Новости

Elementary представляет собой универсальную платформу для мультимодальной разметки большого массива любой сложности данных, которые в дальнейшем будут использованы для совершенствования алгоритмов искусственного интеллекта и машинного обучения. Большое количество штатных AI-тренеров ежедневно размечают огромные массивы данных – например, этические аспекты работы создаваемых голосовых моделей – а также сравнивают генеративные изображения или переводят аудио в текст.

Система авторазметки, включающая в себя набор нейросетей и больших языковых моделей для решения конкретных задач, позволила ускорить процесс разметки данных в три раза. Это стало возможным благодаря предварительной обработке датасета и последующей корректировке его людьми, что сократило необходимость в полностью ручном труде.

Как отмечает руководитель VS Robotics Максим Колосков, использование нейросетевых технологий не только ускорило процесс разметки на платформе, но и позволило команде сосредоточиться на более важных задачах, таких как улучшение качества и точности данных. Это позволяет более эффективно использовать ресурсы, а клиентам получать более точные и полезные данные для развития своих проектов в области искусственного интеллекта.

Новое решение, создаваемое в X5, станет заменой действующей системе, которая уже достигла своего лимита в условиях динамичного роста торговых сетей. Ожидается, что использование Rubbles Replenishment в качестве исходной точки для разработки новой системы по оптимизации запасов позволит команде X5 Tech на год сократить время разработки. Продукт в своем исходном виде закрывает более 60% требований торговой сети по функционалу. Кроме того, Rubbles Replenishment по архитектурным свойствам схож с другими решениями для управления бизнес-процессами ретейлера. Это облегчит и ускорит интеграцию строящейся системы в ИТ-ландшафт сети.

В рамках сделки Х5 Group приобрела исходный код Rubbles Replenishment с возможностью оформления исключительных прав на новую систему с использованием этого продукта. Команда Rubbles уже провела обучение разработчиков ретейлера особенностям его строения и работы.

В решении X5 Tech будет реализован ряд функциональных доработок и изменений, таких как возможность использовать многокомпонентный прогноз спроса, учет расписаний узлов логистической цепи для унификации сетей группы компаний, оптимизация запасов для динамической цепочки поставок с несколькими источниками. Также будут разработаны собственные интерфейсы бизнес-пользователей для управления политиками пополнения и корректировки запасов. В планах X5 Tech запустить новое логистическое решение во втором квартале 2025 года в пилотном режиме и выйти в полноценный тираж в первом квартале 2026 года.

Проект, реализуемый ВТБ, подразумевает внедрение модульной EPM-системы с высоким потенциалом модернизации. В периметре системы предусмотрены несколько отдельных решений для централизованного хранения фактических и прогнозных макропоказателей (объемы банковского рынка, показатели ВЭД, ставки и т.д.), подготовки стратегического финансового плана с возможностью создания сценариев и работы с ними, а также хранения и обработки данных по банковскому рынку РФ и отдельным игрокам. Проект реализуется совместно с партнером «Т1 Искусственный интеллект».

Как отмечает Наталья Сурова, руководитель финансового департамента банка ВТБ, реализуемая система не ограничивается только подготовкой прогнозов финансовых целей стратегии, но и включает в себя централизацию источников данных – от макроэкономики и банковского сектора до отдельных бизнес-показателей. Также при планировании можно использовать большее количество сценариев, а это обеспечивает более высокую точность данных и снижает вероятность ошибок. Еще одно немаловажное преимущество – технология сокращает рутинные операции за счет использования функций искусственного интеллекта. В конечном счете все эти улучшения приведут к росту качества планирования, что позволит банку эффективно использовать существующие ресурсы и максимизировать свой вклад в развитие экономики.

В течение двух месяцев Россельхозбанк и «Ред Софт» проводили пилотное тестирование платформы виртуализации. За это время проверена отказоустойчивость системы, разработаны инструменты инвентаризации, адаптированы алгоритмы автоматизированного управления виртуальными серверами.

В ходе проекта решались сразу несколько задач: требовалось обеспечить безопасную и стабильную работу инфраструктуры, учесть требования регулятора по программе импортозамещения и подготовить платформу для дальнейшего развития цифровых сервисов внутри банка. При этом банку важно предлагать клиентам качественный сервис и учитывать, что его услуги должны работать круглосуточно, поэтому любые изменения совершаеются бесшовно. Переход на «Ред Виртуализацию» обеспечил необходимые условия для стабильной работы критических инфраструктур. В дальнейшем появилась возможность «приземлять» новые разработки на отечественную платформу и пополнять перечень доступных услуг для клиентов.

