Новости

Основными критериями оценки внедрения ИИ респонденты назвали удовлетворенность клиентов и инвесторов (34%), достижение ожидаемого возврата инвестиций (33%) и качество продуктов и услуг (27%). Большинство респондентов отметили, что в их компаниях искусственный интеллект используется в области исследований – 41%, а также в работе с клиентами (например, для персонализации) – 32% и обслуживании клиентов – 31%. Наименьшее количество компаний использует искусственный интеллект в юридических процессах, ценообразовании и бухгалтерии.

Лидерами по внедрению и использованию ИИ стали маркетинг и реклама, ретейл, банкинг, телеком и промышленный комплекс. В зависимости от индустрии различаются и способы применения ИИ. В промышленности это чаще всего рекомендательные системы для принятия технологических решений и повышения безопасности производства, в розничной торговле решение логистических задач, изучение поведения покупателей, а в банках ИИ используют для формирования индивидуальных предложений, повышения эффективности таргетинга.

В качестве основных преимуществ применения ИИ более половины (58%) опрошенных российских экспертов назвали оптимизацию бизнес-процессов, чуть меньше – 49% – выделили разработку новых продуктов и услуг, а 41% после внедрения ИИ ожидают увеличения производительности труда. На повышение качества продуктов и услуг в результате внедрения ИИ рассчитывают 33% опрошенных, а 32% – на улучшение взаимодействия с клиентами.

Более 90% опрошенных экспертов рассчитывают, что в 2019-2024 годах ИИ повлияет на экономический рост, производительность труда и инновационное развитие. Также ожидается существенное влияние искусственного интеллекта на создание рабочих мест (а именно, появление новых профессий, изменение требований к профессиям и др.). Основными индустриальными вызовами развития ИИ в России 50% опрошенных называют управление данными. Также в число проблем входят наличие и квалификация специалистов и необходимость изменения существующих бизнес-моделей.

Согласно результатам опроса, самыми «цифровыми» оказались организации, где работает более 10 тыс. человек, что неудивительно. При таком масштабе невозможно обойтись без автоматизации HR-процессов. Между тем, многие компании до 100 человек не имеют отделы управления персоналом и, соответственно, у них нет никакой автоматизации.

Самыми прогрессивными с точки зрения использования технологий в HR оказались компании из банковской и финансовой отрасли, металлургии и горной добычи, ИТ и телекома. Они находятся на пути от фрагментарной автоматизации HR-процессов к ее зрелой стадии. За ними следуют розница, фармацевтика, FMCG, медиа и электронная коммерция, где HR-процессы либо хорошо выстроены и автоматизированы. В третьей группе расположились транспортно-логистические, производственные и нефтегазовые компании. Несмотря на то, что многое зависит от конкретной организации, в целом в данных индустриях гораздо медленнее внедряются новые HR-технологии.

Как минимум 55% сотрудников все еще вынуждены распечатывать, подписывать и лично приносить документы в отделы кадров, несмотря на то, что более половины компаний уже внедряют системы самообслуживания на корпоративных порталах. В HR-аналитике 3% применяют предиктивный анализ на основе машинного обучения, 15% хранят HR-данные в единой интегрированной системе, но при этом 35% обходятся без выстроенных процессов и систем, поддерживающих HR-аналитику, а 60% делают аналитику по персоналу вручную, используя стандартные офисные приложения.

Интересно, что некоторые вопросы специалисты по HR и представители бизнеса видят по-разному. Например, сотрудники по персоналу выше оценивает автоматизацию кадрового делопроизводства и процессов целеполагания, а бизнес – обучения и развития персонала. Респонденты, занимающие должности разных уровней, иначе понимают зрелость цифрового HR в своих компаниях: высоким уровень цифровизации называют специалисты начальных уровней и вице-президенты. В то же время, линейные руководители и менеджеры среднего звена оценивают автоматизацию ниже, чем все респонденты, вероятно, из-за того, что видят не только преимущества ИТ-систем, но и сталкиваются со всеми их сложностями и недоработками.

Компании прибегают к роботизации, чтобы успешнее конкурировать в новых рыночных условиях, ведь цифровые решения способны сократить затраты на рутинный труд до 30% и, как следствие, освободить ресурсы для работы над стратегическими задачами.

