Новости

Размещение серверного оборудования на внешних площадках – многолетняя стратегия «ВсеИнструменты.ру». ИТ-инфраструктура гипермаркета насчитывает более 200 физических и более 2 тыс. виртуальных серверов, на которых хранится порядка 800 Тбайт данных. Это мощный ресурс, который поддерживает работу федеральной сети продаж. Чтобы обеспечить бесперебойную работу всех ИТ-систем и максимальную доступность сервисов для клиентов, компании необходимы надежные партнеры, которые смогут предоставить необходимое количество стойко-мест и поддержать рост ретейлера в долгосрочной перспективе.

С 2021 года вычислительные ресурсы «ВсеИнструменты.ру» распределяются между тремя площадками в рамках столичного региона, однако не все выбранные исходно дата-центры смогли обеспечить возможности роста и расширения инсталляции. В 2024 году гипермаркет приступил к поиску новой площадки для миграции ИТ-инфраструктуры. К претенденту предъявлялись максимально жесткие требования: SLA по доступности услуг на уровне Tier III, небольшая удаленность от других ЦОДов, расположенных в столичном регионе, наличие определенных телеком-операторов и доступ к облачным сервисам, доступность необходимого количества стоек и возможность для масштабирования, наличие услуги remote/smart hands и клиентских помещений, круглосуточный доступ для авторизованного персонала, высокая скорость реакции на запросы.

По итогам проведенного тендера выбор был сделан в пользу оператора IXcellerate, который смог гарантировать соответствие всем требованиям при оптимальном ценовом предложении.

Разработчики программного обеспечения уже сейчас извлекают немалую выгоду из генеративного ИИ, который помогает им быстрее решать трудоемкие задачи, изучать новые языки и фреймворки и повышать общую производительность труда. При этом эффективность искусственного интеллекта начинает ощущаться и в сфере анализа данных.

Изменение роли аналитика данных

Внедрение больших языковых моделей позволяет значительно расширить возможности аналитиков. Выполнение рутинных операций (включая генерацию программного кода, написание SQL-запросов и построение диаграмм) упрощается и ускоряется. Специалисты по обработке данных могут сосредоточиться на более сложных задачах и задачах, имеющих стратегическое значение. А это в свою очередь упрощает и ускоряет рабочие процессы всей компании. Раньше аналитикам приходилось часами писать код и рыскать в поисках документации на конкретные библиотеки. Искусственный интеллект ускоряет выполнение обеих этих задач, позволяя брать за основу сгенерированный им код с последующей его правкой в случае возникновения такой необходимости.

Меняется сама роль аналитиков. Они будут уделять больше времени потребностям бизнеса – правильному формулированию целей исследования и оптимизации – и меньше рутинным подготовительным операциям. Впрочем, забегать вперед не стоит. Навыки программирования по-прежнему нужны, и без них пока не обойтись. Но в простых ситуациях ИИ вполне способен самостоятельно генерировать требуемый код и обобщать полученные результаты. В перспективе можно ожидать дальнейшего снижения потребностей в программировании и переключения аналитиков на решение задач бизнеса.

Изменение инструментария

Влияние искусственного интеллекта распространяется также на инструменты, используемые аналитиками в своей работе, например, на интерактивный блокнот Jupyter Notebook и совместимые решения. Формат блокнота никуда не исчезнет. Скорее всего, в дальнейшем блокноты станут более гибкими, позволяя сохранять ячейки с кодом и различные выходные данные. Блокнот будет больше похож на ChatGPT, поскольку у него имеется доступ к вашим данным и соответствующим инструментам. Уже одно только существенно расширит круг потенциальных аналитиков. Платформы для анализа данных будут играть значительно более важную роль и с точки зрения обмена результатами, что является ключевой частью работы аналитика. Одно дело – найти в данных некие сведения, и совсем другое – убедить остальных в правильности ваших утверждений. Обладая информацией о целях исследования и целевой аудитории, платформы для анализа смогут создавать отчеты, используемые при обмене данными. Инструменты, основанные на искусственном интеллекте, упорядочат ячейки в соответствии с целями и целевой аудиторией. При этом процесс останется интерактивным. На определенных этапах в него будут вовлечены помощники с искусственным интеллектом, а некоторые задачи ИИ сможет решать автономно. Но в более сложных ситуациях все равно понадобится вмешательство человека.

