Новости

Как выяснили в Naumen, практически половина крупных организаций (46%) одновременно использует собственную разработку, адаптацию коммерческого и свободно распространяемого программного обеспечения и заказную разработку для реализации цифровых инициатив. Также отсутствие необходимого софта и нехватка ИТ-специалистов заставили российский бизнес обратиться к low-code платформам: 70% компаний внедряют решения, позволяющие создавать различные информационные системы из готовых блоков как в конструкторе, с минимальным программированием.

Компании цифровизируют процессы всеми доступными способами

Внедрение нового программного обеспечения — долгий и сложный процесс, поэтому бизнес стремится найти и использовать наиболее оптимальные по скорости и затратам варианты добавления новых систем к своей ИТ-инфраструктуре. Самыми популярными среди российских организаций способами внедрения нового ПО стали собственная разработка, а также приобретение и адаптация коммерческого софта под задачи организации — их используют по 34% компаний. Реже бизнес обращается к заказной разработке и свободно распространяемому ПО: так поступают 17% и 16% организаций.

Значительное сужение ассортимента программного обеспечения, доступного на рынке, вынудило российский бизнес дополнять привычные способы приобретения и развития информационных систем. Компании «подгоняют» под свои задачи коммерческий и свободно распространяемый софт, создают решения «с нуля» собственными силами и с помощью подрядчиков. Все четыре подхода одновременно используют 46% организаций, три из четырех — еще 37%.

Исследование показало, что лишь 22% из опрошенных компаний не предпринимает шагов для дальнейшего развития внедренного программного обеспечения. Остальные адаптируют системы под изменения в процессах или новые цели бизнеса с помощью собственной разработки (55%) или заказной (23%).

Как отмечают эксперты, после ухода иностранных вендоров российский бизнес столкнулся с рядом проблем – например, многие лишились доступа к облачным сервисам, а также технической поддержке. Ситуация, похоже, заставила отечественные компании проявить большую самостоятельность в вопросах разработки и развития софта. По этой причине организации в два раза чаще сами делают ПО, чем поручают задачу подрядчикам, и в 2,5 раза чаще дорабатывают ИТ-решения собственными силами, а не с привлечением сторонних компаний. Разумеется, такая «самостоятельность» дорого обходится бизнесу: организации вынуждены создавать или наращивать команды разработки.

Большинство российских компаний экспериментирует с low-code

Ситуация на российском рынке программного обеспечения, усиленная дефицитом ИТ-специалистов, повысила популярность альтернативных подходов к разработке: 70% компаний пользуются low-code инструментами для создания и развития ПО. Подход предполагает использование специализированных платформ для «сборки» информационных систем из готовых блоков, с минимальным написанием кода.

С помощью low-code подхода российский бизнес чаще всего роботизирует рутинные операции (RPA), а также цифровизирует поддерживающие функции (управление проектами, управление знаниями и другое). Эти задачи отметили во время опроса 32% и 26% компаний соответственно. Однако российский бизнес редко прибегает к low-code инструментам при создании прототипов и MVP, несмотря на то, что эта область традиционно считается перспективной для внедрения low-code платформ: во время опроса только 8% компаний подтвердили, что используют преимущества «малого кода» при сборке ИТ-решений для тестирования гипотез.

Новый опрос Gartner показал, что 34% организаций уже сейчас применяют или внедряют у себя инструменты для обеспечения безопасности приложений искусственного интеллекта. Делается это с целью снижения рисков, связанных с генеративным ИИ. А более половины (56%) респондентов заявили, что изучают возможность внедрения таких решений. В опросе принимали участие 150 руководителей ИТ-служб и служб информационной безопасности организаций, в которых уже используется генеративный искусственный интеллект или его использование планируется в обозримом будущем. Из них 26% заявили о внедрении и применении технологий, повышающих конфиденциальность, 25% – о переходе на ModelOps и 24% – о мониторинге моделей.

О вовлечении в процесс обеспечения безопасности генеративного искусственного интеллекта и управления рисками упомянули 93% опрошенных руководителей ИТ-служб и служб безопасности, но только 24% признали, что несут за это личную ответственность. Среди тех, кто такой ответственности не несет, 44% сообщили, что за это отвечает ИТ-служба, а 20% возложили ответственность на подразделения, занимающиеся общим управлением, управлением рисками и обеспечением соблюдения нормативных требований.

