Автоматизация предприятий

Генеративный ИИ привлекает внимание компаний всего мира своей скоростью и мощью, оказывая существенное влияние на бизнес-операции, модели, продукты и сервисы. Недавний опрос Accenture показал, что почти все руководители (99%) планируют увеличивать инвестиции в эту технологию. В такой ситуации ИТ-директора с учетом их видения бизнес-процессов и глубокого понимания потенциала технологий имеют все необходимое для того, чтобы помочь своим организациям подготовиться к внедрению генеративного ИИ. Главным препятствием 67% представителей высшего технического руководства считают недостаточное знание технологий своими коллегами. Определяющая роль для эффективного решения этой задачи отводится увязке генеративного ИИ с успехом предприятия.

Эффективная интеграция искусственного интеллекта в бизнес начинается с постановки четких целей и приведения стратегии ИИ в соответствие с этими бизнес-целями. Сегодня 98% руководителей уже согласны с тем, что в ближайшие три-пять лет базовые модели ИИ будут играть важную роль в реализации стратегии их организации. Чтобы проверить, готово ли предприятие к внедрению генеративного ИИ, ИТ-директор должен задать себе следующие восемь вопросов:

1. Какую базовую модель следует выбрать? Другими словами, какая архитектура наилучшим образом обеспечивает релевантность, надежность и удобство использования выходных данных модели? Количество поставщиков и моделей генеративного ИИ непрерывно растет. При выборе конкретного варианта необходимо убедиться в его соответствии потребностям и запросам организации.

2. Как сделать эти модели доступными? Существует два основных подхода, которые бизнес может использовать для внедрения моделей. Все зависит от того, нужен ли вам полный контроль в собственном облаке, или же доступ к генеративному ИИ будет осуществляться через внешнего поставщика, обеспечивающего требуемую скорость и простоту.

3. Как модели будут адаптироваться к вашим собственным данным? Для получения от генеративного ИИ максимальной отдачи предприятие должно использовать свои собственные данные. Следует рассмотреть различные способы адаптации предварительно подготовленных моделей к собственным данным предприятия и попытаться создать готовые инструменты, подходящие для организации и ее сотрудников.

4. Какова общая готовность предприятия? Прежде всего оцените свои платформы, обеспечивающие интеграцию и интероперабельность, а также уровень безопасности базовых моделей и потенциальные риски. Обязательным условием для создания надежной системы ИИ является соблюдение законов, нормативных требований и этических стандартов. Все это необходимо продумать еще на стадии проектирования.

5. Как обстоят дела с углеродным следом? Несмотря на прохождение предварительной подготовки, базовые модели в процессе адаптации и тонкой настройки все еще могут потреблять значительное количество энергии. Последствия будут зависеть от подхода, применяемого при покупке, сборке и расширении базовых моделей.

6. Как перевести разработку приложений генеративного ИИ на промышленную основу? Следующим шагом после выбора и развертывания базовой модели является поиск новых фреймворков, которые могут потребоваться для ускорения разработки приложений. Оптимизируя процесс, вы адаптируете его к конкретным бизнес-функциям и предметным областям.

7. Что нужно для масштабного использования генеративного ИИ? Поиск способов масштабной монетизации ценностей, создаваемых искусственным интеллектом, должен волновать каждого ИТ-директора. Искусственный интеллект создает благоприятную почву для стимулирования инноваций. А ИТ-директора в соответствии со своей ролью обладают хорошими связями в рамках всей структуры предприятия. Поиск новых возможностей и свежих взглядов способствует внедрению инноваций как внутри организации, так и в масштабах всей отрасли и появлению новых возможностей для роста.

8. С чего начать и как действовать дальше? ИТ-директор способен внести важный вклад в разработку программного обеспечения. Погрузитесь в процесс и постарайтесь продемонстрировать ощутимые результаты пилотных проектов. В компании Accenture, к примеру, генеративный ИИ помогает команде разработчиков быстрее запускать продукты. Благодаря использованию инструмента Amazon CodeWhisperer удалось добиться значительного увеличения производительности труда разработчиков и качества кода, что помогло внедрить новую платформу AWS Velocity в рекордно короткие сроки. Обобщая собственный опыт, становится ясно, как продвигаться вперед и расширять сферу применения продуктов.

Исследования показывают, что с помощью генеративного ИИ в сфере ИТ можно оптимизировать до 73% общего рабочего времени. Это подчеркивает важность закладывания основ для безопасного, ответственного и экономичного масштабирования генеративного ИИ, обеспечивающего бизнесу получение реальных ценностей.

Ретейлеры открывают для себя все новые возможности использования технологий Интернета вещей в бизнесе, но в 2019 году мы скорее станем свидетелями реализации экспериментальных программ и тестирования в небольших масштабах, нежели увидим глобальные повсеместные сдвиги в этой сфере.

Ликвидация разрыва между электронными покупками и приобретением товаров в физических магазинах, усиление автоматизации и новые способы привлечения клиентов (по большей части за счет показа им рекламы) – все это обладает для розничной торговли большим потенциалом, но соответствующие технологии еще только начинают получать массовое распространение.

Стоит отметить, что некоторые применения Интернета вещей в ретейле не являются специфичными для розничной торговли. Компании используют средства управления ресурсами, интегрированные системы отопления, кондиционирования и вентиляции и другие технологии «умных» зданий точно так же, как и во многих других отраслях, но в последнее время ретейлерам приходится нелегко, и инвестиции в новые технологии очень быстро могут выпасть из списка их приоритетов.

Впрочем, как бы то ни было, Интернет вещей постепенно начинает доминировать в сфере розничной торговли. Неудивительно, что лидирующее положение здесь занимает один из крупнейших игроков в этой области.

Пустой реестр

Гигант розничной торговли Amazon давно использует технологии Интернета вещей – сложные цепочки поставок и логистические функции здесь хорошо документированы и уже успели доказать свою эффективность. Упаковкой товаров на огромных складах занимаются армии роботов, а программное обеспечение осуществляет централизованное планирование, определяя наиболее эффективные способы доставки несметного количества заказов по всему миру.

Вместе с тем, по словам вице-президента Forrester Research Сучариты Кодали, некоторые из самых современных технологий Интернета вещей не вполне подходят для таких операций.

«Интернет вещей очень дорог и используется для мониторинга особо ценных поставок (например, медицинских), для которых зачастую необходимо соблюдение определенного температурного режима, – подчеркнула она. – Для игрушек и малоценных подарков, доставляемых с целью экономии самым дешевым способом, он не годится».

Впрочем, в отношении розничных магазинов Amazon вынашивает еще более амбициозные, чем для электронных продаж. Помимо новой волны традиционных магазинов компания открывает полностью автоматизированные магазины Amazon Go.

Работает это так: при входе в магазин покупатели регистрируются, сканируя свой штрих-код. Затем они берут с полок все, что им понравилось, и уходят, а приложение автоматически выставляет счет за выбранные товары в аккаунте Amazon.

Естественно, в таких магазинах очень многое остается за кадром. По словам вице-президента Gartner Марка Ханга, центральное место в предлагаемой концепции занимает технология интеллектуального зрения – использование камер для отслеживания отдельных покупателей и их физического местоположения в магазине. Но помимо этого есть много чего еще, а компания предпочитает не раскрывать подробности функционирования своей системы.

Конечно, у наблюдателей есть определенные предположения – существенную роль здесь, по мнению Ханга, играют датчики на самих полках.

«В Amazon никогда не раскрывали, как работают магазины Amazon Go, но, поискав немного в Интернете, вы обнаружите, что компания зарегистрировала ряд патентов на технологию 'умных' полок».

Именно так действует стартап Zippin, применяющий похожие автоматизированные средства в розничных магазинах. Датчики веса на полках дополняют технологию интеллектуального зрения, обеспечивая более точное отслеживание происходящего. Основатель Zippin Кришна Мотукури сообщил, что для полного покрытия магазина площадью 90 квадратных метров достаточно всего 15 камер. При этом в одном из магазинов Amazon Go (хотя и большей площади) их установлены сотни.

В настоящее время Zippin управляет флагманским магазином в Сан-Франциско в основном для демонстрации своих технологий. У Amazon Go имеются уже шесть площадок – три в Сиэтле, две в Чикаго и одна в Сан-Франциско, а к 2021 году компания планирует открыть 3 тыс. магазинов.

Помимо новой волны традиционных магазинов компания Amazon открывает полностью автоматизированные магазины Amazon Go.

«Хотите купить [$item]?»

Ритейлеры любят узнавать о своих покупателях побольше, и вряд ли кого-то должно удивлять, что что они используют технологии Интернета вещей для их изучения и трансляции полученных знаний в увеличение потенциальных продаж.

Интернет-магазины уже давно обладают преимуществом в этой области, отслеживая на сайтах продавцов файлы cookie, собирая демографические сведения, информацию о наших предпочтениях и географическом местоположении, а также многое другое. Однако и розничные магазины все чаще используют Интернет вещей для этих же целей.

По словам вице-президента IDC Лесли Хенд, курирующей сектор розничной торговли, его представители важнейшими инновациями считают средства контекстного взаимодействия с клиентами в реальном времени.

«Они обращаются к мобильным телефонам клиентов с учетом их текущего местоположения и предпочтений, пытаясь наладить индивидуальное, контекстное и персонализированное взаимодействие», – указала она.

На практике здесь используется технология маяков. Ретейлеры заинтересованы в долгосрочном применении маяков в качестве средства персонализированного привлечения клиентов, находящихся поблизости (посредством рекламы).

Более 30% представителей сектора розничной торговли сообщили, что вмонтированные в полки датчики веса и умные камеры (подобные тем, о которых говорилось выше, когда речь шла об автоматических магазинах) помогают получить четкую картину наполнения клиентами своих тележек. Идея заключается в том, чтобы адаптировать продажи к особенностям покупателей или, по крайней мере, предлагать им какие-то конкретные товары.

Компания Wal-Mart уже подала заявку на патенты биометрических устройств, закрепленных на тележках и корзинах для покупателей. «Предположительно это делается для того, чтобы клиент мог получить информацию о состоянии своего здоровья, – заметила Хенд. – Но в Wal-Mart хотят знать и местоположение покупателя внутри физического магазина».

Все эти технологии, по словам Ханга, еще подлежат осмыслению, и не факт, что покупатели смогут встретить их в каждом магазине уже в период нынешних рождественских распродаж. Технология маяков, например, получила более широкое распространение на спортивных аренах и в аэропортах. Но, как уже отмечалось ранее, владельцы физических магазинов по-прежнему сталкиваются с серьезными экономическими трудностями, поэтому для рядовых магазинов расходы на внедрение новейших технологий не являются сегодня главным приоритетом.

Jon Gold. Retail IoT is still coming into its own in 2019. Network World. November 19, 2018

Активность компаний в области слияний и поглощений требует не только серьезной оптимизации ИТ-систем. Зачастую выход на новый масштаб предопределяет новые амбиции и изменение планов развития. Негосударственный пенсионный фонд «ЛУКОЙЛ -ГАРАНТ» после объединения с НПФ электроэнергетики и НПФ РГС стал вторым по объему активов в управлении фондом страны.

Из-за чего возникла потребность в объединении трех достаточно крупных НПФ?

Эти фонды находились под контролем одного акционера — банка «Открытие». Решение об объединении было принято с точки зрения увеличения масштабов и повышения конкурентоспособности пенсионного бизнеса и в то же время с целью экономии издержек на управление фондами.

В августе 2018 года юридические процедуры по объединению были завершены, на рынке НПФ появился крупнейший и надежный фонд — второй по размеру активов в управлении. На текущий момент в негосударственных пенсионных фондах формируют свою накопительную пенсию почти 37 млн россиян, из них 7,4 млн являются нашими клиентами. Это примерно 20% рынка. Завершающим этапом объединения станет переименование фонда в НПФ «Открытие», по плану это должно произойти уже в декабре.

Одна из стратегических целей развития объединенного НПФ, которая была поставлена перед нами акционером, — переход на единую технологическую платформу и оптимизация инфраструктуры пенсионного бизнеса в целом. Разрозненные ИТ-системы, поддерживающие одинаковые бизнес-процессы, хранилища данных, личные кабинеты по обслуживанию клиентов, системы управления операционными рисками, системы отчетности — все это необходимо было унифицировать и тем самым минимизировать затраты на поддержку дублирующих процессов. Менее чем за год мы провели все необходимые мероприятия для перехода трех фондов на единую ИТ-платформу. Клиентские базы трех НПФ были готовы к физическому объединению уже ко времени завершения необходимых юридических процедур. На сегодняшний день клиенты присоединенных фондов пользуются единым личным кабинетом и онлайн-сервисами благодаря интеграции учетных систем.