Важность семантического уровня

Преобразование необработанных данных в значимую бизнес-информацию осуществляется главным образом на семантическом уровне. Здесь бизнес-термины связываются с базовыми данными, обеспечивая согласованность определений в организации. В компаниях, где используется несколько систем хранения и множество различных инструментов для построения запросов и визуализации, семантический уровень играет объединяющую роль. Такая согласованность имеет жизненно важное значение для финансового, маркетингового и ИТ-отделов, а также для подразделений, которые часто хранят данные на разных платформах и обращаются к разным инструментам. Унификация данных организации на семантическом уровне упрощает их представление в общепринятых бизнес-терминах. Фактически он выполняет функцию переводчика между исходными данными и бизнес-приложениями, придавая данным бизнес-контекст. Моделирование с четко определенными значениями и параметрами позволяет получать результаты более высокого уровня, вычисляя в том числе и ключевые показатели эффективности.

На семантическом уровне разрыв между исходными данными и бизнес-анализом устраняется, обеспечивая согласованную интерпретацию данных и составление единообразных отчетов в рамках всей организации. Фактически он становится краеугольным камнем аналитических инструментов и всего информационного ландшафта в целом.

Развитие аналитики, основанной на искусственном интеллекте

Если разработчики получают от ИИ сгенерированный код, то аналитики и бизнес-пользователи смогут находить с его помощью ответы на вопросы об отчетах. Со временем искусственный интеллект будет обрабатывать все больше и больше данных из хранилищ организаций, в том числе данных систем CRM, систем технической поддержки и ERP-систем. Платформы для анализа смогут использовать базы знаний компании, включая информацию о ее клиентах и финансовых показателях, а также сведения, полученные из внешних источников (данные фондовых бирж, новостные ленты и анализ рыночной ситуации). Платформы на базе ИИ, анализирующие огромные объемы накопленных данных, будут способствовать повышению эффективности взаимодействия бизнес-подразделений.

При этом ответственность за результаты процессов ИИ по-прежнему лежит на человеке. Поскольку результаты, генерируемые ИИ, непосредственно влияют на принимаемые решения, человек должен уметь их объяснить. Этапы, составляющие последовательность анализа, никуда не исчезнут – возрастет лишь уровень их автоматизации. А поскольку последовательность шагов, приводящая аналитика к определенному выводу, остается понятной и прослеживаемой, преимущества искусственного интеллекта позволят существенно повысить эффективность анализа данных.

Сейчас внедрением генеративного ИИ занимается примерно 9% компаний. Но почти треть этих проектов, считают в Gartner, к концу будущего года будет остановлена — в основном из-за низкого качества данных, неадекватного контроля рисков, растущих затрат или отсутствия ценности для бизнеса.

Развертывание технологий ИИ стоит дорого, отмечают аналитики: стоимость проектов колеблется от 5 до 20 млн долл. К 2028 году более половины предприятий, создававших большие языковые модели с нуля, откажутся от них из-за затрат, сложности и большого технического долга.

Тем не менее, в некоторых случаях компаниям удается реализовать преимущества генеративного ИИ, хотя это зависит от сценариев использования, видов работ и квалификации сотрудников. В среднем, по данным опроса руководителей компаний, доходы увеличиваются на 16%, затраты снижаются на 15%, а производительность растет на 23%.

Технологии генеративного ИИ многие считали эффективным средством повышения производительности труда, но результаты опроса, проведенного компанией Lucidworks, показывают, что окупить затраты на их внедрение сложно. В 42% компаний отмечают, что проекты внедрения генеративного ИИ еще не принесли существенной выгоды. Компании технологического сектора и розничной торговли отличаются более высоким уровнем внедрения и окупаемости проектов, но в целом в большинстве отраслей осуществляются пока только пилотные программы.

