) подразумевает, что учитываются не только измеримые метрики, но и эмоциональная оценка работы, а сама модель предполагает самостоятельность в принятии решений, формализует самоорганизацию и объединяет лучшие управленческие практики компании. Кирилл Меньшов, старший вице-президент по информационным технологиям «Ростелекома», рассказывает о пути, пройденном в ходе трансформации управления ИТ, и достигнутых результатах.

— Как в «Ростелекоме» пришли к идее о необходимости изменить модель управления ИТ? Какие проблемы привели к этому?

Проблема, которую мы решали, знакома ИТ-руководителю любой крупной компании: все недовольны всем. Бизнес недоволен работой ИТ и качеством сервисов, а ИТ — задачами, исходящими от бизнеса. Мы попытались понять, как с этим справиться.

— В чем суть выбранной модели Karma Framework? Как вы к ней пришли?

Часто приходится слышать, что наши подходы с разделением на круги похожи на холакратию, Agile и т. п. Да, похожи. Но используемый нами набор уникален. Любой повар работает со стандартными ингредиентами — среди них редко встретишь что-то новое, однако при этом блюда получаются разные, авторские. Все, что мы делаем, сродни генной инженерии. Мы берем разные подходы и тестируем их: что-то приживается, что-то нет.

Гибкие методологии хорошо проработаны и зарекомендовали себя в процессе работы в малых группах, но опыта построения больших коллективов пока мало. Наша ключевая находка — инклюзивный подход. Мы пытаемся создать фреймворк, в котором смогут работать все команды с присущими им отличиями. Однако они должны иметь общий язык и культуру и уметь быстро взаимодействовать друг с другом. Мы пошли дальше — к модели самоорганизации команд как внутри себя, так и в отношениях друг с другом.

— ИТ в большинстве обычных компаний — сервисная функция, зачастую второстепенная. У вас, вероятно, она играет бизнес-критичную роль.

Если посмотреть на типичную организацию, где ИТ-департамент является вспомогательным подразделением и не общается напрямую с клиентами, то роль ИТ в ней напоминает роль инженеров в команде «Формулы-1». Работа всех участников команды нацелена на общий успех: если создан плохой болид, на нем не выиграет гонку даже самый хороший пилот, а с плохим пилотом даже самый хороший болид уступит конкурентам. Да, и у нас, и у них вся слава обычно достается «пилотам»: работа ИТ и механиков, готовящих болиды к гонкам, не видна со стороны, но вклад этой внутренней работы в конечный результат бесценен.

— Можно ли отметить какие-то особенности в ходе трансформационного проекта, связанные с критичным значением ИТ для бизнеса?

Было и сложнее, и легче. С одной стороны, высокая критичность ИТ-функции упрощает разговор с бизнесом о бюджетах и проектах, в том числе исследовательских. С другой стороны, гораздо выше ответственность — ведь цена ошибки очень велика. Иногда нам приходится действовать консервативнее, чем это могло бы быть в иных условиях, серьезнее подходить к оценке проектных рисков. Кроме того, приходится работать аккуратно и с точки зрения изменения культуры — чтобы ценные кадры не разбежались.

Но самое главное заключается в том, что в принципе возник спрос на трансформацию, поскольку ИТ имеют крайне высокую ценность для бизнеса.

— Что стало самым сложным в ходе трансформации? На какой стадии она находится сейчас? Что уже сделано, а что еще предстоит?

Еще несколько лет назад можно было просто внедрить ITIL, PMBoK и т. п., но современные модели скорее выращиваются внутри организации. В этом их суть: они позволяют от шаблонных подходов перейти к уникальной модели, подобранной под конкретную организацию. Однако чем более продвинута модель, тем большее отношение она имеет к культуре. Современные модели требуют изменения культуры и философии внутри организации, а также отношения к делу каждого отдельного сотрудника. Все процессы, связанные с культурой, происходят небыстро. В «Ростелекоме» они заняли три-четыре года.

Каждый из четырех этапов, которые мы прошли, — иерархическая модель, Software factory, Product-line, плоская модель Karma Framework — является стабильным, и в нем можно комфортно существовать. Именно переходы из одного состояния в другое являются наиболее проблематичными.

