Статьи

AIOps (Artificial Intelligence for IT Operations) обещает cэкономить время и усилия ИТ-служб, затрачиваемые на выявление различных неполадок во все более сложной среде, в которой им приходится работать.

Gartner ввел этот термин для описания того, каким образом средства искусственного интеллекта могут применяться для автоматической идентификации возникающих проблем и их устранения.

В настоящее время целый ряд поставщиков платформ AIOps используют технологию машинного обучения для улучшения контроля за операциями, уменьшения числа ложных предупреждений и более точной выдачи прогнозных уведомлений. Эти платформы через API необходимо интегрировать с другими приложениями для повышения эффективности, а также создания независимых от конкретного поставщика аналитических систем, которые объединяли бы существующие разрозненные компоненты.

Типичные сценарии их использования включают в себя постобработку потоков событий, генерируемых средствами мониторинга, организацию двунаправленного взаимодействия с инструментами управления ИТ-сервисами и интеграцию с инструментами автоматизации для более глубокого проникновения в суть происходящего.

Разработка стратегии AIOps

В Gartner рекомендует внедрять AIOps поэтапно. Пользователи обычно начинают применять машинное обучение к мониторингу, операциям и инфраструктурным данным еще до перехода к использованию глубоких нейронных сетей, чтобы автоматизировать работу ИТ-сервисов и служб технической поддержки.

Директор Gartner по исследованиям Вив Бхалла предлагает определить тактические и стратегические варианты использования, позволяющие извлекать выгоду из AIOps, после чего оценить инструменты и поставщиков, которые готовы удовлетворять соответствующие потребности.

«Поэтапные подходы к AIOps обещают быть наиболее успешными, – пояснил Бхалла, выступая на конференции Moogsoft AI Symposium. – Область наших интересов – машинное изучение данных о событиях, а также структурированных данных – представляется мне низко висящим плодом. Если вы знакомы с этой темой, используйте свои знания для расширения применения соответствующей технологии. На втором этапе будет происходить развитие нейронных сетей, поведенческого анализа и данных, ориентированных на языки, причем все это будет осуществляться через автоматизацию сервисных служб. Не вижу ничего плохого в том, чтобы начать с низко висящего плода, а затем уже продвигаться далее».

Бхалла рекомендует выделить время для того, чтобы подготовить отвечающий за функционирование инфраструктуры и выполнение операций персонал к использованию новых технологий, создать центр передового опыта, который организовал бы обмен идеями между различными подразделениями, а затем, начав с малого, быстро продвигаться вперед, оценивая полученные результаты.

«Речь идет не о том, чтобы установить что-то и на этом успокоиться, – подчеркнул Бхалла. – Мы имеем дело со стратегией, с процессом, требующим оценки и развития. Вы ищете новые варианты применения – идеи, о которых, возможно, даже не задумывались раньше».

Предложения вендоров

Бхалла убежден в том, что готовые инструменты AIOps, такие как Splunk IT Service Intelligence и Moogsoft AIOps, станут более популярными, чем решения собственной разработки, поскольку они обеспечивают большую согласованность и позволяют ускорить оценку.

Фил Ти, директор Moogsoft, заявил, что программное обеспечение его компании учитывает изменение потребностей при выполнении ИТ-операций.

«Инструменты AIOps создавались с учетом того, что нельзя априори предвидеть отказы и моделировать свои действия в таких случаях, – пояснил он. – Нужно отказаться от поиска условий отказов вручную и начать использовать данные, которые помогут определить логику поиска неисправностей. Направление AIOps охватывает полный набор операций машинного обучения, науки о данных и искусственного интеллекта».

Платформа Moogsoft AIOps применяет алгоритмы машинного обучения к данным ИТ-систем для поиска возникающих проблем и их устранения. По мнению Ти, главным ее достоинством является возможность обнаружения отказов, которые человек не в состоянии предвидеть.

«Инженеры не делают ошибок сознательно, – пояснил он. – Но сложность ИТ-систем настолько велика, что человеку просто не под силу охватить их в полном объеме и свести все к простому набору правил».

Оператор платежных систем Worldpay, например, обратился к Moogsoft с целью совершенствования традиционных инструментов мониторинга за счет кластеризации событий в ситуациях, требующих вмешательства и выявления их вероятных первопричин, а компания Daimler использует инструменты Moogsoft для предоставления сервисным службам необходимой информации в условиях растущих объемов данных, генерируемых автомобилями.

«Для нас AIOps – это решение, помогающее реагировать на действительно важные события, а не на тысячи событий, регистрируемых нашими инструментами мониторинга», – пояснил ИТ-менеджер группы диагностики подключенных автомобилей Daimler Рюдигер Шмидт.

Что дальше?

Согласно прогнозам Gartner, к 2019 году четверть глобальных корпораций внедрят платформы AIOps, поддерживающие не менее двух основных ИТ-операций.

Ти считает, что популярность AIOps будет расти по мере увеличения объема данных, возрастания сложности систем и повышения интеллектуальности устройств.

«В конечном итоге мы придем к автономной сети, самовосстанавливающейся системе, в которой накопленные знания о возможных причинах сбоев позволят автоматически предпринимать меры для их устранения, – подчеркнул он. – Со временем мы дойдем до того, что будем автоматически оповещать клиентов о сроках восстановления работоспособности системы и о том, каким образом они могут продолжить работу в сложившейся ситуации. Думаю, что в перспективе искусственный интеллект будет в полном объеме поддерживать взаимодействие как с клиентами, так и с устройствами».

«Иногда качество гораздо важнее цены» — примерно так можно описать бизнес-модель Научно-исследовательского и проектного института карбамида (НИИК), занимающегося проектированием и строительством заводов. Именно такой подход помогает получать контракты у зарубежных заказчиков и чувствовать себя уверенно. Однако непрерывно растущие требования рынка к гибкости и качеству услуг заставляют предприятие меняться — все больше становиться ИТ-компанией. В институте не только идет программа трансформации, но и сформирован специальный проектный офис. Иван Смирнов, директор по информационным технологиям НИИК, рассказывает о причинах и следствиях цифровой трансформации в компании и ее влиянии на бизнес.

- Зачем предприятию потребовалась трансформация, почему не жилось по-старому?

Все идет от бизнеса, и правила рынка как раз и диктуют принципиально новые бизнес-процессы. Даже такие организации, как Главгосэкспертиза, уже готовы принимать документацию в электронном виде, и постепенно бумажный документооборот даже в нашей сфере сходит на нет. Все наши документы, знания, данные и работы будут существовать исключительно в цифровом виде, мы полностью откажемся от вороха бумаг.

- Как давно пришли к этому пониманию? Когда программа трансформации была запущена и какие этапы включает?

Иван Смирнов: «С появлением трехмерного проектирования, когда люди одновременно работают над единой цифровой моделью предприятия, они работают совершенно по-другому. Нет бумажной волокиты, отслеживание всех коллизий происходит в реальном времени, все сотрудники, задействованные в проекте, работают без лишней передачи заданий и понимают, что делают».

До сих пор бытует ошибочное мнение, что трансформация началась еще в 90-е годы, когда кульманы стали заменять на компьютеры и использовать первые программы проектирования. Но тогда ничего кардинально не поменялось и все бизнес-процессы остались прежними. Лет восемь назад, когда мы начали создавать промышленный комплекс АМК в Менделеевске, впервые встал вопрос о том, что надо меняться. Вопрос был не только в том, что документация должна выпускаться «в цифре», но и в явных пережитках прошлого, мешающих работе, — «амбарных книгах» при согласовании и выдаче заданий, когда происходили потери документов, оригиналов с синими подписями. Пришли к выводу, что с этим надо что-то делать, искать программные решения, уходить от той заскорузлости, которая шла за нами на протяжении 66 лет существования предприятия.

Мы — одно из первых российских предприятий, занимающееся проектированием, строительством и поставкой заводов под ключ. Это довольно сложный и трудоемкий процесс. До сих пор мы растем и продолжаем меняться. Постепенно приходим к тому, что нужно избавляться от ручного управления, что нужны новые системы.

Как таковая программа трансформации предприятия появилась около четырех лет назад, и мы уже точно представляем, куда движемся. Первая ее стадия — система инженерного документооборота, и это главное, над чем сейчас продолжаем работу. Далее идут система ERP, система договорного документооборота, планирование (оно уже внедрено), трехмерное проектирование — довольно большой пласт работ.

- То есть появление программы трансформации не было связано с бумом на рынке, когда все стали говорить про цифровизацию?

Надо сказать, что у нас это произошло с опережением рынка на год-два. Когда у многих начались активные разговоры, у нас уже шла работа. Когда только начались разговоры о публичных и частных облаках, мы уже использовали облачные сервисы. У нас получается несколько опережать тренды, озвучиваемые на конференциях.

- С чем это связано? В организации есть евангелисты с видением будущего?

Во-первых, нам приходится довольно много взаимодействовать с иностранными лицензиарами — европейскими и японскими компаниями. Видя, как работают коллеги за рубежом, мы начинаем понимать собственные недостатки. Очень важно, когда есть пример для подражания. Компания вкладывает много средств в технологии, причем не просто в ИТ, а именно в интеллектуальность работы с информацией.

- Наверняка реализуемые проекты оцениваются. Каких результатов удалось добиться, чем вы можете гордиться?

Первое и главное — система трехмерного проектирования. Это действительно очень проблемный момент, влияющий на скорость и качество работ: когда люди проектируют в 2D, идет постепенное проектирование от генплана и выше. Трехмерное же проектирование позволяет всем смежным отделам вести работу одновременно. Мы применяем весьма дорогостоящую систему Aveva — практически полное вертикальное решение, используемое всеми службами проектирования. Когда все службы имеют дело с единой базой и происходит сквозное проектирование, работа становится гораздо качественнее. А для нас качество выполнения работ — одно из основных конкурентных преимуществ.

Кроме того, можно упомянуть внедрение системы инженерного документооборота. Здесь важную роль играет уход от «файловых помоек» к нормальному электронному архиву. Это предотвращает потери документов.

- На что это повлияло с точки зрения бизнеса?

Наши позиции на рынке заметно усилились, причем именно благодаря качеству документации. Стали выигрывать больше тендеров, стали иметь возможность поднимать цены за работу. Наши услуги не дешевые, потому что мы предлагаем высочайшее качество. Во многом мы имеем возможность диктовать свои правила.

- Наиболее радикально трансформация проявляется, когда заметно влияет на бизнес, вплоть до изменения бизнес-модели. Что это означает в ваших реалиях?

Основная работа института — проектирование. С появлением трехмерного проектирования, когда люди одновременно работают над единой цифровой моделью предприятия, они работают совершенно по-другому. Нет бумажной волокиты, отслеживание всех коллизий происходит в реальном времени, все сотрудники, задействованные в проекте, работают без лишней передачи заданий и понимают, что делают. Это на самом деле огромное изменение, совершенно новая методология. Сейчас мы разрабатываем правила и регламенты ведения этой новой методологии проектирования. Новая методология сама по себе означает трансформацию компании.

Раньше, чтобы найти ответ на вопрос, почему мы спроектировали именно так, приходилось тратить часы, а теперь достаточно считанных секунд. Возможно, изменения и незаметны извне, но они огромны.

- Выделенная программа трансформации, наличие проектного офиса — очень серьезный подход, который пока используется не везде. Что подвигло к этому?

Проектные офисы у нас вообще повсеместно используются, это стандартный подход. Что касается трансформации, то у нас довольно большая служба ИТ, и я имею право выделять самых лучших и заинтересованных людей в команды, занимающиеся нововведениями. Как показывает практика, именно проектные офисы позволяют наиболее оперативно решать задачи в условиях горизонтального планирования.

- Выделение самых светлых голов под эти проекты не бьет по остальным задачам?

Это не идет в ущерб остальной работе, полностью остальные задачи не снимаются. Но, разумеется, мы договариваемся о компенсации дополнительных усилий.

Иногда происходит замещение новыми кадрами. Например, когда я для внедрения системы инженерного документооборота взял из одной проектной группы лучшего сотрудника, чтобы он 50% своего времени уделял проекту, то компенсировал его студентом. Основные процессы не пострадали, а я приобрёл 50% рабочего времени высококлассного сотрудника, который был и айтишником, и проектировщиком.

- Значимым трендом становится появление в крупных компаниях «цифровых» директоров — CDO. Зачастую это говорит о серьезности подхода. Почему у вас обошлось без этого?

Подозреваю, что мои обязанности во многом совпадают с обязанностями цифровых директоров в тех больших компаниях, имеющих много денег. Мы — полностью частный бизнес, и тратиться на лишнюю должность не считаем возможным. Есть я, и у меня внутри службы ИТ есть ряд помощников, среди которых можно распределить новые роли.

Вопрос правильного распределения ролей действительно важен. Например, ИТ-директору очень сложно совмещать свою роль и руководство службой ИБ. Это действительно должны быть два разных человека, которым придется между собой «воевать». В случае CIO и CDO все не столь очевидно. Мы эти обязанности возложили на одного из начальников отдела и неплохо взаимодействуем, временами меняясь ими. Например, когда мы внедряли ITIL, я был настроен консервативно, а коллега выступал в роли инноватора — CDO.

- Цели трансформации — как быстрые, так и долгосрочные — могут быть различными: повышение эффективности работы, максимально быстрое извлечение прибыли, эффективность коммуникаций, конкурентоспособность, новые бизнес-модели. Что из перечисленного все-таки является наиболее важным для вас?

Эти эффекты невозможно разделять, они связаны между собой. Мы трансформируемся постоянно, и нельзя сказать, что мы были гусеницей, а стали бабочкой. Идет постоянный клубок изменений, трансформаций. Та гибкость, которую приобрела наша компания, позволяет нам работать с такими странами, как Индия, Катар, Иран, и одновременно с Японией и европейскими заказчиками. Как вы знаете, подходы к бизнесу в этих странах кардинально различаются. Сейчас в качестве перспективного рынка рассматривается Латинская Америка. Приходится быть очень гибкими, а это подразумевает постоянную трансформацию.

