Ежедневные новости

Платформа «Умный город» объединяет различные информационные системы для управления городской инфраструктурой: транспортом, образованием, здравоохранением, системами ЖКХ, безопасности. С момента старта проекта были проведены масштабные подготовительные работы по размещению данной информационной системы, специалисты министерства цифрового развития и связи и «Центра координации проектов цифровой экономики» провели сложную аналитическую работу. Предоставлены ИТ-ресурсы центра обработки данных Нижегородской области, налажена сетевая и серверная инфраструктура, проведена работа по защите информации.

Единое цифровое пространство будет аккумулировать всю информацию по обращениям граждан, работе муниципальных коммунальных служб, инцидентам. Система будет интегрирована с двумя десятками информационных систем региона, а также с цифровой платформой «Лобачевский» Нижнего Новгорода и системой «Умный город Саров».

Платформа позволяет сделать прозрачными все этапы принятия решений по обращениям жителей, дает возможность отследить исполнение заявки на любой стадии. Данные будут поступать, в том числе, в информационно-аналитическую систему ситуационного центра губернатора Нижегородской области. Это позволит повысить качество и скорость принятия управленческих решений.

ММК принял решение о замене сервисной шины по результатам обследования российского рынка ESB-решений и пилотного проекта, выполненного в 2022 году. В ходе «пилота» на комбинате провели всестороннее тестирование и анализ выбранного ESB. Важным преимуществом разработки «Инполюс» стал многолетний опыт компании в реализации крупных проектов в соответствующей сфере для целого ряда системообразующих российских предприятий. За это время технология, лежащая в основе Polus ESB, была многократно апробирована в реальных условиях и представляет собой законченный комплекс.

Как отмечает Вадим Феоктистов, главный специалист по ИТ ММК, сервисная корпоративная шина – важнейший элемент в составе сложных информационных систем. В текущих условиях перед компанией встала задача импортозамещения и перехода на отечественные решения. В ММК успешно завершили пилотный проект и теперь готовы масштабировать его на все предприятие.

Лидер рынка профессиональной краски для волос с двумя заводами и дистрибьюторской сетью по всей стране перешел на кадровый электронный документооборот, чтобы отказаться от бумаги, ускорить и упростить кадровые процессы. Предварительный расчет эффективности показал, что компания сократила сроки подписания документов с четырех часов до 30 минут, благодаря чему экономит порядка 7,2 тыс. человеко-часов в год.

В настоящее время 1,2 тыс. сотрудников Estel используют Directum HR Pro: кадровые специалисты – веб-клиент, а рядовые работники – личные кабинеты на мобильных устройствах. С помощью системы в компании работают с заявлениями и приказами об отпусках, приказами о командировках, с локально-нормативной документацией, в том числе, с документами, регламентирующими работу по охране труда, а также с различного рода уведомлениями – например, о вакцинации.

Специалистам по работе с персоналом больше не нужно распечатывать бумажные экземпляры, а сотрудникам – приходить в кадровую службу или к руководителю, чтобы подписать документы, – все происходит в системе. Через интерфейс личного кабинета в мобильном телефоне работники могут отправлять заявления на отпуск или отгул, получать документы на ознакомление и подписывать их с помощью электронной подписи.

Кадровые процессы автоматизированы согласно регламентам компании: в системе преднастроены маршруты согласования и подписания документов, таким образом, участники получают задания на работу с документами в определенной последовательности. В результате проекта в Estel исключено большинство этапов ручной работы специалистов, а HR-процессы проходят в шесть раз быстрее.

Система для дистанционных электронных сделок реализуется на собственных технологиях Росагролизинга с привлечением СПАРК, БКИ и прочих внешних сервисов проверки контрагентов. При этом участие человека предполагается только на этапе подписания финансово значимых документов посредством квалифицированной электронной подписи.

Заключить договор лизинга можно с любого мобильного устройства. Для этого через сайт компании нужно зайти в личный кабинет, выбрать необходимую сельхозтехнику, оформить заявку и подписать договор, сформированный автоматически. На этом этапе клиент самостоятельно выбирает подходящие и удобные для себя параметры лизинговой сделки с учетом финансовых возможностей. Система в режиме реального времени предлагает сельхозтоваропроизводителю индивидуальные условия, включая срок лизинга и минимальную сумму авансового платежа, и принимает решение в течение трех минут.

На этапе подготовки к отгрузке у клиента появилась возможность также в автоматическом режиме выбрать удобную для него дату приема техники.

Как отмечает заместитель руководителя департамента по разработке информационных систем Росагролизинга Роман Владимиров, уже с этапа бизнес-анализа стало понятно, что роботизацию не получится внедрить без пересмотра основного бизнес-процесса лизинговой сделки. Поэтому изначальные цели по автоматизации переросли в полноценный проект по трансформации и оптимизации бизнеса. В результате изменений и за счет автоматизации от основного бизнес-процесса были отсечены действия, не представляющие ценность для клиента и минимизирован срок выполнения ключевых этапов. Срок реализации задачи составил чуть меньше 10 месяцев.

