Новости

По мере роста компании увеличивалось количество кадровых операций. Согласования отпусков, оформление командировок и работа с нормативной документацией велись в разных системах и большинство операций выполнялись вручную, что создавало избыточную нагрузку на сотрудников отдела кадров и снижало прозрачность процессов. Такой подход неизбежно сказывался на качестве работы и скорости обработки запросов. Компания приняла решение объединить все кадровые процессы в едином цифровом контуре.

В качестве основной платформы компания выбрала ELMA365 КЭДО — комплексное решение для автоматизации кадровых процессов, управления персоналом и организации юридически значимого электронного взаимодействия между работодателем и сотрудниками. Партнером по внедрению стал «Корус Консалтинг».

В ходе проекта специалисты автоматизировали ключевые процессы кадрового документооборота на ELMA365. Чтобы сократить сроки внедрения, команды параллельно запустили разработку блоков «Отпуск» и «Командировка» без последовательного ожидания завершения каждого этапа. Это позволило избежать простоев и ускорить достижение результата.

В результате Curator получил единый цифровой контур кадрового документооборота, в котором все сотрудники работают по прозрачным правилам и HR-служба тратит меньше времени на выполнение рутинных операций. В дальнейшем компания планирует расширить решение, автоматизировав процессы согласования бюджетов командировок.

Перед проектной командой стояла задача связать долгосрочное формирование промоплана с ежедневным управлением конкретными акциями и повысить точность оценки их финансового эффекта. Для ее решения были использованы два взаимосвязанных модуля Jume: Trade Promotion Optimization (TPO), который формирует и математически оптимизирует долгосрочные планы, и Trade Promotion Management (TPM), отвечающий за их операционное исполнение.

Проект позволил перейти от контроля отдельных промоакций к системной работе со всем промопортфелем. В компании создан единый цифровой контур, который объединяет стратегическое моделирование, операционное управление и передачу согласованных планов на исполнение. Ранее часть этих процессов была распределена между несколькими системами и требовала значительного объема ручной работы.

Теперь «Логика молока» может формировать промопланы на разных уровнях детализации — от клиента и товарной группы до отдельных SKU, отслеживать историю изменений, сравнивать фактические и плановые показатели, работать с различными сценариями согласования. Финансовый результат каждого варианта рассчитывается в формате P&L, что позволяет оценивать последствия решений еще на этапе разработки плана. Для расчета используются модели машинного обучения, учитывающие колебания спроса.

Внедрение также позволило формировать промопланы исходя из целевых KPI, а не только исторических активностей; повысить точность понедельного прогнозирования промопродаж; сократить время внесение ряда корректировок до нескольких секунд; обеспечить прозрачную историю изменений и перекрестную проверку данных; автоматически передавать согласованные планы из операционного контура в ERP-систему.

Проект оптимизации промопланирования стал новым этапом в развитии цифровых решений «Логики молока». Компания продолжает повышать эффективность коммерческого управления с помощью данных и аналитики.

Решение на основе технологий компьютерного зрения и нейросетевых моделей, получившее название ЭЛИС (Edge line inspection system), помогает распознавать дефекты в автоматическом режиме. Система контроля качества реза кромки полосы EdgeMon от Primetals Technologies использовалась на ЧерМК с 2015 года. Со временем оборудованию потребовалась модернизация. Специалисты «Северстали» поставили цель – автоматизировать контроль качества реза кромки и повысить точность распознавания дефектов на ней. Качество реза напрямую влияет на геометрию полосы и качество продукции – недопустимы заусенцы, грат, рваные, волнистые или подрезанные кромки. Дефектный рез ухудшает плоскостность, снижает точность размеров и создаёт риски на последующих переделах.

Решение было разработано «с нуля», прежнее оборудование полностью заменено. Главное изменение заключается в переходе от видеонаблюдения к автоматическому распознаванию дефектов. Ранее оператор самостоятельно оценивал качество реза по видео с камер. Теперь ЭЛИС выявляет и классифицирует дефекты, сохраняет их в архив и позволяет отслеживать качество кромки полосы в онлайн-режиме. ЭЛИС интегрирована с системой автоаттестации «Шерлок».

Решение распознает более 20 классов дефектов, в том числе «скол ножа», «вылет кромки», «недожатый рез», «продергивание» и прочие. Нейросетевую модель обучили на собственных данных – были собраны и классифицированы более чем 4 тыс. изображений. ЭЛИС контролирует обе кромки полосы при скорости агрегата до шести метров в секунду, обрабатывая видеопоток до 120 кадров в секунду с каждой камеры. В результате, за последние семь месяцев не зафиксировано ни одного инцидента, связанного с выходом из строя оборудования или программного обеспечения, что свидетельствует о надежности нашей разработки. Архитектура решения позволяет адаптировать систему под другие агрегаты комбината.