Сейчас мы достигли гомеостаза — устойчивого состояния, которое извне кажется стационарным. Но на самом деле система саморегулируется, реагирует на внешние изменения, и на поддержание такой устойчивости тратится довольно много энергии. Все круги в нашей модели подстраиваются под бизнес, выполняют свои задачи. Например, каждый из них замечательно адаптировался к новой ситуации, связанной с коронавирусом, — им практически не потребовалось внешних воздействий. Это примечательно тем, что в каждом круге такие изменения были различными: одни направления росли, а в других снизилась активность.

— Самоорганизующиеся команды — это высший этап в эволюции ИТ-специалистов?

Самоорганизующиеся команды — это действительно очень непростая история. Она требует больших изменений в отношении людей к делу.

Обычно под этим понимают анархию, но мы в нее совершенно точно не верим. Мы верим в лидируемые команды, где лидер договаривается с членами команды. Каждая команда должна достичь максимальной эффективности в своей экосистеме. Самоадаптация — под заказчика, под технологии, под рынок — является ее важнейшим KPI.

— Насколько эффективны применяемые методики?

Как минимум, они помогли нам в борьбе за кадры: в «Ростелеком» действительно хотят попасть, это особенно касается ИТ-менеджмента высшего и среднего уровня. Хорошие руководители смогут набрать «правильных» лидеров команд, а те, в свою очередь, подберут себе нужных сотрудников, которых, как известно, интересуют задачи и коллектив, в котором придется работать.

— Чем вызван интерес к вам со стороны Gartner?

Самоорганизация команд и адаптивность, эволюционный путь развития — все это действительно интересно. Такой «биологический» подход и привлек внимание аналитиков. Кроме того, все крупные структуры, выращенные в организациях, отличаются и поэтому заслуживают изучения использованных практик.

Но интересна и другая инициатива, не попавшая в сферу интереса Gartner, — она известна как «IT для людей». Когда мы делаем ИТ ярким элементом, участвующим в развитии компании, часто оказывается, что многие сотрудники остаются за бортом этого движения. Наблюдается поляризация ИТ: с одной стороны — цифровые команды, создающие передовые продукты, с другой — множество далеко не столь ярких работников. Если с этим ничего не делать, то ситуация начинает «искрить» и на руководство сваливается масса проблем. «IT для людей» — философия, позволяющая интегрировать в яркую историю всех ИТ-сотрудников без исключения и объединить их с темой эмоционального восприятия ИТ внутри организации. Бизнес-пользователям необходимы эмоции, ощущение того, что кто-то заботится о них, что ИТ-сотрудникам не все равно. Именно поэтому многие при обращении в контакт-центр не любят общаться с роботами — им нужно участие человека и его эмоции. Наш подход как раз и позволяет проявить такие эмоции, дать пользователям ощущение заботы.

— То, что аналитики включили ваш подход в число наиболее интересных практик, что-то значит для вас?

Мы знаем, что движемся в правильном направлении, но для нас действительно важно внимание. Мы хотим найти единомышленников, которые не только занимаются моделями, подсмотренными в книжках, но и сами изобретают новое в своих организациях. Это подобно сообществу open source, развивающему свою платформу.

Наша модель управления состоит из большого количества отдельных небольших практик. И чтобы ее масштабировать, было важно собрать вокруг себя достаточно большое сообщество организаций со схожими подходами для обмена опытом и информацией. Нам совершенно не жалко поделиться своим опытом. Гораздо важнее найти единомышленников, мыслящих сходным образом, у которых можно почерпнуть новые идеи. Возможно, это даст толчок дальнейшему развитию Karma Framework.

Нет ничего удивительного в том, что приложения искусственного интеллекта оставляют за собой углеродный след, определяемый количеством парниковых газов (прежде всего, диоксида углерода и метана), которые искусственный интеллект в процессе своего производства и потребления выбрасывает в атмосферу. На практике обучение моделей искусственного интеллекта требует огромного количества вычислительных мощностей, и некоторые исследователи утверждают, что экологические издержки перевешивают получаемые выгоды. Вероятно, все же, они не только недооценивают преимущества искусственного интеллекта, но и упускают из виду многие способы, которые делают обучение моделей более эффективным.