Главной проблемой руководители по-прежнему чаще всего называют безопасность, но актуальность проблемы затрат за последний год резко выросла. При этом измерить фактическую выгоду от внедрения ИИ все еще трудно.

В 2022 году почти половина поставщиков ITSM-систем покинули российский рынок. Среди них ServiceNow IT Service Management, HP Service Manager, Jira Service Management, BMC Remedy Service Management Suite и многие другие. При этом, по оценке Ростелекома российский рынок ITSM по итогам 2022 года оценивался в 8 млрд руб. Группа IBS и компания «РТК ИТ Плюс» провели опрос среди крупных компаний и выяснили, какими темпами идет импортозамещение ITSM-платформ, а также какой функционал для компаний крайне важен.

По данным опроса, 76% компаний в России уже используют ITSM-системы, которые применяются для управления ИТ-ресурсами. Еще 7% пока не знакомы с такими решениями, а 17% не планируют их внедрять, так как справляются с запросами в ручном режиме. При этом, в большинстве компаний отметили, что внедрение ITSM-системы позволило ускорить выполнение задач минимум вдвое, автоматизировать работу внутренних департаментов (26%) и оптимизировать время работы смежных служб (24%).

Также в рамках исследования поинтересовались, в какие сроки ожидается переход с западных на отечественные решения. Почти половина – 48% – ответили, что планируют миграцию в ближайший год. Еще 37% планируют проекты в ближайшие 5 лет, а 15% отметили, что продолжат использовать «трофейное» ПО, несмотря на прекращение его поддержки вендорами.

Кроме того, 35% компаний, которые уже перешли на решения российских вендоров, указывают на безусловное улучшение качественных показателей работы ITSM-систем после ухода иностранных вендоров. Чуть меньше половины компаний не видят разницы между функциональностью российских и иностранных решений. 21% респондентов все еще сомневаются в качестве российских продуктов.

Также у респондентов поинтересовались, как они оценивают наличие средств ИИ в ITSM-системах. 65% ответили, что нейросети в таких решениях – это излишество. 35%, напротив, очень ждут появления данного функционала, который будет закрывать большую часть работы.

Робот-инвентаризатор, внедренный «ВкусВиллом», представляет собой транспортное средство, оснащенное телескопической мачтой и видеокамерами, которые позволяют считывать QR-коды на товарах, расположенных на стеллажах. Система видеоаналитики, использующая нейросетевые алгоритмы, обрабатывает полученные данные и сопоставляет их с информацией из системы управления складом (WMS).

Мачта робота поднимается на высоту до 12 метров, позволяя добраться даже до верхних полок склада. Программное обеспечение робота интегрируется с существующими складскими системами управления, что делает его универсальным инструментом для различных складских комплексов. Например, он может работать совместно со складским роботом-паллетоперевозчиком или другим тяговым устройством.

Инвентаризатор имеет камеры с двух сторон и за один проезд целого пролета способен просканировать стеллажи и справа, и слева, снизу доверху. Камеры расположены по высоте на уровне каждого яруса хранения, что позволяет роботу сразу проинвентаризировать все ярусы и стеллажи с обеих сторон. Достаточно одного проезда инвентаризатора, чтобы отсканировать все ячейки.

Как отмечает Алеся Шереметьева, управляющая обеспечением и цепочкой поставок «Вкусвилла», ранее для инвентаризации склада приходилось раз в месяц приглашать около 50 сотрудников и 15 ричтраков с водителями. Успешный запуск робота-инвентаризатора в РЦ «Домодедово» — начало программы автоматизации складских процессов. В будущем «ВкусВилл» планирует внедрить аналогичные системы на других своих складах и логистических центрах.

В рамках «DeepТech Фабрики» предпринимателям предлагается возглавить собственный DeepTech-стартап, основанный на базе научных компетенций и реальных запросов индустриальных компаний.

В основе создания каждого стартапа лежит подтвержденный технологический запрос компании, команда ученых из российских НИИ и университетов, а также предприниматель. Пройдя квалификационное профилирование и трансформирующее обучение, готовящее к задачам технологического предпринимателя, участники смогут выбрать понравившийся бизнес-кейс «DeepТech Фабрики», получить долю в капитале стартапа и направить команду на путь создания уникальных рыночных решений. Пилотный проект 2024 года финансируется организаторами.

