Новости

Опрос ИБ-руководителей более чем 70 компаний, проведенный «Инфосистемами Джет», показал, что долгосрочное ИБ-планирование заменяют более гибкими и адаптивными подходами. Если в 2023 году 32% компаний использовали пятилетнее планирование, то в 2024-м такой подход выбирали всего 15%. В основном компании делают ставку на краткосрочные стратегии до трех или до двух лет — они позволяют быстрее реагировать на новые вызовы. Появляются и единичные компании, которые предпочитают планирование до года — их доля составила 4%.

Руководители ИБ сконцентрировались на обеспечении непрерывности, проактивном обнаружении атак и эффективном управлении ресурсами. Это привело к «пересборке» архитектуры ИБ с применением современных практик киберустойчивости. Спрос на услуги тестирования Disaster recovery и Business continuity планов для проверки киберустойчивости увеличился более чем на 30%, а самым частым тестируемым сценарием был выбран сценарий успешной атаки вируса-шифровальщика.

В исследовании также рассматриваются вопросы рисков — чаще всего компании опасаются ИТ-сбоев (58%) и кибератак (17%). Чтобы оценить риски, ИБ-руководители в основном выбирают качественные шкалы или комбинированные методы. Лишь 8% считают риски в деньгах — чаще всего это делают в финансовых компаниях, ретейле и крупной промышленности.

Согласно исследованию, сервисный подход к ИБ в российских компаниях только набирает популярность. В то время как 11% компаний реализуют отдельные практики этого подхода, 14% уже предоставляют услуги по защите в виде сервисов, организовав внутреннее подразделение ИБ в качестве «поставщика услуг». Это указывает на постепенный переход к более структурированному и ориентированному на потребности бизнеса обеспечению информационной безопасности.

Эксперты отмечают положительную динамику: количество компаний, в которых работники ИБ вовсе отсутствуют, значительно уменьшилось по сравнению с 2023 годом — всего 6% против 13% в 2024 году. При этом организации продолжают активно набирать ИБ-персонал, поскольку специалистов все равно не хватает. В 2024 году число открытых вакансий по ИБ выросло на 30% по сравнению с аналогичным периодом прошлого года. Так, в 2024 году в 61% компаний была открыта хотя бы одна вакансия специалиста ИБ. Компании вынуждены искать новые способы решения проблемы дефицита кадров: 52% выразили готовность привлекать студентов.

Ранее для процессов бюджетирования в «Август-Агро» использовали Excel, что снижало скорость и качество планирования. Целью проекта стало внедрение автоматизированной системы, которая позволяет сокращать трудозатраты и унифицировать рабочие процессы. Учитывая, что «Август-Агро» уже использовал «1С:Управление холдингом» для закупок в работе казначейства, было принято решение развивать блок бюджетирования на базе этой системы. Партнером по проекту выступила «Корус Консалтинг».

Проект начался с формирования бюджетной модели и настройки прототипов в ИТ-системе. Было важно запустить решение в сжатые сроки, чтобы сотрудники смогли провести бюджетную кампанию на 2025 год уже в «1С:УХ». Команда совместила внедрение с опытной эксплуатацией: по мере проработки бюджетных моделей для каждого направления деятельности ИТ-специалисты вносили настройки в рабочую базу. Параллельно проверялась их корректность, используя данные за 2024 год. В течение трех месяцев была реализована основная функциональность, после чего компания ввела данные на 2025 год и подготовила сводные отчеты.

В рамках проекта были реализованы инструменты планирования прямых и косвенных расходов, формирования бюджета доходов и расходов (БДР) и бюджета движения денежных средств (БДДС). Команда реализовала более 125 форм в «1С:УХ», автоматизировала бюджеты растениеводческих и животноводческих предприятий, элеваторов, дилерского центра, а также формирование сводных БДР и БДДС. Специалисты интегрировали систему с «АдептИС:Агрокомлекс», «1С:Бухгалтерия», «1С:ЗУП», нормализовали нормативно-справочную информацию.

В результате агрохолдинг добился единообразия форм ввода данных для всех бизнес-направлений: теперь процедуру группового пересчета бюджетов можно выполнить за несколько часов. Кураторам статей затрат больше не требуется помощь экономистов для расшифровки данных бюджета — информация в системе стала доступнее и понятнее для менеджмента. Теперь срок формирования сводных отчетов сократился на 24 часа, процесс корректировки данных – на 8-16 часов.

В дальнейшем агрохолдинг планирует запустить функции анализа фактических затрат и исполнения бюджета, а также развивать функциональность казначейства и закупок в «1С:УХ».