Парниковые газы – то, что экономисты называют «внешними факторами» – издержки, которые общество в целом несет непреднамеренно, например, в результате неблагоприятного воздействия глобального потепления. Вместе с тем весомый урон наносит нам частный сектор, у которого пока остается слишком мало стимулов воздерживаться от разного рода нарушений. Как правило, коммунальные службы выделяют эти газы при сжигании ископаемого топлива в процессе выработки электроэнергии, питающей ЦОДы, серверные залы и другие компьютерные системы, на базе которых работает искусственный интеллект.

Влияние искусственного интеллекта на уменьшение углеродного следа

В последние несколько лет искусственный интеллект несправедливо считают одним из основных факторов глобального потепления, а потребление электроэнергии в процессе обучения моделей называют чрезмерным.

К сожалению, многие обозреватели используют крайне однобокие формулы вычисления общего углеродного следа, порождаемого искусственным интеллектом. Год назад в журнале MIT Technology Review была опубликована шокирующая статья, в которой исследователи из Массачусетского университета утверждали, что энергия, требуемая для одной модели машинного обучения, приводит к выбросу в пять раз большего объема диоксида углерода по сравнению со средним американским автомобилем.

Подобный способ расчета углеродного следа искусственного интеллекта оказывает этой технологии медвежью услугу. Рискую показаться претенциозным, но все это заставляет меня вспомнить высказывание Оскара Уайлда о том, что «циник – это тот, кто знает цену всему, но не видит ценности ни в чем». Я не ставлю под сомнение выводы исследователей из Массачусетского университета о необходимости вычисления и уменьшения углеродной стоимости для того или иного вида человеческой деятельности. Мне любопытно лишь, почему исследователи не обсуждают вклад (зачастую косвенный), вносимый искусственным интеллектом в уменьшение выбросов парниковых газов.

Если модель искусственного интеллекта обеспечивает постоянный поток действительно действенных выводов на протяжении всего жизненного цикла приложения, она должна генерировать реальные и полезные результаты. Другими словами, многие приложения искусственного интеллекта гарантируют, что люди и системы предпринимают оптимальные действия в самых разных прикладных сценариях. Многие из преимуществ, обусловленных искусственным интеллектом, уменьшают углеродный след, снижая потребность людей в пользовании автомобилем, совершении деловых поездок, занятии дорогостоящего офисного пространства и выполнении других видов деятельности, требующих потребления ископаемого топлива.

Возможно, здесь уместен мысленный «эксперимент коммивояжера». Предположим, что отдел продаж производственной компании состоит из шести человек, и каждому из них компанией предоставлен автомобиль. Если компания внедрит систему автоматизации продаж на основе искусственного интеллекта, которая позволяет одному сотруднику отдела продаж выполнять работу за всю команду – улучшая поиск потенциальных клиентов и оптимизируя маршруты – остальных можно просто уволить, избавившись от служебных автомобилей и закрыв филиалы.

Таким образом, одним махом углеродный след модели искусственного интеллекта, лежащей в основе приложения автоматизации продаж, будет полностью компенсирован за счет устранения парниковых газов, выделяемых пятью автомобилями, и экономии электричества, получаемой вследствие закрытия офисов и отключения оборудования.

О целесообразности решений такого рода можно спорить, но следует признать, что они вполне правдоподобны. Этот мысленный эксперимент показывает, что рост производительности и эффективности, а также ускорение, обеспечиваемые искусственным интеллектом, зачастую приводят еще и к снижению энергетических затрат.

Не собираюсь утверждать, что каждое приложение искусственного интеллекта непременно способствует уменьшению выброса парниковых газов. Но вместе с тем я не согласен с экспертами, высказывания которых приводились в недавней статье Wall Street Journal: «Если бы люди могли видеть истинную стоимость таких систем, у них наверняка возникло бы много вопросов относительно того, стоит ли удобство цифровых помощников, построенных на основе искусственного интеллекта, планетарных затрат на все это». Ситуация здесь чрезмерно упрощается.