Как известно, некоторые задачи пока достаточно сложно роботизировать, потому что они плохо переводятся в алгоритмы: например, управленческие функции и задачи, требующие экспертных знаний. Другие процессы, наоборот, хорошо поддаются автоматизации: сбор и обработка данных, многие процессы в HR и финансовом планировании.

Как подчеркивают аналитики, с помощью технологий, доступных сегодня, можно автоматизировать 45% задач обычной компании. А с развитием новых технологий, которые пока не используются широко в промышленном масштабе (например, распознавание эмоций), роботам можно будет поручить еще 13% задач.

Роботизация дает дополнительный повод задуматься, как устроен определенный процесс, и заново построить его наиболее эффективным способом. В результате, кроме сокращения затрат, автоматизация помогает повысить гибкость, качество и скорость работы. Также в рамках роботизации часто выясняется, что от отдельных шагов и вовсе можно отказаться.

Например, внедрение инструментов RPA помогает эффективнее обрабатывать и отсеивать резюме для HR-службы, быстрее вести документооборот и оформлять сотрудников; автоматически обрабатывать бухгалтерские проводки и проверять данные для подготовки управленческой отчетности; принимать решения о кредитных лимитах и создавать «виртуальных сотрудников», способных оказывать поддержку клиентам компании.

В McKinsey выделяют пять важных критериев для успешной программы роботизации:

• Проект должен стать одним из стратегических направлений и иметь выделенного куратора на уровне топ-менеджмента.
• Постановка целей и отслеживание результатов должна вестись в метриках, принятых на старте проекта.
• Необходима понятная операционная модель взаимодействия проектной команды с бизнес-подразделениями.
• Важно создание внутренней команды экспертов и накопление опыта для дальнейшего развития компетенций.
• Оптимизация процессов даст возможность максимизировать эффект от проекта.

Соглашения на российском рынке

Технологии RPA бурно развиваются, с этим направлением на российском рынке связаны большие ожидания. Международной практической конференции «Роботизация бизнес-процессов 2019», организованной издательством «Открытые системы», удалось собрать не только несколько сотен участников, но и практически всех ключевых поставщиков RPA-платформ.

В ее ходе было заключено несколько соглашений. Так Softline объявила о начале продвижения платформы electroNeek (она уже доступна на сайте). electroNeek – это международная компания, образованная выходцами из России. На нашем рынке она уже сделала первый пилот совместно с Почтой России и на данный момент активно развивает партнерскую сеть интеграторов.

Кроме того, Automation Anywhere, мировой лидер в области RPA и партнер конференции «Роботизация бизнес-процессов 2019», заключил договор о сотрудничестве с компанией Advanced Digital Technologies Россия. Automation Anywhere работает в России уже более двух лет и хорошо известна на рынке, однако нынешнее соглашение существенно усилит ее позиции. ADT стала привилегированным реселлером, партнером по внедрению и поставщиком профессиональных компетенций для Automation Anywhere и ее интеллектуальной платформы RPA в России и СНГ. Она должна обеспечить руководство проектами внедрения платформы RPA на предприятиях различных отраслей.

Как отмечает руководство Automation Anywhere, Россия сейчас находится на пике цифровых преобразований. Расширение присутствия компании в регионе позволит оказать существенно большую помощь предприятиям в цифровизации их бизнеса с использованием RPA. Каждый региональный рынок имеет уникальные особенности, поэтому локальные партнеры играют чрезвычайно важную роль в ее продвижении.

УАЗ реализовал один из первых в России проектов на базе IoT-платформы PTC ThingWorx. Решение собирает данные с активов УАЗ в режиме реального времени, помогая повышать эффективность производства и снижать незапланированные простои.

В 2018 году Ульяновский автомобильный завод объявил о старте реализации своей концепции «Цифровой УАЗ». Проект мониторинга производства и контроля оборудования с использованием индустриального Интернета вещей стал частью стратегии развития цифрового производства. Основная цель внедрения IoT на заводе — обеспечение необходимого уровня выпуска продукции с максимальной эффективностью и минимальными потерями. Для этого требовалось повысить прозрачность производства, за счет реализации сбора данных о работе активов без участия человека.

IoT-решение развернуто в рамках участка лазерной резки, входящего в состав прессового производства УАЗ. Здесь выпускается 80 различных типов деталей, до 260 тыс. изделий ежегодно. Участок оборудован двумя роботизированными комплексами и до проекта функционировал круглосуточно. Такой режим работы мешал качественно выполнять работы по техническому обслуживанию и плановым ремонтам оборудования.