Одним из ключевых достижений проекта стала автоматизация производственных процессов «Стальэмали». Раньше многие операции требовали ручного ввода информации, что замедляло работу и увеличивало риск ошибок. С внедрением ERP-системы удалось минимизировать человеческий фактор, что привело к повышению точности и скорости выполнения задач. Кроме того, была изменена методология расчета себестоимости, что позволило более точно учитывать затраты по переделам и оптимизировать финансовое планирование.

Интеграция ERP-системы с существующими решениями также обеспечила несколько преимуществ. Например, связь с модулем расчета зарплаты позволила автоматизировать расчет показателей сдельной оплаты труда и сократить время на обработку данных. Адресное хранение на складе, интегрированное с ERP, упростило логистику и ускорило процессы отгрузки готовой продукции.

Проект реализован при поддержке Центра корпоративных процессов «1С» «Северсталь-инфоком».

Ресурсы проекта были сосредоточены на наиболее важных производственных активах завода – цехе розлива и основном компрессорном оборудовании. В отношении этих активов в рамках проекта была проведена паспортизация, создан реестр оборудования и каталог его типов, введены регламенты работ по ТОиР, создана база данных нормативов (трудозатраты, запасные части) на выполнение работ, классификаторы дефектов и отказов с возможностью автоматизированного выбора причин и привязки дефекта к конкретной единице оборудования.

Реализована интеграция системы управления ТОиР с корпоративной системой управления ресурсами на основе 1С:ERP. Автоматизированный обмен между этими системами осуществляется посредством конвертера в части данных о движении ТМЦ по складу (приход, расход, перемещения), формирования и учета складских документов, передачи из TRIM в ERP заказов на закупку ТМЦ, синхронизации обеих систем в части нормативно-справочной информации.

В созданной системе ТОиР техническая служба завода осуществляет объемно-календарное планирование регламентных работ, формирует заявки на снабжение и расходные накладные, отчитывается о выполнении работ. В свою очередь, производственники, используя Web-интерфейс системы, регистрируют в ней дефекты с начальной классификацией, включая привязку фотографии возникшего дефекта и его описания, подают заявки на устранение дефектов, контролируют статус выполнения работ. Заявки от производственников анализируются технической службой, при необходимости уточняется классификация дефектов, планируются по ним работы.

Аналитическая подсистема предоставляет руководству инструменты для анализа, в том числе в разрезе план/факт, включая выполняемость работ, затраты, использование материальных ресурсов и т.д.

Планируется дальнейшее развитие созданной системы. В частности, предполагается развернуть часть системы на мобильных устройствах, с тем чтобы подключить к ней наладчиков, и предоставить им возможность непосредственно с мобильных устройств получать задания на работы, получать доступ ко всей информации по оборудованию, на котором предстоит работа, вводить с мобильных устройств отчетов о выполнении работ.

Также предполагается реализовать интеграцию с АСУ ТП для сбора данных о наработке, данных об эксплуатационных состояниях, о длительности и причинах остановок. Это позволит перейти к планированию ТОиР по наработке и анализировать причины простоев.

Решение для управления базой знаний Naumen KMS сохранило менеджерам по продажам «Самолета» до 15% рабочего времени, которое раньше они тратили на рутину. Оно исключило необходимость скроллинга и возвращения к оглавлению. Найти ответ на вопрос клиента стало просто, и время ожидания информации клиентами сократилось. Внедрение Naumen KMS — часть стратегии «Самолета» по цифровизации девелопмента. Решение позволяет тиражировать лучшие практики по продажам для более чем 300 сотрудников компании в разных регионах и быстро масштабировать знания при запуске новых проектов по всей стране.

Переход на новую базу знаний контакт-центра был необходим «Самолету», чтобы обеспечить высокую скорость и точность ответов. Система показала свою эффективность в реальных условиях. «Умный» поиск находит ответы даже при опечатках в запросе, а встроенный словарь позволяет менеджеру узнать значение любого незнакомого термина в один клик. Шаблоны статей с вкладками заменяют монотонные тексты на интерактивные блоки, что делает возможность сотрудникам буквально с одного взгляда воспринимать информацию и быстро находить нужную.

Благодаря новым функциональным возможностям и инструментам контакт-центр «Самолета» изменил философию работы и внедрил гибкий стандарт продаж и обслуживания, где каждый диалог строится вокруг потребностей клиентов. Теперь персонализация стоит на первом месте, и вместо использования скриптов и «чтения сверху вниз», менеджеры предоставляют только релевантные ответы, быстро переключаясь между вкладками, что позволяет им подстраиваться под потребности каждого клиента.