Максим Аверин Возраст: 32 года Образование: Московский государственный институт электроники и математики, специальность «автоматизация и интеллектуализация процессов управления (кибернетика)» Московский институт экономики, менеджмента и права, специальность «финансы и кредит» Послужной список последних лет 2014 – настоящее время НПФ «ЛУКОЙЛ-ГАРАНТ», технический директор — директор департамента ИТ 2013 – 2014 НПФ «ЛУКОЙЛ-ГАРАНТ», заместитель директора департамента ИТ, начальник управления системного и технического обеспечения 2009 – 2013 НПФ «ЛУКОЙЛ-ГАРАНТ», главный администратор баз данных Oracle 2005 – 2009 DBI (BostonSD, DataIntensity), начальник смены администраторов, администратор баз данных Oracle

Какова роль ИТ в пенсионном бизнесе? Можно предположить, что она ниже, чем в банках или страховых компаниях.

В банки или страховые компании клиенты обращаются регулярно, а в пенсионном бизнесе все несколько иначе. Говоря упрощенно, клиенты пенсионного фонда обычно приходят в него два раза в жизни: заключить договор и подать заявление на назначение пенсии. Мы поставили себе амбициозную цель — поддерживать контакт с клиентом на протяжении всего периода действия договора и сделать обращение в фонд максимально удобным. Главным средством этого стал личный кабинет, в который интегрированы различные сервисы, необходимые клиенту как на этапе накопления пенсии, так и на этапе выплаты: запрос копий документов, обновление личных сведений, заключение договора индивидуального пенсионного обеспечения и оплата взносов, подача заявления на назначение накопительной пенсии, изменение реквизитов выплаты.

На рынке НПФ мы стремимся стать лидером по технологичности для клиентов. Возможно, прозвучит смело — стать самым цифровым НПФ. Наша цель — достичь уровня удаленного обслуживания, как в банках, в которых для оформления, например, депозита уже давно не обязательно посещать офис.

Не стоит забывать, что после 2022 года ожидается массовый выход на пенсию клиентов НПФ по обязательному пенсионному страхованию (ОПС), и фонды должны быть к этому готовы. Клиентам негосударственных пенсионных фондов нужны онлайн-сервисы, цифровое развитие продуктов — аналог того, что они видят, получая финансовые услуги в смежных сегментах. Чтобы удержать своих клиентов, мы должны стремиться за нашими коллегами из финансового сектора.

Клиенты пенсионного фонда обычно приходят в него два раза в жизни: заключить договор и подать заявление на назначение пенсии. Мы же поставили себе амбициозную цель — поддерживать контакт с клиентом на протяжении всего периода действия договора и сделать обращение в фонд максимально удобным.

Зачем нужно общение с клиентом на протяжении всего договора? Какой в этом смысл для бизнеса?

Есть традиционные факторы выбора НПФ — финансовые показатели, стабильность его акционеров. Остальное, способное повлиять на решение выбрать именно нас, приходится добирать сервисами, а это в первую очередь цифровые услуги. Если компания не соответствует требованиям времени, то у нее нет будущего.

Как правило, клиент пенсионного фонда раз в год получает «письмо счастья», в котором указана сумма на его счету, и выбрасывает это письмо в мусорную корзину. На этапе формирования накоплений он просто не задумывается о пенсии, ему кажется, что до этого времени еще очень далеко. Однако, если человеку объяснить, что это за накопления, как они формируются и как можно повлиять на размер своей будущей накопительной пенсии, заинтересованность может появиться. У клиента есть озможность зайти в личный кабинет, поиграть с пенсионным калькулятором, спрогнозировать ситуацию после достижения пенсионного возраста при текущих отчислениях — все это дает некое ощущение продукта. Именно такую цель мы преследовали, когда начали развивать личный кабинет клиента в 2015 году. Мы предложили клиенту интерактивный тест, в котором он может выбрать уровень желаемой жизни на пенсии, посмотреть, что для этого нужно — рост зарплаты, дополнительные отчисления и т. п. Система полностью интегрирована с данными клиента и поэтому дает абсолютно реальную ситуацию. Помимо прочего, клиент может в режиме онлайн заключить договор негосударственной пенсии и вносить средства на счет — все это позволяет перевести желания, обозначенные в рамках интерактивного теста, в действие.

Объединение компаний и появление у них новых возможностей иногда способствует новым амбициям на уровне стратегии.

Действительно, в таких случаях всегда необходимо нечто большее, чем просто объединение уже существующих решений. Рост числа клиентов влияет не только на потребности в производительности систем. Появляются и новые бизнес-идеи, связанные с ИТ. Став очень крупным игроком рынка, необходимо поддерживать этот статус, то есть требуется быть технологичным, предлагать более высокое качество сервиса, более удобные услуги, чтобы не растерять уже имеющихся клиентов и привлечь новых.

Понятно, что причины оттока клиентов могут быть в меньшей степени связаны с ИТ и вызываться внешними факторами. В любом случае наша задача — предоставить такие сервисы, которые могут обеспечить конкурентное преимущество. Личный кабинет — фактически лицо фонда. Посредством этого многофункционального сервиса можно получать максимально расширенную информацию о текущих счетах, а значит, все необходимые операции должны быть доступными дистанционно. Молодые клиенты для нас не менее важны, чем пенсионеры. И современной молодежи нужны сервисы, отвечающие духу времени, они вряд ли захотят ходить в банк со сберкнижками.

Молодые клиенты для нас не менее важны, чем пенсионеры. И современной молодежи нужны сервисы, отвечающие духу времени, они вряд ли захотят ходить в банк со сберкнижками.

Что включала в себя эта «надстройка» над уже существовавшими решениями?

В первую очередь ставилась задача улучшения взаимодействия с клиентами, в том числе повышения реального качества обслуживания. Мы модернизируем контакт-центр на платформе Genesys, внедряем речевую аналитику ЦРТ, систему управления бизнес-процессами Terrasoft. Это позволяет отслеживать статус обращений, приходящих к нам по различным каналам, облегчать поиск информации и оценивать удовлетворенность клиентов. Также к этой части проекта относится развитие личного кабинета не только для физических, но и для юридических лиц, у которых также есть свои потребности.

В каком состоянии компании подошли к слиянию, как выглядели их ИТ-ландшафты?

Наиболее благополучной система ИТ была в НПФ «ЛУКОЙЛ-ГАРАНТ». Ряд проблем был в НПФ РГС — это уровень развития ИТ-инфраструктуры, качество информационных систем и стоимость обслуживания. В НПФ «ЛУКОЙЛ-ГАРАНТ» использовались решения собственной разработки на платформе Oracle, хранилище данных на базе Oracle BI, бухгалтерия и кадры на платформе «1С». Система управления операционными рисками, службы внутреннего контроля и ряд специфических приложений были реализованы на C#.

Использование самописных решений смущать не должно. Пенсионный бизнес по объему несравним с банковским, где по каждому направлению деятельности можно найти несколько вполне приемлемых коробочных продуктов. Для нас готовых к использованию систем на рынке нет вообще. Кроме того, многие НПФ не могут себе позволить масштабные инвестиции в ИТ. Те же, кто смог создать достойные решения, не собираются их тиражировать.

Для сравнения, НПФ электроэнергетики в качестве основной использовал систему, приобретенную без права доработок у одного из игроков рынка. Система неплохая, но развивать ее было невозможно. НПФ РГС работал с системой, разработанной на базе «1С», этот продукт не в полной мере удовлетворял потребности бизнеса, имеющего несколько миллионов клиентов, а компания-разработчик не инвестировала в развитие системы. Поэтому для консолидации выбрали систему, существовавшую у нас, как более масштабируемую и поддерживаемую своими силами.

Основные требования к инфраструктуре — это отказоустойчивость и катастрофоустойчивость. Были организованы два ЦОДа на расстоянии 40 км друг от друга, территориально распределенные линии связи, резервные каналы. Оборудование, не подходящее под новую концепцию, продавалось или переводилось в тестовый ЦОД в Туле, который перешел от НПФ электроэнергетики. Вливание средств в новую инфраструктуру, конечно же, тоже потребовалось. Но полученный эффект покрывает разовые вложения, они окупаются за полтора года. Достигнута экономия на поддержке оборудования, сокращен штат за счет отказа от ряда вендоров.

Несмотря на то что компании объединились в середине августа, технологически мы уже полностью едины. Не каждый фонд этим может похвастаться, хотя тенденция к объединению НПФ налицо. Разумеется, мы узнали об объединении значительно раньше официальной даты. Фактически работы по консолидации систем заняли около года.

Какие этапы включал в себя проект?

Начали с объединения инфраструктуры. Требовалось перевести все системы на единые мощности и единые ЦОДы. Так как процесс был начат до юридического слияния, у нас были определенные ограничения. Например, нельзя было использовать оборудование, где хранятся данные другого фонда. Поэтому от лица разных компаний заключались договоры с коммерческими ЦОДами и там по соседству размещалось оборудование.

У нас рассматривались все варианты построения инфраструктуры — от ухода в облако до использования конвергентных и гиперконвергентных решений. Пришлось остановиться на услугах colocation: каждый фонд имел значительное количество оборудования, и уход в облако не оправдывает себя экономически даже в пятилетней перспективе.

Второй этап работ был связан с объединением информационных систем. Третий — с развитием сервисов на базе обновленных систем.

Пришлось остановиться на услугах colocation: каждый фонд имел значительное количество оборудования, и уход в облако себя экономически не оправдывает даже в пятилетней перспективе

В чем проблема таких проектов?

Разнородность всех ИТ-составляющих, особенно если прежде никто особенно не заботился об их стандартизации, — разные вендоры, типы оборудования, требования к отказоустойчивости. Кроме того, разный подход к выстраиванию ИТ-процессов. Наконец, информационные системы — у всех свои требования к разработке, контракты, лицензии, партнеры.

Требовались не просто унификация и создание рабочего решения из того, что существовало в разных компаниях. Нужно было максимально сократить число вендоров и используемых технологий, по возможности при этом добавив в отказоустойчивости и производительности.

Тем не менее в вопросах стандартизации далеко не всегда полезен перфекционизм, обычно пытаются найти баланс между едиными решениями и сохранением инвестиций…

Можно выделить несколько направлений. Во-первых, команда — она должна быть единой и охватывать все необходимые направления, существующие в ИТ. Второе направление — инфраструктурное. Оно включает два ЦОДа, удовлетворяющих нашим требованиям по всем параметрам. Третье — оборудование, максимально приближенное к моновендорности, хотя мы и понимаем, что в реальности с учетом унаследованной инфраструктуры это невозможно. Но хотя бы двумя производителями хотелось ограничиться. Например, сетевое оборудование удалось полностью привести к стандарту Cisco. В серверном оборудовании ограничились решениями HPE и IBM, в системах хранения — Hitachi и IBM. При этом различные производители не смешиваются внутри категорий. Так, в качестве СХД под основные бизнес-приложения используются системы Hitachi, а резервное копирование работает на нижнем сегменте IBM.

Наконец, учетные и фронт-офисные системы тоже должны быть едиными и ни в коем случае не дублировать функционал друг друга. Сейчас этого уже удалось добиться — объединенный НПФ функционирует в наших доработанных системах.

Вероятно, для этого потребовалось унифицировать процессы. Исторически фонды наверняка работали по-разному.

Процесс продаж обязательного пенсионного страхования для всех един или, по крайней мере, схож. Процессы ведения учета этого вида услуг тоже едины и строго прописаны в законодательстве. А вот с негосударственным пенсионным обеспечением (НПО) действительно могли возникать сложности. Каждое предприятие может иметь свою пенсионную программу, и они обслуживаются по разным правилам. Естественно, потребовалось много времени, чтобы эту функциональность переписать заново, добавив ее внутрь системы, которая теперь обслуживает продукты присоединенных НПФ. Где было возможно, мы унифицировали процессы, а уникальные процессы для того или иного вида деятельности пришлось переносить в системы.

Где было больше проблем — с технологической или управленческой точки зрения?

Проблемы были на всех уровнях. Каждый фонд строил работу так, как считал правильным, и единых правил не существовало. Ожидаемые вещи — разнородность информационных систем. Мы прекрасно понимали, с чем предстоит столкнуться: самописные решения, зачастую неоптимальные и плохо задокументированные.

Как быть с человеческим фактором?

Люди, готовые перестраиваться, продолжают свою работу. У нас никогда не было массовых увольнений. Конечно, если человек 10 лет выполнял привычную работу в одной и той же системе, ему сложно в одночасье принять радикальные изменения: новые интерфейсы всегда кажутся неудобными, а реализованные в них процессы — нелогичными. Однако мы не стоим на месте: изменяется законодательство, появляются новые требования регулятора, внедряются новые сервисы. Мы живем в эпоху цифровизации, и люди тоже должны быть готовы к переменам.