От участников ожидается проработка бизнес-модели, а также управление командой и проектом. Привлечение инвестиций в стартап является совместной задачей НАТТ и предпринимателя. При этом НАТТ берет на себя отбор задач и анализ рыночных ниш, подбор научных команд и взаимодействие с корпорациями.

Почти 2,8 тыс. сотрудников «Кубань Кредит» подключились к системе в два этапа. Теперь работники банка подписывают трудовые договоры, приказы о переводе и отпусках в электронном виде в личном кабинете (на компьютере или в смартфоне). Эти документы не дублируются на бумаге, обладают юридической силой и приравниваются к оригиналам.

Сотрудники кадрового отдела в считанные минуты рассылают всему персоналу финансового учреждения необходимую кадровую информацию, новые работники ознакамливаются с ЛНА в электронном виде.

Для подключения персонала банка к системе требуется только актуальный номер мобильного телефона, на который приходят сообщения о поступающих заданиях. На каждого работника выпускается усиленная неквалифицированная электронная подпись, которой подписываются кадровые документы. Со стороны банка все документы визируются усиленной КЭП.

Первые три месяца работы подтвердили эффективность системы. Работники получают электронные подписи и заверяют кадровые документы в пару кликов, экономя в среднем 20 минут на каждый документ. Общее время подготовки, согласования и подписания документов, связанных с работой, уменьшилось на 83%.

Обмен документами между филиалами сократился с двух недель до пяти минут. При этом исключен риск компрометации и утери информации при ее передаче в дополнительные офисы.

До конца 2024 года в банке планируют завершить переход всех сотрудников на электронный документооборот, увеличить количество подписываемых в системе кадровых документов, цифровизировать весь процесс формирования графика отпусков и организовать прием на дистанционную работу.

Уральский Турбинный Завод – крупнейший российский производитель турбин. Для успешной деятельности предприятию необходимо точно прогнозировать и соблюдать сроки выпуска продукции, четко контролировать производственный процесс, себестоимость заказов, в том числе с учетом особенностей длительного цикла производства.

Ранее на предприятии использовались несколько устаревших и лишь частично взаимосвязанных информационных систем. Из-за разрозненности данных было сложно планировать производство, рассчитывать потребность в материалах и комплектующих, получать данные о себестоимости выпуска. Предприятию требовалась новая информационная система, которая позволила бы объединить работу подразделений, улучшить планирование производства, обеспечить точный расчет себестоимости в разрезе полуфабрикатов и этапов технологического цикла. Для решения поставленных задач была выбрана система 1C:ERP, а партнером по проекту стал ИТРП.

Основная часть проектных работ, включая функциональное моделирование, доработки, подготовку пользователей, нормализацию справочников и ввод начальных, данных была выполнена за 10 месяцев, затем около трех месяцев продолжалась опытная эксплуатация системы. В настоящее время на предприятии автоматизировано 400 рабочих мест, на которых используются функции управления закупками, продажами, запасами, производством и финансами, ведется управленческий, регламентированный, кадровый учет и расчет зарплаты.

В результате предприятие перешло от котлового расчета себестоимости к расчету в разрезе полуфабрикатов и этапов, с возможностью анализа прямых и распределяемых затрат. Это позволяет руководству оперативно контролировать и оптимизировать производственные затраты, повышая рентабельность производства.

В системе доступна оперативная информация об использовании производственных мощностей и их занятости в периоды ремонтов. Эта информация помогает планировать выпуск продукции с учетом доступности оборудования. Простои в производстве сокращены на 15%.

Планирование производства типовыми средствами 1C:ERP позволило формировать оптимальные маршруты прохождения изделия по производственным участкам. Точность прогнозирования сроков выпуска продукции значительно повысилась, выполнение заказов ускорилось.

Автоматизация расчета обеспечения потребностей производства уменьшила избыточные закупки и запасы материалов, в результате оборачиваемость складских запасов повысилась на 12%.