Особое внимание уделяется уникальности каждого жилого комплекса. Статьи имеют единую логическую структуру, что значительно ускоряет поиск информации. При этом в каждом проекте акценты расставлены по преимуществам, что помогает менеджерам подчеркивать сильные стороны конкретных проектов.

В статьи встроены подсказки: как презентовать выгоды, как работать с возражениями, как пригласить клиента в офис. Кроме того, внедрение Naumen KMS предполагает активное использование обратной связи: вопросы и предложения сотрудников напрямую влияют на контент и помогают регулярно дополнять его важной для клиентов информацией.

Новое решение помогло «Самолету» оптимизировать процессы работы с информацией по всем жилым комплексам и проектам, ускорить обучение новых сотрудников и усилить стандарты качества обслуживания. Доступ к единой базе знаний позволяет быстрее погружаться в специфику работы даже без опыта в сфере недвижимости. На текущий момент более 100 сотрудников контакт-центра и более 250 сотрудников отделов продаж, ипотеки и сопровождения уже активно используют новую базу знаний в своей работе.

«Самолет» продолжит активно развивать систему управления знаниями, интегрируя новые функциональные возможности и совершенствуя процессы, чтобы обеспечить максимальное удобство и поддержку для своих сотрудников и клиентов. В планах — подключение новых отделов для полной синхронизации данных и дальнейшее расширение возможностей базы знаний на всю компанию.

На базе Naumen Service Desk Pro создана корпоративная автоматизированная система управления ИТ-активами «Транснефть». В рамках пилотного проекта по импортозамещению в ПАО «Транснефть» и ООО «Транснефть — Балтика» российское решение пришло на смену собственной разработке компании и решению SAP TOPO. При миграции на Naumen Service Desk Pro перенесен массив данных, который предприятия накопили за восемь лет работы.

Для реализации решения потребовалась настройка более 10 интеграций с различными корпоративными ИТ-системами. Все данные об ИТ-инфраструктуре теперь централизованы, что позволило обеспечить сквозную управляемость ИТ-активами на всех этапах их жизненного цикла — от формирования потребности в активах до вывода их из эксплуатации. В системе автоматизированы процессы согласно методологии и лучшим практикам ITSM. Для поддержания актуальной информации об ИТ-активах реализован механизм автообнаружения.

Создан классификатор ИТ-активов, справочник моделей программного обеспечения и оборудования. Для отслеживания взаимосвязей между компонентами инфраструктуры и предоставляемыми услугами построена база данных управления конфигурациями (CMDB), которая включает 55 тыс. конфигурационных единиц.

Через интеграционные механизмы удалось построить сквозной процесс управления активами — от заявки на закупку и учета лицензий до финансового контроля и сопровождения. Учет активов ведется в связке с финансовыми данными и договорами.

Для принятия решений используются встроенные инструменты аналитики. В Naumen Service Desk Pro настроен 21 отчет и организована интеграция с BI-системами для сводной отчетности. Это позволяет легко формировать аналитические формы, в том числе для министерств и регуляторов.

Для дальнейшего масштабирования системы на 45 организаций системы «Транснефть» создан центр компетенций на базе ООО «Транснефть — Технологии», который обеспечивает поддержку пользователей, развитие решения и формирование базы знаний. За полтора года реализовано 10 релизов и 881 изменение. В дальнейших планах — развитие мультиорганизационной поддержки, масштабирование процессов управления активами и конфигурациями, а также модернизация портала самообслуживания и интерфейсов специалистов.

Лишь 14% компаний, которые применяют генеративный ИИ, используют решения, разработанные внутри их компании. 44% отдают предпочтение сторонним продуктам, а 42% сочетают собственные и рыночные разработки. Больше половины компаний отметили, что ИИ-решения используют их данные – к ним относится коммерческая информация, например, транзакции клиентов, история продаж, сделок и расходов. Самые популярные типы используемых продуктов – бесплатные функции облачных LLM и платные ИИ-продукты для решения специализированных задач: программирования, видеомонтажа, обработки клиентских отзывов. Платными опциями LLM пользуются 37% опрошенных.