Стоит отметить, что на первом этапе эксплуатации система с использованием робота доступна не для всех категорий клиентов. Прежде всего по роботизированной схеме идут ранее работавшие с Росагролизингом сельхозтоваропроизводители, которые имеют положительную платежную дисциплину. В планах компании – до конца III квартала 2023 года подключить всех остальных.

Первым клиентом, с которым прошла роботизированная сделка, стало ООО «АЛГА» из Республики Татарстан – с сельхозпредприятием было заключено семь договоров лизинга.

За год доля работников умственного труда, работающих в гибридном режиме (как минимум один день в неделю проводя в офисе), вырастет в мире с 37% до 39%, полагают аналитики. Гибридный режим труда уже стал не столько льготой, сколько требованием сотрудников. Хотя в 2022 году многие сотрудники вернулись - по крайней мере, частично - к работе в офисе, гибридный режим останется существенной частью организации труда и в 2023 году, и далее, полагают аналитики. Работодателям приходится внедрять новые схемы, ориентированные на людей и подразумевающие гибкий режим, целенаправленную организацию совместной работы и основанный на эмпатии менеджмент.

При этом доля работающих полностью в дистанционном режиме остается невысокой, и аналитики полагают, что она будет сокращаться. В 2022 году она составляла 14%, а к концу 2023 года упадет всего до 9%.

Ориентированное на человека управление требует внедрения новых принципов, норм и менталитета, подчеркивают аналитики. Наличие эффективной виртуальной рабочей среды повышает привлекательность компании для кандидатов и позволяет организовать взаимодействие сотрудников независимо от их местонахождения, а также избавиться от расходов на командировки. Вместо офисов культура компании может быть воплощена в виртуальных рабочих средах, которые станут центром цифрового взаимодействия сотрудников. Но, отмечают аналитики, виртуальные среды стоит использовать только тогда, когда взаимодействие внутри них эффективнее реального — например, при мозговых штурмах, анализе продуктов или социальных мероприятиях. Распространенность гибридного режима труда в разных странах существенно отличается.

Так, в Японии работодатели гораздо сильнее стремятся вернуть сотрудников в офисы, чем в других странах. В 2023 году доля работающих дистанционно и гибридно в Японии составит 29%. В то же время в США она может дойти до 71%.

За последние годы появилось немало платформ управления сетевой инфраструктурой, рекламируемых в качестве основанных на средствах искусственного интеллекта, однако большинство подобных продуктов качественно мало отличалось от тех, что были до них. Сегодня ситуация начинает меняться — на рынок приходят инструменты на базе искусственного интеллекта, коренным образом меняющие принципы работы сетевых администраторов. Один из примеров — виртуальные ассистенты, которые способны вести осмысленную беседу о происходящем в сети и контролируемо вносить изменения в ее работу. Фактически, у специалистов по сетям появились не просто новые инструменты, а компьютеризированные «коллеги».

И это происходит очень вовремя — опытные сетевые инженеры и админы в дефиците, а новых появляется не слишком много, так как молодых в ИТ больше привлекают перспективные направления вроде аналитики данных, искусственного интеллекта, робототехники и т. д. В этой ситуации для управления большими сетями неизбежно будет применяться все больше инструментов на основе искусственного интеллекта, ведь заполучить их компаниям проще, чем новых специалистов. Эксперты считают, что уже через семь-девять лет практически все сети будут управляться интеллектуальными системами, учитывая что их все чаще встраивают в соответствующие платформы.

Искусственный интеллект позволяет специалистам по сетям работать эффективнее, выполняя за них повторяющиеся, сложные задачи, которые требуют пристального внимания, но не носят творческий характер. Люди при этом смогут выполнять другие обязанности, пока не подвластные компьютеру. В результате сетевые отделы смогут расширить спектр предоставляемых услуг без увеличения штата. Численность сетевого персонала может даже уменьшиться, текучка вырасти, но качество работы при этом не пострадает.

Поскольку искусственный интеллект будет выполнять многие задачи за людей, тем, возможно, придется проходить переобучение, чтобы осваивать другие специальности в сфере ИТ или в других. При этом искусственный интеллект, вероятно, будет использоваться и в самом процессе обучения сетевых специалистов. Еще одним следствием интеллектуальной автоматизации станет снижение объема навыков, необходимых таким специалистам, соответственно, предприятиям станет проще находить новых сотрудников на «сетевые» должности. В конечном счете благодаря инструментам на основе искусственного интеллекта специалистов по сетям могут заменить ИТ-профессионалы общего профиля.

Красноярская железная дорога соединяет транспортные потоки Европы, Азии и Дальнего Востока и является одной из ведущих по объемам грузов, при этом количество перевозок год от года только растет. Именно поэтому сокращение времени проверки состояния вагонов является важной составляющей для пропускной способности станции и всего транспортно-логистического процесса по железнодорожной сети.