«Личный кабинет» — звучит буднично, выглядит просто. Насколько это решение сложное по своей сути?

Сложное. Это не тот личный кабинет, где можно увидеть красивую картинку и сумму на счету, это гораздо более функциональный продукт. Он требует интеграции и мгновенного отклика. Причем речь идет об интеграции не только с другими системами пенсионного фонда и системой эквайринга, но и с внешними сервисами — например, СМЭВ и ЕСИА. Иногда бывают проблемы: если банкам и страховым компаниям доступ к СМЭВ предоставляют без проблем, то НПФ приходится доказывать ведомствам, что им это тоже нужно.

У производственных компаний центральным звеном ИТ-систем становится ERP. А у вас?

Без единой учетной системы обойтись тоже нельзя. Однако у нас очень многие процессы связаны с аналитикой, которая предъявляется как регулятору, так и внутренним подразделениям и клиентам. С этой точки зрения единое хранилище является ядром консолидации данных.

Куда идет объединенная компания, как вы видите ее будущее? Какие шаги нужны, чтобы стать «самым цифровым из НПФ»?

У нас есть сервисы, которые мы планируем запустить в ближайшее время. Однако называть их раньше времени не буду, так как подобные идеи быстро подхватываются конкурентами. Из остального можно выделить несколько направлений.

НПФ с этого года начали сдавать отчетность в формате XBRL. У многих возникают очень большие проблемы и с поставщиками систем, и с интеграциями. У нас же сдача отчетности автоматизирована на 90%, и до конца года выйдем на полную автоматизацию. Можно сказать, что мы в этом направлении шагнули далеко.

Дальнейшая модернизация клиентского сервиса также является серьезным проектом в свете ожидаемого скачка числа пенсионеров. Уже в ближайшее время число их обращений резко вырастет, и с текущими мощностями справиться с этим потоком будет сложно. Нужны более масштабируемые и производительные решения — именно с этим связан наш проект развития контакт-центра.

Кроме того, мы всерьез задумываемся о присоединении к системе обмена биометрическими данными, она нам нужна для работы с правопреемниками. Все упирается в экономический эффект: мы вряд ли можем быть поставщиком новых клиентов, поэтому за использование системы придется платить.

Входит ли в число направлений развития роботизация процессов?

Конечно, мы присматриваемся, но будем честны: возможности развития подобных технологий в банках, мягко говоря, несколько превосходят наш уровень. Мы вынуждены выступать в роли догоняющих. Первым шагом может стать роботизация общения с клиентами, но в ограниченном числе сценариев. В НПФ огромный процент нетиповых обращений. После автоматизации и вывода в удаленное обслуживание максимального числа сервисов мы задумаемся о роботизации остальных.

Применять роботизацию во внутренних процессах с целью сокращения издержек также возможно, но это должен быть отдельный проект, в ходе которого потребуется провести ревизию всех процессов компании на предмет их готовности к роботизации. Когда компания находится в процессе слияний и поглощений, физически не хватает времени на инновационные проекты, особенно касающиеся оптимизации внутренних процессов. Вполне возможно, мы этот проект начнем в 2019 году.

С вождем (официальная должность) «Кнопки» Андреем Завьяловым мы встретились в интересное время. Компания, специализирующаяся на аутсорсинге бухгалтерских и юридических сервисов, готовится к выходу на новый для себя рынок продажи технологий. Хороший повод поговорить об автоматизации, применимости и масштабируемости облачного аутсорсинга, состоянии рынка бухуслуг и о том, что будет, если посадить на одном этаже офисного здания тысячу бухгалтеров.

Если попробовать описать одной фразой, «“Кнопка” — это…»?

Прямо сейчас мне сложно ответить на этот вопрос. Мы работаем над тем, чтобы технологии, которые мы отработали внутри «Кнопки», — нейронные сети, роботы и прочие штуки — можно было продавать другим участникам рынка. Если раньше я бы сказал, что «Кнопка» — это бэк-офис для малого бизнеса, то теперь мы идем к тому, чтобы «Кнопка» стала бэк-офисом для аналогичного нам бизнеса.

Бэк-офис для бэк-офиса?

Бэк-офис для другой аутсорсинговой компании.

Применима ли эта модель для других видов процессов — например, для оптимизации закупок, для ИТ, может быть, для чего-то еще?

Вероятно, да, но мы сфокусированы на бухучете. Мы автоматизируем ввод первичных документов в систему. Это не просто распознавание. Мы берем скан документа и в качестве результата возвращаем бухгалтерскую проводку. Возможно, похожие технологии можно использовать где-то еще, например в закупках.

Андрей Завьялов, сооснователь «Кнопки» В 2013 году стал сооснователем «Кнопки». До этого пять лет проработал в крупной энергетической компании в должности финансового и генерального директора. Три года управлял инвестиционной компанией в сфере «зеленой » энергетики. Сменил привычную сферу, отказался от важных должностей и три года руководил продажами интернет-проектов «Эльба» и «Диадок» в СКБ «Контур». Заработал лысину, степень MBA и огромный опыт в b2c- и b2b-продажах. Начал свой длинный профессиональный путь с работы на железной дороге: был самым молодым начальником поезда (командиром подвижного состава).

Если говорить не про ИТ, а про бизнес-модель, кроме бухгалтерии, есть еще какие-то процессы, стоящие в очереди на аутсорсинг?

Конечно. Например, «Тинькофф Банк» на своих мощностях стал продавать клиентам услуги колл-центра. Если я клиент этого банка и мне надо обзвонить две тысячи человек, я могу заказать эту услугу у них.

Существуют ли в России и мире компании, которые реализуют бизнес-модель «Кнопки» и про которые вы можете сказать, что вы с ними прямые конкуренты?

В России основные игроки на этом рынке — это, как ни странно, банки. Они идут в предпринимательский low-сегмент. Появляется новая категория клиентов — самозанятые, которые будут платить 4%. Это несколько десятков миллионов человек. Банки хотят оказывать им услуги по ведению налогового учета. ИП и малым предприятиям, которые платят 6%, они предлагают налоговый и бухгалтерский учет. Наше поле — устоявшийся, стабильный бизнес, у которого уже есть сотрудники. Этим компаниям мы предлагаем облачный бэк-офис.

Такого в мире больше нет. Облачные CRM, 1C-Bitrix — они решают узкие задачи. Мы решаем широкую задачу: закрываем бухгалтерские и юридические вопросы сопровождения бизнеса. Разница огромная. В отличие от CRM, здесь высокая ответственность, штрафы, регламенты. Никто не выставит бизнесу штраф за неверное использование CRM, но, если бухгалтер не сдал какую-то отчетность, заблокируют счета в банках.

Воспроизвести вашу бизнес-модель никто не захотел, не догадался или не смог?

Мы недавно с ребятами вспоминали запуск «Кнопки» и поняли, что даже мы не готовы второй раз это сделать. Очень сложно. Тяжелая неблагодарная работа.

Бухгалтерия жестко зарегламентирована. Там работают очень странные люди. Они не плохие и не хорошие, они своеобразные, заточенные под определенные вещи. Пытаться из бухгалтерии сделать сервис, а потом еще объяснить бухгалтеру, что часть работы будет делать робот или нейронная сеть… Бухгалтер это воспринимает как вторжение в свое личное рабочее пространство. Типичная реакция: «Нет, мы лучше, чем ваш робот, знаем, как делать банковскую проводку». Иногда приходилось прямо-таки заставлять использовать эти технологии. Потому что за ними будущее, как бы банально это ни звучало.

Часто задают вопрос: почему вы вообще стали писать роботов, нейронные сети, распознавание? У нас не было изначально такой задачи. Мы обслуживали предпринимателей с помощью бухгалтерских рук. В какой-то момент число ошибок бухгалтеров стало очень большим. Мы пробовали разные подходы: правильное отношение к ошибкам, «бирюзовая компания»… В итоге стало понятно, что не ошибаться может только «нечеловек».

Сколько сейчас клиентов у «Кнопки»? Какие планы роста?

У нас полторы тысячи активно работающих клиентов. Раньше мы планировали инвестировать в увеличение клиентской базы. Сейчас хотим двигаться в сторону продажи технологий.

Из-за проблем с масштабированием бизнеса?

Благодаря тому, что мы создали методики бухгалтерского и юридического сопровождения, мы можем масштабироваться без особого увеличения штата. После ошибок это была вторая причина придумать технологии автоматизации. Мы просчитали бизнес-модель и поняли, что можем нанять хоть тысячу бухгалтеров. Даже при таких объемах модель будет работать и приносить прибыль. Но тысяча бухгалтеров? Это зомби-апокалипсис! Поэтому мы стали думать, как, не увеличивая количества сотрудников, обслуживать больше клиентов. Еще один путь — самим использовать аутсорсинг. За счет того, что мы очень хорошо знаем бухпроцесс, мы знаем каждый кирпичик и умеем некоторые из этих кирпичиков отдавать на аутсорс. Это тоже позволяет хорошо масштабироваться.

Насколько далеко зашла автоматизация? Момент, когда не останется ни одного бухгалтера, а будет несколько инженеров, которые обслуживают серверы, уже появился на горизонте?

Быстро это не произойдет. Существуют ФНС, Росстат и Пенсионный фонд: государственные структуры не будут с разговаривать с бизнесом электронно. Конечно, электронный документооборот появляется. Лидер в этом отношении — налоговая инспекция: в девяти случаях из десяти с ними можно решить вопросы дистанционно. Но остаются 10%, которые пока не решаются. Пенсионный фонд требует личного присутствия. Если возникает проблема, ее можно решить только голосом. Пока структурированного общения с госорганами не получается, перед нами стоит одна из самых сложных инженерных задач — перевод неструктурированной информации в структурированную.

Какие метрики вы используете, как измеряете эффективность своей работы?

Мы фанатики метрик — измеряем вообще все. Мы начали с исследования структуры работы бухгалтера. Мы стали замерять его рабочий процесс, иногда буквально секундомером. Стало понятно, что надо на каждый процесс закладывать отдельную метрику. Сколько документов заведено, сколько не заведено, каким клиентам робот отправил расчет налогов, каким нет, скорость ответа: 90% ответили за час, 100% ответили за 18 часов, 50% ответов уложились в 15 минут. Вся «Кнопка» построена на метриках. Это наш фетиш.

Какие из них ключевые? Если тебе надо за минуту понять, хорошо ли работает какое-то подразделение, на что ты смотришь?

Вот такого у нас вообще нет. Как бы странно это ни звучало, к KPI у нас очень негативное отношение. Как только ты ставишь человеку или подразделению KPI, они фанатично начинают их исполнять, фокусируются на их достижении и больше не видят ничего вокруг. Поэтому у нас KPI оценивают не человека, а процесс.

Какие платформы для коллективной работы вы используете?

«1С». Мы используем ее как ядро. «1С» обладает лучшей компетенцией актуализации форм отчетов перед государством. Как только государство меняет внешний вид налоговой декларации, это делает «1С». Это первый и базовый инструмент, как и у всех бухгалтеров России. У нас есть Slack. Это важный коммуникационный инструмент внутри компании. Мы используем Jira и собственное мобильное приложение.

Основной инструмент коммуникаций с клиентом — чат?

Да. Чат, который мы самостоятельно написали.

Клиент пишет в чат, что ему надо что-то сделать, и ваши ребята садятся и делают?

Да.

Насколько эти удаленные коммуникации эффективны, могут ли они заменить живое общение? Много говорят о новых технологиях коммуникаций, видеоконференциях с высоким разрешением. Скажутся ли они на эффективности аутсорсинга?

В нашем бизнесе ничего подобного не нужно. У клиента есть потребность заплатить минимальный налог из всех вариантов, которые ему позволены законом. Для этого нужно проделать определенные простые действия: вовремя подавать документы на льготы, вовремя предоставлять все первичные документы, сдавать выписки, чеки, вторичную документацию. Необходимо показывать клиенту, каких документов не хватает, какова будет сумма налога. Разговаривать с бухгалтером клиенту не нужно.

Чем меньше клиент думает о бухгалтерии, чем меньше он ее видит, чем меньше он вообще о ней задумывается — тем лучше. Поэтому чат интереснее.

Идеальный способ коммуникации — аналог игры «Веселая ферма». Ты включил приложение, у тебя моргает: сюда отправь пару сканов документов, потому что их требует бухгалтер, здесь мигает запрос по увольнению или приему сотрудника, тут тебе загрузили платежки в банк, зайди их подпиши. Это не совсем чат. Чат тоже есть — когда возникают вопросы, которые надо обсудить. Но в целом все сводится к графическому пользовательскому интерфейсу.

Развитие идет в сторону геймификации: человек открыл приложение, собрал золото, построил шахты. Так же можно управлять бизнесом.

«Кнопка» — это стартап?

