Ежедневные новости

Как показал опрос, проведенный среди компаний, пользующихся различными сервисными моделями услуги Security Operations Center (SOC), возросшее число атак и приостановка деятельности иностранных вендоров повлияли на решение предприятий всерьез обратить внимание на процессы выявления, реагирования и расследования инцидентов информационной безопасности. Для enterprise-бизнеса каждый час простоя из-за произошедшего инцидента обходится значительно дороже инвестиций в ИБ, направленных на обеспечение эффективного мониторинга информационной безопасности. К драйверам спроса на аналитический сервис опрошенные компании отнесли также дефицит кадровых ресурсов, перебои с поставками вычислительных мощностей, требования регуляторов, связанные с обязательной оперативной передачей данных об инцидентах на объектах КИИ в ГосСОПКА.

Постоянно меняющиеся векторы атак требуют расширения инструментов информационной безопасности и развития сценариев защиты инфраструктуры, которые не всегда можно реализовать внутренними ресурсами. Внешний сервис SOC, в котором сконцентрированы аналитические технологии и достаточное количество экспертов, решает задачу раннего обнаружения потенциальных угроз и обеспечивает проактивную защиту.

Согласно исследованию, более 90% предприятий выбирает SOC as Service либо гибридную модель. Данные форматы, по мнению участников опроса, значительно снижают расходы и риски, связанные с реализацией корпоративного центра мониторинга ИБ. Вместе с тем, они позволяют в короткие сроки запустить сервис и получить на аутсорсинге экспертную команду инженеров и аналитиков, способную оперативно обнаруживать и предотвращать инциденты, а также выявлять и исправлять уязвимости. При этом заказчики назвали ряд проблем, с которыми сталкиваются при аутсорсинговом сервисе. Это отсутствие персонализации и погруженности со стороны подрядчиков, а также недостаточная прозрачность услуги.

На первом этапе «Открытие» перенесет в целевую систему данные 400 тыс. клиентов малого и среднего бизнеса. Для обеспечения целостности данных и отказоустойчивости процесса разработано и используется RPA-решение, которое заменяет работу 100 сотрудников. Если роботы обнаруживают даже самые незначительные расхождения в данных, то сразу уведомляют об этом ответственных сотрудников банка.

Миграцию данных реализует собственный центр компетенций RPA банка «Открытие» в партнерстве с компанией DM Solutions, специализирующейся на сервисах с применением технологий искусственного интеллекта. Специалисты интегратора спроектировали и внедрили решение для переноса данных за четыре месяца. Они проанализировали бизнес-процесс, провели настройку и реализовали интеллектуальную классификацию по типам документов.

Как отмечает Оксана Апейкина, старший вице-президент, заместитель руководителя операционного блока банка «Открытие», для таких проектов как быстрая миграция данных из системы, выводящейся из эксплуатации, роботизация является оптимальным подходом. С помощью собственного центра компетенций по роботизации при поддержке DM Solutions удалось создать уникальное решение, позволяющее практически полностью роботизировать перенос данных в короткие сроки с высоким уровнем качества.

МТС использует аналитику больших данных для строительства сети с 2017 года в рамках проекта Smart Rollout, который прогнозирует доходность базовых станций и определяет самые эффективные места для их строительства и модернизации. Теперь компания подключила к этому процессу искусственный интеллект: MTS AI, дочерняя компания МТС, внедрила ИИ-функции в систему Smart Rollout для прогнозирования доходности инвестиций в регионах в России.

ИИ выявляет особенности и типичные схемы функционирования бизнеса в конкретном регионе, проверяя гипотезы о потенциальной прибыльности сети, для чего анализирует данные, собранные из корпоративных систем и внешних источников: технические параметры нагрузки на сеть, скорость передачи данных, потребности и поведение абонентов, места их концентрации, капитальные и операционные затраты компании, стратегии конкурентов, данные о градостроительных планах, развитии транспортной и социальной инфраструктуры и многие другие показатели.