Посты автоматизированного приема и диагностики подвижного состава устанавливаются на подъездах и выездах станции и обрабатывают порядка сотни технических параметров с помощью технологий машинного зрения, тензометрии

и лазерного сканирования, RFID, LPWAN. Комплексное решение с высокой точностью сканирует габариты, вес, размещение и крепление грузов, состояние узлов и порядковые номера вагонов, включая 3D-визуализацию в режиме реального времени. В результате еще до прибытия на станцию персонал получает чек-лист всех выявленных нарушений и неисправностей, что позволяет оптимизировать процессы обслуживания и ремонта подвижного состава, повышая безопасность рутинных работ на станции и минимизируя человеческий фактор.

Интегрированный пост автоматизированного приема и диагностики подвижного состава на сортировочных станциях является одним из элементов «Цифровой железнодорожной станции» и позволит обеспечить актуальными корректными сведениями все подразделения, использующие в процессе работы информацию о подвижном составе. На текущий момент компания «Транс-Телематика» построила более 20 постов на стратегически важных сортировочных станциях железнодорожной сети РЖД.

Ранее «Абсолют Банк» уже работал с технологиями Yandex.Cloud, однако в рамках этого проекта впервые облачный сервис использовали как среду для моделей машинного обучения. Специалисты «Корус Консалтинг» создали среду для централизованной фабрики ML-моделей, использующую данные из корпоративного хранилища и внутренних информационных систем.

Среда позволяет дата-сайентистам банка тестировать различные решения, направленные на повышение точности прогнозов, и «приземлять» ML-модели на конкретный процесс в рамках работы с клиентом. Например, с помощью моделей машинного обучения и имеющихся массивов данных можно детальнее анализировать и прогнозировать вероятность невозврата кредита, дефолта и других рисков. Появилась возможность создавать и тестировать автоматические процессы оценки кредитного потенциала клиентов.

Благодаря использованию широкого стека сервисов платформы Yandex.Cloud (инструменты для обработки больших массивов данных, управления аналитической СУБД, создания и управления кластерами) «Абсолют Банку» стал доступен полный цикл работ с ML-моделями.

Деятельность «Щелково Агрохим» направлена на развитие научно-производственного потенциала агрохимической и сельскохозяйственной отраслей России за счет разработок в области растениеводства и животноводства, возрождения отечественной селекции и семеноводства. Вопрос стабильной работы ИТ-инфраструктуры для высокотехнологичной компании является одним из приоритетных. Для повышения производительности сервисов и усиления безопасности компания «Щелково Агрохим» при помощи инженеров Softline провела ряд обследований.

При проведении работ использовалось специализированное программное обеспечение Softline Assessment, предназначенное для автоматического сбора и анализа данных о конфигурации программного обеспечения. Оно позволяет проанализировать конфигурацию оборудования, настройки операционных систем, конфигурацию программного обеспечения, сеть передачи данных, а также параметры безопасности. Каждое из направлений анализируется по сотням показателей, что обеспечивает глубину и детализацию анализа, недоступную для ручного обследования.

Softline Assessment в автоматическом режиме произвело сбор информации и проверку информационных ресурсов, что позволило предоставить рекомендации по повышению производительности ИТ-инфраструктуры и скорости работы корпоративных сервисов. Модуль машинного анализа позволил быстро получить полную картину состояния инфраструктуры, исключив влияние человеческого фактора.

По итогам обследования специалисты Softline выявили точки роста и предоставили «Щелково Агрохим» рекомендации по повышению защищенности сотрудников и данных.

Квантовое машинное обучение – новая дисциплина, объединяющая нелинейные квантовые системы и классическое машинное обучение. Алгоритмы машинного обучения обладают высокой вычислительной сложностью. Сейчас, когда мощность классических компьютеров перестает расти, ученые создают принципиально новый подход к вычислениям, что влечет за собой фундаментально другую реализацию нейросети. Для ее создания на первый план выходят квантовые устройства, способные превзойти классические компьютеры в определенных задачах.

Команда физиков МФТИ провела цикл экспериментов с моделью гибридного классификатора, ускоренной квантовым симулятором, — цепочкой из нескольких сверхпроводящих кубитов, обучив ее решать задачи классификации и распознавания изображений.

В ходе экспериментов на цепочке кубитов ученые с помощью нейросети решали три разных типа задач: задачу четности, обнаружения меток рака молочной железы (бинарная классификация «да / нет») и типологии различных вин (многозначная классификация по десятку параметров). Помимо этого, им удалось продемонстрировать решение задачи распознавания рукописных изображений цифр.

Исследователям удалось найти удачную структуру квантовой цепочки и алгоритм обучения, который позволяет достичь точности 94% для стандартных задач классификации с несколькими метками и точности 90% при распознавании рукописных десятичных цифр. Точность и стабильность алгоритма подтверждаются методом перекрестной проверки. Квантовая модель достаточно быстро обучается благодаря возможности эффективного вычисления градиента с использованием необычных свойств квантовых операций.

В ближайшее время коллектив разработчиков планирует увеличить количество кубитов в квантовом симуляторе, решить более сложные задачи классификации, протестировать способность системы решать задачи регрессии, а также перейти от классических данных к квантовым.