Риски, связанные с генеративным ИИ, сегодня носят уже постоянный характер, являются весьма существенными и в дальнейшем будут лишь усиливаться. К основным из них респонденты отнесли получение неверных результатов и небезопасный код:

• 57% видят для себя угрозу, связанную с утечкой секретных сведений в коде, который был сгенерирован искусственным интеллектом;
• 58% обеспокоены получением некорректных и необъективных результатов.

Организации, игнорирующие необходимость управления рисками, с высокой степенью вероятности могут столкнуться с тем, что их модели работают не так, как предполагалось, а в худшем случае даже причиняют ущерб людям и их имуществу. Это начнет приводить к сбоям в системе безопасности, финансовым и репутационным потерям, нанося урон, обусловленный использованием некорректных, нарушающих этические нормы или предвзятых результатов. Следствием неэффективности искусственного интеллекта станет принятие организациями неверных бизнес-решений.

Прошедшая конференция Gartner CFO & Finance Executive Conference была посвящена обсуждению опыта успешного внедрения искусственного интеллекта в финансовых организациях. Ожидается, что к 2026 году 80% финансовых служб крупных предприятий будут использовать в своей деятельности платформы генеративного ИИ, обученные на их собственных бизнес-данных. Но предварительно финансовый директор, отвечающий за финансовое состояние организации, должен сбалансировать преимущества и риски генеративного искусственного интеллекта, обсудив совместно с другими членами высшего руководства три основных вопроса:

1. Необходимость развенчания мифов с целью исключения завышенных ожиданий

Генеративный искусственный интеллект предоставляет компаниям возможность легко ориентироваться в своих данных, объемы и сложность которых постоянно растут. Однако ограничения существующих технологий препятствуют достижению этой цели, порождая завышенные ожидания. Финансовым директорам совместно с руководителями технических подразделений (ИТ-директором, директором по данным, директором по информационной безопасности) необходимо отделить рекламную шумиху от реальности и поделиться сделанными выводами с другими членами команды высшего руководства. Большое количество параметров, используемых системами генеративного искусственного интеллекта, мешает прозрачной оценке результатов, выдаваемых алгоритмом. Между тем алгоритм, возможно, преследует какие-то неустановленные цели или основывает свои выводы на неточной, не относящейся к делу, нарушающей этические нормы или даже противоправной информации.

2. Выбор согласованных, ответственных и выполнимых вариантов использования ИИ

Понимая ограничения генеративного ИИ, финансовые директора смогут ответственно подходить к выбору вариантов его использования, соответствующих общей стратегии организации и учитывающих существующие риски. В наилучших вариантах внимание всегда акцентируется на сильных сторонах бизнеса, а слабости нивелируются. Приведение фундаментальных возможностей генеративного ИИ в соответствие с уникальными стратегиями и целями бизнеса поможет компании выгодно отличаться от конкурентов.

3. Управление генеративным ИИ и определение принципов его приемлемого использования

Генеративный ИИ требует контроля со стороны человека, помогающего обеспечивать соответствие выдаваемых им результатов особенностям человеческих суждений и представлений о справедливости. Даже если результаты эти кажутся вполне убедительными, они не всегда отличаются точностью, непредвзятостью и надежностью. Рекомендации по использованию ИИ с учетом рисков безопасности и необходимости соблюдения нормативных требований финансовым директорам следует разрабатывать с привлечением юристов, кадровиков, аудиторов, специалистов по безопасности и представителей других подразделений компании. При обсуждении важно учитывать также потенциальное влияние на работников, особенности корпоративной культуры и необходимость обучения.

Разработка комплексной системы контроля качества в «Северстали» стала ответом на целый ряд вызовов – как в части создания и освоения технологически сложных новых видов продукции, так и удовлетворения растущих требований клиентов, в том числе в новых рыночных сегментах. Применение только традиционных методов не позволяло решить эти задачи. Ключевой целью проекта стало создание единой системы, в которой будет контролироваться каждое когда-либо обнаруженное отклонение. Комплекс цифровых инструментов помогает сотрудникам принимать решения о годности металлопроката на основе ранее недоступного большого объема информации, полученного на всех этапах изготовления. Сейчас осуществляется цифровой контроль около половины объема производимой металлопродукции.