Подобные настроения затушевывают тот факт, что многие сценарии искусственного интеллекта, применяемые на практике (например, те же цифровые ассистенты), путем анализа имеющихся данных выдают рекомендации, которые помогают людям правильно выбирать нужные им товары, находить оптимальный маршрут до конечной цели, грамотно управлять своими финансами и т.д. Многие из этих действенных рекомендаций способны оказать влияние – большое или малое – на использование людьми энергии в своих домах, офисах, автомобилях и пр.

Рост энергозатрат за счет обучения искусственного интеллекта может компенсироваться еще большим снижением углеродных выбросов

Многие приложения искусственного интеллекта способны уменьшать углеродный след, компенсируя выбросы, связанные с энергозатратами на обучение базовых моделей. Если искусственный интеллект позволяет эффективно работать, оставляя лишь небольшую часть офисного пространства, встреч и поездок, значит эта технология вносит весьма существенный вклад в борьбу с глобальным потеплением.

Следовательно, углеродная нейтральность приложений искусственного интеллекта вполне может обеспечиваться интенсивным обучением базовых моделей, которые начинают более эффективно справляться с возложенными на них задачами. Хорошо обученная модель искусственного интеллекта, подобно капиталовложениям, в дальнейшем амортизируется по мере развертывания будущих приложений.

Имейте в виду, что даже когда разработчики искусственного интеллекта стремятся повысить точность своих моделей, обучение не обязательно является дополнительным потребителем ресурсов, в который нас заставляют поверить. Перечислим тенденции, которые снижают углеродный след вычислительной нагрузки искусственного интеллекта.

— Многие компьютерные платформы искусственного интеллекта работают на возобновляемых источниках энергии, а не на ископаемом топливе.

— В платформах искусственного интеллекта появляются более энергоэффективные чипсеты, серверы и облачные провайдеры.

— На обучение совершенствуемых моделей искусственного интеллекта тратится все меньше времени и данных.

— В реальные приложения широко внедряются предварительно обученные модели искусственного интеллекта.

— Концепция DevOps применительно к искусственному интеллекту предполагает сравнение энергоэффективности различных моделей.

— Универсальные нейронные сети с максимальной эффективностью могут обучаться на разных видах процессоров.

По мере нарастания этих тенденций в ближайшие несколько лет мы скорее всего увидим значительное снижение углеродного следа, оставляемого искусственным интеллектом. А при усилении соответствующих тенденций конвейеры искусственного интеллекта превратятся в одну из наиболее устойчивых в экологическом отношении платформ в ИТ-вселенной.

Кот в мешке?

Интерес к искусственному интеллекту (ИИ) стремительно растёт: всё больше и больше компаний решаются на внедрение связанных с ним технологий, призванных трансформировать их бизнес к лучшему. Истории успеха, гуляющие по рынку, поддерживают ажиотаж. Однако мало кто находит смелость сказать, что за образом волшебного чёрного ящика, печатающего деньги, скрываются многие проблемы. Производители готовых решений, заинтересованные в продаже своего продукта, равно как и организации-потребители, прошедшие этот путь и теперь отпугивающие своих конкурентов армией умных машин, предпочитают делать акцент на положительных результатах и умалчивать о проблемах. В этих условиях отсутствие у большинства компаний, не прошедших этот путь, глубокого понимания технологии порождает завышенные ожидания, а разочарование может стоить дорого. Со временем, доля таких компаний снижается, а слепой оптимизм заменяется осторожным или даже пессимизмом; опыт открывает глаза на ограниченность применения ИИ и те факторы, которые мешают повсеместному внедрению этой технологии.

Однако мы призываем не терять веры в пользу ИИ, но всё же оценивать перспективы трезво, с «холодной головой». Чтобы помочь разобраться, мы постараемся раскрыть суть проблем, стоящих на пути развития ИИ, и заодно развеять несколько мифов. При этом, под развитием ИИ мы будем понимать не столько совершенствование его «умственных способностей», сколько его проникновение в деятельность организаций.

Лучший друг человека

В последнее время не утихают разговоры о том, что из-за ИИ часть людей потеряет свою работу. Скептики успокаивают, утверждая, что представителям творческих профессий бояться нечего: ИИ не способен создавать что-то новое – нечто, чего он не видел раньше. Разработчики ИИ согласятся, но им известно, что этот аргумент стоит рассматривать несколько шире: на самом деле, любая деятельность содержит элементы творчества, за исключением рутинной, продиктованной строгой инструкцией.