РСХБ полностью перешел с ранее использовавшейся VDI-платформы на отечественное решение компании «Увеон – облачные технологии». В ходе проекта на Termidesk были перенесены основные сценарии использования виртуальных рабочих мест в банке. Платформа обеспечивает работу сотрудников региональных контакт-центров, офисных подразделений и специалистов, которым требуется удаленный доступ к банковским информационным системам.

Возможности платформы также позволяют при необходимости оперативно организовать резервные виртуальные рабочие места для сотрудников банка. Такой подход дает возможность сохранить доступ к необходимым информационным системам и поддерживать непрерывность рабочих процессов.

Как отмечает Денис Курочкин, заместитель директора департамента ИТ Россельхозбанка, переход с Citrix на Termidesk позволил не только выполнить задачи импортозамещения, но и сформировать единую среду виртуальных рабочих мест для разных подразделений и форматов работы. На одной платформе работают контакт-центры, офисные и удаленные сотрудники, специалисты в мобильных точках. Для банка с широкой региональной сетью особенно важны централизованное управление такой инфраструктурой и возможность гибко использовать ее в зависимости от текущих задач.

При работе с виртуальными рабочими местами сотрудники получают доступ к необходимым банковским системам без переноса корпоративных данных на используемые устройства. Управление доступом к информационным ресурсам и рабочим средам осуществляется централизованно, что позволяет ИТ- и ИБ-службам банка контролировать параметры подключения и политики работы пользователей.

30% респондентов отмечают сильный разрыв между ожиданиями руководства и реальностью: от ИИ ждут быстрых результатов, хотя данные и инфраструктура не готовы. У 49% компаний ожидания руководства лишь частично соответствуют текущим возможностям. Полное соответствие отметили 5% участников исследования. Оставшиеся 16% вообще не смогли оценить этот критерий. При этом управление ИИ не везде выстроено как отдельный процесс. В 19% компаний формально не закреплена ответственность за риски использования генеративного ИИ, а у 23% нет системного управления ИИ с политиками, ролями и контролем. Еще 30% оценивают эффективность такого управления без формальных метрик — по тому, как идет процесс.

Одно из препятствий для достижения быстрого и измеримого результата от внедрения ИИ — низкое качество данных. Для 30% оно стало главным барьером. Полностью готовыми свои данные считают лишь 5%. У 46% компаний они готовы частично и требуют доразметки, очистки или объединения из разных источников. Решение этих задач не всегда получает отдельное финансирование. В 37% компаний бюджет на управление данными и ИИ не выделяется — работы ведутся в рамках текущих ИТ-задач. У 33% респондентов бюджет вырос на 10–30%, и только 14% сообщили о заметном увеличении – более чем на 50%.

Дополнительный вопрос для промышленных компаний — готовность data-инфраструктуры к новым требованиям регулирования ИИ. Многие из них относятся к КИИ, поэтому требования закона распространяются на них. Полностью готовыми к нему считают себя 12% респондентов. Частично готовыми назвали себя 48%, им требуется доработка процессов и платформ. Еще 21% ожидают значительной трансформации data-ландшафта, а 19% на момент исследования еще не проводили оценку.

Ограничения есть и на уровне вычислений. Для 27% опрошенных именно недостаток мощностей стал главным из них. 24% арендуют GPU у сторонних провайдеров, 21% сочетают собственные мощности с облаком для пиковых нагрузок и еще 21% располагают собственными GPU-кластерами с достаточным запасом ресурсов. Для промышленных компаний это сигнал, что вычислительную инфраструктуру нужно планировать так же системно, как данные и управление ИИ-рисками, выбирая баланс между собственными, арендованными и гибридными ресурсами под конкретные сценарии. Иначе дефицит мощностей станет еще одной причиной, по которой ожидания руководства от ИИ не совпадут с реальностью, даже если данные и процессы уже частично готовы.

Еще одно ограничение — недостаток качественных специалистов и экспертизы. ИИ уже рассматривается как компонент операционной устойчивости, и 38% крупных компаний занимаются разработкой собственных ИИ-решений для внутренних процессов. При этом 75% из них не умеют делать их безопасными для бизнеса — их процессы не соответствуют стандарту управления безопасностью ИИ-разработки — MLSecOps. С управленческой точки зрения эти результаты демонстрируют разрыв: темпы внедрения ИИ уже опережают зрелость процессов, необходимых для контроля связанных с ним рисков. Рынок MLSecOps находится на этапе становления во всем мире, и компании пока не понимают, как защищать собственные ИИ-разработки самостоятельно, и предпочитают отдавать этот блок работ внешним подрядчикам.