Скорее нет, чем да. Что такое «стартап»? Компания, которая что-то новое придумывает? Да. Убыточная? Да. Прибыльная? Да. И на те же вопросы можно ответить «нет».

По внутренним ощущениям? Да, мы — стартап. Когда мы задумались о продаже технологий, я снова почувствовал дух авантюризма. Мы опять стартап, потому что мы начали делать что-то новое, вышли на новый рынок с новыми клиентами.

Сколько времени прошло с создания «Кнопки» до выхода на оперативную безубыточность?

Три с половиной, даже четыре года.

Называли цифру 10 млн долл. инвестиций в «Кнопку». Это похоже на правду?

Да. Хотя смотря по какому курсу. По нынешнему — меньше. Но порядок такой.

Мы работаем над тем, чтобы технологии, которые мы отработали внутри «Кнопки», — нейронные сети, роботы и прочие штуки — можно было продавать другим участникам рынка

Есть мнение, что все бухгалтерские сервисы в России собирают крошки со стола «1С». Это так?

По большому счету, да, они зарабатывают как минимум столько же, сколько все остальные участники рынка бухуслуг, вместе взятые.

Но что считать рынком бухуслуг? Если посчитать, сколько платит РЖД своей дочерней компании, которая ведет их бухгалтерию, тогда «1С» — просто один из игроков на этом рынке. Если мы отбрасываем крупные компании и банки, это будет другой разрез.

Если брать сегмент мелких компаний, самозанятых и ИП и убрать верхний слой, где работают зарубежные системы, то на «1С» придется 99% софта, которым пользуются для бухучета. Но они же зарабатывают на лицензиях. А рынок бухуслуг гораздо шире. В том же РЖД работают 8 тыс. бухгалтеров, приплюсуем сюда еще какой-нибудь Магнитогорский металлургический комбинат. Бухуслуги гораздо дороже софта внутри. Поэтому, кто у кого подбирает крошки со стола, не знаю.

Ты знаешь, что происходит с малым и средним бизнесом? Расскажи об этом. Как меняется бизнес твоих клиентов?

Мы не делаем таких наблюдений. Наверно, если я сяду с парой аналитиков и посмотрю на ту информацию, которая у нас есть, я смогу рассказать, что происходит в каждой компании, кто как платит и какие есть тренды.

Точно есть общероссийская тенденция перевода сотрудников в ИП, чтобы снизить налоговую нагрузку. Видно стремление максимально снизить налоги, но при этом оставаться в рамках закона…

Этой тенденции уже три тысячи лет…

Разница в том, что раньше это делали без царя в голове. Некоторые предприниматели говорят: «Я вообще не буду вести бухгалтерский и налоговый учет. Пусть налоговая сама что хочет считает. Выставили претензию, я заплатил». И он ждет, когда его поймают.

Сейчас таких стало меньше. Все прекрасно понимают, что юлить, вилять — дорого. Многие переходят из черной бухгалтерии в белую, и уже пытаются в рамках правового поля придумывать какие-то схемы, патенты, ИП.

Исчезла тема «рисования» документов. Раньше регулярно спрашивали, можем ли мы это сделать. Сейчас этот вопрос даже перестали задавать.

Второй по популярности вопрос был: «Ведете ли вы черную кассу?» Потому что бухгалтер обычно ведет черную кассу. Сейчас такого понятия практически нет. Или совсем нелегальный кеш, или все уже законно. Эта разница стала очень явной: «черное» стало совсем черным, а «белых» стало больше.

Блиц, короткие вопросы, на которые ты можешь отвечать не обязательно коротко. Хороший формат, не я придумал. Agile работает?

Да. Прямо большими буквами — ДА.

Выход на биржу или продажа стратегам?

Первое. Стратегов нет, потому что нет личностей. Мы обдумывали вариант не продавать бизнес полностью, но найти способ взаимодействия со стратегом с вероятным дальнейшим выкупом или что-то еще… Но говорить об этом не с кем. Либо получается такая же токсичная история, как сейчас у Сбербанка с «Яндексом».

Если ты застрянешь в лифте с Нуралиевым, о чем ты с ним поговоришь?

Мы долго будем разговаривать: про технологии, про будущее аутсорсинга и бухгалтерии, куда это все идет. У него свой взгляд на ситуацию в бизнесе, очень интересный. Это человек, которого я по всем параметрам уважаю. Мне было бы интересно застрять с ним в лифте на подольше. И разговаривали уже не раз, и есть еще много о чем поговорить.

Нынешний год становится поворотным для технологий роботизации процессов (Robotic Process Automation, RPA). Во многих компаниях заканчиваются пилотные проекты, по результатам которых рынок и будет оценивать возможности роботизации. Валентина Кулагина, руководитель отдела развития продуктов компании ICL Services, рассказала о том, какое место занимают RPA в процессе цифровой трансформации компаний, и о своих наблюдениях за этим рынком.

— Насколько актуален тренд цифровой трансформации для российских компаний? В чем он выражается для вас?

Мы считаем, что цифровая трансформация — это вполне естественный, эволюционный и рыночный процесс. Да, о ней много говорят — во многом из-за того, что такой вектор был задан на уровне руководства страны. Крупные компании, на наш взгляд, уже разработали стратегию трансформации, а ведущие системные интеграторы определили стек необходимых для этого технологий, которые могут вывести компании на новые рынки или обеспечить конкурентные преимущества. Как правило, речь идет о больших данных, искусственном интеллекте, Интернете вещей и роботизации процессов.

Хотелось бы отметить, что этот всеобщий тренд положительно влияет на активность предприятий: у них возникают новые задачи, перестраиваются бизнес-процессы и иногда меняется модель ведения бизнеса. Однако есть компании, которые пока не могут самостоятельно проработать сценарий изменений, и мы приходим таким компаниям на помощь — выступаем в роли консультантов. Важно понимать, что любая трансформация невозможна без наведения порядка в инфраструктуре, информационных системах и самих процессах, поэтому аудит обязательно должен присутствовать в процессах цифровой трансформации.

Следует отметить, что в процессе трансформации компании хотят найти для себя точки роста. Это сделать довольно сложно, если уровень проникновения ИТ-систем в бизнес-процессы достаточно низкий. В этом случае в дорожной карте цифровизации должен быть «нулевой» раздел, его суть в том, что информация переводится с аналоговых носителей в электронный вид, внедряются базовые информационные системы. Без всего этого вообще невозможна трансформация.

— Трендом нынешнего года становится роботизация бизнес-процессов. Какие направления ей наиболее подвержены?

Мы пока не видим массовости этого тренда, хотя перед всеми компаниями стоит задача повышения эффективности бизнеса и производительности труда сотрудников. Я считаю, что нынешний год становится переломным: технологии RPA были хайпом в 2017 году, и сейчас только-только появляются первые заметные пилотные проекты, а главное — ощутимые результаты. В роботизации больше всех заинтересованы компании с высоким уровнем автоматизации и развития информационных систем. На самом деле таких компаний пока очень немного.

Наши клиенты заинтересованы в роботах, если высвобождается хотя бы часть рабочего времени сотрудников. Например, 15 минут в час при восьмичасовом рабочем дне — это отличный результат. Эффект рассчитывается просто: сравнивается стоимость часа работы робота и человека в конкретном процессе. Если видна экономия, это является основанием для запуска пилотного проекта. Пока такие проекты как правило запускаются в простейших процессах: в бухгалтерии, в кадровом документообороте, при подготовке регуляторной отчетности. Однако мы считаем, что технологии RPA на таких процессах тестировать не совсем верно: обосновать их внедрение по результатам такого проекта будет очень сложно. Например, в компании есть бухгалтер, получающий небольшую зарплату, и робот, аренда которого обходится в меньшие, но вполне сопоставимые деньги. Экономия в таких случаях несущественна, и часто выбор делается в пользу человека, потому что его «функционал» гораздо шире. Поэтому мы ориентируемся на RPA с элементами искусственного интеллекта и предлагаем их использовать в тех процессах, где необходима поддержка принятия решений — то есть в процессах более высокого уровня.

Гораздо полезнее оптимизировать ту часть бизнеса, которая действительно «болит». Это вовсе не сверка дебиторской задолженности или обработка кадровых документов. Совсем другое дело — процессы, связанные с обслуживанием клиентов, формированием программ лояльности; сюда руководители готовы вкладывать. Конечно, выстроить поддержку внутренних процессов намного проще, но эффект от этого будет гораздо ниже.

— А готовы ли заказчики к тому, что услуги им будут предоставлять роботы?

Они готовы, никакой «психологической обработки» не требуется. Мы общаемся с клиентами по теме RPA и не слышим от них подобных вопросов. Достаточно дать сравнение, сколько их сотрудники тратят на бизнес-процесс сейчас, сколько у них времени высвободится в результате роботизации и — главное — куда это время можно будет направить.

— Говоря про роботизацию, оперируют обычно двумя аргументами: цена и качество. Какой из них, по вашим наблюдениям, является для компаний более убедительным?

В первую очередь, это цена и, во вторую очередь, — показатель time-to-market (время от начала внедрения RPA до получения результата). Компаниям важно получить результат за достаточно короткий срок, а на внедрение одного робота, сопровождающего несколько бизнес-процессов, может потребоваться всего несколько недель или даже дней. В то же время, серьезным сдерживающим фактором для таких проектов все еще является низкая стоимость труда в нашей стране. Именно поэтому мы и говорим о необходимости применения роботизации в более «дорогих» и ценных для бизнеса процессах.

— Что должно произойти, чтобы проекты RPA из диковинки превратились в мейнстрим?

Надо признать, что, несмотря на массу разговоров, тема пока находится в зачаточном состоянии и мейнстрима на ИТ-рынке я пока не вижу. Сейчас очень мало компаний в России, решившихся на пилотирование RPA-технологии и внедрение роботов в свои ключевые бизнес-процессы. Посмотрите, ведь сейчас даже пилотных проектов, действительно ценных и привлекающих внимание, очень немного. Скажем, кого заинтересует такой примитивный процесс, как автоматизированная рассылка писем? А вот если с помощью RPA будет построена система мониторинга цен на сайтах конкурентов и последующего выстраивания ценовой политики предприятия в том или ином регионе, то это заинтересует любого промышленного гиганта. Интерес к RPA будет нарастать в том случае, если компании самостоятельно или с помощью консультантов увидят процессы, которые можно передать роботам. Реалии таковы, что большинство наших клиентов пока не видят таких бизнес-процессов и тут мы приходим им на помощь. Но не все так грустно, пионеры этого рынка действительно есть, они уже начинают просчитывать эффективность пилотных проектов, и мы не исключение. Если эффективность будет доказана, то мы скоро услышим об этих пилотных проектах на всех ключевых event-площадках страны. То есть все движется как обычно, для начала активного роста рынку нужна критическая масса успешных проектов, нужно «сарафанное радио», нужны практические кейсы и регулярная информационная кампания для поддержки и разогревания интереса ИТ-рынка.

Сегодня руководители всех уровней признают, что искусственный интеллект способен принести пользу бизнесу, но чтобы это стало реальностью, нужно правильно применять новшество.

Ориентироваться можно на передовые организации, которые уже осуществляют соответствующие инициативы. Как свидетельствует опрос, недавно проведенный Deloitte Consulting, 82% организаций-первопроходцев получают полезную финансовую отдачу от инвестиций в когнитивные технологии — средняя рентабельность вложений составляет 17%.

В Deloitte уверены: проект внедрения ИИ будет успешным, если он ориентирован на потребности бизнеса, а не просто затеян ради стремления воспользоваться новшеством. Организациям, рассчитывающим получить максимум возможного от ИИ, в Deloitte Consalting советуют сосредоточиться на конкретных задачах — сфокусироваться на бизнес-цели, которую нужно достичь, продемонстрировать ценность новшества и наращивать масштаб.

Приведем восемь советов, которые помогут извлечь выгоду из проектов в сфере ИИ от организаций, в которых благодаря таким инициативам уже получают реальные преимущества.

Сосредоточьтесь на конкретных проблемах

В General Electric подчеркивают, что ориентиром для всех проектов компании в области ИИ служит их ценность с точки зрения бизнеса. Реализация начинается с набора минимально жизнеспособных продуктов, на которых демонстрируются эффективность прогнозирования и преимущества системы — способность делать прогнозы быстро и экономично, возможность повысить прибыль и т. д. Затем выбираются оптимально выгодные для бизнеса методы развертывания и масштабирования.

Придерживаться этого принципа крайне необходимо, подчеркивают в GE. Например, если система ИИ выдает прогнозы относительно потребностей оборудования в ремонте, их необходимо интегрировать в соответствующий рабочий процесс, то есть организовать своевременную отправку на объект инженера соответствующей специализации. Возможно, также понадобится интеграция с системой управления запасами или даже с самим обслуживаемым оборудованием. Допустим, если ИИ способен понять, что в оборудовании требуется оперативно увеличить давление или температуру, то понадобится соединить ИИ с его системами управления.