К концу 2024 года РСХБ планирует полностью завершить перевод всех сервисов головного офиса на отечественную платформу. Кроме того, идет активный процесс перевода всех региональных отделений банка на новое программное обеспечение. Переход на отечественное ПО серверной виртуализации позволяет банку снизить затраты на приобретение программного обеспечения до 25%.

ОТЭКО — оператор морских терминалов в порту Тамань, один из ведущих игроков на российском рынке перевалки навалочных и наливных грузов. В компании реализуется масштабная программа цифровизации — растущий объем задач потребовал модернизировать ИТ-ландшафт и перейти на более прогрессивные решения. Ключевым направлением текущего этапа программы стало внедрение решений ERP, информационно-логистической системы и технологий на базе искусственного интеллекта. В части ERP ОТЭКО выбрала современную платформу «1С:ERP Управление холдингом», на которую перенесла основные процессы, и сейчас занимается доработкой продукта с учетом отраслевой специфики бизнеса вместе с партнером — «Корус Консалтинг».

ИТ-специалисты дорабатывают финансовый блок ERP: модуль должен предоставлять возможность вести учет по МСФО, а также управленческий и регламентированный учет в крупнейших организациях группы. Также идет разработка целевых бизнес-процессов бюджетного лимитирования.

В ходе развития ERP проектная команда была вовлечена в ряд больших стратегически важных проектов по автоматизации давальческой схемы обеспечения, управления автотранспортом (УАТ) и оперативного контура. Так, модификация функциональной области УАТ затрагивает около 2 тыс. сотрудников и 1 тыс. автотранспортных средств. Среди проектов — разработка мобильного приложения на базе «1С» для автономной работы специалистов транспортного подразделения. Решение позволяет в режиме реального времени контролировать перевозки, затраченное время и расход топлива, а также проводить план-факт анализ маршрута.

«Газпром ЦПС» за пять месяцев автоматизировал процессы сервисного обслуживания с помощью Naumen Service Desk. За этот период удалось настроить решение под актуальные потребности компании и обучить специалистов. Сейчас на единой платформе доступно более 50 ИТ-услуг для поддержки 16 тыс. пользователей — как внутренних сотрудников, так и внешних клиентов.

Специалисты Naumen и «Газпром ЦПС» совместно доработали учет конфигурационных единиц в CMDB, реализовали необходимые роли, бизнес-процессы для обработки обращений пользователей и согласования обслуживания, интегрировали систему с корпоративной почтой. Также было реализовано взаимодействие с внешними заказчиками без прямого доступа в систему. Это значительно сократило время ожидания ответа от поддержки.

В рамки проекта вошел широкий спектр процессов управления ИТ, включая управление изменениями, проблемами, знаниями, активами и конфигурациями, услугами и организацию планово-предупредительного ремонта. Для удобства пользователей и удаленных специалистов технической поддержки было применено мобильное приложение, а для сквозного контроля метрик процессов — система отчетности и дашбордов.

Помимо возможности регистрировать и обрабатывать обращения из любой точки в мобильном клиенте, были реализованы инструменты для инвентаризации оборудования и быстрой локализации инцидентов, что особенно важно, учитывая распределенную структуру компании и федеральный масштаб ее деятельности. Для соответствия требованиям безопасности настроили авторизацию пользователей с помощью ПИН-кодов и биометрических данных.

В «Газпром ЦПС» создан внутренний центр компетенций по Naumen Service Desk. Вместе с пониманием low-code технологий, на которых базируется решение, это позволяет компании развивать систему дальше без привлечения вендора.

Первый этап миграции Сбера на собственную платформу работы с данными состоялся в конце 2022 года. В течение 2023 года большинство блоков перестроили свои процессы и переключились на использование хранилищ SberData Platform. В этом году банк полностью завершил миграцию на хранилища собственной сборки. Всего в проекте были задействованы 205 команд, представляющих все подразделения банка, а количество активных участников проекта превысило 2 тыс. человек.

Перевод хранилищ банка на собственную платформу снял для исследователей данных существенные ограничения, обусловленное архитектурным решением зарубежного решения, а также значительно снизил стоимость хранения данных. Реализация проекта повысила доступность технологий работы с данными для широкого круга пользователей и обеспечила дальнейшее проникновение решений big data и искусственного интеллекта в бизнес-процессы банка.

На текущем этапе интеллектуальный помощник «Юниверс MDM» способен автоматически определять категорию номенклатуры и распределять данные по соответствующим атрибутам, что значительно упрощает и ускоряет работу пользователей. Достаточно ввести название позиции одной строкой в свободной форме — искусственный интеллект самостоятельно анализирует введенные данные, присваивает соответствующую классификацию и точно выделяет атрибуты объекта.