Как отмечает ведущий разработчик проекта МТС Smart Rollout Сергей Хаустов, для телеком-бизнеса критически важно тщательно планировать инвестиции в развитие инфраструктуры сети. Цель данного проекта – оценить потенциал покрытия территорий мобильной связью с точки зрения финансовой отдачи. Для этого агрегируется информация из корпоративных систем и сопоставляется с результатами анализа больших данных. В итоге получается концентрированный набор данных из более чем 500 метрик. В МТС сегментируют более 2,2 тыс. локаций на территории России для выявления зон с похожим бизнес-поведением, объединяя их в кластеры. Такой подход позволяет обучить более качественные модели ИИ для прогнозирования и выявления наиболее значимых факторов доходов.

По словам технического директора МТС в Московском регионе Владислава Медведева, анализ больших данных при планировании сети в столичном регионе позволил более комплексно оценивать потребности конкретных локаций в услугах связи и проактивно наращивать покрытие и емкость сети там, где это необходимо. В 2021 году благодаря использованию больших данных в Московском регионе удалось увеличить финансовую отдачу от новых базовых станций как минимум на 10% и вдвое сократить сроки поиска максимально эффективных локаций. Внедрение в систему Smart Rollout искусственного интеллекта позволит улучшить эти показатели.

Совместное использование частного и публичного облака VK Cloud Solutions — один из этапов модернизации ИТ-инфраструктуры АВТОВАЗа. Автопроизводитель перенесет в защищенное публичное облако основной массив данных, а в частном облаке сосредоточится большинство критически важных для управления производством систем. Такой подход позволит обеспечить комплексную стратегию по работе с данными компании и повысить эффективность и безопасность бизнес-процессов.

В публичном облаке также создается единое облачное хранилище — озеро данных. Благодаря ему больше не придется собирать статистику из разрозненных ИТ-систем: объемы хранилища не ограничены. Доступ к аналитике получат все подразделения компании. Они смогут собирать и обрабатывать данные на любых этапах работы и оперативно оптимизировать процессы: например, контролировать цепочки поставок, повышать качество производства или прогнозировать сроки технического обслуживания автомобиля.

Для дирекции по информационным системам компании переезд в облако облегчит поддержку систем и масштабирование вычислительных мощностей. Во-первых, в облаке базы данных, которые использует АВТОВАЗ, доступны по сервисной модели — развернуть дополнительные ресурсы можно в «один клик». При этом разработчикам и администраторам не нужно вручную настраивать и обслуживать инфраструктуру платформенных решений — эти задачи остаются на стороне VK Cloud Solutions. Во-вторых, при необходимости, увеличить количество ресурсов можно будет почти мгновенно. Это позволит отказаться от закупки, установки и настройки дополнительного оборудования.

Очевидная проблема, с которой пришлось столкнуться сервисным компаниям, — сбои в поставках техники и запчастей. Из-за этого, согласно опросу, с дефицитом запчастей уже столкнулись 63% респондентов. Но несмотря на возможный дефицит запчастей, 86% респондентов считают, что договоры на обслуживание и ремонт оргтехники, заключенные до 22 февраля 2022 года, будут выполнены в полном объеме.

Респонденты отметили, что стоимость запчастей выросла на 20%. А цены за услуги по ремонту и обслуживанию оргтехники увеличились на 20-40%. Наиболее важной составляющей своего успеха в кризис 56% респондентов отметили привлечение новых клиентов. На втором месте (22%) — удержание текущих клиентов.

Тем не менее, 58% респондентов с оптимизмом смотрят на развитие российского рынка сервисного обслуживания оргтехники. По их мнению, он продолжит расти.

Что касается импортозамещения оргтехники, то большинство респондентов, наоборот, настроены пессимистично. 72% респондентов считают, что заменить иностранную технику на российскую просто невозможно. При этом на рынке уже существуют компании, предоставляющие российскую технику для корпоративной печати, — например, F+ imaging и «Катюша».

Технологии искусственного интеллекта по распознаванию и анализу речи позволяют банку совершенствовать процессы и повышать качество скриптов для общения с клиентами. С помощью транскрибации (расшифровки) всех звонков осуществляется лексико-семантический поиск, выявление и определение эмоций, категоризация обращений и комплексная аналитика обратной связи клиентов по различным продуктам.