Учитывайте пределы возможностей ИИ

В психологии существует понятие эффекта Даннинга — Крюгера, суть его в том, что человек с недостаточной квалификацией не способен осознавать ошибочность своих действий. В подобную ловушку могут попасть и системы ИИ. Например, если систему, обученную на определенной выборке данных, заставить делать прогнозы по набору данных из другой области, ответы могут быть принципиально неверными, но выглядеть убедительно с точки зрения пользователя, привыкшего доверять результатам работы ИИ.

Понять, подходит ли конкретная аналитическая модель для определенного набора данных, сможет только специалист в области data science. Нужно знать, какие допущения делались при создании модели и попробовать нагрузить ее — возможно, данными другого рода, чтобы понять, насколько она эффективна, объясняют в GE.

Для решения этой проблемы в компании начали работу над системой ИИ, которая сама «знает», для каких ситуаций подходят ее алгоритмы, и использует их только для этих сценариев. Если соответствия нет, вместо ИИ используется физическая модель, применяемая в компании уже много лет. Сейчас новая разработка проходит тестирование.

Прислушивайтесь к пользователям и заказчикам

Чтобы создать системы ИИ, выдающие полезные результаты, требуется участие не только разработчиков. В идеале проект нужно начинать с совещания с участием всех основных заинтересованных лиц, которые обсуждают все подробности и документируют все требования к системе, отмечают в Healthy Nevada Project.

В организации приводят пример, когда ее специалисты разрабатывали протокол лечения пациентов, страдающих сердечно-сосудистыми заболеваниями. Для этого нужно было собрать сведения о лекарствах, которые назначались таким пациентам при выписке из больницы. Но некоторые средства назначаются пациенту сразу при его поступлении в стационар, а после выписки он должен продолжать их прием. Система предположила, что это лекарства, которые пациент уже принимал до поступления в стационар, а не новые средства, назначенные в связи с причиной госпитализации. Проблему обнаружили, только когда выявилась нехватка некоторых лекарств.

По признанию разработчиков, недоработку можно было обнаружить гораздо раньше, если бы с самого начала проводились подробные обсуждения с участием всех заинтересованных сторон. Отныне разработчики стараются не делать вообще никаких предположений самостоятельно — прежде чем приступить к созданию системы, проводят тщательный отбор и обсуждение требований.

А компании Coupa, которая предлагает платформу управления расходами предприятия, один из клиентов посоветовал новый способ борьбы с мошенничеством. Прежде контроль растрат велся изолированно по различным видам мошенничеств — например, с финансовой отчетностью или с закупками. Но выяснилось, что сотрудники, уличенные в одном виде жульничества, нередко склонны и к другим. После совещания со специалистами по закупкам и финансовыми аудиторами решено было организовать распознавание мошенничеств путем анализа данных по сотрудникам.

ИИ оказался оптимальным средством для этого, в связи с тем что для выявления закономерностей приходится обрабатывать огромный объем данных и человек просто не справился бы с таким объемом работы. К тому же ИИ ускоряет процесс обнаружения мошенничества и своевременно блокирует проведение сомнительных платежей. Теперь в Coupa формируют базу знаний по способам мошенничества, о которых сообщают клиенты, и на ней обучают систему ИИ.

Используйте знания в области своей специализации

ИИ сам по себе — не «чудодейственное средство». В консалтинговой компании Globant отмечают, что заказчики нередко просят «подключить искусственный интеллект» к имеющемуся у них огромному озеру данных, чтобы он находил там полезные сведения. ИИ способен выявить скрытые закономерности, но, не задавая верных вопросов, ответов вы от него не получите.

Большая ошибка — полагаться только на исследователей данных и специалистов в области ИИ в рамках проектов аналитики, отмечают в компании Cognoa, где применяют ИИ для диагностики расстройств поведения, в том числе для выявления детей с аутизмом.

В реальных данных могут быть взаимозависимости, а какая-то часть данных может быть не нужной, и, чтобы отличить ее, понадобится эксперт в вашей предметной области. Например, если две группы пациентов проходят диагностику в кабинетах со стенами разного цвета и результаты этих групп различаются, аналитическая модель может решить, что цвет краски на стенах имеет клиническую значимость. По мере роста объема данных подобные ситуации станут маловероятными, но не исключены менее заметные ошибки, которые не заметит эксперт в области ИИ, не имеющий знаний в предметной области. Это особенно критично, когда наборы данных небольшие — например, если дело касается редких заболеваний.

Разумеется, специалисты в предметной области сами могут быть предвзятыми, скажем, ошибочно верить в связь между определенными характеристиками и заболеваниями. Для большей уверенности можно привлекать к работе и экспертов, и искусственный интеллект, а затем сравнивать результаты.

Медики, работающие в Cognoa, помогают выяснять работоспособность моделей и совершенствовать их. В компании признаются, что всякий раз, когда алгоритм ИИ проверяется в рамках клинических исследований, выясняется, что реальность не соответствует моделям. Такие проверки помогают оптимизировать и дорабатывать продукт.

Использование знаний в предметной области совместно с ИИ также полезно при контроле правильности данных, отмечают в CAS, компании, занимающейся сбором и публикацией данных химических исследований.

Неверно поставленные пробелы, нижние индексы, дефисы и ошибки даже в единственной букве формулы могут превратить безопасную реакцию во взрывную. Поэтому в CAS более 350 дипломированных химиков занимаются контролем правильности данных.

С недавнего времени в компании начали использовать ИИ для классификации и очистки данных, благодаря чему часть ученых удалось освободить для более сложной работы. Но даже в ходе реализации простой системы распознавания текста нужны знания в предметной области, добавляют в CAS. Например, «nmol» означает наномолярную концентрацию, а «mmol» — миллимолярную, на шесть порядков больше. Если система перепутает два этих обозначения, реакция может превратиться в разрушительную.

Поэтому CAS нужны специалисты как в области ИИ, так и в области химии — это затрудняет поиск кандидатов и иногда делает невозможным наем сторонних подрядчиков.

Тестирование в реальных условиях — необходимость

Как «ни один план не переживает встречи с противником», так никакая система ИИ не переживает встречи с реальным миром. Если упустить это из виду, ваш проект ИИ обречен с самого начала, уверены в Credit Suisse Group.

Когда в финансовой группе решили запустить чатбот для службы клиентской поддержки, разработчики осознавали, что программа из-за неспособности ответить на все вопросы будет часто переводить вызовы на людей. Но в компании специально приняли решение ввести бот в эксплуатацию на ранней стадии, когда он понимал цель обращения лишь в 23% случаев. Работая в реальных условиях и наблюдая за ведением диалогов с участием представителей различных культур, стран и поколений, робот обучался, и всего за пять месяцев его уровень понимания вырос до 86%.

Не забывайте, что ИИ — это «черный ящик»

Искусственному интеллекту трудно доверять, поскольку неясно, каким именно образом он приходит к решению. Эту проблему называют «проблемой черного ящика».

В компании Beacon Health Options, занимающейся лечением расстройств психики, посетовали, что в некоторых ситуациях проблема «черного ящика» может быть непреодолимой.

В Beacon решили разработать систему на базе ИИ, которая бы выявляла проблему на ранней стадии, до того, как пациенту может потребоваться госпитализация. При этом в компании не только обучали будущих пользователей системы процедурам работы с ней, но и разъясняли принцип действия алгоритмов. А перед вводом в рабочую эксплуатацию был проведен пробный запуск с использованием данных по прежним пациентам. Как объясняют в компании, те пациенты, для кого прогнозировался высокий риск, были действительно подвержены высокому риску обострения, поскольку их позднее поместили в стационар. Таким образом, врачи Beacon могли наблюдать, как именно действует система, и это помогло уменьшить недоверие.

Затем, когда ИИ начали использовать для выявления риска у новых пациентов, за первые 12 недель система выявила почти 300 человек с высоким риском, больше половины из которых прежде таковыми не считались, согласно результатам традиционных диагностических методов. С выявленными пациентами была начата работа — телефонные собеседования, предоставление контактной информации о медицинских учреждениях, контроль приема лекарств. Через один-два месяца появилось достаточно данных, чтобы далее совершенствовать созданную систему.

Используйте понятные показатели

Наличие понятных бизнесу показателей для измерения результатов проекта ИИ нужно, чтобы демонстрировать эффективность системы и необходимость продолжать ее финансировать.

Между тем во многих организациях этому аспекту проектов ИИ достаточного внимания не уделяют. Меньше чем в половине компаний, участвовавших в опросе Deloitte, измеряют ключевые показатели эффективности, необходимые для оценки финансовых результатов, — экономию, выручку, сохранение клиентской базы и др.

По словам аналитиков Deloitte, эта проблема типична для новых технологий — нередко их внедрения не сопровождаются таким же строгим контролем, как работа с более зрелыми технологиями. Следствием может стать превращение инициативы в области ИИ в «мост в никуда» — пилотные внедрения не масштабируются или проект просто не приносит бизнесу выгоды.

Развивайте сотрудников

Непросто найти людей, одновременно являющихся экспертами в области ИИ и разбирающихся в вашем бизнесе. Специалистов по ИИ сегодня не хватает во всем мире, а если добавить еще и требование знаний в вашей области, пул возможных кандидатов становится крайне ограниченным. Как показал опрос Deloitte, посвященный освоению ИИ в компаниях, в 69% из них испытывают нехватку специалистов.

В GE делают все возможное, чтобы находить людей, одновременно обладающих навыками в области программирования и аналитики и знаниями в сфере инженерного проектирования — основной области специализации компании. В GE инвестируют в университетские курсы, ищут кандидатов через Интернет, налаживают контакты на отраслевых конференциях.

Но вместе с тем в GE обращают внимание на собственных сотрудников инженерного профиля, которые занимаются на курсах обучения в области ИИ, а также разработчиков ИИ-решений, изучающих системы управления и материаловедение. Найти специалиста с нужным сочетанием навыков — это еще полдела, добавляют в GE: нужны те, кто способен применять эти обширные знания на практике, превращать задачи бизнеса в задачи анализа данных.

В GE функционируют собственные курсы обучения, на которых одновременно преподаются дисциплины ИИ и инженерного проектирования. На сегодня их закончили уже около трети всех ученых и инженеров компании.

По словам представителей GE, это только начало процесса, направленного на изменение корпоративной культуры, принципов организации работы и системы поощрений.

— Maria Korolov. 8 secrets of successful AI projects. CIO. November 8, 2018

Руководители ИТ-служб уже устали от цифровых преобразований, и не только потому, что под таковыми в большинстве случаев подразумевается практически любая ИТ-модернизация. Как выясняется, ИТ-директора рассчитывают в перспективе на поддержку трансформации со стороны генерального директора и совета директоров, которые не склонны к долгому ожиданию в эпоху стремительных прорывов.

Многие компании — достаточно вспомнить хотя бы General Electric — при реализации проектов цифровой трансформации в масштабе всего предприятия потерпели неудачу. По словам аналитика Forrester Research Аллена Бонда, сложившаяся тенденция сохранится и в 2019 году. Будучи убежденным в том, что цифровая трансформация потребует очередных сдвигов в технологиях, навыках и культуре, способствующих построению новых бизнес-моделей, Бонд считает, что подход Большого взрыва, несмотря на развернувшуюся вокруг него шумиху, не даст ответов на накопившиеся вопросы.

«От цифровой трансформации, построенной по принципу большой метлы, уже ощущается некоторая усталость, — заметил он. — Возникает потребность в технологических лидерах и руководителях электронного бизнеса, предпочитающих не столь тотальные перемены. Руководство предприятий выражает сегодня готовность к прорыву, но все должно быть сделано быстро и иметь практическую направленность».

В интервью для CIO.com Бонд высказал пять основных прогнозов в отношении цифровой трансформации в 2019 году и указал, каким образом ИТ-директорам следует адаптироваться к происходящим изменениям.

1. Превращение цифровой трансформации в специализированные инновации

Компании и дальше будут трансформироваться, но более итерационными, умеренными темпами. Полутора- или двухлетние инновационные циклы придут на смену 5–7-летнему долгострою. В качестве примера Бонд привел компанию Adidas, экспериментирующую с обувью, распечатываемой на 3D-принтере, и Office Depot, тестирующую в своих магазинах сервисы цифрового маркетинга. Можно вспомнить также внедрение Metlife программного обеспечения искусственного интеллекта и развертывание Synchrony чат-бота. Оба эти проекта были призваны улучшить обслуживание технически подкованных потребителей.