- Что для вас означает возможность выхода на новые рынки?

Цифровизация дает возможность работы в любом часовом поясе, что для нас очень важно. Мы разрабатываем документацию, и если рабочий день инженера проекта будет на 12 часов отличаться от рабочего дня нашего проектного офиса, то невозможно будет даже провести совещание без системы управления проектными данными, системы документооборота. Именно новые рынки и диктуют потребность в гибкости.

- Типична ситуация, когда изменения поддерживаются на верхнем уровне. Это понятно — без такой поддержки невозможно ничего сделать. Но многие также отмечают либо равнодушие, либо сопротивление на нижнем уровне. Как с этим бороться? Ведь именно от рядовых сотрудников в итоге зависит эффективность работы.

Все годы работы мы не только аккумулируем лучший опыт и экспертизу, но и сталкиваемся с консерватизмом сотрудников. При внедрении новых продуктов людям всегда что-то неудобно. Проблемы были всегда, и они будут только усугубляться, если людей не заставлять учиться.

Подавляющее большинство наших сотрудников — инженеры. В Mitsubishi, например, полагают, что 40% работы инженера — это обучение новому. Мы тоже должны заставлять своих пользователей учиться, в том числе учиться принимать новшества.

Но вендоры и интеграторы обязаны понимать, что их продукты должны быть удобными. Мы постоянно сталкиваемся с тем, что решения, предлагаемые на рынке, в том числе под флагом цифровой трансформации, неудобны и нелогичны. Если вместо одного-двух движений мышью требуется сделать четыре-пять, это сильно отталкивает пользователя от нового. Логика программных продуктов прорабатывается действительно плохо. Отсюда и отторжение: люди загружены сверх меры, и они не склонны осваивать новые системы. Ну а если предлагаемые решения вдобавок еще и неудобные, то сопротивление возрастает многократно.

Бороться можно с использованием административных ресурсов. И могут помочь разработчики. Но вместо этого они выставляют огромные цены за внедрение, консалтинг и обязательную техподдержку. Видя отсутствие альтернатив, компании пытаются диктовать свои правила.

- Важная часть трансформации — изменение корпоративной культуры, которая должна стать цифровой. Возможно ли решить эту проблему или надо просто ждать появления нового поколения сотрудников?

Это поколение уже пришло, «жертвы ЕГЭ» уже стучатся в дверь. Когда на государственном уровне прекратится доминирование бумажных документов, когда мы уйдем от синей подписи, от бумажного паспорта, тогда и произойдет смена культуры. Мы на пути к этому, и когда государственные, бытовые и промышленные сервисы реально перейдут в цифру, все и случится.

Надо радоваться, что портал Главгосэкспертизы для выгрузки документации очень сильно усовершенствовался за прошедший год. В прошлом году нам пришлось загружать 10 тыс. PDF-файлов по одному. Это заняло трое суток. Сейчас они научились принимать документацию пакетно.

- Каким вы видите будущее цифровой трансформации у вас?

Ответ очень прост. Мы начали с 3D-проектирования, внедряем системы управления данными и документацией. В итоге мы хотим получить сквозное «мульти-D»-проектирование и «мульти-D»-строительство завода, когда сможем отследить жизнь любого элемента любой конструкции в любой временной точке. Но это будущее станет таковым, только если программные продукты будут удобными и доступными. А наша компания готова к дальнейшей трансформации.

- Как вы видите свою роль в развитии компании?

Мы понимаем, что уже практически превратились в ИТ-бизнес. Я вижу свою роль в том, чтобы постоянно улучшать качество услуг, предоставляемых нашей компанией. Я — один из механизмов повышения качества этих услуг. Роль ИТ-руководителя уже давно стала очень близка к бизнесу. Технологии все глубже проникают в бизнес; можно сказать, что ИТ поглощают компанию. Это неизбежно по причине того, что все такие нововведения отражаются на заказчиках. Рано или поздно не производственные подразделения будут диктовать свои условия ИТ-отделу, а наоборот.

Вероятно, вы все чаще в последнее время слышите о машинном обучении. Но какие именно задачи позволяет решать машинное обучение?

Существует целый ряд методов и способов, у каждого есть свои возможные применения. Прежде чем бросаться планировать инвестиции в новые инструменты и инфраструктуру, стоит ознакомиться с возможностями, которые они предоставляют. Перечислим описания и особенности вариантов новшества, чтобы помочь не пасть жертвой нынешнего ажиотажа вокруг машинного обучения и искусственного интеллекта.

Способы машинного обучения

Обучение с учителем (Supervised learning)

Этот способ оптимален, если вы знаете, чему хотите научить машину. Вы можете познакомить компьютер с огромной обучающей выборкой данных и варьировать параметры до тех пор, пока не получите на выходе ожидаемые результаты. Затем можно уточнить, чему научилась машина, заставив ее спрогнозировать результат для контрольных данных, с которыми компьютер еще не сталкивался.

Чаще всего обучение с учителем применяется для задач классификации и прогнозирования. Обучение с учителем можно использовать при определении финансового риска частных лиц и организаций на основе имеющихся сведений о прошлой финансовой активности, можно неплохо прогнозировать покупательское поведение с учетом прежних закономерностей.

Обучение без учителя (Unsupervised learning)

При обучении без учителя машина исследует набор данных и выявляет скрытые закономерности корреляции между различными переменными. Этот способ можно использовать для группирования данных в кластеры на основании одних только их статистических свойств.

Хорошее применение обучения без учителя — алгоритм кластеризации, используемый для вероятностного соединения записей. Определяются связи между элементами данных и на основании этих отношений выявляются связи между людьми и организациями в физическом или виртуальном мире.

Вариант особенно полезен компаниям, которым нужно, например, объединить данные из разнородных источников или по различным структурным подразделениям, чтобы построить общую картину клиентуры.

Обучение без учителя также можно использовать для анализа тональности высказываний, чтобы определять эмоциональное состояние людей на основе их постов в социальных сетях, сообщений электронной почты и других записей. Сегодня, в частности, в компаниях, специализирующихся на финансовых услугах, с помощью обучения без учителя все чаще оценивают уровень удовлетворенности клиентов.

Обучение с частичным привлечением учителя (Semi-Supervised learning)

Это гибрид обучения с учителем и без. Разметив небольшую часть данных, учитель дает машине понять, каким образом кластеризовать остальное.

Способ можно применять для распознавания мошенничеств с попытками выдать себя за другого. Мошенничества можно классифицировать как аномалию на фоне обычной активности. Методы машинного обучения с частичным привлечением учителя позволяют создавать модели, распознающие такие аномалии. Соответствующие системы нередко применяются для выявления попыток мошенничеств при онлайн-сделках.

Обучение с частичным привлечением учителя также можно применять в случаях, когда есть готовые наборы частично размеченных данных, что характерно для крупных предприятий. В Amazon, например, улучшили способности цифрового ассистента Alexa понимать естественный язык, обучая алгоритмы искусственного интеллекта на сочетаниях размеченных и неразмеченных данных. Благодаря этому удалось повысить точность ответов Alexa.

Обучение с подкреплением (Reinforcement learning)

При обучении с подкреплением машине позволяют взаимодействовать с окружением (например, сбрасывать бракованную продукцию с конвейера в корзину) и «вознаграждают», когда она правильно выполняет задание. Автоматизировав подсчет вознаграждений, можно дать возможность машине обучаться самостоятельно.

Одно из применений обучения с подкреплением — сортировка товаров в розничных магазинах. Некоторые продавцы экспериментируют с роботизированными системами сортировки предметов одежды, обуви и аксессуаров. Роботы, используя обучение с подкреплением и глубинное обучение, определяют, насколько сильно нужно сдавить предмет при хватании и какой хват будет наилучшим.

Разновидность этого способа, глубинное обучение с подкреплением, хорошо подходит для автономного принятия решений в случаях, когда возможностей обучения с учителем и без недостаточно.

Глубинное обучение (Deep learning)

Глубинное обучение может проходить как без учителя, так и с подкреплением. При глубинном обучении частично имитируются принципы обучения людей — используются нейронные сети для все более подробного уточнения характеристик набора данных.

Глубинные нейронные сети применяются, в частности, для ускорения скрининга больших объемов данных при поиске лекарственных средств. Такие нейросети способны обрабатывать множество изображений за короткое время и извлечь больше признаков, которые модель в конечном счете запоминает.

Этот способ тоже широко применяется для борьбы с мошенничествами, так как улучшает точность распознавания благодаря автоматизации.

Глубинное обучение может использоваться в автомобильной отрасли при выполнении ремонта и профилактического обслуживания.

Методы машинного обучения

Нейронные сети

Нейронные сети имитируют структуру головного мозга: каждый искусственный нейрон соединяется с несколькими другими нейронами. Нейросети имеют многослойную структуру: нейроны на одном слое передают данные нескольким нейронам на следующем и т. д. В конечном счете данные достигают выходного слоя, где сеть выдает предположение о том, как решить задачу, классифицировать объект и т. п.

Нейросети применяются в целом ряде отраслей. В здравоохранении их используют при анализе медицинских снимков с целью ускорения диагностических процедур и поиска лекарств. В телекоммуникационной отрасли и медиаиндустрии нейросети можно применять для машинного перевода, распознавания мошенничеств и предоставления услуг виртуальных ассистентов. В финансовой отрасли их используют для распознавания мошенничеств, управления портфелями и анализа риска. В розничной торговле — для избавления от очередей в кассу и для персонализации обслуживания покупателей.

Дерево решений

Алгоритм дерева решений классифицирует объекты, отвечая на «вопросы» об их атрибутах, расположенные в узловых точках. В зависимости от ответа выбирается одна из ветвей, и так до тех пор, пока не будет достигнут «лист» — окончательный ответ.

Среди применений дерева решений — платформы управления знаниями для клиентского обслуживания, прогнозного назначения цен и планирования выпуска продукции.

В страховой компании дерево решений поможет выяснить, какие виды страховых продуктов и премий лучше задействовать с учетом возможного риска. Используя данные о местонахождении и сведения о страховых случаях с учетом погодных условий, система может определять категории риска на основании поданных требований и затраченных сумм. Затем, используя модели, система будет оценивать новые заявления о страховой защите, классифицируя их по категории риска и возможному финансовому ущербу.

«Случайный лес»

Чтобы одиночное дерево решений давало точные результаты, его нужно обучать, алгоритм же случайного леса (random forest) использует «комитет» случайным образом созданных решающих деревьев с разными наборами атрибутов и дает возможность им проголосовать, чтобы выбрать самый популярный класс.

Случайный лес — универсальный, быстро обучаемый механизм для обнаружения связей внутри набора данных. В пример можно привести нежелательные массовые рассылки, создающие проблемы не только пользователям, но и провайдерам Интернета, которым из-за спама приходится иметь дело с повышенной нагрузкой на серверы. Для борьбы с проблемой были разработаны автоматизированные методы фильтрации спама, которые с помощью ансамбля решающих деревьев быстро и эффективно определяют нежелательные письма.

Среди других применений — диагностика заболеваний путем анализа медицинской карты пациента, распознавание банковских мошенничеств, прогнозирование числа звонков в колл-центрах и прогнозирование вероятности прибыли и убытка при покупке определенных акций.

Кластеризация

Кластеризация — это группирование элементов данных, имеющих сходные характеристики, с помощью статистических алгоритмов. Это метод обучения без учителя, который можно использовать для решения задач классификации.

Примеры: сегментирование покупательской аудитории в зависимости от характеристик для уточнения адресации маркетинговых кампаний; рекомендации новостей конкретным читателям; помощь в работе правоохранительным органам.

Кластеризация также действенна, когда в сложных наборах данных нужно обнаружить группы, которые трудно заметить без специальных средств. Примеры — от группирования похожих документов в базе данных до обнаружения по криминальным новостям территорий с повышенным уровнем преступности.

Поиск ассоциативных правил

Поиск ассоциативных правил — это метод обучения без учителя, позволяющий находить отношения между переменными. Используется в движках выдачи рекомендаций — именно этот метод применяется во многих интернет-магазинах для составления фразы «Вместе с этим товаром обычно покупают...».

Конкретный пример — повышение продаж в магазине деликатесов. Изучив покупательское поведение путем поиска ассоциативных правил, можно предлагать специальную упаковку и наборы для праздников и других особых случаев. Ассоциативные правила позволяют выяснить, когда и при каких обстоятельствах покупатели приобретают те или иные сочетания товаров. Используя сведения о прошлых покупках и времени их совершения, можно составить программу скидок и сформировать индивидуальные предложения с расчетом на повышение продаж.

— Bob Violino. Machine learning: When to use each method and technique. InfoWorld. SEP 6, 2018

Искусственный интеллект и машинное обучение меняют производственную отрасль. Согласно отчету, опубликованному Всемирным экономическим форумом, сочетание искусственного интеллекта, передовых роботов, аддитивного производства и Интернета вещей приведет нас к четвертой индустриальной революции.

Большинство производственных компаний (80%) ожидают от достижений в области искусственного интеллекта позитивного эффекта. Прогнозируется рост оборота на 22,6% и снижение затрат на 17,6%.

Технологии искусственного интеллекта и машинного обучения уже сейчас используются на производстве для уменьшения простоев оборудования, выявления производственных дефектов, совершенствования цепочек поставок и сокращения сроков проектирования. Однако нехватка квалифицированного персонала, необходимых данных и стандартов мешает многим компаниям продвигаться в этом направлении.