Экономический эффект от внедрения таких технологий за прошлый год составил 129 млн руб. В частности, речевая аналитика помогла банку увеличить долю согласий на подключение ряда продуктов до 45%.

Как отмечает Сергей Леханов, директор дивизиона «Центр корпоративных решений» Сбербанка, ежемесячно оцениваются вежливость и грамотность диалога более 2 млн поступающих обращений. На основе обратной связи от клиентов также корректируются модели продаж продуктов. Речевая аналитика позволяет контролировать гигиену диалога, выявлять посторонние звуки, слова-паразиты и речевые ошибки у операторов, бороться с использованием ими узкоспециализированных терминов, аббревиатур и канцеляризмов. Таким образом улучшается качество обслуживания клиентов и повышается эффективность продаж.

Ключевое направление работы предприятия «Энергомаш (Чехов) ЧЗЭМ» – выпуск, установка и сервисное обслуживание оборудования для тепловых и атомных электростанций. Каждая единица продукции уникальна и имеет сложный состав, цикл производства составляет 4−6 месяцев. Для эффективной работы предприятию необходимо своевременно закупать необходимые материалы и комплектующие, рационально планировать работу производственных подразделений, контролировать прохождение заказов по сложной технологической цепочке.

Ранее часть задач управления производством на заводе решалась с помощью зарубежной ERP-системы. Для управленческого учета, расчета фактической себестоимости и маржинальности заказов, формирования заданий цехам и участкам, управления приоритетами заданий использовались электронные таблицы. Также в электронных таблицах менеджеры рассчитывали потребности в материалах, планировали закупки, определяли сроки выполнения новых заказов с учетом резерва производственных мощностей и материалов под открытые и планируемые заказы. В количественном учете незавершенного производства (НЗП) возникали ошибки, «отрицательные остатки», дубли номенклатуры, пересортица. Нередки были случаи, когда менеджеры заказывали у поставщиков не те материалы, которые нужны производству, или не в том количестве, или не в те сроки, или по завышенным ценам. Все это приводило к задержкам в выполнении заказов.

Предприятию требовалась единая для всех подразделений и задач информационная система, которая позволила бы формировать исполнимый позаказный график производства с расчетом приоритета заказов в онлайн режиме, организовать сквозную прослеживаемость заказов в производстве, улучшить планирование закупок. Необходимо было усилить контроль за отпуском материалов в цеха, наладить точный количественный учет НЗП, повысить точность расчета фактической себестоимости заказов для оценки маржинальности по сегментам рынка. Кроме того, нужно было усилить контроль рентабельности заказов и снизить риски несвоевременного выполнения заказов по этому ключевому для завода направлению. Для решения поставленных задач было выбрано решение «1С:ERP Управление предприятием», партнером по внедрению стала компания ИТРП.

Основные работы по проекту были выполнены за 8 месяцев. В ходе проекта было выполнено описание и функциональное моделирование ключевых процессов предприятия, определены функциональные разрывы, реализованы необходимые доработки и настройки системы, из зарубежной ERP перенесены остатки и нормативно-справочная информация. Автоматизировано 50 рабочих мест.

Ключевым итогом проекта стала оптимизация планирования производства. Появилась возможность автоматически формировать задания по цехам и участкам с выбором варианта планирования: можно назначать запуск «как можно раньше», с учетом уже зарезервированного под другие задания времени работы оборудования, либо «как можно позже» — к заданной дате выпуска готового изделия по заказу, в зависимости от приоритета заказа. Обеспечена прослеживаемость каждого производственного заказа с детальностью до цехозахода и технологической операции. В системе в любой момент времени можно получить данные о текущем состоянии каждого заказа: объемах выполненных и невыполненных работ, где — на какой операции, в каком цехе — возникло отставание при выполнении заказа. Эта методика позволила диспетчерам оптимально управлять приоритетами запуска работ в производственных подразделениях. Случаев задержек производства по заказам по причинам непрозрачности для исполнителей приоритетов работ стало меньше в полтора раза.