В 2019 году в компаниях появится новый параметр окупаемости — «окупаемость инноваций» с ранжированием цифровых технологий в соответствии с той выгодой, которую они приносят компании. Ожидается, что цифровым показателям эффективности будет отводиться все более важная роль. Для трансформации нужно время, она должна состоять из небольших, управляемых порций инноваций, которые сулят ощутимую выгоду.

Бонд рекомендует: Ищите быстрые победы, накладывайте их друг на друга и дайте цифровым лидерам возможность выстраивать новые конструкции поверх уже имеющихся. Этот способ предполагает последовательное выполнение отдельных этапов, каждый из которых должен окупаться.

2. Окупаемость операционной эффективности

«Более пристальное внимание к рационализации операций дополняется ослабеванием энергичности цифровой трансформации и связанной с ней риторики, — заметил Бонд. — В 2019 году компании ускорят ориентацию на цифровые операции, улучшающие конечный результат для клиентов и обеспечивающие эффективность».

Хотя ориентированная на клиентов трансформация по-прежнему останется нацеленной на рост валового дохода, руководители ИТ-служб начнут уделять больше внимания рентабельности. Они будут прикрывать честолюбивые проекты руководства, сосредоточиваясь на самообслуживании там, где это возможно. «Результат важен, особенно если он выразится в эффективности, удовлетворении клиентов и оптимизации затрат», — указал Бонд.

Бонд рекомендует: ИТ-директорам следует ограничить разрастание громоздких приложений, предлагаемых в качестве сервиса и способствующих легализации теневых ИТ. В конечном итоге компании нуждаются в приложениях, обеспечивающих вовлечение клиентов. Наступает благоприятный момент для проведения инвентаризации, и, если сервисы SaaS не приносят выгоды, ИТ-директору следует их отключить.

3. Время управлять продуктами

В 2018 году ИТ-директора все чаще говорят о переходе от управления проектами к управлению продуктами с поддержкой концепции «всё в качестве услуги» (everything-as-a-service, XaaS) и с растущей ориентацией на поддержку и упрощение схем клиентского перехода.

С учетом продолжающейся ориентации ИТ-директоров на клиентов в 2019 году можно ждать появления должностей, ориентированных на продукты, в том числе цифровых дизайнеров, менеджеров по продуктам и «менеджеров по восприятию». Компании должны нанимать менеджеров по продуктам, которые поддерживали бы связь между службами маркетинга и ИТ, занимались бы урегулированием споров и поиском новых путей выхода на рынки.

Бонд рекомендует: Главное, чтобы менеджер по продуктам не слишком увлекался инженерными вопросами в ущерб маркетингу, с тем чтобы «глас клиента» не был утерян, поскольку это может навредить компании. Если управление продуктами очень тесно связано с инженерными вопросами, установить на рынке партнерские отношения будет значительно сложнее.

4. Развитие платформ B2B и электронной коммерции

Корпоративному сектору давно известно, что благодаря распространению API и облачных технологий экономика становится платформенно-ориентированной. Приобретение компанией Salesforce.com специализирующейся на API MuleSoft служит подтверждением этой тенденции. Компании намерены удвоить нынешний масштаб платформ. «Помимо рассмотрения цифровых точек соприкосновения в качестве потребительских каналов, компании будут стремиться повысить эффективность взаимодействия с поставщиками и дистрибьюторами, дистрибьюторы же будут использовать свои рыночные данные и ноу-хау в качестве страховки против дезинтермедиации», — указал Бонд.

Бонд рекомендует: Разрабатывая стратегию платформы, прекратите относиться к данным как к «государственным секретам», вместо того чтобы делиться ими с дистрибьюторами и поставщиками. Ведь они могут стать для вас отличными партнерами в части обмена данными. Если же такого партнерства не получается, продолжайте работать с ними, проявляя гибкость.

5. Интеграция в цифровой стек искусственного интеллекта

Популярность искусственного интеллекта сегодня неоспорима. Фактически каждое предприятие изучает соответствующие средства, начиная от интеллектуальной автоматизации и виртуальных помощников и заканчивая анализом мошеннических операций. Но по мере того как поставщики все теснее вплетают искусственный интеллект в свой технологический стек, у ИТ-директоров исчезает потребность в экспериментах, сдерживаемых давлением со стороны предприятий.

В качестве примера Бонд привел технологию искусственного интеллекта Adobe Sensei, упрощающую проведение маркетинговых кампаний, а также систему IBM Watson, находящую применение в самых разных областях, начиная от здравоохранения и заканчивая прогнозированием погоды. «Повлиять на назойливую рекламу мы не можем, но она исчезнет сама собой по мере ужесточения финансирования, — заметил Бонд. — А средства искусственного интеллекта будут все активнее интегрироваться в цифровые процессы и инструменты». В качестве примеров можно привести выдачу рекомендаций с помощью искусственного интеллекта, управление контентом и системы планирования цепочек поставок.

Бонд рекомендует: Игнорируйте шумиху и нацеливайтесь на быстрый результат. В 2019 году руководителям цифровых проектов следует поддерживать тесные связи со своими коллегами из операционных и маркетинговых подразделений, продолжая автоматизировать внутренние процессы и рационализировать работу команд, непосредственно взаимодействующих с клиентами.

Призыв к ускорению и итерационным инновациям полностью согласуется с идеей Бонда уменьшать масштабы цифровой трансформации.

«Речь идет об использовании гибких методологий и проектного мышления, стимулирующего положительные перемены, — добавил Бонд. — В 2019 году нам следует сосредоточиться на цифровом опыте обслуживания клиентов, используя технологии и партнеров для создания краткосрочных выгод, которые помогут нам удовлетворить свои долгосрочные амбиции».

— Clint Boulton. 5 digital transformation trends for 2019. CIO. NOV 7, 2018

Искусственный интеллект сегодня повсюду – по крайней мере создается впечатление, что это именно так. Интеллектуальные технологии выглядят весьма многообещающими и позволяют на самом разном уровне осуществлять автоматизацию бизнес-процессов, которые по-прежнему во многом выполняются вручную. Исследователи данных получают в свое распоряжение мощные инструменты.

Одно из направлений, на которое искусственный интеллект влияет уже сейчас, а со временем будет воздействовать еще больше – DevOps. Специалисты утверждают, что искусственный интеллект и машинное обучение обладают необходимым потенциалом для расширения возможностей DevOps в условиях, когда многие организации начинают внедрять этот подход, рассчитывая повысить эффективность разработки, развертывания и эксплуатации приложений и оптимизировать бизнес-процессы в других областях.

«Искусственный интеллект и машинное обучение охватывают DevOps в полной мере, – подчеркнул Спандан Махапатра, возглавляющий в компании Tata Consultancy Services направление бизнес-решений. – Многие компании так или иначе уже опираются в своих проектах цифровой трансформации на DevOps и добиваются благодаря этому более высоких результатов. Искусственный интеллект и машинное обучение открывают путь к оптимизации процессов DevOps».

«Большинству команд DevOps делать ставку на искусственный интеллект еще рановато, но мы видим, что все больше клиентов намерены использовать искусственный интеллекта и связанный с ним анализ данных, – добавил Стивен Эллиот, вице-президент International Data Corp. по вопросам DevOps, управления облачными конфигурациями, ITSM и программно-конфигурируемых архитектур. – Наиболее заметные области применения искусственного интеллекта в DevOps связаны с непрерывной интеграцией (continuous integration, CI) и непрерывной разработкой (continuous development, CD), выявлением и разрешением возникающих проблем, а также с углублением обработки и понимания собранных клиентских данных. Мы отмечаем, что инфраструктурные и операционные команды испытывают тягу к аналитике. Многие уже внедряют сервисы управления производительностью приложений и анализа данных в реальном времени, дающие возможность оперативно выявлять и решать возникающие проблемы. Командам DevOps следует подумать об использовании аналитики, которая помогает диагностировать и устранять неисправности, способствует повышению эффективности процессов и улучшению клиентского восприятия, а также достижению более высоких бизнес-результатов в целом».

В русле тенденций

Компания Power Home Remodeling использует искусственный интеллект в сочетании с DevOps при создании решений, предназначенных для перестройки внешних элементов зданий. Она разработала собственную технологическую платформу NITRO, выполняющую самые разные задачи, начиная от управления отношениями с клиентами (customer relationship management, CRM) и заканчивая функциями внутренней социальной сети.

«Мы являемся центром разработки и у нас сформирована полноценная команда DevOps», – сообщил директор Power Home Remodeling по инновациям Тим Уэнхолд. С помощью NITRO компания выстраивает всеобъемлющую инфраструктуру искусственного интеллекта, используя накопленное богатство данных для машинного обучения, что способствует улучшению обслуживания клиентов, более высокой эффективности и расширению возможностей персонала.

«Команда DevOps выясняет, как лучше использовать инфраструктуру искусственного интеллекта на практике, – отметил Уэнхолд. – Искусственный интеллект и машинное обучение призваны повысить эффективность труда разработчиков, осваивающих новые инструменты. Искусственный интеллект помогает прогнозировать развитие процессов DevOps. Анализируя, например, процессы непрерывной интеграции, средства искусственного интеллекта подсказывают, какие моменты следует скорректировать, чтобы улучшить конвейер CI».

В сфере безопасности обнаружить тревожные симптомы бывает довольно сложно. «Сегодня на просмотр журналов и отчетов, связанных с мониторингом безопасности, уходит очень много времени, – пояснил Уэнхолд. – Применяя при идентификации угроз средства машинного обучения, мы выявляем аномалии в тысячу раз быстрее, чем при традиционном подходе. Теперь команды DevOps могут работать на упреждение, а не реагировать по факту. Точно так же, как большие данные выводят аналитику на более высокий уровень по сравнению с простыми отчетами и инструментальными панелями, искусственный интеллект помогает командам DevOps использовать мощь прогнозного моделирования».

По мере того как искусственный интеллект становится все более мощным, его влияние на DevOps растет. «В перспективе искусственный интеллект и машинное обучение помогут нам не только быстро выявлять аномалии, но и решать проблемы, о которых мы еще даже не подозреваем, – подчеркнул Уэнхолд. – У компании имеются журналы с миллионами записей. Сегодня мы действуем, как детективы: просматриваем журналы, ищем аномалии и принимаем меры. Искусственный интеллект самостоятельно будет выявлять аномалии. Затем он проинформирует о том, что может произойти, и предложит варианты устранения угрозы. Более того, искусственный интеллект известит нас о предпринятых для ликвидации аномалии мерах. Всё это весьма впечатляет».

Медицинская компания Molina Healthcare также возлагает на связку искусственного интеллекта и DevOps большие надежды. «Уже сейчас мы видим, какие преимущества перед нами открываются, – сообщил ИТ-директор Molina Healthcare Рик Хопфер, занимающийся применением средств искусственного интеллекта в DevOps с 2016 года. – Перед нами стоит проблема, как совладать с имеющимися в наших журналах транзакций горами данных, которые наши системы генерируют ежедневно. Одного лишь наличия системы, предназначенной для сбора данных, недостаточно. Необходимо еще и уметь отделять реальные проблемы от прочего белого шума».

Чтобы это стало возможным, компании, во-первых, нужно оптимизировать имеющиеся у нее инструменты для мониторинга приложений и инфраструктуры. Во-вторых, необходимо обобщить данные – перенести телеметрию из разрозненных инструментов на централизованную платформу, установить взаимосвязи между данными и задействовать средства машинного обучения для выявления реальных проблем. И, наконец, в-третьих – следить за тенденциями и использовать прогнозную аналитику.

«Нам требовалось сформировать правильные представления для визуализации данных, повышения эффективности и упреждающего управления технологиями, – подчеркнул Хопфер. – Для этого мы воспользовались набором готовых решений. Результаты оказались впечатляющими. Получив возможность решать возникающие вопросы фактически в реальном времени, мы значительно ускорили устранение проблем».

Будущее уже сейчас

«Будущее видится нам в том, чтобы, исходя из своих аналитических возможностей, принимать необходимые меры с определенным прицелом: с точки зрения CI/CD, клиентского восприятия, управления проблемами и т.д., – указал Эллиот. – Автоматизация и анализ – это как джем и масло: гораздо лучше, когда они вместе. Дело будет сводиться к повышению производительности технологических и бизнес-процессов, к выполнению определенных действий в специфичных деловых и технологических ситуациях».

Искусственный интеллект и машинное обучение уже сегодня могут оказывать влияние на DevOps, поэтому ни в коем случае не следует рассматривать их как технологии отдаленного будущего.