Главное – разгрузить сотрудников

Ключевой эффект, которого ожидает бизнес от применения генеративного ИИ, – увеличение производительности труда: так ответили 42% тех, кто уже использует технологию; рост объема выручки от клиентов – 36% и сокращение расходов – 35%. С этим связан выбор направлений, для которых компании используют ИИ, – большинство из них связаны с разгрузкой сотрудников от выполнения рутины за счет делегирования ряда задач технологии. Чаще всего генеративный ИИ применяется для клиентской поддержки, генерации контента, например: для креативов, карточек товаров и услуг, продуктового маркетинга и для работы с внутренними клиентскими базами знаний. Наименее востребован генеративный ИИ для решения HR-задач.

Желание есть, но есть и опасения

Основными барьерами внедрения ИИ-технологии для бизнеса остается нехватка штатных профильных кадров – так ответили 40% респондентов, а также недоверие клиентов технологии искусственного интеллекта – 27%. Треть компаний, которые не используют технологию, планируют начать в 2025 году. Из них 16% будут разрабатывать собственные решения: 37% собираются пользоваться сторонними, а 47% сочетать свои и существующие на рынке разработки.

Преимущественно компании, которые собираются внедрять ИИ, планируют использовать его для генерации контента – например, описания продукта для карточек товаров и услуг – так ответили 37% респондентов. Каждая четвертая компания будет применять технологию для подготовки скриптов для продавцов и разработки кода. Большинство респондентов – 42% – ожидают от внедрения ИИ увеличения производительности труда персонала и сокращения расходов.

Ключевые сферы применения генеративного ИИ по отраслям

В ретейле генеративный ИИ применяют чаще всего для клиентской поддержки и генерации описаний карточек товаров и услуг. Из тех компаний, которые еще не пользуются генеративным ИИ, именно ретейлеры чаще всех отмечали планы на внедрение ИИ в свою деятельность в текущем году: они ожидают от этого улучшения клиентского опыта.

В сфере FMCG ИИ активнее всего используется для поиска информации — в интернете или базе знаний компании. При этом именно компании из этой сферы меньше остальных пользуются собственными решениями, предпочитая сторонние разработки.

В финансовой сфере генеративный ИИ применяют чаще всего для клиентской поддержки и разработки креативных текстовых материалов. В девелопменте ИИ применяется чаще всего для развития существующих продуктов для клиентов, генерации продуктовых гипотез и анализа рынка.

Как отмечают аналитики, бизнес заинтересован в применении ИИ, однако не все готовы инвестировать в разработку собственных решений и предпочитают готовые сторонние продукты, не требующие профильных специалистов в штате.

Сейчас в лабораториях на базе двух «Перекрестков» тестируются четыре типа технологий: CV (компьютерное зрение), Bluetooth-маячки, IoT (интернет вещей) и аудиобейджи.

Компьютерное зрение представляет собой систему «умных» камер, которые располагаются по периметру торгового зала и позволяют анализировать различные метрики, влияющие на клиентский опыт. К примеру, они отслеживают трафик, образование очередей в кассовых зонах, заканчивающиеся товары на полках, а также предпочтения покупателей. Технология помогает точнее работать с ассортиментом, адаптируя его под разные запросы, вовремя выявлять потенциальные проблемы с работой касс и автоматизировать управление запасами таким образом, чтобы необходимый товар всегда был доступен покупателю.

Bluetooth-маячки помогают оцифровывать потребительское поведение в магазинах, повышать эффективность операционных процессов и, как следствие, улучшать клиентский опыт.

Технология IoT направлена на мониторинг работы торгового оборудования для повышения комфорта покупателей и сотрудников торгового зала. Например, инновационные датчики контролируют уровень углекислого газа, температуру, освещение и другие показатели, и, при необходимости, автоматически корректируют их. Это делает процесс совершения покупок наиболее комфортным, а также контролирует общую эффективность работы оборудования в торговом зале.

Аудиобейджи используются для повышения качества сервиса обслуживания за счет анализа коммуникации сотрудников с покупателями. Информация, обработанная с использованием технологий искусственного интеллекта, позволяет проверить корректность и эффективность взаимодействия с клиентами и улучшить клиентский сервис в случае необходимости.

Раньше инвентаризация в «СТА Карго» велась вручную: данные о грузах и их расположении на складе проверяли выборочно, что не давало нужной точности. Полный учет был возможен только при остановке работы склада. Особенно сложно было учитывать крупногабаритные грузы, которые занимали несколько полок, но в системе значились как стоящие на одной. Из-за этого невозможно было точно понять, где есть свободные места.

Чтобы решить эти задачи, «Яндекс Роботикс» запустила на складе робота-инвентаризатора. Учитывая особенности планировки — узкие аллеи и плотную расстановку ячеек, — робота пришлось доработать. Например, чтобы он мог видеть ячейки хранения и палеты без «слепых зон», на робота установили 12 камер. Также команда проекта улучшила систему распознавания текста (OCR) и обучила робота считывать более 20 форматов кодов, включая нестандартные шифры разных компаний.