В ходе конвертирования расплав в конвертере разделяется на несколько продуктов конвертирования разной плотности и температуры: под более легкой фазой с другим составом оказывается более тяжелая. Задача системы – контролировать процесс слива и своевременно фиксировать, когда завершился слив одной фазы, и не допустить попадание другой фазы расплава. Ошибки приводят к потерям цветных металлов и усложняют последующую переработку. Похожий принцип работает при отделении сливок от молока, у которых разная плотность, только там разделение идет при обычной температуре, а на промышленном предприятии в расплаве при температуре в сотни градусов, и именно разницу температур разных продуктов в потоке считывают камеры.

Система по данным инфракрасных камер распознает переход потока от одной фазы расплава к другой и информирует оператора об изменении состава потока для контроля процесса слива конвертера. Данная технология развивает подход, применяемый в металлургии, преимущественно в сталеплавильном производстве за рубежом, но уже для конвертирования медных штейнов.

Изначально решение задумывалось как самостоятельный инструмент контроля сливов, но по мере развития стало частью экосистемы «Цифровой помощник металлурга», в которую также входят уже реализованные модули: рекомендации по подаче в конвертер оптимального количества флюсующих материалов, контроль фактического объема добавляемых флюсующих материалов с помощью оптических весов на конвейерной ленте, определение оптимального времени завершения процесса продувки.

На одной из ключевых производственных площадок в Норильске уже был реализован прототип системы видеоконтроля сливов для одного конвертера. Задачей в рамках тиражирования стала его существенная переработка. Команда «Рексофт» полностью переписала ядро и логику решения, а также процесс CI/CD и обучения моделей, что упростило перенос решения на другие конвертеры и повысило точность. Такой подход облегчает тиражирование данного решения на другие предприятия. До внедрения решения оператору приходилось вручную переключать тип операции в системе, что было сопряжено с риском некорректного фиксирования данных. В новой версии система определяет тип операции автоматически, без участия оператора, что позволяет автоматически скорректировать параметры модели.

Разработка и промышленные испытания системы ИК-детектирования показали, что для промышленного компьютерного зрения видимый диапазон – не единственный источник получения данных для контроля сливов расплава. Технология одинаково успешно работает и в ближнем, и среднем ИК-диапазонах, и в других спектральных диапазонах.

Анализ работы конвертеров в режиме реального времени с помощью видеоаналитики дает возможность извлекать большой объем дополнительной информации о самом производственном процессе – от состояния горловины конвертера до типа выполняемой операции (слив, заливка, продувка, прочистка горловины), что позволило создать основу для построения графика работы конвертерного отделения в режиме реального времени.

Корпоративная инфраструктура российского бизнеса в 2026 году демонстрирует заметную перегруженность. В ИТ-ландшафте каждой второй компании (53%) встречаются по две инфраструктурные платформы одного класса, еще у 30% — по три и более. Только 17% организаций во время опроса отметили, что имеют по одной платформе каждого типа.

Многоплатформенность внутри класса усложняет контроль над корпоративным ИТ-ландшафтом. В 2026 году треть компаний (33%) управляют инфраструктурным стеком преимущественно вручную или вообще не делают этого. Частичная автоматизация реализована у 46% организаций. Результаты исследования OCS указывают на формирование разрыва между сложностью корпоративной ИТ-инфраструктуры и возможностями контроля входящих в нее систем. Однако несколько одноклассовых решений внутри контура не всегда говорят об архитектурных проблемах. В крупных распределенных средах несколько решений одного класса могут быть осознанным выбором: для разных вариантов нагрузок, площадок, требований к отказоустойчивости или регуляторных контуров.

Бизнес стремится повысить управляемость корпоративного программного обеспечения. 27% компаний видят развитие ИТ-инфраструктуры в 2026 году как сокращение числа платформ-дублей. Большая «чистка» инфраструктурного ПО — прямое следствие ключевых целей, которые бизнес установил на 2026 год в отношении инфраструктурного софта. Компании фокусируются на оптимизации затрат (40%) и упрощении управления (26%). Сокращение числа платформ-дублей позволяет решить обе задачи: уменьшить бюджет на поддержание внедренных инфраструктурных систем, а также облегчить контроль над используемыми в организации решениями.

Как подчеркивают аналитики, сегодня проект цифровизации выглядит скорее как сокращение числа систем внутри класса, а не добавление новых решений. Бизнес стремится оптимизировать расходы, а расчистка перегруженной ИТ-инфраструктуры помогает достижению цели в краткосрочной и среднесрочной перспективах. Вероятнее всего, компании продолжат фокусироваться на повышении управляемости ИТ-инфраструктуры и в 2027 году: работы над расчисткой инфраструктурного софта — это также подготовка к будущим проектам цифровизации бизнеса.