General Electric на переднем крае

Компания General Electric находится в авангарде промышленной трансформации. Производственный спад в отрасли стал для компании хорошим стимулом к изучению возможностей искусственного интеллекта.

«До 2010 года рост производительности труда у нас составлял 4–5%, — отметил вице-президент компании по исследованиям в сфере программного обеспечения Колин Пэррис. — Но затем ситуация в отрасли изменилась. Опытные инженеры увольнялись, а в новых регионах, в том числе в Индии и Китае, компанию представляли главным образом молодые работники».

Между тем клиенты становились все требовательнее. Появлялись новые маршруты, а сложные погодные условия и загрязнение воздуха отрицательно отражались на выпускаемых GE реактивных двигателях. Стало крайне необходимо повысить их надежность и сократить простои в работе.

К тому же клиенты ожидали и дальнейшего снижения цен.

Чтобы добиться всего этого, в GE решили обратиться к искусственному интеллекту и машинному обучению. Начать было решено с сервисов, предоставляемых клиентам, — обслуживания реактивных двигателей и турбин. Затем компания стала применять искусственный интеллект на внутреннем производстве, а потом — в проектировании и внутренних процессах, в том числе при выполнении операций в ЦОДе и работе с кадрами.

«Различные модели и формы анализа в сервисах мы используем по меньшей мере на протяжении последних 10–15 лет, — указал Пэррис. — Пять лет назад GE начала применять машинное обучение и цифровых двойников, которые виртуально моделировали работу части оборудования (например, ветряной турбины) или комплекса (ветряной электростанции)». Цифровые двойники могут найти применение при моделировании работы сборочной линии, всей фабрики или процесса закупок.

В компании GE цифровые двойники (Digital Twin — программный аналог физического устройства, моделирующий внутренние процессы, технические характеристики и поведение реального объекта в условиях помех и воздействия окружающей среды. Для задания на него входных воздействий используется информация с датчиков реального устройства, работающего параллельно. — Прим. ред.) использовались для моделирования эффективности, предсказывания сбоев и быстрого тестирования потенциальных улучшений.

«Мы можем прогнозировать, какие детали выйдут из строя, и у нас есть нужные инженеры и запасы необходимых комплектующих, — отметил Пэррис. — Мы способны увеличить сроки эксплуатации самолетов, не прибегая к техническому обслуживанию, в котором нет необходимости. Благодаря этому нам удалось сэкономить клиентам миллионы долларов».

Дополнительным преимуществом цифрового двойника любого оборудования, системы или процесса стало использование GE аддитивного производства (трехмерной печати) для создания индивидуальных компонентов. Компания перестала заказывать запчасти, которые требовали организации масштабного производства на традиционных сборочных линиях.

«Машины изнашиваются по-разному, — подчеркнул Пэррис. — Аддитивное производство позволяет выпускать запчасти в единичных экземплярах, обеспечивая устранение неисправностей отдельно взятой машины, эксплуатируемой в конкретной среде. Нам больше не нужно строить огромные фабрики, которые будут производить массу запчастей исходя из усредненных потребностей, — раньше на строительство таких фабрик уходили сотни миллионов долларов. Теперь я печатаю нужную мне деталь и могу постоянно адаптировать как тело машины, так и ее мозг. У меня появляется машина, которую можно непрерывно адаптировать для достижения все более высокой эффективности — машина, которую мы называем бессмертной».

Многообещающая прогнозная диагностика

Другие производители также намерены использовать искусственный интеллект и машинное обучение, чтобы сократить затраты и повысить эффективность.

Международная компания Jabil, оказывающая услуги по контрактному производству электроники, несколько месяцев назад начала использовать искусственный интеллект для прогнозной диагностики и выявления производственных дефектов.

На одной из ее фабрик в Китае были установлены машины оптического контроля с несколькими камерами, способные выявлять дефекты в печатных платах.

Базовая технология распознавания образов уже применяется для обнаружения неисправностей, но 35–40% плат, помечаемых системой и направляемых операторам для изучения, на самом деле не имеют никаких дефектов.

«Операторам дается всего две секунды на каждое изображение, но сложность в том, что некоторые платы имеют довольно большие размеры и состоят из сотен компонентов, — рассказывает старший менеджер компании Райан Литвак. — Нам приходилось полагаться лишь на опыт и интуицию операторов».

Уменьшив число помечаемых плат без ущерба для точности, Jabil сможет предоставить операторам больше времени для изучения проблемных плат или выполнения других, более важных задач.

«Нам удалось добиться по-настоящему хороших результатов — довести долю отобранных плат, имеющих реальные дефекты, до 93–98%, — подчеркнул Литвак. — Число отобранных компонентов, у которых не было дефектов, сократилось на 70%».

Концепция подтвердила свою жизнеспособность на двух производственных линиях с одинаковым оборудованием и процессами. Теперь в Jabil намерены перенести полученный опыт и на другие линии с увеличением объемов обрабатываемых данных и интеграцией нового процесса принятия решений.

Еще одной областью, на которую нацелена компания, является прогнозная диагностика. Здесь основная задача — это получение необходимых данных.

«В компании используется много разных систем, много разного оборудования, ­— указал Литвак. — В каком-то имеются собственные системы обслуживания, в каком-то — нет. Некоторые поставщики ведут учет техобслуживания посредством электронных таблиц, другие же используют для этого системы собственной разработки».

Исследователи данных Jabil занимаются нормализацией этих данных и в сотрудничестве с экспертами Microsoft создают модели глубинного обучения, которые нужны для прогнозирования сбоев оборудования.

Согласно результатам исследования McKinsey, прогнозная диагностика промышленного оборудования с использованием искусственного интеллекта позволяет сократить ежегодные затраты на техобслуживание на 10%, уменьшить продолжительность простоев на 20% и снизить затраты на проведение контроля на 25%.

«В последние месяцы мы видим немалый интерес к экспериментальным проектам с конкретными сценариями использования искусственного интеллекта, — отмечают в McKinsey. — Особенно это касается использования компьютерного зрения и информации, собранной датчиками для проверки качества и прогнозной диагностики. В настоящее время в нескольких компаниях идет внедрение таких приложений компьютерного зрения на основе искусственного интеллекта, и стоит отметить, что они открывают потрясающие возможности. Но компаниям, чтобы получить реальную практическую отдачу, нужно быстро переносить из экспериментальных систем накопленные знания и трансформировать искусственный интеллект для конкретных функций и процессов».

Вопрос точности

Компания Lennox International, выпускающая системы вентиляции, отопления и кондиционирования воздуха, только приступает к использованию средств распознавания образов для выявления производственных дефектов.

«Уровень точности здесь значительно выше, чем у человека, — отметил директор компании по ИТ и развивающимся технологиям Сунил Бондалапати. — Уже сейчас нам удалось повысить точность примерно на 20%. И мы рассматриваем это приложение не с точки зрения оптимизации численности персонала, а с точки зрения увеличения точности».

Lennox предоставляет своим клиентам оборудование в аренду, и для этой компании, как и для General Electric, улучшение техобслуживания имеет очень большое значение.

Сегодня оборудование для вентиляции, отопления и кондиционирования воздуха передает данные о параметрах функционирования в облако. Каждый час генерируется около 8 млн новых записей.

Внедрение средств искусственного интеллекта позволит компании прогнозировать сбои оборудования в реальном времени, что раньше считалось невозможным.

«Здесь-то и вступает в действие искусственный интеллект, — пояснил Бондалапати. — Можно восстановить контекст работы оборудования, скажем, двухлетней давности — как оно функционировало при температуре 40°С и определенной влажности. Какова была его эффективность тогда и какова эффективность сейчас».

К реализации проекта в Lennox приступили несколько месяцев назад. Первые результаты оказались весьма неплохими.

Уже сейчас затраты Lennox на вычислительные системы и средства хранения удалось сократить наполовину. При этом для консолидации данных используется технология DataBricks.

Еще одной областью применения искусственного интеллекта в компании является финансовая сфера. Например, расчет бюджета, закладываемого на исполнение компанией своих гарантийных обязательств.

Бондалапати подчеркнул: «Сегодня благодаря средствам искусственного интеллекта мы можем прогнозировать сроки службы каждого из компонентов с подачей в гарантийную службу заявок на формирование соответствующих запасов. Причем сведения эти ежедневно корректируются с учетом новых данных». Ожидается, что общий объем поддерживаемых запасов удастся сократить на 10%.

Искусственный интеллект в Lennox используется и для бухгалтерских задач.

«В гроссбух заносятся миллионы записей, — пояснил Бондалапати. — Человеку просто не под силу отследить все ежедневные проводки. Вместе со своей командой я ищу возможности применения искусственного интеллекта в интересах бизнеса. В этом смысле мы похожи на внутреннюю консультационную организацию. Мы постоянно продаем свои консультационные услуги. Всякий раз мы предлагаем опробовать какие-то новые сценарии. Lennox еще только втягивается в игру искусственного интеллекта. В таких отраслях, как наша, путь искусственного интеллекта непрост и требуются реальные результаты, чтобы изменить отношение скептически настроенной аудитории».

Встраивание искусственного интеллекта в процесс проектирования

Сотрудники исследовательского центра Xerox в Пало-Альто (Palo Alto Research Center, PARC) пытаются справиться с проблемами отсутствия необходимых знаний и данных на чрезвычайно сложном и трудоемком этапе проектирования производственного процесса. Именно в PARC появились такие инновации, как лазерная печать, объектно-ориентированное программирование, графический пользовательский интерфейс, оптические средства хранения данных и многие другие технологии.

«Искусственный интеллект способен учесть функциональные требования, затраты, требования регулирующих органов и производственные ограничения и предложить решения, которые человеку даже не придут в голову», — отметил вице-президент Xerox по научно-исследовательской работе Эрсин Узин.

После того как эскиз готов, сотрудники центра приступают к разработке технологии создания объекта с использованием субтрактивных и аддитивных производственных методов и учетом несовершенства существующих конструкций и производственных технологий.

«Производство — это та область, где физические возможности сильно отличаются от того, чем можно управлять при помощи программного обеспечения, — указал Узин. — У нас есть новые потрясающие материалы, новые аддитивные производственные технологии, гибридные производственные машины. Но используемое программное обеспечение отстает от имеющихся материалов и инструментов на целое поколение. У нас есть машины, позволяющие организовать аддитивное и субтрактивное производство прямо сейчас, но вы не можете создать проект для такого производства. Все приходится выполнять вручную, но при организации сложного производства это выходит за рамки когнитивных возможностей работающих там людей».

«При разработке инструментов проектирования, которые поспевали бы за темпами изменений в науке о материалах и производственных технологиях, в них необходимо встраивать средства искусственного интеллекта», — заявил руководитель одного из подразделений PARC Саи Нелатури.

Сотрудники PARC работают над созданием стандартов и протоколов, обеспечивающих взаимодействие всех разобщенных систем производственных предприятий, а также над созданием алгоритмов на основе искусственного интеллекта для оптимизации энергопотребления, пропускной способности, повышения эффективности и безопасности.

«Непосредственной реализацией технологии в PARC не занимаются, — сообщил Узин. — Мы являемся инновационным партнером и технологическим провайдером. Проектируем технологии, доводим их до стадии прототипа и ищем партнера, который займется их выводом на рынок».

Сегодня PARC сотрудничает с крупными и мелкими производственными компаниями, которые тестируют технологии и выводят их на рынок.

«Технологии искусственного интеллекта помогают небольшим и средним производителям поддерживать свою конкурентоспособность на должном уровне и возвращать рабочие места в США, — добавил Узин. — А вокруг уже сложившейся экосистемы происходит формирование новых рабочих мест».

Главные ограничения искусственного интеллекта: опыт и данные

Машинному обучению и расширенной аналитике отводится важная роль в прогнозной диагностике и других аспектах производственного процесса.

Результаты недавнего исследования, проведенного PricewaterhouseCoopers, показывают, что 78% производственных компаний уже развернули или планируют развернуть у себя технологии прогнозной диагностики. Далее следуют системы управления производством (73%), цифровые двойники (60%) и автоматизация с использованием роботизированных процессов (59%).

Об использовании искусственного интеллекта или о планах такого использования упомянули только 29% опрошенных. В PwC объясняют это необходимостью выхода за рамки машинного обучения и расширенной аналитики для принятия независимых когнитивных решений.

Сегодня основное внимание уделяется технологиям встроенного искусственного интеллекта и машинного обучения, позволяющим сократить затраты, отмечают в PwC. Некоторые из этих технологий помогут компаниям увеличить масштабы и вывести эффективность на новый качественный уровень.

В PwC также отмечают, что клиентский спрос и давление со стороны «разрушителей» сложившихся устоев заставляют производственные компании меняться.

Однако технология еще не обладает той зрелостью, которой хотелось бы ее пользователям. А нехватка знаний в области искусственного интеллекта и полезных данных становится дополнительным фактором, сдерживающим ее продвижение.

Результаты опроса PwC показали, что 52% производственных компаний, внедряющих у себя средства искусственного интеллекта, главным препятствием считают отсутствие квалифицированного персонала, а 42% — отсутствие необходимых данных.

— Maria Korolov. How AI is revolutionizing manufacturing. CIO. September 6, 2018

НПО «Энергомаш» им. академика В.П.Глушко, входящее в госкорпорацию «Роскосмос», ведет свою историю с конца 20-х годов прошлого века и является главным поставщиком ракетных двигателей для ракет-носителей не только российского, но и зарубежного производства. На двигателях НПО «Энергомаш» был запущен первый спутник Земли, отправился в космос первый космонавт Юрий Гагарин, запущены космическая система «Энергия-Буран», а также американские РН Atlas и РН Antares. Сегодня НПО «Энергомаш» — это конструкторское бюро, высокотехнологичное производство и мощный испытательный комплекс, а кроме того, предприятие выполняет роль управляющей компании интегрированной структуры ракетного двигателестроения.