Благодаря доработкам на тестах робот проезжал одну аллею склада за четыре минуты, фиксируя содержимое каждой ячейки и сверяя данные с системой WMS. Раньше на это у сотрудников уходил целый день. Робот также позволил выявить ошибки в данных WMS — дублирующиеся записи, неправильно отмеченные пустые ячейки и несоответствия между фактическим и системным размещением груза.

После запуска робота в постоянный режим «СТА Карго» добилась ощутимых результатов. Точность данных в WMS выросла с 89% до 96%, а объем заполненных и проверенных данных в WMS – с 50% до 90%. Сотрудники ушли от рутинных проверок и занялись более важными задачами, которые нельзя автоматизировать.

В ближайшее время «СТА Карго» внедрит единые QR-этикетки для всех типов грузов — это упростит учет и ускорит работу склада.

Эксперты Т1 ожидают со стороны компаний дальнейшего роста капиталовложений в бизнес-решения, построенные на технологиях ИИ, на уровне 20-30% в год. Это объясняется тем, что предприятия получают инструменты для повышения операционной эффективности и лояльности как клиентов, так и сотрудников, а также сокращение издержек. Кроме того, автоматизация с помощью ИИ позволяет наращивать темпы производства в условиях кадрового дефицита.

Все больше российских компаний рассматривают ИИ как важный повседневный инструмент и источник увеличения прибыли. В 2024 году российские компании стали чаще использовать ИИ в основной операционной деятельности: в целом за год показатель увеличился с 62% до 74%. Причина этого очевидна: бизнес увидел реальный эффект, который проявляется, в том числе в сокращении числа аварий, росте эффективности, снижении зависимости от человеческого фактора. Причем наиболее активны во внедрении инновационных инструментов молодые и быстро растущие компании, которые считают это значимым фактором своей конкурентоспособности. Число тех, кто готов инвестировать в ИИ, в этом сегменте достигло 40%.

По мнению экспертов Т1, решения на базе ИИ незаменимы при обработке корреспонденции и документов, в управлении персоналом и оценке качества обслуживания. Опыт использования цифровых ассистентов демонстрирует существенное снижение нагрузки на сотрудников, так как 54% их рабочего времени уходит на организацию взаимодействий, координацию и поиск данных.

Например, применение ИИ-контролера платформы «Интеллектуальный анализ документов», разработанной в Т1, дает значительное сокращение времени обработки документов – с 5 дней до одного часа, и снижение на 95% числа ошибок, вызванных человеческим фактором.

Среди других актуальных сценариев для ИИ — борьба с коррупцией через анализ данных. Например, платформа «Мирион» на основе графовых моделей отмечает завышение цен или привлечение одних и тех же поставщиков, и автоматически формирует отчеты для проверок. Это позволяет полностью исключить подозрительные тендеры и сократить число нарушений при закупках на 25%.

Постепенно звание лидеров в ИИ переходит к достаточно консервативным отраслям  промышленности, в том числе нефтегазовой, а также к металлургическим компаниям, которые активно развивают специализированные ИТ-продукты. В этих отраслях наиболее востребованы две группы решений на основе ИИ. Во-первых, системы компьютерного зрения для контроля качества продукции и мониторинга экстренных ситуаций. Во-вторых, цифровые помощники, повышающие эффективность и безопасность производственных процессов. Также все больше в промышленности пользуются спросом такие ИИ-технологии, как предиктивная аналитика, безопасная обработка данных и оптимизационные решения.

Благодаря системам на базе машинного обучения предприятия сокращают простои, заранее выявляют признаки аварий и тем самым снижают риски. В отдельных проектах применение ИИ позволило сократить количество несчастных случаев за счет автоматического мониторинга соблюдения техники безопасности.

В ТЭК ИИ используется для интеллектуального управления сетями и прогнозирования нагрузки, оптимизации производственных процессов. Это особенно важно в регионах с устаревшей инфраструктурой, где даже кратковременные сбои могут иметь критические последствия. Отрасль занимает третье место по реализации ИИ-проектов: доля организаций, использующих ИИ, достигла 58%. Крупные компании используют нейросети для прогнозирования тенденций, управления энергосетями и предотвращения аварий.

По оценке Института статистических исследований и экономики знаний (ИСИЭЗ), вклад ИИ в промышленность к 2035 году может достичь 7,7 трлн руб.