«DevOps может повысить скорость новых приложений, но в мире постцифровой трансформации DevOps нужно объединять c требованиями, предъявляемыми искусственным интеллектом, – указал Энди Граймс, главный технолог компании NetApp, специализирующейся на решениях для хранения данных и управления инфраструктурой. – Сочетание методов DevOps и современных требований к данным порождает новую парадигму — DataOps. Поскольку новые приложения искусственного интеллекта требуют агрегирования, а также значительно более высоких скоростей и масштабов подготовки данных, разработчики, использующие парадигму DataOps, должны взаимодействовать с ИТ-службой более тесно и понимать место приложений искусственного интеллекта в гибридной среде. Современная концепция DataOps объединяет периферийные наборы данных с агрегированными основными данными, размещаемыми локально, дополняет их облачными хранилищами и предлагает архитектуру, поддерживающую частое внесение изменений, подстегиваемое необходимостью внедрять инновационные инструменты и отвечать требованиям непрерывной эволюции бизнеса».

В рамках DataOps приложения и инфраструктура для работы с данными развиваются непрерывно и итерационно, гарантируя увеличение производительности по мере роста объемов данных.

«Искусственному интеллекту присущи три свойства – самообучение, прогнозирование и автоматизация, – отметил Сумендра Моханти, руководитель направления анализа данных компании Larsen & Tourbo Infotech, являющейся глобальным поставщиком ИТ-решений и поддерживающей цифровую трансформацию своих корпоративных клиентов путем внедрения средств искусственного интеллекта. – Они позволяют улучшить такие практики DevOps, как CI и CD».

Несмотря на то что концепция DevOps обеспечивает необходимую гибкость и ускоряет вывод новых программных систем в продуктивный режим, процессу их поставки не хватает некоторых критически важных компонентов, например непрерывных инноваций и непрерывного цикла обратной связи.

«Искусственный интеллект придает данным свойство самообучения. Вот почему искусственный интеллект и машинное обучение приносятьно весьма ощутимую пользу при их интеграции в процессы и задачи DevOps. Так, при разработке программного кода средства искусственного интеллекта, моделируя различные сценарии, могут отслеживать, в какой степени удовлетворяются потребности пользователей, – пояснил Моханти.– Конечному пользователю не отводится роль пассивного игрока. Искусственный интеллект и машинное обучение позволяют оторваться от разработки программного обеспечения исключительно на основе заранее установленных правил и во многом обеспечить дополнительную гибкость за счет изучения данных».

Искусственный интеллект и машинное обучение помогают отслеживать производственные показатели, устанавливать связь с прошлыми проблемами, изучать предложенные решения и оценивать, насколько эффективными они были. Некоторые негативные моменты можно прогнозировать заранее и устранять автоматически. «Соединение искусственного интеллекта и машинного обучения с DevOps не только сделает процедуры проектирования программного кода, его развертывания и выпуска готовой продукции более предсказуемыми, но и обеспечит непрерывность процесса инноваций», – добавил Моханти.

Команды DevOps сосредоточены на жизненном цикле проектирования, учитывая при этом меняющиеся требования. «Однако есть важные аспекты предсказуемости качества кода и управления данными, связанные с тем, на чем команды не акцентируют свое внимание, – указал Моханти. – Интегрируя искусственный интеллект и машинное обучение в свои процессы, команды DevOps могут проанализировать выполнение кода, понять, все ли пользовательские сценарии учтены, изучить возникавшие ранее проблемы и способы их решения».

Управление данными

Искусственный интеллект помогает организовать управление растущими объемами данных в средах DevOps.

«Средства искусственного интеллекта и машинного обучения призваны выявлять тенденции и закономерности в растущих объемах данных, – отметил Элиэзер Канал, технический менеджер по кибербезопасности группы быстрого реагирования Института программной инженерии при университете Карнеги-Меллона. – Успех в этой области по большей части связан с наличием достаточного количества слабых индикаторов. Например, для того чтобы узнать температуру на улице, лучше всего взглянуть на термометр. К сожалению, зачастую у нас в распоряжении нет датчиков, которые точно измеряли бы то, что мы хотим знать. Поэтому приходится полагаться на множество слабых индикаторов. Люди считают задачи такого рода очень сложными, но для современных машин они, в сущности, тривиальны».

«Сфера DevOps переполнена огромными объемами данных, – добавил Канал. – Эти данные часто используются непосредственно для тех целей, для которых они предназначены. Например, отчеты помогают понять, в чем заключается ошибка. Но средства машинного обучения и искусственного интеллекта позволяют почерпнуть из всего этого гораздо больше. Так, изучая типы ошибок, присутствующие в отчете, аналитики могут обнаружить много чего интересного: какие модули используются наиболее интенсивно, в каких чаще встречаются ошибки, какие ошибки обнаружить труднее всего, и прочие полезные факты. Используя систему отчетов об ошибках в качестве источника данных о среде разработки, можно почерпнуть массу дополнительных сведений о процессе разработки и повысить общую эффективность».

Другой пример касается управления производственными системами. «Современные системы генерируют огромное количество журналов, большая часть которых используется уже после отказа системы или возникновения ошибки, – указал Канал. – Загрузив эти журналы в систему искусственного интеллекта, мы сможем не только понять, почему возникают те или иные ошибки, но и найти закономерности, которые очень трудно обнаружить другими способами. Процедуры встраивания средств искусственного интеллекта и машинного обучения в существующие продукты упрощаются. Многие поставщики предлагают API и наборы инструментов, помогающие предприятиям интегрировать соответствующие функции в свои продукты. В связи с этим командам DevOps нужно изучать не только открывающиеся перед ними возможности, но и порядок интеграции соответствующего функционала в программное обеспечение. Тем самым можно будет значительно улучшить качество программных продуктов, предлагаемых конечным пользователям. Широкое распространение средств искусственного интеллекта и машинного обучения наряду с переподготовкой персонала, очевидно, приведут к дальнейшему их совершенствованию и проникновению в процесс DevOps на протяжении еще многих лет».

- Bob Violino. How AI will revolutionize DevOps. CIO. July 18, 2018

Компания IDG Communications оценила затраты клиентов на облачные технологии, изучив мнение читателей CIO, Computerworld, CSO, InfoWorld, ITworld и Network World.

В рамках исследования 2018 Cloud Computing было опрошено 550 представителей корпоративного сектора, принимающих ключевые для своих организаций решения в области ИТ и безопасности в самых разных отраслях. Как показало исследование, организации наращивают инвестиции в облачные решения в стремлении стимулировать рост бизнеса.

Поскольку у 73% клиентов в облаке уже имеется по крайней мере одно приложение или какая-то вычислительная инфраструктура, речь идет уже не о том, будут ли организации переходить в облако в принципе, а о том, каким образом это будет происходить.

Сложности для клиентов = возможности для партнеров

Общее настроение исследователей сводится к тому, что темпы перехода в облако растут, но одновременно с этим нарастают и сопутствующие этому процессу сложности.

Рост трудностей у клиентов открывает дополнительные возможности перед партнерами, которые предлагают консультационные услуги, создают новые приложения и внедряют адаптированные решения.

В настоящее время 43% используют только гибридное облако, 12% – мультиоблачную среду и 30% – и то, и другое вместе.

К преимуществам мультиоблачной среды относятся: расширение облачных возможностей (59%), упрощение и ускорение восстановления после сбоев (40%), повышение гибкости за счет распределения рабочей нагрузки между множеством облаков (38%).

Несмотря на то, что заинтересованные лица предприятий осознают преимущества и результаты внедрения облачных технологий, более трети ИТ-служб (38%) испытывают давление, обусловленное требованием полного перехода в облако.

На крупных предприятиях (где работает более 1 тыс. сотрудников) давление ощущается сильнее, чем на предприятиях среднего звена (численностью менее 1 тыс. человек).

Если приводить точные цифры, то давление со стороны высшего руководства или отдельных направлений бизнеса испытывают 44% ИТ-служб крупных организаций и 31% ИТ-служб предприятий среднего звена.

Эволюция более сложных сред вызвала необходимость включения предприятиями в свой портфель активов поставщиков облачных сервисов. Об этом упомянул 51% опрошенных клиентов.

Погружаясь глубже, организации в технологически-зависимых отраслях склонны рассматривать поставщиков облачных сервисов в рамках портфельной стратегии. Наиболее отчетливо этот процесс протекает в сфере финансовых услуг (63%) и высоких технологий (63%). Зато в производственной сфере (43%) и образовании (41%) поставщиков облачных сервисов не так активно включают в портфельную стратегию.

«От ИТ-служб ждут ускорения доставки ИТ-сервисов и более быстрой реакции на изменение рыночных условий, – заметила старший вице-президент IDG Communications Джулия Экстром. – Облачные решения предоставляют необходимую для этого гибкость. Для удовлетворения своих потребностей организации используют разные облачные модели, но при этом им приходится управлять множеством поставщиков. Изучая новые области облачных инвестиций, они просматривают портфель поставщиков облачных сервисов и пытаются оценить, какие решения будут способствовать росту, и какие новые поставщики во взаимодействии с уже существующими помогут упростить внедрение облачных технологий».

Затраты как сервис

Следует отметить, что доля ИТ-бюджетов, выделяемая на облачные вычисления, остается относительно неизменной и составляет 30% против 28% в 2016 году.

С учетом того, что на облако приходится значительная часть затрат на технологии, не удивительно, что именно ИТ-директору отводится главная роль в процессе закупок облачных ресурсвов.

О значительном влиянии ИТ-директора упомянул 71% опрошенных, тогда как за следующего в этом списке технического директора свои голоса отдали 54% респондентов.

На предприятиях среднего звена не менее влиятельным оказывается генеральный директор (72%), на крупных же второе место занимают директор по безопасности и архитектор ИТ (у них обоих 87%).

Углубляясь в технические аспекты исследования, стоит отметить, что структура вычислительной среды организации – доля необлачных активов, SaaS, PaaS и IaaS – примерно поровну распределена между облачными и необлачными ресурсами, но ожидается, что ситуация здесь будет меняться.

В настоящее время у среднего предприятия 53% приходится на необлачные ресурсы, 23% на SaaS, 16% на IaaS и 9% на PaaS.

Ожидается, что через полтора года доля необлачных ресурсов составит 31%, SaaS – 33%, IaaS – 22% и PaaS – 14%.

Два главных преимущества SaaS для сотрудников ИТ-службы заключаются в сокращении числа операций технической поддержки и обновления, выполняемых вручную (62%), и повышении производительности труда / уменьшении затрачиваемого рабочего времени (55%).

Следующие два фактора – доступ и надежность, а также расширение возможностей для клиентов (по 55%) – самым непосредственным образом отражаются на конечных пользователях.

Главными преимуществами PaaS являются сокращение накладных расходов на серверы и системы хранения (56%), а также отсутствие необходимости управлять обновлениями и осуществлять техническую поддержку (51%). Преимущества IaaS связаны с масштабируемостью (68%) и гибкостью (53%).

Основными приложениями, которые организации используют в облаке (или перемещают туда) являются веб-сайты и веб-приложения (49%), а также решения для связи и взаимодействия (45%).

К приложениям, перенос которых находится на этапе планирования – и должен состояться в ближайшие 12 месяцев или в течение 1-3 лет – относятся средства восстановления после сбоев и обеспечения высокого уровня готовности (49%), а также системы бизнес-анализа и хранилища данных (45%).

Далее следуют средства хранения, резервного копирования, архивирования и файл-серверы (44%), а также средства управления системами и DevOps (42%).

Вызовы остаются

Главными вызовами и препятствиями на пути реализации стратегии облачных вычислений в течение года остаются опасения клиентов относительно привязки к конкретному поставщику (47%), места хранения данных (34%) и безопасности облачных решений (34%).

Вместе с тем результаты отражают устойчивое снижение опасений в области безопасности – с 67% в 2015 году до 34% сейчас.

Две другие проблемы, связанные с безопасностью и управлением, с течением времени также становятся менее острыми в связи с ростом зрелости облачных технологий, подкрепляемой ужесточением нормативных требований и обеспечением соответствия облачных решений корпоративным требованиям и отраслевым стандартам (если в 2015 году об этом упоминали 35%, то в 2018-м – уже 26%).

Обеспокоенность вопросами управления информацией (eDiscovery и другие требования к информационному управлению) находилась на наивысшем уровне в 2014 году (35%), а затем начала снижаться и сейчас уменьшилась до 23%.

«В условиях дальнейшего роста безопасности облачных решений не удивительно, что организации ищут дополнительные способы интеграции этих моделей в свой технологический стек, – добавила Экстром. – Роль стратегического руководства и управления поставщиками должна оставаться за ИТ-службой, в то время как внедрением облачных приложений могут заниматься и их коллеги по организации».

Ведущие компании внедряют средства искусственного интеллекта и машинного обучения, стремясь изменить принципы взаимодействия с клиентами, укрепить отношения с ними, обрести конкурентоспособность и повысить выручку.