НПО «Энергомаш» развивается динамично, но не собирается почивать на лаврах и декларирует курс на цифровую трансформацию. Для чего этого делается и какие задачи предстоит решить, рассказывает Денис Савенков, заместитель генерального директора НПО «Энергомаш» по развитию информационных технологий.

— Что включает в себя стратегия цифровой трансформации НПО «Энергомаш»?

Денис Савенков: «Нужно везде относиться к своей деятельности с точки зрения экспериментов, инновационности и понимать, что если стоять на месте, то тебя просто выкинут на обочину конкуренты»

Наша стратегическая цель — внедрение на предприятии цифрового производства к 2020 году. Что под этим подразумевается? Полная цифровая разработка, проектирование изделия и его изготовление. Для этого мы должны максимально автоматизировать станочный парк и организовать контроль за исполнением технологических процессов.

Еще одна важная задача — создание цифрового двойника изделия. С рождением 3D-модели на этапе проектирования у каждого двигателя появляется свой цифровой двойник, который собирает всю информацию о нем на протяжении его жизненного цикла, включая эксплуатацию. Это делается, чтобы в цифре иметь абсолютно все параметры для моделирования и анализа отклонений. Таким образом, ракетный двигатель полностью переносится в «матрицу».

— А каковы основные этапы и проекты реализации этой стратегии?

Прежде всего это масштабные проекты внедрения систем PLM и ERP. Ключевое в них то, что проекты начаты, реализуются и должны быть одновременно завершены за два-три года, одними и теми же людьми. 15 функциональных направлений в ERP, восемь направлений в PLM, системы управления технологическими процессами, электронного документооборота, управления проектами, данными и множество других подсистем. Их синхронизация по срокам, ресурсам, финансам представляет для нас наибольший вызов, поскольку, когда десятки направлений друг от друга зависят, колоссально усложняется управляемость процесса. Также задачи цифровизации подразумевают формирование штатных оргструктур, вовлечение и мотивацию персонала на инновации и эксперименты, формирование «цифровой» корпоративной культуры, новых технологических процессов.

— Если системы PLM и ERP закладывают основу цифрового предприятия, они должны быть между собой сильно интегрированы?

Конечно. Это, по сути, единая платформа.

— В чем же принципиальное отличие этих проектов от автоматизации производственного предприятия? Говоря о цифровой трансформации, подразумевают новые бизнес-модели, новые продукты, новый пользовательский опыт. Повлечет ли реализация этих инициатив коренные изменения в том, как НПО «Энергомаш» работает, что выпускает на рынок и как на рынке позиционируется?

Ракетно-космическая отрасль не может полностью уйти в цифру и онлайн, как это, скажем, реализовано в банковском секторе. У нас очень большую роль играют правила и регламенты, которые устанавливались многими десятилетиями, и выполнение их требований так просто в «цифру» не переведешь. Но сделать цифровизацию по максимуму возможно. И это не просто автоматизация, а создание новых бизнес-процессов, которые без «цифры» не реализуемы.

К тому же, помимо основных процессов, у промышленного предприятия есть вспомогательные сущности — обеспечение безопасности, повседневная жизнь персонала, различные обслуживающие процессы, где цифровизация позволяет привнести много нового и некоторые процессы трансформировать. Например, в информационной безопасности активно применяется искусственный интеллект для детектирования атак, выявления инцидентов и отклонений в поведении людей.

— Невозможность перевести в цифру существующие регламенты — это бюрократия, которая тормозит отрасль, или объективная необходимость?

Это бюрократия в хорошем смысле слова. Это управление рисками. Космос — очень высокорискованная отрасль, поэтому многочисленные испытания и приемки, контроль со стороны Минобороны и жесточайшие регламенты иностранных заказчиков — объективная необходимость.

— Почему предприятию вообще нужна цифровизация на данном этапе?

Цифровая трансформация необходима, чтобы ускорить вывод на рынок новых изделий, сократить затраты на их производство и повысить качество выпускаемой продукции.

— Вы находитесь в конкурентной среде — на внутреннем рынке и на внешнем?

Поскольку в интегрированную структуру под эгидой НПО «Энергомаш» будут включены ведущие предприятия ракетного двигателестроения, то в России у нас ни с кем прямой конкуренции нет. Но мы достаточно сильно влияем на конкурентоспособность самой ракеты-носителя, так как стоимость двигательных установок — это примерно 40% от ее общей стоимости. И во всем мире ситуация аналогичная. В настоящее время Россия остается одним из мировых лидеров по количеству пусков. Терять эти позиции нельзя, а чтобы их удержать, надо в первую очередь заботиться о качестве и конкурентоспособной цене ракет.

— А какова роль цифровизации в разработке новых изделий?

Новый вызов в ракетном двигателестроении — создание ракетного двигателя на другом виде топлива: метане или водороде. Разработка таких двигателей с заданными требованиями возможна только с помощью принципиально новых инструментов проектирования, в том числе с использованием платформы PLM.

— Как осуществляется цифровизация в интегрированной структуре? Процессы идут на всех предприятиях одновременно?

Головным предприятием интегрированной структуры является НПО «Энергомаш», действующее промышленное предприятие, поэтому все решения мы обкатываем здесь, а когда в 2020 году сделаем его цифровым предприятием, начнем тиражировать опыт на все дочерние общества. Они во многом схожи, но есть и специфика — региональная, ментальная, и это накладывает отпечаток на их уровень развития, в том числе в ИТ-сфере.

— НПО «Энергомаш» участвует в международной кооперации. Чувствуете ли вы отставание по цифровизации от западных партнеров?

В целом мировая космическая отрасль довольно закрытая, и у нас не очень много информации о ситуации у конкурентов. Но наши заказчики — ракетчики, в том числе американские, — достаточно высоко отзываются о состоянии и развитии процессов и их автоматизации в российском двигателестроении.

— В проекте ERP вы пошли по пути импортозамещения, выбрав «Галактику». Почему?

Мы хорошо знаем SAP, решения компании работают у нас на пермском «Протон-ПМ». Очень внимательно изучали «Галактику», другие платформы и пришли к выводу, что функционал «Галактики» больше всего отвечает требованиям на ближайшие годы в рамках всего холдинга.

— Находит ли отражение в вашей стратегии госпрограмма «Цифровая экономика»?

Формально мы акционерное общество, поэтому напрямую не задействованы в первом эшелоне реализации госпрограммы. Но активно участвуем, например, в инициативе Минэкономразвития по внедрению на предприятиях с госучастием позиции руководителя цифровой трансформации (Chief Digital Officer, CDO). НПО «Энергомаш» входит в число 20 пилотных организаций по реализации этой инициативы.

— И у вас уже есть «цифровой» директор?

Мы приняли решение пока совмещать эту должность с позицией ИТ-директора, то есть руководителем цифровой трансформации в НПО «Энергомаш» являюсь я. После апробации, определения ключевых задач и понимания масштаба цифровых преобразований будем принимать решение о продолжении работ.

— Как вы относитесь к лозунгам Индустрии 4.0? Готова ли наша промышленность воплощать их в жизнь?

Индустрия 4.0 — не лозунг и не миф, а вполне конкретные технологии, большинство из которых уже зрелые и дадут эффект, надо только поставить перед собой цель скрупулезно в них разобраться и мудро подойти к вопросу их применения. Другое дело, что многие российские предприятия этап Индустрии 3.0, то есть автоматизации производства, не то что не прошли, но даже пока не начинали. Если нет PLM, ERP, MES, то внедрять виртуальную реальность или искусственный интеллект преждевременно.

— А в НПО «Энергомаш» есть реальные шаги в этом направлении?

Да, в ряде ключевых проектов уже реализуются технологии Индустрии 4.0. Например, Интернет вещей — интеграция «умных» датчиков с MES-системой, нейронные сети для распознавания лиц в системах промышленной безопасности, дополненная реальность в системе PLM, когда на физический объект с помощью очков или планшета накладывается регламент проведения технологических операций.

Практически каждую технологию Индустрии 4.0 мы либо изучаем и начинаем внедрять, либо уже используем, и масштабы их применения будут расширяться.

— В основе любой цифровой трансформации лежат данные: умение управлять большими объемами накопленных на предприятии и внешних данных, ставить их на службу бизнесу. Есть ли понимание этого в НПО «Энергомаш»? Какие проекты в области данных у вас реализуются?

Действительно, данные — основной инструмент Индустрии 4.0. Здесь самый яркий пример — перевод всех наших изделий в 3D-подлинник, то есть уход от чертежей и бумаги, и цифровой двойник изделия. Таким образом, мы переводим в цифру все данные об изделии и получаем возможность управлять этими данными.

На предприятии сейчас совместно с Abbyy начат пилотный проект информационно-поисковой системы — своего рода корпоративного Google. Аналогов на рынке я не знаю. Будет создана система, которая умеет очень быстро собирать всю разнородную информацию, накопленную с 1930-х годов, анализировать и выдавать корректный ответ на запрос, заданный человеческим языком. Алгоритмы машинного обучения позволят отражать в системе отраслевую специфику накопленных за десятилетия данных. В настоящее время идет пилот на нескольких источниках, а полномасштабная реализация стартует в начале 2019 года и займет около трех лет.

— Трансформация невозможна без инновационных идей. Сейчас крупные компании все чаще создают у себя специальные структуры для работы с инновациями. В НПО «Энергомаш» есть что-то подобное ?

Мы формируем свой акселератор — «Цифровую лабораторию», она призвана мобилизовать ресурсы для поиска и реализации лучших идей как внутри предприятия, так и вовне, в сотрудничестве со стартапами, университетами и научным сообществом.

— Как на предприятии, которое живет по строгим регламентам, построить работу с инновациями? С какими проблемами вы сталкиваетесь? Есть ли уже понимание, как их решать?

Основные сложности — в нецифровой культуре предприятия, в консервативности людей, их стремлении сохранить статус-кво. И общего рецепта, как с этим справиться, — нет. Каждое предприятие должно искать свои решения. Инновации должна продвигать небольшая группа увлеченных, незарегулированных окружающей обстановкой людей. Мы их собираем по крупицам со всех подразделений.

«Цифровая лаборатория» формируется на принципах экспериментаторства. За долгую историю НПО «Энергомаш» все, что относится к букве «Н» в аббревиатуре, было сосредоточено в конструкторском бюро. Но сейчас, чтобы предприятию выжить, букву «Н» необходимо распространить на все бизнес-процессы. И в кадры, и в снабжение, и в технологическую подготовку, и в ремонты. Нужно везде относиться к своей деятельности с точки зрения экспериментов, инновационности и понимать, что если стоять на месте, то тебя просто выкинут на обочину конкуренты.

— Как CDO вы получаете полномочия на распространение инновационной культуры? Наверно, просто ИТ-директору это было бы сделать сложнее?

ИТ-директору для этого понадобилось бы больше неформального авторитета и влияния, зависящего от его взаимоотношений с другими заместителями генерального директора. Плюс позиции CDO в том, что это формальный лидер процесса цифровой трансформации, наделенный соответствующими полномочиями и ресурсами.

— Какие еще важные полномочия имеет «цифровой» директор?

Их много, все функции CDO четко прописаны в «Рекомендациях по внедрению принципов и подходов цифровой трансформации», сформулированных Минэкономразвития РФ. Это организация инновационного проектного офиса, бюджетирование, планирование, формирование пула проектов на ближайшую и среднесрочную перспективу, управление этими проектами, вовлечение всего персонала предприятия в инновационность, что, в свою очередь, означает проведение обучения, привлечение инноваторов для распространения культуры на остальные подразделения. Это определение модели данных в компании — чтобы данные стали мощным инструментом цифровизации.

— Есть еще один CDO — Chief Data Officer, директор по данным. У вас эта позиция будет реализована как подмножество функций Chief Digital Officer?

Думаю, да, отдельный директор по данным в нашем случае не нужен. Сейчас есть тенденция совмещать эти позиции, тем более что даже аббревиатуры одинаковые.

В корпорации «Росатом», в структуре которой трудятся 250 тыс. человек, провели любопытное исследование на тему отношения своих управленцев к цифровой трансформации. «Для нас очень важно, что сейчас в головах руководителей, которые занимаются цифровой трансформацией, насколько они хотят в ней участвовать и в какой роли, насколько селективно воспринимают информацию, — говорит Елена Першина, директор блока функциональных компетенций “Корпоративной Академии Росатома”. — Да и верят ли на самом деле, что трансформация произойдет в России». О результатах этого исследования она рассказала во время организованной сообществом Binary District и Институтом Strelka дискуссии о подготовке кадров для цифровой экономики.

Опрос выявил, что руководители находятся под влиянием четырех устойчивых мифов о цифровой трансформации. Первый миф: цифровая трансформация в корпорации уже случилась или вот-вот произойдет. Почти 40% участников опроса уверены, что уже работают в цифровой отрасли: примерно 20% опрошенных считают «Росатом» цифровой компанией, еще 20–25% полагают, что она станет таковой в ближайшее время.

«Люди ставят знак равенства между высокотехнологичностью компании, автоматизацией процессов и цифровизацией. Это очень важный вывод исследования, — рассказала Першина. — Мы будем плотно заниматься этим мифом, чтобы не было самоуспокоенности, нужно людей приземлить, подружить с реальностью и понять, куда двигаться».

Елена Першина, директор блока функциональных компетенций «Корпоративной Академии Росатома»: «Для нас цифровизация — это не только технологии. Это единая система, включающая коммуникации в компании, обучение, инструменты, а также политики и процедуры, которые могут стать барьером для изменений»

Второй миф тесно связан с первым и состоит в убеждении, что цифровая трансформация — это использование модных технологий и автоматизации: цифровых платформ, IoT, VR и прочих. К примеру, 20% опрошенных согласны с утверждением, что цифровая трансформация означает единую платформу, 18% полагают, что понятие цифровой трансформации определяется применением таких технологий, как искусственный интеллект, Интернет вещей, виртуальная реальность и других. «Тут тоже большой задел для нас, — отметила Першина. — Нужно постараться выработать понимание того, что цифровизация означает серьезное изменение в способах ведения бизнеса и это намного шире, чем технологии».