В систему перенесены основные документы по внутрицеховому управлению (этапы производства, сменные задания, заказы материалов на склад, разрешения на замену, отчет о выполнении сменных заданий), существенно сократился объем ручных бумажных документов: цеховых «дефициток», разрозненных заявок в службу снабжения, отчетов и рапортов о выполнении графика и пр. Диспетчера цехов и участков быстрее выполняют свои оперативные задачи, ускорился поиск и анализ производственной информации. На 30% сокращено время подготовки документов, формирования заказов на склад и отчетов для руководства.

Реализован предварительный расчет календарной потребности в рабочем персонале для исполнения производственных заказов. В результате появилась возможность оперативно оценивать возможность выполнения заказа к заданному сроку.

Появилась возможность рассчитывать календарную потребность производства в материалах и комплектующих по каждому заказу. В системе доступна точная и оперативная информация об остатках материалов на складах, материалах в пути и ожидаемых поставках. Это помогает службе снабжения контролировать обеспеченность производства и заказов материалами, рационально планировать закупки, а в случае нарушения поставщиками обязательств — своевременно пересматривать сроки исполнения заказов с учетом приоритетов. В итоге на 15% сокращен уровень запасов, высвобождены оборотные средства, необходимые материалы бесперебойно поступают в производство, своевременно пересматриваются обязательства по срокам с клиентами.

На производственных участках организован точный количественный учет детале-сборочных единиц, появилась возможность оценивать их себестоимость в каждом заказе. Фактическую себестоимость готовой продукции система рассчитывает автоматически на основании данных о прямых и косвенных затратах, движении комплектующих, материалов и изделий в производстве. Все это позволяет предприятию оперативно отслеживать рентабельность направлений и сегментов рынка, рационально управлять ценообразованием и принимать решения о приоритетах направлений работы при долгосрочном планировании. Анализ себестоимости помог выявить необоснованных затраты (приписки в цехах, создание излишних заделов, сверхнормативное потребление электроэнергии, основные точки возникновения брака) и принять меры для их устранения.

Организован обособленный учет и контроль обеспечения производства материалами, комплектующими и сырьем для выполнения заказов тепловых и атомных электростанций. Это позволяет оперативно оценивать рентабельность ключевого для завода направления. Риски задержек исполнения заказов ТЭС и АТЭС снижены.

Упростилась работа бухгалтеров и сотрудников кадрового отдела. Регламентированный учет выполняет функции управленческого учета благодаря оперативности и достоверности данных, а также наличию необходимой аналитики в системе.

РАНХиГС является одним из крупнейших ВУЗов страны, ориентированных на образование в сфере бизнеса, менеджмента и других гуманитарных направлений. Департамент ИТ постоянно работает над оптимизацией рабочих процессов академии и снижение трудозатрат сотрудников на выполнение рутинных задач. Одной из таких задач является актуализация архивных договорных документов с последующим автоматическим контролем новых контрактов.

По итогам анализа было выявлено, что в академии используется система регистрации документов на базе электронного реестра, и часть документов попадала в реестр без печати и подписи. Отсутствие печати и подписи на документах не позволяет определить достоверность структурированных данных в реестре и оперативно получить необходимую информацию по содержанию договора. Было необходимо проверить всю базу архивных документов, после чего запустить механизм детекции для новых договоров.

Для решения поставленной задачи команда компания NFP предложила внедрить инновационное кроссплатформенное решение, базирующееся на отечественном продукте для роботизации бизнес-процессов PIX RPA и системе оптического распознавания EasySeparate.

На первом этапе проекта совместно с Konica Minolta была развернута и обучена нейросеть на базе продукта EasySeparate. После прохождения детекции на предмет наличия печати и подписи на сканах включается программный робот, который проверяет полученный результат. При обнаружении некорректных документов робот сообщает верификатору о том, что документ требует дополнительного внимания. Также система способна контролировать сроки действия договоров и уведомлять ответственных лиц о необходимости актуализировать документы.

Результатами проекта стало сокращение трудозатрат сотрудников академии более чем в пять раз, значительно повысилась дисциплина заполнения реестра и как следствие качество предоставляемых данных. По итогам использования системы в течение трех месяцев были получены результаты по качеству и точности детекции равной 96%.

Сейчас специалисты академии анализируют другие процессы для их оптимизации с помощью технологии RPA.