Испытания в «Северстали» показали возможности и ограничения применения подобных роботов в реальных производственных условиях металлургического комбината, а также способствовали разработке новых гипотез по использованию и развитию протестированных технологий.

В коксоаглодоменном производстве ЧерМК прорабатывалась возможность применения робота-собаки для доставки проб и мониторинга окружающей среды. Например, в качестве эксперимента на литейном дворе доменной печи №3 он доставил брикеты огнеупорной массы непосредственно к месту использования. Тестирование проводили специалисты «Северсталь-инфокома» и «Лаборатории новых продуктов».

Благодаря алгоритмам компьютерного зрения и 3D-профилирования, а также технологии LiDAR робот-собака может выполнять задачи измерения объектов, транспортировки объектов массой до 40 кг, разного вида инспекции и превентивной диагностики оборудования. Например, он может проводить звуковую диагностику, тепловизионные и газоаналитические исследования, а также строить карты для разработки цифровых двойников предприятий. Важно, что робот способен выполнять операции непрерывно и в сложных для человека условиях.

Как отмечает Денис Колупаев, руководитель R&D направления «Северсталь-инфокома», роботы готовы выполнять непрерывные рутинные задачи достаточно продолжительное время, исключая человеческий фактор, который может повлиять на корректность измерений. Это позволит проводить, например, более качественную и оперативную диагностику утечек газа. Кроме того, компания стремится сократить присутствие человека в зонах с высоким уровнем риска, и роботы в перспективе смогут если не полностью заменить, то значительно облегчить его труд в шахтах, горячих цехах и на других площадках. Испытания робособак продолжатся на других площадках «Северстали».

Предприятие «Гермес-Липецк» – одно из ведущих производителей промышленных котлов, входившее ранее в состав международного промышленного концерна, завершило процесс перехода на отечественный программный комплекс T-FLEX PLM. Этот шаг подчеркивает стремление компании к использованию российских технологий и продуктов, способствуя укреплению отечественной ИТ-индустрии.

В рамках проекта была проведена работа по адаптации и интеграции российского ПО в инфраструктуру предприятия и существующие производственные процессы, что позволило обеспечить бесперебойную и эффективную работу во всех подразделениях предприятия в период его реорганизации. Основная задача проекта – обеспечение непрерывности производства и работы предприятия в новых условиях. Для этого требовалось устранить зависимость от иностранных программных систем, сохранить возможность использования существующей конструкторской документации, создать собственный конструкторский отдел с выстраиванием полного цикла подготовки документации для производства котельного оборудования, разработать системы конвертации технологической и конструкторской документации для обеспечения возможности интеграции в новую PLM-систему.

В связи с уходом с российского рынка материнской компании и постепенное отключение от сервисов по подготовке конструкторской и технологической документации для производства оборудования, требовался переход на альтернативу европейскому программному обеспечению. Требовалось осуществить подготовку всего массива конструкторской и технологической документации к миграции из Siemens NX, настройку процесса конвертации массива документации в новую ИТ-систему, создать команду высоко мотивированных и самых опытных сотрудников для решения этой глобальной в рамках компании задачи. Проводилось детальное и всеобъемлющее сравнение доступных на рынке альтернатив для замены иностранного программного обеспечения, исходя из следующих базовых критериев: работа с файлами в формате. prt; нахождение в Реестре российского ПО; возможность формирования технологических спецификаций; единый комплекс PLM и CAD; интеграция с 1С:ERP. В результате был выбран комплекс T-FLEX PLM от компании «Топ Системы».

Проект был особенно сложным из-за большого объема унаследованных данных в формате исходной системы Siemens NX, что потребовало разработки уникальных методов переноса и конвертации данных по деталям, сборочным единицам и изделиям, их унификации и обеспечения непрерывности производственного процесса на основе российского программного обеспечения. Всего было более 20 тыс. материальных объектов.

В результате была запущена работа собственного конструкторского бюро, интегрировано более 12 тыс. деталей, 7,5 тыс. сборочных единиц в составе 332 изделий. Время на моделирование единичного изделия снизилось на 33%.