Третий миф: о своем будущем пока не нужно беспокоиться. В перечне основных ожидаемых результатов цифровой трансформации лидируют повышение производительности, лучшая доступность информации, сокращение рутины. Примечательно, что в конец этого списка участники опроса поставили то, что касается их лично. Между тем цифровизация потребует от каждого очень глубокой личной трансформации — придется учиться всю жизнь, быть гибкими. Даже если нынешняя профессия у человека сохранится, она может наполниться совершенно иным содержанием. В предстоящие пять лет «Росатому» придется либо переобучить, либо заменить около четверти сотрудников. «Поэтому такая общая успокоенность является для нас тревожным фактом», — подчеркнула Першина.

И последний миф касается вопросов лидерства и звучит так: цифровую трансформацию сделают другие. Большинство опрошенных рассчитывают в этой области на инициативы и решения вышестоящего руководства. При том что многие управленцы активно поддерживают проекты цифровой трансформации и участвуют в них, мало кто готов руководить такими проектами и брать на себя ответственность за их проведение в условиях неопределенности. Более 60% руководителей высшего звена не видят себя в роли лидеров цифровой трансформации.

Ключевые выводы корпоративного исследования «Росатома» в главном пересекаются с заключениями исследований, проводимых аналитическими агентствами. Во-первых, понятие цифровой трансформации сформировано на основе потока популярной информации о платформах и технологиях, без понимания сути. Во-вторых, цифровая трансформация не связана с осознанием необходимости личных изменений. В-третьих, должностная иерархия является барьером для цифровой трансформации. И в-четвертых, процесс трансформации представляется участникам опроса простым и быстрым.

Результаты исследования будут учтены при работе над созданием цифровой культуры «Росатома». «Для нас цифровизация — это не только технологии, — говорит Першина. — Это единая система, включающая коммуникации в компании, обучение, инструменты, а также политики и процедуры, которые могут стать барьером для изменений».

В корпорации понимают, что для тех «цифровых» кадров, которые сегодня есть на рынке труда, бренд «Росатома» не очень привлекателен, а потому намерены повышать ценность бренда.

«Росатом» сотрудничает с учебными заведениями, где студенты получают фундаментальное образование. «Надо расстаться с мифом, что вуз даст нам готового специалиста, поэтому наша позиция сотрудничества с вузами — партнерская, — отметила Першина. — Мы знаем, какие специалисты нам нужны, и мы тоже ответственны за выпускников». Короткие и гибкие образовательные программы корпоративного университета позволяют быстро адаптировать к работе в «Росатоме» вчерашних студентов. Кроме того, в компании ввели систему реверсивного наставничества, или наставничества «наоборот», полагая, что молодые кадры многое могут дать опытным сотрудникам.

«Цифровая трансформация происходит в головах», — подчеркивает Андрей Харин, ИТ -директор группы компаний Kerama Marazzi, крупнейшего производителя отделочных материалов на постсоветском пространстве. По его словам, цифровой трансформацией компания целенаправленно занимается уже 10 лет и для сотрудников это уже давно стало нормой, новой реальностью. Мы поговорили с Андреем Хариным о цифровом пути компании, о роли конкретных технологий и о том, как добиться поддержки своих проектов со стороны рядовых сотрудников.

Чем цифровая трансформация отличается от «обычной автоматизации»?

В моем понимании обычная автоматизация — это когда в машину вместо механической коробки передач поставили автоматическую или человеку вместо пера дали шариковую ручку. А цифровая трансформация — новый термин, описывающий старую, давно существующую идею: «Нельзя автоматизировать неоптимизированное». Это является девизом нашего ИТ-департамента. Сначала процесс надо оптимизировать, а для этого требуется разработать стандарты, описанные языком логики. И это уже цифровая трансформация. Как только процесс удается описать правилами и цифрами, можно использовать логику и математику. Дальше уже неважно, написаны правила на стене, указаны в инструкции или заложены в информационную систему — все это цифровой подход.

Если исходить из такого понимания, то получается, что впервые цифровая трансформация произошла в Египте, вместе с возникновением зачатков бухгалтерского учета. Как только люди поняли, что какой-либо показатель можно измерить, учесть и принять на его основе решение, можно говорить о наступлении этапа цифровой трансформации. А технологии — например, переход с мейнфреймов на персональные компьютеры, а затем на серверы и виртуальные машины — всего лишь инструмент.

Андрей Харин Возраст: 58 лет Образование: Тульское высшее артиллерийское инженерное училище (ТВАИУ) Послужной список: Настоящее время Группа компаний Kerama Marazzi, директор по ИТ 2006 «Керама Центр», начальник отдела ИТ 2001­–2005 «Скотт, Риггс и Флетчер, аудит и консалтинг», программист, специалист аналитического отдела ЗАО «Станкотехника», начальник бюро АСУ ЗАО «Аконта», системотехник 1999 Вышел в отставку, начал все сначала 1982–1999 ВС СССР, командир взвода — начальник отдела АСУ Управления ДВО

10 лет работы в области цифровой трансформации — это много. Каковы основные вехи на этом пути?

Основными вехами стали разработка принципов ведения нормативно-справочной документации, создание корпоративных стандартов обмена информацией, а также определение точек потребления информации — не отделов, которые строят отчеты, а центров принятия решения на основе этих отчетов. Еще одна веха — это формирование команды, которая и стала ядром службы ИТ.

Что касается конкретных проектов, то можно выделить получение консолидированной отчетности, создание единого информационного пространства для всех предприятий группы, партнеров и крупных клиентов, технологические задачи, управление складом, прогнозирование и планирование. По сути, ничего нового. Самое главное, у нас не было заблуждений типа «купим SAP (Oracle, “1С”, “Галактику”), и тогда решатся все наши проблемы».

Эти проекты появились до того, как термин «цифровая трансформация» получил повсеместное распространение.

Началом трансформации стала именно разработка подхода к ведению единых классификаторов группы компаний. В какой именно системе вести эти классификаторы — неважно. Если они «правильные» — верно структурированные, неизбыточные, то они будут работать даже на бумажных носителях. Если же нет четкой логики, контроля уникальности, определения точек ввода, стандартов обмена и т. п., то не помогут даже решения, разработанные лидерами ИТ-рынка. Иными словами, вполне возможна цифровая трансформация даже без привязки к конкретным техническим решениям, само же по себе внедрение технического средства не обеспечивает цифровую трансформацию.

Бизнес-эффект дают бизнес-решение, оптимизация бизнес-процесса, а не внедрение патентованных технических средств. Построением единого информационного поля я могу похвастаться лишь перед коллегами-айтишниками. А руководству компании и пользователям это неинтересно.

Вполне возможна цифровая трансформация и без привязки к конкретным техническим решениям, а вот само по себе внедрение технического средства не обеспечивает цифровую трансформацию

Трансформация общественного сознания подразумевает определенную революцию, сродни появлению стрекозы из невзрачной водяной личинки: предприятие приобретает новые качества и способности и начинает вести бизнес по-другому.

У нас полностью роботизированное предприятие — цифровое по определению. То, что сейчас называется модным словом «трансформация», для нас является нормой жизни. Это конкурентное преимущество нашей компании и то, на чем она вообще была построена. Да, сейчас мы улучшаем определенные аспекты, в том числе прогнозирование, планирование производственной программы, логистику, но это не революция. Мы изначально были «стрекозой». Сейчас «меняем чешуйки», стали летать красивее, но главным преимуществом нашей компании всегда было использование изначально новаторских решений. Именно поэтому мы и стали крупнейшим производителем отделочных материалов на постсоветском пространстве. Компании, отстающие от лидеров отрасли в использовании современных технологий, прогорают со страшной силой.

У нас полностью роботизированное предприятие — цифровое по определению.То, что сейчас называется модным словом «трансформация», для нас является нормой жизни

То есть вы считаете цифровую трансформацию не просто фактором успеха, но и условием выживания?

Уже сейчас ничего серьезного в управлении предприятием нельзя добиться без использования ИТ. Управленческие решения должны приниматься в режиме реального времени, с учетом огромного количества информации. Конечно, есть гениальные руководители (и в нашей компании тоже), которые могут на интуиции принять быстрое и правильное решение. Но они не в состоянии принимать всегда и все решения, часть полномочий им приходится делегировать. И вот тут встает вопрос: как «обычному» человеку принять правильное решение? Ведь для этого часто требуется анализ большого количества информации, необходимо увидеть тенденции, понять взаимосвязь… Подготовка и принятие решений становятся командными задачами, а здесь уже невозможно без организации управления потоками структурированной информации.

Как трансформация влияет на бизнес в вашей компании?

Бизнес-модель осталась прежней, она не может принципиально измениться в рамках нашей отрасли. Другое дело, что в каждом из блоков мы пытаемся максимально использовать технические и научные возможности.

Например, сейчас внедряем прогнозирование на базе решений Anaplan. Раньше при прогнозировании были возможны два подхода. Первый основывался на проводимом экспертами кропотливом анализе продаж, выявлении трендов и оценке сезонности, а второй — на бизнес-чутье руководства, способного предсказать популярность моделей в следующем году. Второй подход оцифровать нельзя, а вот первый — необходимо, и это вполне можно считать элементом трансформации. Далеко не факт, что прогнозы станут более точными и это даст в итоге конкурентное преимущество.

Построение системы управления качеством тоже элемент трансформации, влияющий на бизнес. Традиционно мы вели статистику брака по месяцам и анализировали в конце года. Нам удалось доказать руководству, что статистику нужно собирать в конце каждой смены и смотреть тенденции по видам брака, которые сами по себе некритичны, но могут подсказать специалистам необходимые действия. Мы сумели классифицировать виды брака и построить отчеты, из которых видно, как показатели меняются от смены к смене. Многие проблемы можно решить быстро еще до того, как они станут заметными и окажутся критичными для бизнеса. Люди принимают решения на лету, в реальном времени и видят результат — это революция. Как именно реализован процесс (с помощью технологий Интернета вещей или ручного ввода данных) — не столь важно.

Источник: Kerama Marazzi

Kerama Marazzi — ведущий российский производитель керамических декоративно-отделочных материалов с сетью фирменной торговли в России и за рубежом. В 2018 году компании исполняется 30 лет.

В группе компаний сейчас работает более 3,8 тыс. сотрудников, из них 2,5 тыс. — на производствах. Производственный сектор представлен двумя крупными фабриками: в городе Орёл и поселке Малино Московской области. Годовой объем производства двух заводов составляет 34,8 млн кв. м. На сегодняшний день каталог насчитывает более 3 тыс. артикулов.

За последние 10 лет компания выросла почти в 10 раз. Ее розничная сеть достигла 350 фирменных розничных магазинов, а количество филиалов увеличилось до 21.

В 2017 году Kerama Marazzi запустила производство фирменной сантехники КМ и начала сотрудничество с Surface Lab для создания персонализированного керамического гранита для использования на фасаде.

Как вы относитесь к тому, что во многих компаниях начинают появляться специальные должности CDO и эти люди занимаются тем, что все называют трансформацией?

Если руководитель компании считает, что этим нужно заниматься и это принесет бизнес-выгоду, к этому можно относиться только положительно. Если руководитель расценивает это как имиджевый шаг, он тоже прав, ведь это влияет на лицо компании. Но если у нас подобные обязанности выполняет сотрудник аналитического отдела или отдела бизнес-проектов, то зачем переименовывать его должность? Я против использования красивых терминов, ведь за ними часто теряется правильное понимание процессов.

Какие из технологий имеют для вас наибольшее значение?

Для нас наиболее важны промышленная автоматизация и большие данные. С промышленной автоматизацией понятно — там непаханое поле: и расчет стандартной себестоимости, и оптимизация загрузки линий, и корректировка производства с учетом потребности рынка. Большие данные важны, например, при прогнозировании. Когда мы говорим, что нужно учитывать также курс доллара, тенденции моды, внешнеполитическую обстановку и еще множество факторов, то оказывается, что это либо работа с невиданным ранее объемом совершенно разнородной информации, либо искусство, которому обучить нельзя. Если удается создать алгоритм, помогающий в принятии подобных решений, остается лишь придумать, как раздобыть нужные данные и начать работать с ними.

Тем не менее стоит отметить, что большие данные до сих пор лишь модный термин, под которым часто понимаются совершенно разные вещи.

Существует ли в компании единая программа трансформации или же реализуются отдельные, точечные проекты? Как обеспечить целостность проектов, их соответствие единой стратегии?

«Единая программа трансформации» — это тоже всего лишь модный термин. Не хотелось бы рассматривать его как в свое время воспринимали «перестройку и ускорение». Часть процессов в нашей компании изначально оптимальна и автоматизирована, часть — не оптимальна или недостаточно автоматизирована. Реализация точечных проектов — это нормальная практика для большинства компаний. Но необходимо понимать, что все проекты (не только ИТ) — это пазл и его части в итоге должны совпасть. Бывает, реализуется «чисто точечный и независимый» проект. Как добиться того, чтобы он соответствовал стратегии? Иметь (как минимум в голове) понимание конечного ландшафта, тогда будет понимание, куда поставить очередную часть пазла.

Источник: Kerama Marazzi

Целей трансформации — как краткосрочных, так и долгосрочных — можно перечислить много. Какая из них является ключевой для вас?

Наверное, оптимизация принятия бизнес-решений. Все остальное вытекает из этой цели.