На старте проекта, начатого ДКС, специалисты «Норбит» сохранили весь накопленный массив информации и в сжатые сроки воспроизвели ключевую функциональность фронт-офиса. Был обеспечен бесшовный переход для сотен сотрудников по всей географии присутствия, создана единая база, аккумулирующая всю историю по проектам, контрагентам и объектам.

Особое внимание уделили управлению сложными продажами под ключ – от подготовки и расчета спецификаций до многоступенчатого согласования коммерческих предложений. Также наладили корректную работу с местными валютами для филиалов в Казахстане. Настроили автоматический обмен данными между новой CRM и корпоративным хранилищем SAP Business Warehouse. Информация автоматически попадает в управленческие дашборды, которыми пользуется топ-менеджмент, обеспечивая прозрачную сквозную отчетность.

После миграции и успешного запуска в промышленную эксплуатацию проектная команда перешла к развитию системы и расширению ее функциональности. В рамках проекта были перестроены и ускорены сервисные процессы фронт-офиса: обращения клиентов и внутренние заявки обрабатываются в едином окне, маршрутизация автоматизирована. Массовое обновление данных контрагентов переведено в пакетный режим, что позволило исключить ручной ввод по каждой карточке. Доработан продуктовый каталог, где создана сложная иерархия категорий, произведена настройка виртуальных таблиц для качественной работы с номенклатурой. В дальнейших планах – углубление аналитики и масштабирование на смежные подразделения.

Внедренная Аэрофлотом платформа позволяет полностью отказаться от импортных ИТ-продуктов и упрощает взаимодействие структурных подразделений авиакомпании на разных этапах — от планирования рейса в расписании до его выполнения. Программное обеспечение создано специалистами «Центурион-Инновации». Оно заменяет собой разрозненные системы и нивелирует потери времени на интеграционное взаимодействие между ними.

Единая производственная платформа Ops Dynamics включает три блока: управление расписанием и слот-координацией, управление суточным планом полетов и обеспечение стыковок пассажиров. В новой системе автоматизированы ключевые сквозные процессы Аэрофлота: от создания сезонного расписания, согласования слотов с аэропортами по маршрутной сети до выполнения конкретного рейса. Бесшовная интеграция между модулями обеспечивает эффективное взаимодействие между подразделениями авиаперевозчика, повышает скорость принятия решений и позволяет отслеживать все изменения в едином информационном пространстве.

В конце октября планируется запустить блок обеспечения стыковок пассажиров. Он автоматизирует переоформление трансферных пассажиров, которые не попали на стыковочные рейсы. 

Всего за первое полугодие Solar JSOC выявил 742 тыс. подозрений на инциденты – примерно на 40% больше, чем годом ранее. Таким образом, на один подтвержденный инцидент приходилось около 43 подозрений. Доля сетевых атак (попыток получить доступ к компьютерным сетям или исследовать их для поиска уязвимостей) и разведки среди подтвержденных инцидентов выросла с 3% до 24%, а на атаки с использованием вредоносного ПО пришлось 53% инцидентов – на 21% больше, чем годом ранее. Остальные 23% пришлись на инциденты другого типа вроде утечек данных, несанкционированного доступа и т. д.

По данным «Солара», ИИ позволяет автоматизировать практически всю цепочку атаки: от разведки и поиска уязвимостей до создания вредоносного ПО и действий внутри инфраструктуры. ИИ-агенты могут искать и проверять уязвимости и собирать эксплойты в реальном времени. При этом код может изменяться непосредственно во время атаки, а команды могут передаваться через API публичных ИИ-сервисов и выглядеть как обычная активность пользователей.

Использование ИИ в атаках фиксируется на практике. Например, в июле 2026 года эксперты сервиса защиты веб-приложений Solar WAF зафиксировали рекордное количество инициированных с использованием ИИ сканирующих веб-атак (417 млн). Кроме того, выяснилось, что злоумышленники научились маскировать свою активность под публичные ИИ-агенты вроде ChatGPT, DeepSeek или Claude, усложняя их выявление. А в центре мониторинга внешних цифровых угроз Solar AURA обратили внимание на переток фишинговых ресурсов в доменные зоны, где инструменты автоматизации позволяют ускорять регистрацию вредоносных ресурсов. По данным Solar, признаки применения ИИ для генерации вредоносного ПО эксперты центра обнаруживали при расследовании целевых атак еще в 2025 году. В компании прогнозируют, что профессиональные группировки будут использовать ИИ-агентов как для подготовки, так и для управления сложными атаками.