Новости

Построенное решение позволяет находить альтернативные внутренние резервы, чтобы не повышать сбытовую надбавку для предприятий «Северстали». Благодаря этому удалось оптимизировать расходы и снизить себестоимость готовой продукции.

Решение класса RPA полностью исключило ручной труд при выполнении сверки данных по учету электроэнергии, согласованию объемов закупок, подписанию итоговых значений учета электронной цифровой подписью, а также по формированию отчетов по договорам на передачу электроэнергии и их направлению контрагентам. Применение «Робота» может быть как масштабировано в соответствии с последующим наращиванием производственных мощностей, так и кастомизировано для обеспечения сходных потребностей сторонних организаций, занимающихся оптовой закупкой энергоресурсов.

«Робот» был создан в периметре «Северстали». Эксперты по оптимизации и автоматизации бизнес-процессов из «Северсталь – Центр Единого Сервиса» совместно с проектной командой провели анализ всех процессов, сопровождающих оптовую закупку электроэнергии, и разработали методологию замещения высокорискового и трудозатратного ручного труда программным решением. Непосредственная реализация решения и его ввод в эксплуатацию осуществлялись специалистам из ИТ-компании «Северсталь-инфоком».

Разработка выполнена на платформе Sherpa RPA с использованием лицензии Unattended, что позволяет RPA работать в полностью автономном режиме. Для выполнения задач «Робот» интегрирован с другими корпоративными системами, включая программный комплекс «Энергосфера 8.0». Все его действия фиксируются в логах, что обеспечивает высокий уровень контроля и возможность оперативного реагирования на возможные сбои. По итогам введения в промышленную эксплуатацию RPA-решение «Робот» стало доступным в продуктовой линейке «Северсталь – Центр Единого Сервиса».

Как отмечает Юрий Измайлов, заместитель директора по работе на ОРЭМ компании «Инженерные изыскания», экономический эффект от внедрения системы «Робот», разработанной за два месяца, оценивается в 7 млн руб., что выводит его на точку безубыточности в течение трех месяцев. Помимо автоматизации рутинных операций, сокращения времени на выполнение задач, минимизации ошибок при сверке данных и повышения прозрачности и контроля за процессом в целом, «Робот» позволил улучшить коммерческую составляющую стоимости электроэнергии для клиентов и повысить конкурентоспособность среди энергосбытовых компаний.

Полученные в ходе опытной и промышленной эксплуатации результаты работы RPA со 120 потребителями и объемами электроэнергии более 3 млрд киловатт-часов наглядно демонстрируют его способность безошибочно обрабатывать более 300 документов в месяц, формировать по завершении всех этапов работ итоговый отчет и направлять его ответственным лицам.

Высокая динамика роста востребованности ИИ-навыков, в ряде отраслей достигающая 100% в год, указывает на усиливающийся интерес бизнеса к ИИ-проектам и увеличение числа задач, связанных с его внедрением. Особенно активными в этом направлении остаются ИТ-отрасль (более 1,7 тыс.), финансовый сектор (около 1 тыс.) и сфера образования (более 300). При этом в девелопменте число вакансий с ИИ-компетенциями увеличилось на 136%, в образовании — на 101%, а в финансовой сфере — на 55%.

Наибольшей популярностью пользуются профессии ИИ-инженеров, специалистов по нейросетям, ИИ-дизайнеров, интеграторов ИИ-решений, нейро-арт художников и ИИ-тренеров. Последние особенно востребованы: спрос на них вырос на 46% за год. Среди инструментов, с которыми, по мнению работодателей, кандидаты должны уметь работать, лидируют ChatGPT (69%), Midjourney (31%) и Kandinsky (19%). Каждая третья компания в России фиксирует рост интереса к ИИ-компетенциям у сотрудников. При этом 10% работодателей готовы увеличить зарплату специалистам, владеющим инструментами ИИ, на 10–20%. Почти половина (50%) компаний также инвестируют в развитие сотрудников — через менторство, оплату специализированных курсов и сертификаций.

По прогнозам экспертов hh.ru, в ближайшие годы продолжится рост спроса на специалистов в таких областях, как генеративный ИИ, LLM, MLOps и видеоаналитика. Ожидается, что требования к навыкам кандидатов станут более конкретизированными, а рутинные задачи постепенно перераспределятся между людьми и алгоритмами.

Производственное объединение «Агро-Пак» производит маркированную тару и упаковку для производителей пищевых продуктов, бытовой химии и ликеро-водочных изделий. Ежемесячно компания получает около 600 заказов. Для их своевременного выполнения необходимо оперативно планировать поставки материалов, рационально управлять загрузкой сотрудников и оборудования, четко прогнозировать сроки выпуска продукции.

Ранее на предприятии использовался комплекс информационных систем, которые не были интегрированы между собой. Данные о заказах приходилось неоднократно переносить из одной программы в другую. Для управления производством применялись электронные таблицы. Все это приводило к задержкам в согласовании информации между отделами и обработке заказов. Было сложно планировать и контролировать этапы производства по каждому заказу, не было возможности оперативно оценивать отклонения между фактической и плановой себестоимостью.

Предприятию стала необходима информационная система, которая позволила бы организовать контроль работы подразделений на всех этапах — от расчета заказов менеджерами до планирования производства и отгрузки продукции покупателям. Нужно было наладить достоверный плановый расчет тиражей, ускорить обработку заказов, автоматизировать расчет флексопечати, обеспечить получение оперативной информации по план-фактным показателям.

Для реализации поставленных задач было выбрано отраслевое решение «1С:Полиграфия 2. Модуль для 1С:ERP, 1С:КА и 1С:УТ». Партнером по внедрению стал разработчик системы — компания «Армекс».

В результате реализации проекта был автоматизирован расчет заказов. В систему перенесена существующая библиотека высекальных ножей для этикеток с учетом их характеристик (статус, вид формы штампа, зазор по длине и т. д.). Добавлена возможность добавлять в библиотеку новые ножи — вручную и копированием. Добавлены дополнительные реквизиты ножей, интегрирована дополнительная обработка, позволяющая точно рассчитывать стоимость изготовления высекального ножа в сторонней организации. Это ускорило подбор ножей и расчет заказов, упростило закупку ножей для печати тиражей.

Доработаны алгоритмы расчета флексопечати. Автоматизирован подбор ширины материала для изготовления продукции и добавлена возможность расчета заказов, в которых показатель количества зубьев рассчитывается через коэффициент отличный от типового. Это позволило максимально приблизить фактические параметры заказов к плановым показателям.

Добавлена возможность регистрации количества выпущенной готовой продукции с последующим заполнением документа выпуска продукции. Такой функционал позволяет отслеживать скорость выполнения заказа и оперативно получать актуальную информацию о степени его готовности.

Реализован дополнительный функционал учета скидок и наценок, создана дополнительная возможность сравнения, позволяющая менеджерам в одном расчете видеть калькуляции заказа при различных тиражах (до 10 вариантов). Вариативность предлагаемой стоимости упрощает согласование заказов с клиентами.

Автоматизирован расчет менеджерских премий, которые определяются как процент от плановой прибыли по заказу. Количество ошибок снизилось, а точность расчета увеличилась. Менеджеры теперь четко понимают, как рассчитываются их вознаграждения, что мотивирует их на достижение лучших результатов.

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.