Есть хорошее выражение: «В заботе о ближнем главное — не перестараться». Служба ИТ должна четко понимать, на кого она работает. Если на руководство компании — это одно, если на оптимизацию работы конечных пользователей — совсем другое. Когда я пришел в компанию, то задал не вопрос «Кому подчиняться?», а вопрос «На кого работать?».

Если руководство службы ИТ считает, что работает на конечного пользователя, то зачастую получается как в фильме «Морозко», где герой бегает по лесу с криком: какое мне доброе дело сделать? Но интересы часто конфликтуют: например, когда для принятия решения руководством компании нужна определенная информация, то нагрузка на конечного пользователя нередко увеличивается. Облегчение же работы конечного пользователя, происходящее иногда, — это лишь побочный эффект оптимизации информационных потоков.

Когда работаешь на группу компаний, надо понимать, что цель — дать информацию для принятия решений, и это действительно революция. Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо. Тогда поддерживать трансформацию начинают все, от младших менеджеров по продажам до директоров.

Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо

Поддержка трансформационных проектов на нижнем уровне — очень редкое явление. Как добиться такой сознательности от сотрудников?

Многое зависит от того, что мы понимаем под «нижним уровнем». Если технологов — специалистов с высшим образованием, которые не могут работать с «записями на манжетах», то это одно, если водителей погрузчиков, для которых ввели строгий учет выполненной работы, это совсем другое.

В прошлом году мы провели расширенный внешний аудит службы ИТ с привлечением одной из компаний «большой четверки». Аудит, помимо прочего, предусматривал оценку качества ИТ различными категориями пользователей. Скажу: высокая оценка со стороны топ-менеджмента не удивила, а вот одобрение со стороны большинства рядовых сотрудников стало приятным сюрпризом.

Хотелось бы добавить, что понимание и одобрение большинством сотрудников целей и задач — традиция нашей компании. Иными словами, работа с персоналом — это важный фактор, причем не только в ИТ-проектах. И разумеется, все должны понимать, что ИТ лишь инструмент для решения бизнес-задач.

Источник: Kerama Marazzi

Трансформацию нельзя просто так остановить. Каким вы видите будущее цифровой трансформации в вашей компании?

Я бы не стал привязываться к слову «трансформация». Модные термины меняются, а задачи и пути их решения остаются. Совершенно точно нельзя остановить оптимизацию бизнес-процессов и информационных потоков, развитие отчетности, в том числе оперативной, используемой для принятия решений в режиме реального времени, управление холдингом как единым целым, что не должно отменять возможность гибкого управления всеми предприятиями.

Если говорить о конкретных проектах, то нас ожидают внедрение новой складской системы, расширение использования электронного документооборота, внедрение новой системы прогнозирования и планирования, внедрение системы управления активами в полном объеме, переход на новую ERP-систему и дальнейшее развитие управления технологическим процессом.

Вы работаете в компании 12 лет. Каковы направления дальнейшего роста?

По сути я пришел в компанию ведущим программистом. В то время вся ИТ-служба состояла из двух администраторов и аутсорсингового программиста. Сейчас у нас полноценная служба ИТ с разветвленной структурой, свои ЦОДы, служба поддержки, работающая по стандартам. Нас минимум раз в год проверяет кто-то из «большой четверки», причем ни одной проверки мы не завалили. Мы регулярно проводим тесты на проникновение, у нас своя сильная команда разработчиков. Могу без ложной скромности сказать: я не «засиживался», я все это создал и расту вместе с компанией. И в росте компании есть доля моего участия.

Как вы видите свою роль в дальнейшем развитии компании?

Основные задачи руководителя любой службы — во -первых, обеспечить текущие потребности, во -вторых, иметь задел на развитие и понимать, куда двигаться. И самое главное, я считаю, что любой руководитель должен организовать работу так, чтобы работа не зависела от него. Не должна возникнуть ситуация, когда все рушится после ухода руководителя. Надо сразу строить так, чтобы потом не приходилось все время подпирать.

План на 10 лет составить нельзя, потому что в нашей сфере и в нашей стране так далеко прогнозировать проблематично. Но должны быть несколько вариантов развития и понимание, куда мы идем. Например, на вопрос «Если мы в следующем году откроем еще один завод, ты готов?» я отвечаю, что для меня нет разницы, сколько будет заводов, у меня есть система, которую не придется перенастраивать. Да, придется проложить линии и приобрести оборудование, но принципиально ничего не изменится. Должна быть выстроена система управления — устойчивая и масштабируемая, готовая к развитию. И способная работать без меня. Тем более что у меня есть толковые начальники отделов, грамотный заместитель и талантливое руководство.

Из всех возможных областей применения технологий машинного обучения на медицину смотрят с особым вниманием и надеждой. Искусственный интеллект, несмотря на все его несовершенство, уже помогает не только развивать бизнес, но и спасать жизни. Интегрированное в единую радиологическую сеть современное диагностическое оборудование, которым осащены медицинские организации столицы, положило начало накоплению больших данных, и эта информация становятся «пищей» для искусственного «ума».

Сегодня применение технологий машинного обучения для скрининга рака в столичном Научно-практическом центре медицинской радиологии Департамента здравоохранения Москвы (НПЦ МР ДЗМ, проект «Радиология Москвы») выходит на новый уровень. Теперь при скрининге рака легкого искусственный интеллект научат выявлять и другие патологии.

«Комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества медицинской помощи», Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ

Эксперты проекта «Радиология Москвы» активно участвуют в разработке систем поддержки принятия решений для врачей-рентгенологов. Это оборудование позволяет работать с группами исследований в Едином радиологическом информационном сервисе (ЕРИС), высвобождая время доктора для действительно сложных задач. Одни из самых интересных проектов нацелены на выявление рака легких на ранних стадиях посредством автоматического поиска очагов в легких на КТ-исследованиях грудной клетки, а также на проверку качества описаний и заключений этих КТ-исследований путем интеллектуального анализа текстов, написанных на естественном языке.

Рак легкого — самый смертоносный среди всех онкологических заболеваний. Эпидемиологическая ситуация с раком легких в Москве такова, что требуются комплексные решения со своевременной диагностикой и эффективной маршрутизацией пациентов. Цель скрининга рака легких — выявить рак, прежде чем он распространится за пределы органа. Из всех случаев рака легкого только 15% локализовано непосредственно в легких. Однако данное заболевание выявляют обычно уже после того, как оно распространилось за пределы легкого. Единственный эффективный способ диагностировать эту онкологию вовремя — проводить низкодозную компьютерную томографию (НДКТ) гражданам из группы риска, не имеющим признаков болезни.

В результате запуска массового скрининга рака легкого в Москве в марте прошлого года накопился большой объем данных. Чтобы использовать эту информацию на благо здравоохранения, было решено применить технологии машинного обучения. Как отметил руководитель проекта «Радиология Москвы» профессор Сергей Морозов, скрининговые программы служат мощным стимулом к повышению спроса на автоматизированные решения и алгоритмы компьютерного анализа изображений.

От простого к сложному

На сегодняшний день в лучевой диагностике искусственный интеллект больше всего используется при решении когнитивно простых задач, а именно для формирования подсказок врачу, готовящему вывод по результатам исследования. Однако текущий уровень развития цифровых технологий позволяет решать значительно больше медицинских задач. Так, разделяя все случаи на «норму» и «патологию», искусственный интеллект дает рентгенологу возможность сфокусироваться именно на патологии. Кроме того, такая система может автоматически искать различия между снимками в динамике, классифицировать патологии, предоставлять «второе мнение», формировать сложные алгоритмы обработки больших данных для оценки среды, окружающей пациента. С помощью этой технологии можно изучать новые биомаркеры для развития систем раннего предупреждения заболеваний и создавать «калькуляторы» персонализированного риска.

На основе ретроспективного анализа 10 тыс. КТ-исследований грудной клетки пациентов было отобрано 5 тыс. с патологическими находками для последующего маркирования и тегитирования. Тем самым была сформирована специальная база размеченных КТ-исследований, на которых системы искусственного интеллекта учат искать очаги в легких. Кроме того, в рамках проекта «Радиология Москвы» разработан специальный программный продукт, позволяющий одновременно проводить независимую разметку и ее верификацию по любому массиву данных, с привлечением неограниченного числа рентгенологов. Эти данные применяются в разработке системы для поиска очагов в легких, работы ведутся совместно с Департаментом информационных технологий Москвы.

На сегодняшний день в Москве проведено в общей сложности более 14 тыс. НДКТ. Расчеты проведенного пилотного проекта показали, что из 86 выполненных НДКТ у пациентов из группы риска будет выявлен как минимум один рак легкого. Оценить результаты снижения смертности от данного заболевания планируется в 2024 году.

Расширение «кругозора»

Теперь искусственный интеллект может быть применен для поиска дополнительных патологий при проведении НДКТ. В новом проекте НДКТ 2.0 ставится несколько целей, помимо обнаружения рака легкого, — выявление остеопороза, коронарного кальция, аневризмы аорты, расширения легочного ствола, жирового гепатоза и эмфиземы легкого. Сейчас уже идет подготовка баз данных для тестирования и обучения алгоритмов под эти задачи.

«Роль искусственного интеллекта в скрининге рака легкого значительно шире, чем автоматический поиск узелков в легких, — говорит Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ. — А комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества оказываемой медицинской помощи».

Гомболевский, кандидат медицинских наук, врач-рентгенолог, не только является разработчиком проекта «Московский скрининг рака легкого», но и возглавляет комитет по искусственному интеллекту Московского регионального отделения Российского общества рентгенологов и радиологов.

По мнению Гомболевского, в использовании потенциала искусственного интеллекта сделаны лишь первые шаги. Сегодня медицинские системы искусственного интеллекта — это разрозненный парк решений для экономии времени, сокращения дозы лучевой нагрузки, поиска и классификации находок, консультации пациентов и направляющих врачей, подготовки изображений, распознавания естественного языка и других локальных задач, результаты которых выразятся в экономии финансовых ресурсов и повышении качества медицинских услуг.

«Надеюсь, что через 10 лет мир лучевой диагностики будет совсем другим именно благодаря искусственному интеллекту, — пишет Гомболевский на своей странице в Facebook. — Точно будут такие задачи, в которых можно поставить вопрос о замене врача. В то же время уложить все обязанности врача-рентгенолога в цифровой алгоритм будет весьма затруднительно».

Подробнее об использовании искусственного интеллекта можно будет узнать из доклада Виктора Гомболевского на практической конференции «Технологии машинного обучения», которую издательство «Открытые системы» проведет 25 сентября.

Сегодня интеллектуальные цифровые ассистенты «прочесывают» большие данные и выясняют сведения, на основании которых автоматически перестраивается цепочка поставок, увеличивая продажи. Программные роботы автоматизируют повторяющиеся задачи ввода данных, а сотрудники в высвободившееся время имеют возможность заниматься исследовательской и творческой работой. Обнаружив неполадку на промышленном объекте, система прогнозной аналитики заранее инициирует ее устранение, избавляя от необходимости высылать техников на место аварии.

Во всех отраслях цифровые технологии активно меняют принципы выполнения должностных обязанностей. Технологии всегда повышали КПД и продуктивность, но самая новая волна обещает гораздо больше. Разработки в сфере искусственного интеллекта, машинного обучения, Интернета вещей, больших данных, прогнозной аналитики и др. используются компаниями, чтобы менять рабочую среду и создавать новые рабочие места, требующие современных навыков, — близится новая эпоха взаимодействия человека с машиной.

По мере «цифровизации» компаний обязанности сотрудников все более усложняются. И на сегодня задача работодателя — эффективнее обеспечить в новых условиях заинтересованность сотрудников, предоставив им инструменты, которые облегчают выполнение сложных задач.

В центре исследований информационных систем МТИ ввели понятие «рабочие условия» (employee experience) — концепцию, определяемую группой факторов, в том числе уровнем сложности должностных обязанностей и поведенческими нормами, касающимися взаимодействия, творчества и использования вспомогательных средств. Цифровые функции обычно положительно влияют на рабочие условия — повышается КПД процессов и уменьшаются ошибки. Но реальные отличия проявляются, когда цифровые технологии используются для коренного изменения принципов работы — замены людей, дополнения их возможностей или создания новых должностей и функций.

По мере этих изменений растут опасения, что автоматы лишат людей работы. В какой-то степени так и произойдет, но эксперты уверены, что вытеснение будет происходить только с должностей, требующих рутинных и повторяющихся действий, а также с работы, которую машины способны выполнять в большем объеме. Около 74% топ-менеджеров, опрошенных Accenture, сообщили, что планируют использовать искусственный интеллект для автоматизации в крупных и очень крупных масштабах в предстоящие три года, и 97% рассчитывают с помощью ИИ дополнять возможности сотрудников.

Чтобы обеспечить успех преобразований, в организациях должны определить оптимальный для себя баланс числа людей и разумных машин. Из числа участников опроса Accenture 54% считают, что сотрудничество человека и машины важно для достижения приоритетных стратегических целей, 46% уверены, что традиционные должностные обязанности устарели, а 29% уже сильно изменили штатные расписания. Как признаются аналитики, со столь масштабными изменениями они еще не сталкивались: речь идет о новых уровнях возможностей и результатов для клиентов благодаря взаимодействию людей и средств интеллектуальной автоматизации.

Важную роль в совершенствовании рабочей среды будут играть обучение и повышение квалификации сотрудников. В некоторых отношениях придется вернуться к основам, к тому, что ценилось до эпохи автоматизации. Речь идет о диалоге между людьми, способности к обобщению, вынесению суждений, ведению переговоров, контролю затрат и точек интеграции — повышенное внимание снова будет уделяться взаимодействию людей на разных ролях.