Распознавание лиц или биометрию, например, можно смело отнести к этому классу задач, ведь человек решает эту задачу практически бессознательно, не используя свои аналитические способности; всё, что требуется – наличие в памяти «образцов», с которыми будет осуществляться сравнение видимого образа. Несмотря на технологическую сложность реализации, задачу можно назвать простой ввиду конкретности её формулировки. Монетизация достигается за счёт полной автоматизации этой деятельности.

Аналитические задачи, такие как выявление случаев мошенничества, даются ИИ с большим трудом, так как поведение мошенников регулярно меняется, не говоря уже о том, что само понятие «мошенник» крайне изменчиво, а некоторые сомнительные транзакции могут получить статус мошеннических через долгое время после их совершения. ИИ пока недостаточно умён для того, чтобы самостоятельно ставить собственные решения под сомнения, делать новые гипотезы, проверять их, изменять выборку и затем обучаться заново – активное вмешательство со стороны эксперта в предметной области обязательно. Таким образом, это пример бизнес-процесса, который нельзя отдать целиком во владение ИИ – он может быть лишь помощником для команды профессиональных аналитиков. Монетизация возможна за счёт повышения эффективности работы такой команды.

Искусственный интеллект – помощник человеку, а не вместо человека!

Расходы

Допустим, ваша организация намерена внедрить решение, основанное на ИИ, для автоматизации какого-то бизнес-процесса или помощи в принятии решений. В части доходов всё предельно ясно: сократятся операционные затраты, ошибки, цикл обслуживания и текучесть персонала. Спасибо популяризаторам за эту ясность. Но что с расходами? Реализация такого проекта потребует затрат на приобретение соответствующего оборудования (если, конечно, речь не идёт об облачных сервисах); на приобретение, внедрение и дальнейшее поддержание ПО. Вполне возможно, что текущий «человекоёмкий», теоретически неэффективный процесс окажется выгоднее роботизированного. Но эта мысль, на первый взгляд, кажется абсурдной.

На этом список «абсурдных» статей расходов не заканчивается. Внедрение сложных технологий приведёт к росту (по крайней мере, кратковременному) фонда оплаты труда, так как потребуются высококвалифицированные специалисты, способные поставить технологию «на ноги» и поддерживать её в дальнейшем. Хайп вокруг ИИ и Data Science приводит к росту количества таких специалистов на рынке труда, что увеличивает их доступность, но не стоит забывать о необходимости регулярно обучать их новым технологиям и нюансам предметной области. Опять противоречие: снижение фонда оплаты труда за счёт автоматизации – одна из целей внедрения ИИ; почему мы говорим о его росте?

Следующая проблема касается данных, которых не всегда много, которые не всегда точны и не всегда репрезентативны. Ведь именно наличие таких данных является главным условием работоспособности алгоритмов машинного обучения. Конечно, дефицит данных можно восполнить их приобретением у сторонних организаций или их трудоёмкой добычей руками собственных сотрудников – в любом случае, это можно смело добавить в список потенциальных расходов.

Человеческий фактор

Дополнительные трудности в получении выгоды от применения ИИ возникают в результате недоверия сотрудников к рекомендациям, выходящим из «чёрного ящика». Людям свойственно ошибаться, будучи уверенными в собственной правоте, поэтому они скорее поверят своему опыту, знаниям и интуиции, нежели ИИ, который не способен объяснить собственные решения. В итоге, технология может быть проигнорирована сотрудниками. Поэтому важно регулярно тестировать алгоритмы, что позволит не только выявить и затем устранить их недостатки, но и демонстрировать сотрудникам их эффективность.