Благодаря созданному решению специалисты предприятия могут собирать данные и проводить расширенную аналитику о работе участка и состоянии активов. Передача данных о различных параметрах робототехнического оборудования происходит в режиме реального времени.

На данном этапе проходит тестирование решения. Потенциальными результатами проекта станут увеличение выработки, повышение эффективности управления рисками и снижение издержек производства. По итогам внедрения завод сможет обеспечить рост производительности участка лазерной резки – сократит время работы с одновременным сохранением объемов производства, что позволит освободить больше времени на регулярные осмотры и техническое обслуживание оборудования.

В перспективах проекта интеграция с MES-системой и PLM-системой Teamcenter, 3D-визуализация и построение модели предиктивной аналитики. Накопленные данные помогут определять закономерности в работе оборудования, прогнозировать возможные аномалии и таким образом сокращать затраты на обслуживание и ремонт активов.

Теперь все процессы компании - планирование и управление производством, запасами, затратами, финансами, бухгалтерский и налоговый учет, закупки, аналитика и отчетность - объединены на единой ИТ-платформе, которая может быть оперативно настроена под текущие нужды. В результате удалось создать систему сквозного контроля качества во всех подразделениях компании, сократить сроки поставок продукции клиентам, получить доступ к оперативной аналитике, повысить производительность. Все это, в свою очередь, позволило гораздо быстрее принимать управленческие решения, повысило инвестиционную привлекательность компании  и доверие со стороны партнеров.

В дальнейшем «Русполимет» также планирует внедрить решения по управлению человеческим капиталом, техническому обслуживанию и ремонту оборудования, оптимизации планирования производства, CRM, использовать расширенную аналитику и мобильные приложения.

Как отметил Сергей Кручинин, член совета директоров «Русполимет», внедрение инновационной ИТ-платформы – это первый шаг в долгосрочной программе по цифровизации предприятия и перехода к принципам Индустрии 4.0. Кроме того,  он ожидает, что масштабные технологические новшества позволят компании изменить не только бизнес-процессы, но и сознание людей.

Современным организациям необходим доступ ко всем данным в режиме реального времени, что требует от приложений свободного взаимодействия с локальной инфраструктурой и облаком. В прошлом зачастую именно отсутствие специально разработанной интеграции локальной системы хранения данных с облачным хранилищем препятствовало эффективной работе приложений.

Как отмечают в Pure Storage, на сегодняшний день существует «облачное разделение» — облачная СХД не учитывает специфику корпоративных требований, а корпоративная инфраструктура не так удобна для пользователей, как облако. Новое предложение расширяет возможности датацентричной архитектуры для работы в облаке, которая позволяет создавать гибридные приложения, обеспечивающие «настоящую мобильность и свободу».

Pure Storage Cloud Data Services включает в себя три компонента: Cloud Block Store для AWS — систему хранения данных с блочным доступом, оптимизированную для работы в облаке AWS, CloudSnap для AWS — облачную защиту данных, встроенную непосредственно в Pure FlashArray, а также StorReduce – облачную технологию дедупликации.

Основная цель проекта – оперативно, в удобном формате и на любом устройстве, в том числе удаленно, получать ежедневную отчетность, чтобы в автоматическом режиме рассчитывать цели по продажам до уровня регионов и отдельных магазинов. Система анализирует как внутреннюю отчетность компании, так и статистику из внешних источников. Это позволяет сотрудникам и топ-менеджерам «Алвисы» самостоятельно настраивать необходимые фильтры и получать любые срезы без привлечения аналитиков, как это было раньше.

Как отметил Иван Маликов, заместитель генерального директора по автоматизации и производству группы компаний «Алвиса», около половины сотрудников компании работают «в полях», и поэтому важно, чтобы они могли оперативно посмотреть необходимую аналитику в режиме реального времени с любого устройства, в том числе с мобильного телефона. Отчеты из построенной системы используют и все топ-менеджеры компании – президент, генеральный директор, директор торгового дома, директора дивизионов и регионов, а также сотрудники логистического отдела.

В дальнейшем «Алвиса» планирует расширить возможности платформы SAP Analytics Cloud, реализовав дополнительные модули, в том числе по прогнозированию спроса.