На федеральной электронной площадке «ТЭК-Торг» организуют торги около 5 тыс. организаторов, в том числе крупнейшие российские банки, топливно-энергетические компании, металлургические холдинги, телеком-операторы и многие другие. Теперь заказчикам намного удобнее проверять заявки на участие в тендерах по закупкам медицинского оборудования. Система позволяет автоматически на этапе рассмотрения заявок, поданных на участие в закупках, проверять комплектность документов, таких как регистрационные удостоверения на лекарства и медицинские изделия, сертификаты и выписки, извлекает из них значимые данные и проводит проверку их подлинности. Благодаря такому подходу на проверку закупки товаров и услуг медицинского направления уходит в десятки раз меньше времени, чем раньше.

Проект реализован в партнерстве с DM Solutions – системным интегратором, который специализируется на разработке и внедрении сервисов с применением технологий искусственного интеллекта и автоматизации рутинных процессов. Специалисты компании внедрили решение Content AI за четыре месяца. Они проанализировали бизнес-процессы «ТЭК Торг», провели настройку и реализовали дополнительный модуль интеграции с внешними источниками для проверки данных на основе платформы. Net и C#.

Решение может обрабатывать около 500 тыс. страниц документов в год. Клиенту сервиса «ТЭК-Торг» нет необходимости в совершении дополнительных действий. Нужные документы для распознавания в виде отсканированных копий сертификатов, удостоверений и лицензий загружаются пользователем заранее на площадку в рамках иных операций. Сервис работает со всеми популярными графическими форматами, такими как BMP, PNG, JPEG, TIFF, PDF. Система также поддерживает распознавание XLS и DOC-файлов. Затем платформа автоматически определяет тип документа, проверяет его подлинность, извлекает из него нужные данные и собирает сводный отчет. На обработку одного документа уходит менее минуты.

Как отметил Дмитрий Сытин, генеральный директор «ТЭК Торг», важно, чтобы организовать закупку можно было быстро, удобно, и безопасно. Проверка и анализ закупочной документации в ручном режиме – это всегда достаточно трудоемкий процесс. Благодаря автоматизации ввода данных с помощью решения Content AI клиенты уже существенно экономят свое время и силы. Если раньше на проверку одной заявки специалисты могли потратить до нескольких часов, то сейчас все необходимые проверки можно выполнить всего за несколько минут.

Интеграция решения в цифровую инфраструктуру Центра телефонного обслуживания МФЦ Санкт-Петербурга предполагает первоначальное взаимодействие заявителя исключительно с голосовым помощником. При необходимости личной консультации заявка будет перенаправлена на сотрудника МФЦ. Всего предусмотрено 22 сценария общения с роботом. По итогам проекта максимальное время ожидания ответа на запрос за год сократилось с 21 до 6 минут. Среднее время ожидания ответа на обращение составляет три минуты.

Проект реализовал "БФТ-Холдинг" на базе решения, разработанного компанией BSS.

Предпосылкой для реализации проекта стала пандемия COVID-19, которая привела к увеличению количества звонков на линию ЦТО в 2,5 раза в сравнении с обычными показателями. В связи с этим его штатная численность была расширена до 93 человек в смену, однако даже при таком количестве сотрудников заявки обрабатывались с задержкой. Сегодня внедренная система помогает петербуржцам оставлять заявки в круглосуточном режиме, быстрее получать нужные услуги и повышать качество своего взаимодействия с МФЦ.

Как отмечает Ольга Жеребятьева, главный аналитик Санкт-Петербургского информационно-аналитического центра, до внедрения голосового помощника на линии центра телефонного обслуживания использовалось интерактивное голосовое меню, требующее ручного выбора направления консультации. Необходимые объявления об изменении графика работы, ограничениях и другой информации записывались сотрудниками самостоятельно, что требовало времени. Помимо этого, заявки обрабатывались только в рабочие часы МФЦ. Благодаря внедрению технологии голосового помощника доля потерянных обращений заявителей сократилась с 73% до 25% в месяц, а доля обслуженных обращений увеличилась до 75%. В целом проект позволил повысить удовлетворенность населения качеством обслуживания в МФЦ и сократить нагрузку на операторов.