Говоря о тестировании, полезно задаться вопросом, насколько его результаты репрезентативны. Как правило, тестирование выглядит следующим образом: создаются условия, приближенные к реальным, в которых алгоритму придётся работать; алгоритм запускается, даёт прогнозы или рекомендации; наконец, рассчитываются показатели эффективности (метрики). Качество работы алгоритма оценивается по значениям показателей эффективности. В чём подвох? Во-первых, условия, в которых происходит тестирование, могут оказаться далёкими от реальности, что не даст объективной оценки. Во-вторых, показатель эффективности выбирается либо разработчиком-математиком, который может не до конца понимать бизнес-процесс и отдавать приоритет математическим метрикам, либо бизнес-заказчиком, который, напротив, может придавать чрезмерный вес одним аспектам работы алгоритма, не учитывая другие. Оптимальный показатель стоит искать на пересечении двух миров, но доля субъективности всё равно останется. Таким образом, выбор методологии тестирования очень важен, и он ложится на плечи разработчика и заказчика – живых людей.

Ещё один из мифов касательно ИИ гласит, что алгоритмы машинного обучения обучаются самостоятельно – только данные подавай. Это не так: некоторые элементы их дизайна, опять же, ложатся на плечи разработчика, на его экспертное мнение. Классическим примером таких элементов являются мета-параметры моделей машинного обучения. Конечно, существуют методы их автоматического подбора, но и в этом случае выбор конкретного метода и его параметров остаётся за разработчиком.

Непрерывная аналитика – новый вызов

Даже тогда, когда собранных данных много и они достаточно точны, риск получить систематическую ошибку сохраняется: старые закономерности могут исчезать, могут появляться и новые. Поэтому алгоритмы необходимо регулярно обновлять, то есть либо запускать процесс обучения заново каждый раз, когда становится доступной новая порция данных, либо делать выбор в пользу алгоритмов, способных «дообучаться». Второй вариант предпочтительнее при больших объёмах данных и необходимости обновлять алгоритм быстро, вследствие чего он активно набирает популярность под термином «непрерывная аналитика» или «потоковая аналитика». Но он и дороже: потребуется мощное оборудование, а возможно, и полный перекрой существующей ИТ-инфраструктуры. При этом от риска систематической ошибки полностью избавиться не получится – то, что мы принимаем за новую закономерность, может оказаться краткосрочной аномалией. Тогда «дообучающийся» алгоритм будет забывать подлинное старое и запоминать ложное новое. Оптимальное решение, как всегда, скрыто в компромиссе: чувствительность алгоритма к новым данным должна быть определена на этапе разработки. Это можно сделать на основе результатов тестирования алгоритма при разных уровнях чувствительности.

Инфраструктура

Наконец, нужно обратить внимание на тот факт, что встраивание ИИ в бизнес-процесс требует инфраструктурных и организационных изменений. Аналитики и математики могут создать многообещающую математическую модель, но ответственность за её внедрение в ИТ-инфраструктуру организации ляжет на ИТ-подразделение. Эта задача не проще создания самой модели, а в случаях, когда системы, в которые предполагается встраивать ИИ, разработаны сторонним вендором, она и вовсе может оказаться неразрешимой. Чаще всего выход удаётся найти даже в тяжёлых случаях, но с некоторыми жертвами – например, с периодическими задержками, сбоями, низкой скоростью обработки. Всё это может снизить эффективность рекомендательной системы или вовсе обречь проект на провал.

Заключение

Подчеркнём, что развитие ИИ определяется двумя факторами: технологическими возможностями и потребностью со стороны бизнеса. Не всё технологически возможное является одновременно и практически ценным. Проблемы, с которыми сталкиваются организации при внедрении ИИ в свои бизнес-процессы, препятствуют его проникновению и дальнейшему развитию. Это не значит, что технология бесполезна и у неё нет будущего – просто от организации требуется системный подход к вводу технологии в эксплуатацию. В частности, обязательные условия успешной реализации подобных проектов – непредвзятая оценка потенциальной выгоды и грамотный план действий, направленный на устранение или облегчение возможных рисков. Разработку такого плана и приведение его в действие разумно доверить команде профессионалов, специализирующихся на разработке и сопровождении решений на базе ИИ. Это позволит снизить неопределённость, связанную со сложностью проектов, и максимизировать выгоду для организации.