Компании, способные предложить сотрудникам лучшие цифровые средства, достигнут большего, чем те, где будет просто обновлен штат, — в первых получат существенную прибавку производительности. Среди компаний, участвовавших в исследовании МТИ, 25% признаны обеспечивающими первоклассные рабочие условия, благодаря чему им удается выпускать новые продукты и предлагать услуги вдвое быстрее конкурентов, а кроме того, такие предприятия сообщают об удвоенных показателях удовлетворенности клиентов и на 25% большей рентабельности.

Дело не в навыках и не в эффективности, отмечают в МТИ. В таких организациях уверены, что для достижения принципиально нового уровня производительности необходима интеллектуальная автоматизация.

Расскажем, как пять лауреатов премии CIO 100 2018 смогли «оседлать» цифровую волну и провести преобразования, направленные на радикальное улучшение рабочих условий.

Дистанционное техническое обслуживание

В компании Applied Materials, которая является одним из основателей электронной отрасли, тратят миллионы долларов на отправку специалистов в разные страны мира, чтобы помогать клиентам устанавливать и ремонтировать оборудование, необходимое для выпуска микросхем и дисплеев с плоским экраном.

Несмотря на строгий контроль бюджетов, в компании сумели пойти навстречу клиентам, все настойчивее требовавшим сокращения сроков выпуска продукции на рынок, и коренным образом изменили многие процессы клиентской поддержки. С помощью дополненной реальности и «умных» очков технические работы на местах были заменены на процедуры дистанционного обслуживания, обеспечивающие существенную экономию командировочных расходов.

В партнерстве с Upskill, разработчиком платформы дополненной реальности Skylight, и Osterhout Group, поставщиком умных очков ODG R7, была разработана защищенная платформа дистанционной поддержки, которая используется для устранения неполадок, контроля качества и обучения персонала. Отныне специалисты компании могут взаимодействовать удаленно в режиме реального времени и быстрее решать проблемы, а простои из-за длительных поездок теперь сведены к минимуму.

«Наша главная цель — ускорение; нам необходимо быстро выполнять все новые требования клиентов в сжатые сроки, — объясняет Джей Керли, вице-президент, ИТ-директор Applied Materials. — У нас клиенты по всему миру, и наша задача — построить единую экосистему из людей, процессов и технологий, чтобы направлять лучших специалистов туда, где они требуются».

Очки дополненной реальности дали возможность реализовать несколько новых рабочих сценариев. Они обеспечивают взаимодействие глобально распределенных групп в режиме видео-конференц-связи: эксперты удаленно наблюдают за работой «глазами» техников, находящихся на объекте, и дают советы. Кроме того, очки помогают проводить обучение и выполнять сложные работы на местах. Система дополненной реальности используется также в ходе аудита и контроля качества: вместо прежних процедур, предусматривавших ручную съемку и каталогизацию, теперь техники автоматически транслируют видео и звук в режиме реального времени. Сегодня работать стало намного удобнее, потому что сообщения, аннотации и вспомогательные файлы, в том числе инструкции и схемы оборудования, автоматически передаются техникам и появляются у них перед глазами.

«Смысл проведенных преобразований в том, чтобы «перенести» экспертов и их знания непосредственно туда, где выполняются работы и устраняются неполадки», — добавил Керли.

Замысел проекта возник в 2015 году благодаря внутрикорпоративному конкурсу Internet of Things Challenge, в рамах которого сотрудники должны были предлагать идеи по применению новых технологий для решения повседневных задач.

Проект помог Applied Materials быстрее устранять проблемы благодаря возможности мгновенно обращаться к экспертам, а не ожидать их прибытия. Кроме того, за один визит удается устранять больше неисправностей, поскольку теперь проблему дистанционно могут изучать сразу несколько экспертов.

Сегодня в компании намерены применять и другие средства визуализации, обработки больших данных и высокопроизводительных вычислений, чтобы и дальше наращивать эффективность рабочих процессов. «Прежние методы сегодня не действенны, — заключает Керли. — Нам, в частности, крайне необходимо ускорить наши циклы исследования и разработки».

Контроль здоровья креветок

В компании Cargill уверены, что залог хорошего урожая креветочной фермы — не траулеры и рыболовные сети, а Интернет вещей, мобильные приложения и аналитика больших данных.

Подразделение Cargill Digital Labs предлагает iQuatic — решение, включающее мобильное приложение и информационную панель, которые обещают новый уровень контроля и продуктивности креветочным фермам.

Решение призвано заменить бумажные блокноты и электронные таблицы, оно реализует функции аналитики и визуализации данных, которые предоставляют фермерам ценные сведения в оперативном режиме, помогая следить за здоровьем креветок и повышать урожаи.

До недавнего времени креветочным фермам приходилось полагаться на везение, говорят в Cargill. Сегодня в компании оцифровывают информацию, которая вручную заносилась в блокноты, и комбинируют данные, чтобы директора ферм могли получать сведения в реальном времени и принимать взвешенные решения.

Назначение цифровой платформы — изменить принципы кормления креветок. На протяжении десятилетий фермеры контролировали состояние водоема, пользуясь блокнотами и электронными таблицами. Такой метод был неудобным, малоэффективным и чреват ошибками, в связи с тем что приходилось отслеживать большой объем данных.

Платформа iQuatic на базе Интернета вещей меняет традиционные методы: автоматически регистрируются температура и минерализация воды, с помощью акустических датчиков отслеживается, в какое время и в каком объеме питаются креветки. Эти данные, комбинируемые с информацией из других источников, позволяют вносить оперативные корректировки в режим кормления. Возможности iQuatic позволяют выяснить естественные закономерности питания креветок, чтобы автоматизировать кормление и высвободить у сотрудников время для других важных задач.

«В прошлом специалисту приходилось постоянно брать пробы воды для контроля температуры и уровня минерализации, — объясняет Тиффани Снайдер, ИТ-директор Cargill. — Мы соединяем различные датчики и аналитические функции, позволяя фермерам получать недоступные прежде знания и автоматизировать процессы, которые раньше осуществлялись вручную».

Cargill помогает не только повышать продуктивность, но и совершенствовать аналитические средства путем увеличения количества доступных наборов данных и внедрения машинного обучения для принятия решений на основе прогнозов, что позволяет повысить число урожаев за сезон и, соответственно, доходы. Креветочные фермы, как и другие сельскохозяйственные предприятия, прежде работали менее эффективно из-за разрозненности систем и невозможности сопоставить информацию, чтобы делать прогнозы и принимать профилактические меры.

Как правило, фермеры лишь могли реагировать на текущие сведения, тогда как система Cargill позволяет перейти на прогнозный режим работы и добиться реального повышения продуктивности.

Автоматизация неэффективных процессов

В Fannie Mae, агентстве доступного ипотечного кредитования с государственным участием, прекрасно знакомы с бюрократическими процессами — ручными и зачастую неэффективными. Поэтому, реализуя проект цифровой трансформации, в Fannie Mae внедряют новейшие технологии, рассчитывая создать штат виртуальных сотрудников, которые будут работать «рука об руку» с людьми.

Стержнем инициативы являются средства роботизированной автоматизации процессов (Robotic Process Automation, RPA), программные роботы, которые воспроизводят действия человека при выполнении повторяющихся заданий. Поскольку основные кандидаты на такую автоматизацию — задачи, требующие входа в несколько систем, ввода большого количества данных, загрузки отсканированных документов и т. д., боты активно внедряются в отделах клиентского обслуживания, обработки медицинских страховых требований, выдачи кредитов, в бухгалтерии и др. Системы RPA — это нечто большее, чем традиционная ИТ-автоматизация, поскольку они способны адаптироваться, самообучаться и исправлять собственные ошибки.

В Fannie Mae проводят масштабное внедрение RPA, так как видят в новшестве платформу, которая обеспечивает слаженное взаимодействие между реальными сотрудниками и роботами. «Нашим специалистам по сопровождению приходилось разрываться между многочисленными задачами, и нам нужны были новые пути, чтобы высвободить им рабочее время, — объясняет Рамон Ричардс, старший вице-президент по технологиям безопасности и обслуживания Fannie Mae. — Поэтому мы активно осваиваем новые технологии, способные повысить эффективность внутренних процессов и предлагать более совершенные решения для клиентов». RPA позволяет Fannie Mae относительно быстро решать задачи автоматизации, обходясь без существенных изменений основных приложений и дорогостоящей интеграции.

Хотя в агентстве приняли меры по избавлению от «бумажных» процессов, из-за специфики его деятельности по-прежнему требовался большой объем ручного контроля. Сотрудники тратили немало времени на извлечение данных из систем, загрузку в электронные таблицы и другие корпоративные приложения, а также на операции согласования. Бизнес-процессы могли включать до 35 этапов и требовали принятия нескольких решений. Несмотря на наличие средств автоматизации, люди по-прежнему оставались главным связующим звеном.

Пилотный проект RPA был проведен весной 2017 года, и сотрудники ИТ-службы и операционного отдела, совместно работавшие над ним, сразу же ощутили преимущества технологии. Была сформирована группа по интеллектуальной автоматизации и роботизации процессов, которая занимается расширением применения RPA, машинного обучения и искусственного интеллекта в организации. Были определены три компонента, на которые группа опирается в своей работе: формализация процесса уточнения круга применений технологии, создание центра управления для контроля развертываний и использование новой модели взаимодействия отдела ИТ и специалистов по эксплуатации. За время, прошедшее после пилота, были автоматизированы 28 внутренних процессов в отделах операций, закупок и финансов.

Теперь сотрудники Fannie Mae могут переключиться на решение более ценных задач. По оценкам исполнителей, за первый год использования RPA высвободилось более 700 человеко-часов, повысились качество и продуктивность работы благодаря уменьшению ошибок оператора.

Сами специалисты по автоматизации могут уделять время новым проектам и заниматься проблемами клиентов. Сегодня, когда фундамент уже есть, идет разработка стратегии дальнейших действий, в том числе использования с RPA средств обработки естественного языка и интеграции с системами управления бизнес-процессами. После быстрого получения первых результатов был выстроен достаточно большой конвейер RPA, и бизнес-пользователи начали активно предлагать новые элементы рабочих процессов для автоматизации. Несмотря на энтузиазм, в проектной группе решили не очень форсировать инициативы, учитывая относительную новизну технологий. Текущая задача — доукомплектовать новый отдел, обучить специалистов и составить стратегический план дальнейшего развития.

Расширение возможностей сотрудников с помощью данных

Тезис о том, что данные — это валюта современного предприятия, весьма популярен, но не все поддерживают его делом. В компании Accenture его реализуют на практике, осуществляя общекорпоративный проект, направленный на «демократизацию» данных и предоставление сотрудникам возможности принимать решения с опорой на аналитику.

С конца 2015 года в глобальной консалтинговой компании строят современную платформу управления данными и аналитики, благодаря которой разрозненные информационные хранилища и статичные процессы отчетности должны уступить место новому образу действий, когда все элементы бизнеса опираются на аналитику и каждый пользователь руководствуется практическими сведениями, полученными в результате обработки данных.

Краеугольный камень инициативы — Enterprise Analytics Platform, платформа управления данными и защищенного руководства, обеспечивающая загрузку, обработку информации, моделирование и визуализацию для превращения в полезные знания. В компании сформирован центр компетенций Enterprise Insight Studio, задача которого — быстрая разработка и ввод в действие аналитических моделей. Участники проекта добиваются устранения барьеров, характерных для прежних нескоординированных методов управления данными, и предоставляют новые возможности пользователям на всех уровнях корпоративной иерархии и во всех структурных подразделениях компании, обеспечивая быстрый рост и диверсификацию бизнеса.

«Данные, уже имеющиеся у предприятия, способны принести пользу всем сотрудникам, — уверен Эндрю Уилсон, ИТ-директор Accenture. — Современным компаниям нужны совершенно новые, основанные на данных способы найма, обучения сотрудников, их информирования и обеспечения инструментами. До начала инициативы мы пребывали в классической ситуации, когда данных слишком много, но их форма, специфика и местонахождение не позволяют задействовать их для повышения эффективности работы».

Раньше в компании формировались статичные отчеты, они требовали большого объема работы аналитиков, к тому же не отражали текущую ситуацию и были доступны не всем. Используя Hadoop и Apache Kafka, а также средства моделирования и визуализации данных, в Accenture создали единую платформу управления, с полноценным набором функций руководства и безопасности. При этом был задействован упрощенный подход, позволивший в полном объеме удовлетворить требования к средствам отчетности и аналитики, он подразумевает разделение платформы на три компонента. Первый — общедоступные витрины данных для бизнес-аналитики — включает динамически обновляемые наборы данных, размещенные на быстрых системах хранения. Второй компонент гарантирует самостоятельный доступ опытных аналитиков к централизованным функциям управления данными, обеспечения безопасности и приватности. Третий — «студия инновации», в которой работают ученые по данным, они ищут и демонстрируют новые применения аналитических средств.

«Enterprise Insight Studio — это что-то вроде креативного рекламного агентства, только занимающегося данными, — поясняет Уилсон. — Нельзя добиться того, чтобы все 450 тыс. сотрудников компании были в курсе последних новшеств. Необходим отдельный центр компетенций, который сможет идти в ногу с развитием современных аналитических систем».

За полтора года со времени запуска новой системы и процессов, в Accenture предоставили 20 тысячам пользователей, занимающих ответственные посты, интерактивные отчеты, обновляемые в режиме реального времени, а объем традиционных статичных отчетов был уменьшен почти вдвое. Отпала необходимость в выполнении 90% повторяющихся операций, традиционно связанных с работой аналитиков, что позволило исследователям данных ежемесячно отвечать на 30–50 вопросов бизнес-руководства и сформировать портфель из 120 с лишним аналитических решений для широкого круга пользователей, от кадровиков до специалистов по продажам и клиентскому обслуживанию.