Ключевым преимуществом является использование этой технологии в закрытых контурах заказчиков. Это гарантирует конфиденциальность и безопасность данных, что особенно важно для предприятий, работающих с чувствительной информацией или в секторах, где защита данных является приоритетом. Машинное обучение выполняется в изолированной среде, исключая риски утечки данных.

В основе решения лежат нейросети и большие языковые модели, аналогичные ChatGPT, которые обучены на огромных объемах данных и способны понимать контекст и тонкости естественного языка. Это означает, что интеллектуальный помощник не просто «угадывает» категорию, а проводит глубокий анализ текста, выявляя важные признаки и контекстные связи. Такой подход обеспечивает высокую точность классификации и обработки данных даже для сложных, многосоставных объектов.

Кроме того, система не только присваивает категорию, но и определяет уровень уверенности в правильности этого выбора. Это означает, что пользователь видит, насколько система уверена в своем решении. Если уровень уверенности ниже допустимого порога, система предложит альтернативные варианты классификации, позволяя пользователю выбрать наиболее подходящую категорию. Подобный подход снижает количество ошибок и улучшает качество классификации данных особенно в тех случаях, когда объекты сложны или информация о них ограничена.

Такой инструмент крайне эффективен для обработки больших справочников, где сотни тысяч позиций требуют точной и быстрой классификации. Искусственный интеллект способен обрабатывать свыше 50 тыс. объектов в час, снижая трудозатраты более чем в четыре раза по сравнению с традиционными методами. Средний уровень точности для категорий, обученных на 200 примерах, достигает более 90%, что выводит качество и скорость работы с данными на принципиально новый уровень.

В скором времени интеллектуальный помощник будет способен на большее: речь идет об определении аналогов, устранении дублей и автоматических проверках на ошибки. Все это в ближайшее время станет стандартом работы с данными.

Пилотный проект, реализуемый Министерством благоустройства Московской области на основе технологий VK, позволил определить влияние уже принятых мер на популярность локаций среди жителей. Например, значительно выросла посещаемость парков Малевича и Шишкин лес – как по количеству гостей, так и по повторным визитам: за один год после благоустройства объем посетителей парка Малевича и лесопарка Шишкин лес вырос в 2 раза.

Работа с большими массивами данных поможет определить наиболее приоритетные точки притяжения и проработать стратегии их благоустройства. Сервисы геоаналитики покажут наиболее популярные точки притяжения, портрет и потребности населения и туристов, помогут оптимизировать стратегии развития территорий и оптимально использовать инвестиции.

Благоустройство региона — комплексная задача, которая требует глубокой аналитики. Объективно подойти к оценке ситуации и проработке инициатив помогает работа с большими данными. Сервисы в обезличенном и агрегированном виде анализируют массивы информации, выявляют исторические тренды и строят прогнозы изменения показателей. Такие объемы факторов сложно учесть вручную, поэтому технологии упрощают работу команд в администрации регионов, повышают точность оценки и позволяют выбрать наиболее рентабельный подход улучшения условий для жителей и гостей.

Перед проектной командой ЕВРАЗа в рамках программы «Единая система производственных показателей» (ЕСПП) стояла задача унифицирования показателей в различных дивизионах. В частности, в периметр проекта попали добыча руды и горно-металлургические операции, в том числе выплавка стали и производство стальной продукции. Также необходимо было упорядочить взаимодействие между владельцами данных, бизнес-пользователями и ИТ-специалистами. Для достижения этой цели требовалось объединить требования всех пользователей, зафиксировать алгоритмы расчета показателей и установить источники данных и правила агрегации.

После внедрения RT.DataGovernance – разработки компании TData – ЕВРАЗ может полностью контролировать производственные процессы с помощью аналитических дашбордов, которые визуализируют ключевые показатели и их изменения. Кроме того, компания вдвое ускорила разработку производственных показателей и снизила затраты на эти процессы.

RT.DataGovernance значительно упростил сбор требований и разработку показателей. Система фиксирует информацию, на основе которой создаются отчеты для оперативного управления. Это помогает оценивать количество показателей на дашбордах, степень готовности их описаний, статус источников и ожидания нововведений. Для удобства пользователей реализован переход от дашбордов ЕСПП к описанию показателей в бизнес-глоссарии, что улучшает навигацию. Интеграция с DataCatalog, содержащим метаданные источников, позволяет просматривать источники данных и строить DataLineage.

На сегодняшний день в систему внесено более 9 тыс. производственных показателей, из которых 3 тыс. уже содержат детализированное описание. Разработка новых показателей производится исключительно в контексте актуализации данных в RT.DataGovernance, что позволяет закладывать фундамент для применения продукта в других бизнес-функциях и доменах данных.