Авторы:

• Юрий Сирота, старший вице президент банка УРАЛСИБ, руководитель дирекции искусственного интеллекта и анализа данных, центра компетенций BI

• Андрей Шишов, аналитик данных дирекции искусственного интеллекта и анализа данных банка УРАЛСИБ

Руководители ИТ-служб находятся сегодня под постоянным давлением. От них требуют сокращения затрат, создания инновационных новых продуктов и сервисов, привлечения талантов и даже трансформации бизнес-модели организации. При таком количестве обязательных к исполнению пунктов вопросы восприятия внутренних сотрудников могут отодвинуться в самый конец списка приоритетов ИТ-директора.

Цифровая трансформация заставляет ИТ-руководителя проявлять особое внимание к внешним клиентам, но клиентами ИТ-службы являются также и внутренние сотрудники. А вот внимание к ним, похоже, всегда находилось в нижней части перечня приоритетов ИТ. «Как правило, лучшие специалисты ИТ-службы за такие вопросы не берутся, – отметил технический и ИТ-директор компании Memorial Sloan Kettering Клаус Дженсен. – А между тем, внутренними системами следует заниматься с той же энергией, вниманием, профессионализмом и тщательностью, как и системами, которые мы создаем для наших клиентов. Мы знаем, как построить систему, которой человек будет очень доволен. Но по не слишком понятным причинам не делаем этого для себя самих».

Неудовлетворенность сотрудников ИТ-инструментами может иметь эффект домино, который обернется долгосрочными неудачами и снижением конкурентоспособности. Улучшение же восприятия сотрудников (Employee Experience) окупится повышением уровня квалификации специалистов, эффективности взаимодействия и улучшением общей атмосферы в организации.

Перечислим три шага, которые ИТ-руководитель должен сделать, приступая к формированию у сотрудников позитивного восприятия.

1. Обязательство принять меры

По мнению Дженсена, восприятие сотрудников не улучшится, если вы не возьмете на себя обязательство улучшить ситуацию. ИТ-директора, которые стремятся завоевать значительный вес в своей организации, для того, чтобы стать успешными, должны уделять внимание восприятию сотрудников. Признайтесь, что вам не все равно, и вы готовы потратить время на изменение ситуации в этом направлении.

«Улучшение клиентского восприятия должно стать приоритетом ИТ-руководителя, иначе ничего здесь не изменится», – добавил Ниэль Николайсен, ИТ-директор компании O.C. Tanner, выпускающей программное обеспечение и сервисы для распознвания активности сотрудников.

2. Демонстрируйте регулярный и измеримый прогресс

Для Николайсена достижение прогресса является неотъемлемой частью его регулярных шестимесячных циклов планирования. Ключевые вопросы звучат так: что конкретно мы собираемся сделать для того, чтобы людям и процессам работалось лучше? Кто этим занимается, и как определить, что задача выполнена? И как затем определить, что это работает?

Раз в году вся компания проходит опрос, в ходе которого выявляются области для улучшений. Кроме того, в ИТ-службе проводится отдельный опрос, ориентированный на характеристики высокоэффективных групп.

Дженсен согласен с тем, что пункт, посвященный восприятию сотрудников, должен регулярно присутствовать в плане мероприятий ИТ-директора. В идеале, еженедельно, но Дженсен признает, что даже при тех сильных чувствах, которые он испытывает к этому предмету, в некоторые периоды особой занятости он может уделять внимание восприятию сотрудников «достаточно часто», но не каждую неделю.

3. Станьте лидером в использовании технологий

Николайсен уверен в том, что ИТ-директор несет ответственность не только за будущие направления развития внешних продуктов и сервисов организации, но и за ее внутренние процессы и культуру.

«У вас может быть отличная культура рабочих мест, которая при этом не обеспечивает максимальной производительности, а я хочу иметь и то, и другое, – подчеркнул он. – Это помогает постоянно экспериментировать с улучшением восприятия сотрудников за счет использования инноваций — аналитических, мобильных технологий, виртуальной или дополненной реальности, средств автоматизации процессов.

ИТ-директор занимает в организации уникальное положение с точки зрения руководства использованием технологий, которые помогают сотрудникам стать более продуктивными и сосредоточиться на задачах, наибольшим образом помогающим производить новые ценности.

«Интсрументарий, используемый ИТ-службами, меняется быстрее, чем у кого бы то ни было еще, поэтому именно мы должны служить эталоном, – указал Николайсен. – А уже затем я буду оказывать влияние на остальную часть организации».