Стержнем преобразований стали новые технологии — чат-боты, системы выдачи рекомендаций, механизмы составления персонализированных сообщений, инструменты интеллектуального таргетинга рекламы и средства распознавания образов. По прогнозу Gartner, доход предприятий, полученный благодаря средствам ИИ, вырастет к 2022 году по сравнению с нынешним втрое и достигнет 3,9 трлн долл., причем главным источником роста станет улучшение клиентского обслуживания.

ИИ привлекает внимание как бизнеса, так и ИТ-руководителей, поскольку сулит перспективы увеличить приток клиентов и способствовать их удержанию. Как показал опрос, проведенный Salesforce Research среди 3500 руководителей по маркетингу, в 51% компаний уже используют ИИ и более чем в четверти собираются провести внедрения в ближайшие два года.

Опишем, как в компаниях используют ИИ для улучшения взаимоотношений с клиентами и увеличения их численности.

Чат-боты

Автоматизированный агент, виртуальный помощник или чат-бот — самое типичное применение ИИ для взаимодействия с клиентом. Соответствующие технологии еще только-только начали развиваться, но на первой линии клиентской поддержки в компаниях ими успешно пользуются.

На сайты издательства Pearson Education, выпускающего учебные пособия, ежедневно заходит более 2 млн пользователей, и в среднем по 15 тыс. из них каждый день обращаются в службу поддержки, а в канун начала учебного года число обратившихся существенно возрастает.

В апреле прошлого года в Pearson решено было внедрить чат-ботов, которые бы помогали пользователям, столкнувшимся со сложностями при доступе к материалам и проблемами с системами просмотра, восстановлением паролей и т. п.

Чтобы справиться с сезонным увеличением числа обращений в службу поддержки, издательство расширило сотрудничество с компанией Salesforce и стало пользоваться ее чат-платформой Einstein. Как сообщают в Pearson, пилотное внедрение удалось провести всего за шесть недель.

Результат превзошел ожидания. Более 60% из 63 тыс. запросов о помощи в связи с проблемами доступа, просмотра и сброса паролей были отработаны чат-ботами. Остальные 40% были переадресованы людям, причем эти переадресованные проблемы удалось решить на 20% быстрее, поскольку чат-бот уже собрал значительную часть необходимых сведений. Накопленные данные по обращениям в Pearson планируют использовать для улучшения результативности работы чат-ботов.

Благодаря внедрению, и пользователям, и отделу ИТ удалось сэкономить очень много времени; в канун начала учебного года компании пришлось оплачивать труд меньшего, чем прежде, количества сотрудников службы поддержки.

Сейчас, в ходе подготовки к следующему всплеску обращений, ожидаемому в январе, идет работа по увеличению количества вопросов, на которые способны отвечать боты. Есть планы использовать чат-ботов в процессах продаж — например, для проверки лицензий преподавателей и предоставления сведений о статусе заказа.

Издательство рекомендует другим участникам отрасли заняться исследованием вариантов применения чат-ботов. Для этого потребуется анализ обращений, успешно отработанных людьми, — нужно выбрать самых результативных агентов и поручить им обучение чат-ботов.

Как свидетельствуют данные опроса, проведенного Constellation Research, сегодня уже в 50% компаний используют ИИ для клиентского обслуживания — в пилотных проектах или в рабочем режиме. Однако некоторые организации решили подождать, пока технологии чат-ботов станут более совершенными. Такие «ожидающие» верят, что у чат-ботов есть будущее, однако не удовлетворены эффективностью их работы или придерживаются мнения, что клиентам больше нравится общаться с живыми людьми.

Когда-нибудь чат-боты станут настолько развитыми, что отличить их от реальных людей будет невозможно, но пока не стоит рассчитывать на то, что автоматизированная система сможет заменить целый отдел. В Constellation Research отмечают, что польза от возможности переложить на чат-ботов нагрузку несомненна: люди получат больше времени на решение более сложных клиентских проблем.

Системы выдачи рекомендаций

В компании Bluestem Brands, владеющей несколькими онлайн-магазинами, пока воздерживаются от внедрения чат-ботов, но с успехом применяют ИИ для выдачи рекомендаций по покупкам.

Чтобы понять, что конкретно покупатель ищет в рамках очередного сеанса посещения онлайн-магазина, нужно учитывать не только историю прошлых заходов, но и контекст, в том числе раздел, где находится пользователь. Для лучшего анализа контекста можно использовать историю поиска, выполнявшегося другими пользователями.

В Bluestem экспериментируют с системой рекомендаций уже пять лет, и вот уже три года она применяется в рабочем режиме. В компании отмечают, что в связи с постоянными изменениями на рынке конкретные показатели улучшений назвать трудно, но эффективность каждой модификации системы ИИ можно оценить путем тестов.

В Bluestem проводят тесты на 10% аудитории сайта: половина покупателей взаимодействует с текущей версией системы, выполняя роль контрольной группы, а половина — с новой. Испытания заканчиваются, когда конверсия в контрольной группе достигает того же уровня, что и у 90% не участвующих в тестировании, после чего ИТ-руководитель оценивает эффективность нововведения. Обычно прибавка небольшая: уровень конверсии увеличивается примерно на четверть процента, — но такие улучшения вносятся постоянно, и обычно одновременно проводится по два-три тестирования.

По мере развития системы в компании изучают и другие факторы, способные повлиять на поведение покупателя. Например, те, кто проводят выходные не в родном штате, ведут себя при совершении онлайн-покупок иначе, чем дома, отмечают в Bluestem.

ИИ также планируется использовать для персонализации онлайн-витрин, чтобы сведения о товарах отображались для каждого покупателя в той форме, которую он предпочитает. Например, определенные характеристики товара могут быть для кого-то более важными, и их надо отображать на странице более заметно.

Персонализация сообщений

Компания Adorama, продающая электронику, использует ИИ для выдачи рекомендаций уже два года, но с наибольшим эффектом персонализация проявилась в маркетинговых сообщениях электронной почты, которые составляются при участии системы машинного обучения. По словам представителей компании, система помогает экономить.

Раньше заголовок письма в Adorama составлял копирайтер, а сейчас этим занимается компьютер. Рассылку персонализированных сообщений для Adorama организует сторонний поставщик услуг — такой договор был заключен, чтобы избежать найма собственных аналитиков и разработчиков на Python.

Компания размещает на своих сайтах счетчики посещений, передающие статистику поставщику услуг, предоставляет ему доступ к каталогу товаров Adorama и тестирует нововведения — обычно весь процесс занимает 40–50 часов.

Однако в Adorama предостерегают от поспешных внедрений ИИ, рекомендуя подходить к освоению новшества разумно и осмотрительно. Следует определиться, какую конкретно задачу требуется решить, выяснить, подходит ли для этого ИИ и будет ли такая система самой действенной и экономически эффективной.

Например, в случае персонализированных сообщений технология ИИ компании Persado помогла Adorama увеличить число переходов по ссылкам, что привело к увеличению оборота на 50–70%. В Persado обучают систему, используя предыдущие сообщения компании-клиента. При подготовке новой маркетинговой кампании сообщения составляются по аналогии с самыми успешными из прошлых рассылок. По прошествии некоторого времени оценивается, насколько кампании, проведенные с помощью ИИ, повлияли на уровень заинтересованности и число отписавшихся.

Но, как подчеркивают в Persado, люди по-прежнему участвуют в процессе. Во-первых, именно они составляют первоначальный текст нового сообщения, которое затем персонализируется с помощью ИИ для каждого конкретного покупателя. Во-вторых, люди проверяют составленное компьютером сообщение и выполняют окончательное редактирование.

Таргетинг рекламы

Использование ИИ в рекламном деле — еще одно важное направление усилий в компаниях, стремящихся изменить принципы взаимодействия с клиентами.

В Procter & Gamble, например, целый отдел специалистов data scientist экспериментирует с применениями ИИ, одной из главных областей стала реклама. В компании применяется программируемая платформа, распознающая покупателя, оценивающая его пожелания, выбирающая бренд для рекламного объявления и рассчитывающая затраты на размещение, и всё это — меньше чем за секунду. Как поясняют специалисты Procter & Gamble, речь идет о крупномасштабной модели высокой точности, работающей в режиме реального времени.

По сравнению с предыдущей «широковещательной» моделью новая гораздо экономичнее. Как признаются в компании, интеллектуальный таргетинг позволяет расходовать рекламный бюджет гораздо разумнее, а сами рекламные объявления стали гораздо более релевантными в глазах пользователей.

В P&G самостоятельно разрабатывают системы ИИ, используя инструменты с открытым кодом и коммерческие продукты. За последние три года стратегия компании в области освоения ИИ расширилась, появились новые группы разработчиков в США, Европе, Китае и Сингапуре. При этом в компании не рекомендуют бездумно внедрять новшества, в частности чат-ботов. Как полагают в P&G, боты способны помочь улучшить обслуживание покупателей, однако несовершенный бот, допускающий ошибки, может ухудшить впечатления клиентов.

Распознавание образов и видео

Обработка изображений — еще одна область, в которой ИИ помогает менять обслуживание клиентов. Один из примеров — онлайн-магазин мебели Wayfair.

В компании начали внедрять ИИ еще несколько лет тому назад, чтобы с большей эффективностью покупать рекламные пространства на сайтах социальных сетей, в поисковых системах и на телевидении. А вскоре в компании заинтересовались возможностями применения технологий компьютерного зрения с учетом специфики бизнеса по продаже мебели и бытовых принадлежностей.

Товары такого рода трудно отыскивать по ключевым словам, отмечают в компании. Если вам нужен коврик или диван, сложно подобрать точные слова, которые бы описывали именно то, что вам требуется. На сайте Wayfair покупателям не нужно перебирать весь колоссальный каталог товаров, предлагаемых магазином, — система персонализации демонстрирует каждому пользователю наиболее подходящие для него продукты.

ИИ используется в Wayfair, чтобы рекомендовать внешне похожие друг на друга товары. Кроме того, покупатель может загрузить сделанный им снимок какого-либо предмета, например кофейного столика, и получить рекомендации подобных товаров из каталога компании. Система может предложить товары, отвечающие определенному стилю, например «модерн», «современный» или «индустриальный», а также «догадаться», как лучше всего представить товар покупателю — скажем, отобразить предмет на белом фоне или в домашней обстановке, снятым сбоку или спереди.

В дальнейшем ИИ планируется использовать, чтобы помогать покупателям менять домашний интерьер. Например, клиент может продемонстрировать системе комнату, указав, что хочет сделать ее более современной. Над такой возможностью работа пока только идет, объясняют в Wayfair. В компании надеются стать пионером в этой области — пока что ни у кого нет системы, способной оценить процентное соотношение стилей в домашней обстановке.

Механизмы обработки изображения являются основой технологий виртуальной, дополненной и смешанной реальности, с которыми тоже экспериментируют в компании. В Wayfair полагают, что инвестировать в них определенно стоит. В августе в партнерстве с разработчиками шлема дополненной реальности Magic Leap компания запустила систему шопинга для его пользователей, а в октябре — приложение для дизайна интерьеров и планирования обстановки помещений.

В P&G тоже используют ИИ в системах распознавания образов и видео. В компании создан автоматизированный консультант по товарам для ухода за кожей бренда Olay, система анализирует снимок лица, присланный покупателем через приложение или сайт, и рекомендует подходящие продукты. По словам представителей P&G, для анализа изображений применяется система глубинного обучения, которая обеспечивает предельную точность персонализации взаимодействия, упрощает его и способствует повторным покупкам благодаря повышению лояльности к бренду.

Кроме того, в P&G применяют систему распознавания образов, чтобы оптимальнее размещать товары на полках в обычных магазинах. Изучаются возможности использования ИИ для анализа видео. Как подчеркивают в компании, очень важно знать, как именно используются товары. В рамках проекта с разрешения покупателей ведется съемка их действий — например, того, как они пользуются швабрами, моющими средствами и т. п. Ручная обработка больших объемов подобных видеозаписей затруднительна, а компьютер справится гораздо эффективнее, интерпретируя происходящее в кадре даже точнее, чем люди.

«Матрица» искусственного интеллекта

Как отмечают в Wayfair, хотя сейчас ИИ в основном применяется точечно для решения определенных задач по улучшению обслуживания, все они взаимосвязаны. Например, система назначения расценок влияет на маркетинг, а маркетинговые системы оказывают влияние на прогнозирование спроса. Такие прогнозы, в свою очередь, могут влиять на промоакции и наоборот. По оценке специалистов, системы можно будет комбинировать и оптимизировать их взаимодействие.

С учетом того, что data science и алгоритмические методы сегодня нередко применяются по всей организации, а не только в отдельных ключевых функциональных областях, инженерия ПО фактически становится стержнем предприятия, а наука о данных — его жизненной силой.

— Maria Korolov. 5 ways AI is transforming customer experience. CIO. October 23, 2018