Исследование «Машинное обучение: наука, а не вымысел», проведенное ассоциацией, объединяющей специалистов в области финансов, учета и аудита (АССА), посвящено использованию искусственного интеллекта и машинного обучения в финансах. Его главная цель – выяснить, какое отношение к новым технологиям сформировалось в отрасли.

С каждым годом у работников финансовых отделов появляется больше возможностей для интеллектуализации бизнес-процессов: использования аналитики данных, учета операций, обнаружения мошеннических схем, управления денежными средствами, планирования ресурсов и формирования финансовой и нефинансовой отчетности.

По данным исследования, с каждым годом растет число компаний, которые готовы применять для автоматизации процессов машинное обучение, и повышенный ажиотаж вокруг него становится реальностью: 24% опрошенных заявляют, что находятся на этапе обсуждения технологий с коллегами, а 11% – уже реализуют проекты.

Опрошенные эксперты отмечают, что внедрять машинное обучение в бизнес нужно только тогда, когда есть потребность упростить процессы, а не просто руководствоваться желанием восприниматься на рынке как инновационная компания, использующая искусственный интеллект. Кроме того, финансовой отрасли предстоит решить вопросы этического характера: как выстраивать профессиональные отношения в новых реалиях, не будут ли предвзятыми решения алгоритма, и как избежать утечки конфиденциальной информации, собранной в одном месте. Опрос показал, что большинство респондентов (59%) готовы доверять машинному обучению, но при условии, что внедрение алгоритма осуществлялось известным и проверенным поставщиком.

В число главных задач, которые финансовые специалисты готовы отдавать на откуп технологиям, вошли классификация транзакций, активов и пассивов компании, бухгалтерский учет, аудиторские проверки и выявление мошенничества. А вот такие сферы, как подбор персонала и принятие финансовых решений для планирования в области инвестирования пока видятся многим респондентам исключительно в зоне ответственности людей. Доверять роботам процессы с высокой долей риска готовы немногие.

Чтобы подготовить финансовых специалистов к цифровому будущему, ACCA уже включили соответствующие темы в программу нескольких экзаменов для получения квалификации. Знание технологий поможет заранее предупреждать риски, которые несет в себе принятие решений алгоритмом, а не человеком. Например, можно будет заранее проконтролировать формирование выборки данных, на которых система строит дальнейший анализ и принимает решения, и избежать ошибок на начальном этапе.

Высокий процент утечек через бумажные документы только на первый взгляд выглядит неожиданным. На самом деле в этом факте нет ничего удивительного, поскольку существенная часть корпоративного документооборота во всем мире по-прежнему совершается в неэлектронной форме. Но самый главный фактор состоит в том, что во многих компаниях и государственных организациях далеко не всегда соблюдаются правила обращения с бумажными носителями.

В 86% случаев через бумажную документацию были скомпрометированы персональные данные, а в 7% — платежная информация. На долю государственных секретов пришлось почти 5% утечек, на долю сведений из разряда коммерческой тайны и ноу-хау — 2,4%.

Примерно каждая третья «бумажная утечка» происходит в медицинских учреждениях, также высока доля государственных (21%) и муниципальных организаций (11%).

Самая распространенная схема компрометации персональных данных через бумагу связана с нарушением организациями правил списания и уничтожения документов. В России особенно много нарушений такого рода.

По оценкам аналитиков Gartner, 87% компаний находятся на низком уровне развития технологий бизнес-аналитики и анализа данных. Они ведут либо только базовый анализ данных в электронных таблицах, либо осуществляют отдельные аналитические проекты без централизованного руководства. Низкий уровень развития сильно ограничивает возможности модернизации бизнес-аналитики и использования современных технологий. Компании с таким уровнем обладают примитивной или устаревшей инфраструктурой ИТ, служба ИТ мало взаимодействует с бизнес-пользователями, а результаты анализа данных редко связываются с конкретными результатами в бизнесе.

Аналитики советуют разработать единую для компании стратегию в области данных и их анализа с ясной перспективой. Нужно создать гибкую организационную структуру, задействовать ресурсы анализа и внедрить непрерывное обучение методам анализа. Также необходимо создать официальные правила управления данными, поддерживающие цели бизнеса, и начать использование современных интегрированных аналитических платформ, способных решать много разных задач.