В дальнейшем в Accenture планируют задействовать искусственный интеллект, чтобы расширить возможности извлечения знаний и по-новому организовать взаимодействие между людьми и машинами. Как подчеркивает Уилсон, цель инициативы — с помощью средств интеллектуальной обработки данных дополнить возможности сотрудников, а не заменить их: «Пользуясь результатами анализа, сотрудники работают успешнее. И у них высвобождается время на выполнение важных обязанностей, таких как взаимодействие с клиентами».

Цифровые ассистенты спешат на помощь

Сегодня попросить Alexa или Siri внести молоко в список покупок или уменьшить температуру на термостате — обычное дело. Цифровые ассистенты стали помогать сотрудникам Лаборатории реактивного движения (Jet Propulsion Library, JPL) НАСА находить ответы на непростые вопросы и выполнять рутинные офисные задачи — благодаря осуществляемой в космическом агентстве инициативе по оптимизации рабочих процессов.

Цифровые ассистенты стали очередным этапом проекта Advanced Digital Research Explorer, в ходе которого создается платформа контекстного анализа, помогающая сотрудникам быстро находить ответы в петабайтах документов, баз знаний, видеозаписей и т. п. Цифровые ассистенты, реагирующие на устные команды, позволяют всем работникам лаборатории, от ученых до администраторов, взаимодействовать с системой более естественным образом, говорит Джеймс Риналди, ИТ-директор организации. «Традиционные интерфейсы взаимодействия с компьютерами уходят в прошлое, — считает он. — Мы придерживаемся принципа «если вы можете пользоваться чем-то дома, то сможете и на работе» — человеку комфортнее взаимодействовать с привычными вещами».

Работа над прототипом была начата в 2017 году. Для быстрого поиска, фильтрации и обобщения информации требовалось создать цифровых ассистентов, которым можно отдавать команды устно, путем набора текста, а также с помощью касаний и жестов. За все годы существования НАСА в лаборатории накопились петабайты документов, видеозаписей, изображений и экспериментальных данных в исходных форматах, разбросанных по многочисленным хранилищам, из-за чего ученым приходилось тратить слишком много времени на поиск необходимого для работы. Цифровые ассистенты призваны помогать сотрудникам быстро получать нужные ответы и тем самым значительно ускорять исследования.

«Уже в прошлом году мы продемонстрировали возможность «найти иголку в стоге сена» с помощью традиционного и голосового пользовательского интерфейсов и автоматизировали массу процедур, — отмечает Риналди. — Сегодня мы хотим, чтобы цифровые ассистенты выполняли больше типовых задач». По его словам, система Acquisition Digital Assistant, общение с которой происходит устно через диалогового бота, выдает ответы по результатам обработки 100 тыс. документов в девять раз быстрее, чем при традиционном поиске с набором запроса.

Новые цифровые ассистенты, способные обращаться как к внешним, так и к внутренним источникам информации, используют облако AWS и интерфейс Alexa, чтобы облегчить сотрудникам выполнение широкого круга заданий. Например, Alexa можно попросить перечислить самые масштабные попытки хакерских вторжений в системы, а ассистент RoomBot найдет конференц-зал, который будет свободен в указанное время.

По признанию Ринальди, этот бот стал настоящим «хитом»: сотрудники лаборатории, а их насчитывается около 6 тыс., тратили более двух часов в неделю на поиск свободных конференц-залов, а потом еще несколько часов — на настройку оборудования перед совещанием. Голосовой ассистент не только помогает найти конференц-зал за считанные секунды, но и по команде сам настраивает системы аудио-, видео- и веб-конференций с помощью технологий Интернета вещей. По подсчетам, благодаря новшествам время простоев конференц-залов сократилось на 30%.

Помимо масштабируемых технологий, проектная группа применяет итеративную скоростную разработку платформы, опираясь на методы agile и на исходящие от самих пользователей идеи новых сценариев применения. Кроме того, в рамках сотрудничества с Amazon в НАСА добились доработки решения Alexa for Business, благодаря которой упростились масштабные развертывания колонок Echo и чатботов.

Проект внедрения цифровых ассистентов в JPL только начался. Риналди убежден, что они будут особенно полезными для новых сотрудников, которые с их помощью смогут получать доступ к нужной информации и сервисам: «Цифровые помощники облегчают работу в многозадачном режиме, да и общаться с ними сотрудникам нравится».

— Beth Stackpole. Redefining work in the digital age.CIO. August 22, 2018

«Гибкое» предприятие требует не только внедрения гибких методологий разработки (agile) внутри ИТ-службы. Опытные руководители знают, что наиболее успешная среда agile формируется там, где бизнес-подразделения предприятия следуют точно таким же принципам. А наилучший способ добиться этого — поручить ИТ-директору возглавить процесс.

Как и многие другие современные ИТ-директора, Эд Тонер, возглавляющий ИТ-службу штата Небраска, привносит в ИТ гибкость мышления, которая должна стать гарантией того, что внедрение и поддержка программного обеспечения будут отвечать потребностям организации наилучшим образом.

Тонер ожидает от сотрудников своей ИТ-службы соблюдения принципов agile, но при этом хочет, чтобы точно так же поступали и его коллеги из бизнес-подразделений. А потому в договорах,  заключаемых с различными департаментами штата, ИТ-служба прописывает принципы методологии agile (обусловливая необходимостью их соблюдения продолжение своего участия в разработке и развертывании программного обеспечения).

«В контракте говорится, что успех проекта зависит исключительно от вашего участия в нем, — подчеркнул Тонер. — Сейчас большинство глав департаментов понимают, что либо они становятся нашими партнерами в этом процессе, либо шансы на успешное завершение проекта заметно снижаются».

С представителями бизнеса на борту

Методологией agile Тонер увлекся три года назад, когда возглавил ИТ-службу штата. От привычной концепции водопада он пришел к совершенно иным принципам гибкого проектирования. Тонер начал с того, что пригласил специалистов с опытом использования ориентированных на гибкое проектирование языков программирования — .Net и Java. А эти люди уже в свою очередь обучили языкам и принципам гибкого проектирования 400 сотрудников ИТ-службы.

Необходимость соблюдения принципов agile другими департаментами для обеспечения общего успеха закрепляется в договорах. «Мы начинаем с обсуждения общей вовлеченности бизнес-подразделений в процесс, — пояснил Тонер. — С директором каждого департамента заключается контракт, в котором прописываются обязательства сторон в части разработки».

«Чтобы вовлечь бизнес-подразделения в процесс agile-разработки, я должен был привести убедительные доказательства целесообразности такого перехода, — указал он. — Все хотели реальных подтверждений. Примерно через год после начала подобных проектов поползли слухи о том, что мы предоставляем продукт за несколько недель, а не за несколько месяцев. И с этого момента начался органический рост проектирования по методологии agile».

Проблемы формирования культуры agile

У ИТ-директора есть веские причины внедрять agile-методологию в рамках всего предприятия, а не только ИТ-службы.

«Если бизнес-подразделения вовлечены в процессы agile-разработки, то ИТ-службе легче получить более полное представление о потребностях бизнеса, а значит, она может лучше согласовывать свои действия с целями бизнеса, — рассказал генеральный директор Scrum.org Дэйв Уэст. — И тогда отдача от инвестиций в ИТ возрастает в масштабе всей организации. Предприятие оказывается в более выгодной позиции при проведении необходимых преобразований благодаря использованию передовых технологий. Применяя методологию agile, вы быстро предлагаете рынку то, что его интересует».

Но вовлечение бизнес-подразделений в процесс agile-разработки сопряжено и с определенными трудностями.

Во-первых, по-разному понимается сам термин «agile». ИТ-директор и ИТ-специалисты подразумевают под ним методологию, тогда как бизнес в соответствии с традиционным определением словарей — ускорение внесения изменений и продвижения вперед.

ИТ-директор должен помочь другим руководителям понять, что подход agile к доставке приложений требует от бизнес-подразделений и ИТ-службы поддержания партнерских взаимоотношений иными способами. ИТ-директору необходимо убедить своих коллег в необходимости такого нового партнерства. И они должны иметь возможность ощутить открывающиеся перед ними преимущества, не заблудившись в дебрях Agile Manifesto и технического жаргона.

Между тем ИТ-директора и сотрудники ИТ-служб продолжают бороться за соблюдение принципов agile-методологии и полноценное претворение в жизнь методов agile и поддерживающих технологий внутри самой ИТ-службы. По оценкам Уэста, большинство (от 70 до 80%) корпоративных ИТ-служб при реализации программных проектов в той или иной степени используют принципы agile-методологии. В качестве сдерживающих факторов выступают унаследованные технологии и привычка считать ИТ-службу центром затрат, предоставляющим стандартные услуги.

Все это затрудняет ИТ-службе переход к agile- методологии, ее сотрудники встречают сопротивление со стороны бизнес-подразделений.

«Представьте себе, что вы работаете над двухнедельным спринтом, — рассказывает Уэст. — Вам нужно, чтобы в бизнес-подразделениях быстро принимались связанные с ним решения. А там отвечают, что у них есть дела и поважнее».

ИТ-директорам, продвигающим концепцию «гибкого» предприятия, приходится бороться с укоренившимся изолированным мышлением, когда каждое подразделение озабочено лишь тем, что лучше для него, а не общими приоритетами организации.

Продвижение концепции agile. Преимущества и ограничения

Дэнис Гуле, использующий полученный ранее при разработке коммерческого ПО опыт проектирования по agile-методологии на своей нынешней позиции руководителя ИТ-службы штата Нью-Гэмпшир, при выстраивании гибкого предприятия вынужден преодолевать самые разные трудности. (Под «гибким предприятием» он понимает организацию, придерживающуюся итерационного ввода систем в эксплуатацию и культуры взаимной подотчетности.)

По его словам, руководители бизнес-подразделений весьма неохотно берут на себя роль владельца продукта и с трудом выделяют время для взаимодействия с ИТ-службой в ходе реализации спринтов.

«Мы задаем все больше и больше вопросов, людей это раздражает и вызывает у них сомнения в том, что задачи решаются наилучшим способом, — указал Гуле. — Им кажется, что вы пытаетесь выведать у них как можно больше. Но это не так. Просто весь процесс меняется. И такой неизбежный переходный этап становится одним из самых трудных».

Продвигая в бизнес-среде концепцию agile, Гуле был вынужден преодолевать множество препятствий. Следуя agile-методологии, он придерживается поэтапных и устойчивых изменений. Совместные группы, сформированные из представителей ИТ-службы и бизнес-подразделений, решают возникающие вопросы общими усилиями. Уровень их полномочий, равно как и ответственность, растет. Люди понимают, что от них ждут максимально быстрой диагностики и устранения проблем. Поэтапная доставка становится нормой. А затем внимание акцентируется на внесенных изменениях и достигнутых успехах.

«Я не говорю, что все мы станем гибкими и будем счастливы, не использую терминологию agile, — признался Гуле. — Я просто говорю, что надо сделать конкретно то-то и то-то, и объясняю, какие выгоды это принесет».

С тем что ИТ-директорам следует придерживаться такого подхода, согласны и другие. Необходимо внедрять agile-методологии и добиваться успеха, после чего делиться историями его достижения с высшими руководителями, вызывая у них желание опробовать новые методы работы.

Для этого нужен ИТ-директор, выступающий скорее в роли продавца, предпринимателя, предлагающего новый способ мышления. О ценностях, результатах и вызовах надо говорить на языке бизнеса, уходя как можно дальше от методологий и технологий. Попытки объять сразу всё не дадут эффекта. Как правило, успешный ИТ-директор обучает пять-шесть человек, после чего берет пару небольших проектов и добивается их действительно хорошей реализации. Таким образом, вы создаете достаточный импульс, для того чтобы охватить всю организацию.

Конечная цель заключается в формировании организации, которая вбирает в себя принципы agile-проектирования (даже без использования соответствующей терминологии) и превращается в предприятие, где говорят не о старых системах или проектах, а о закладывании нового фундамента в соответствии с имеющимися приоритетами.

Баланс между ИТ-службой и бизнес-подразделениями

Но ИТ-директора предостерегают от перегибов, утверждая, что уделять чрезмерное внимание agile-подходам в организации все же не стоит.

Да, ИТ-директору нужно, чтобы в бизнес-подразделениях понимали ценность принципов agile, а их руководители становились владельцами продуктов.

ИТ-директор, приняв на себя ответственность владельца продукта, должен заручиться поддержкой своих коллег, которые помогли бы сформировать правильный менталитет и отношение в возглавляемых ими подразделениях. От руководителей бизнес-подразделений необходимо добиться поддержки agile-разработки.

Нужно сформулировать приоритеты и определить, что понимается под продуктом с минимальной ценностью. Это потребует тесного взаимодействия между теми, кто лучше понимает предлагаемые ценности (является владельцем продукта), и технологической командой. Многие призывы Agile обращены непосредственно к ИТ-менеджерам, разработчикам, специалистам по тестированию, скрам-мастерам. Таково классическое представление роли ИТ-службы.

И Тонер понимает, насколько важно достичь нужного баланса. Он не намерен пускаться в пространные объяснения идей agile, но пытается убедить своих коллег из бизнес-подразделений в том, что, работая по-другому, они извлекут немалую выгоду. Традиционному подходу, подразумевающему меньшую вовлеченность и долгое время ожидания, противопоставляется новый тип партнерства, при котором очередные функции внедряются за недели, а затраты оказываются ниже, но требуется более активное участие.

И такой новый подход способен привлечь даже скептически настроенных руководителей.

«Я стараюсь донести до всех, что более активное участие в процессе увеличивает шансы получить правильное решение уже с первой попытки», — подчеркнул Тонер.

— Mary K. Pratt. Moving agile beyond IT: The secret to successful software delivery. Contributing Writer, CIO. AUG 21, 2018