Реализация проекта позволяет обеспечить ряд существенных преимуществ для клиентов компании. В их числе гарантия качества на 100% длины продукта за счет непрерывных измерительных систем и минимизации человеческого фактора, снижение потерь от отсортировки у клиента благодаря повышению базового качества продукции, быстрая реакция на отклонения и поставка точно в срок. За период с 2018 по 2022 год доля поступивших уведомлений от клиентов по четырем видам продукции, охваченным системой, снизилась на 55%.

Система контроля качества включает десятки цифровых инструментов на жизненном пути создания продукта. В их числе оснащение промышленных агрегатов измерителями с применением технологий компьютерного зрения и искусственного интеллекта, которые отвечают за фиксацию видимых отклонений. Разработанные прогнозные модели выполняют расчеты вероятности возникновения невидимых человеческому глазу дефектов на основании технологических параметров. Системы слежения за металлом обеспечивают привязку данных к каждому метру конкретного продукта, а системы фиксации инцидентов контролируют критические зоны, влияющие на его качество. Их использование позволяет исключить человеческий фактор в вопросах, касающихся корректной работы оборудования и аттестации, а также обеспечить своевременную реакцию на отклонения в технологических процессах.

На основе полученных данных решение о годности металлопроката рекомендует система автоаттестации Sherlock. Цифровой помощник обладает инструментами для поиска первопричин отклонений по качеству, анализа трендов и построения моделей, обеспечивает доступность данных для любого пользователя и возможность быстрого подбора заказов для произведенных продуктов и продуктов в наличии для поступивших заказов. Результатами применения системы становится не только снижение количества уведомлений об отклонениях и внутренних потерь, но и рост точности сроков поставок.

Проект внедрения цифровой системы автоаттестации длится уже семь лет. За это время им охвачена сквозная цепочка производства оцинкованного проката, горячекатаного рулонного проката, травленого проката, товарной слябы. При этом контролируется 43% когда-либо обнаруженных дефектов. Полностью завершить внедрение системы планируется к 2028 году.

До появления генеративного искусственного интеллекта продавцам для определения тактики и содержания разговоров с покупателями было необходимо анализировать множество разрозненных источников данных. Генеративный искусственный интеллект позволит оптимизировать эти процессы, сэкономив много часов рабочего времени продавцов. Технологические инструменты продаж превратятся в настоящих членов команды, считают аналитики.

Сочетание данных автоматизации продаж (SFA) и инжиниринга запросов к генеративному ИИ станет шагом к созданию нового поколения средств динамической автоматизации процессов, которая позволит руководителям корректировать рыночные стратегии в режиме реального времени. ИИ может использовать данные об убеждающих факторах и автоматически создавать ценностные предложения. Аналитики считают, что уже через два года 30% исходящих сообщений от крупных организаций будут генерироваться искусственным интеллектом.

«Дикси» пыталась найти решение, которое поможет повысить доступность товаров на полке, снизить объем «замороженных» средств путем определения непродаваемой продукции, а также увеличить РТО от 0,5% через инструмент по работе с OSA и последующей отработкой задач в магазине. Этих целей удалось добиться благодаря использованию собственных ML-моделей прогнозирования Imredi, учитывающих множество факторов. Прогноз делается на гранулярном уровне, чтобы отловить точечные эффекты в окружении торговой точки. Специалисты Imredi выстраивали бизнес-процессы и собирали обратную связь, регулярно посещая магазины сети, стремились учесть все нюансы и особенности работы «в поле».

Нет товара на полке, ценника или не устраивает сервис — покупатель выберет другой магазин, а ретейлер потеряет прибыль. Отработка сигналов OSA — одно из болезненных и узких мест для любой сети. И чем крупнее компания, чем больше торговых точек и шире их охват, тем сложнее контролировать своевременность и качество выкладки, оперативно устранять недочеты и отслеживать системные проблемы. Спасенные продажи напрямую влияют на рост товарооборота.

За три месяца активного пилотирования Imredi OSA в торговой сети «Дикси» удалось добиться отправки до 80-85% достоверных сигналов и повысить вовлеченность персонала — дисциплина отработки сигналов составила порядка 95%. Прирост РТО относительно контрольной группы за август 2023 достиг 1,04%. При использовании в 100 торговых точках продукт многократно окупил стоимость пилота за счет «спасенных продаж».

В Segezha Group офиса и предприятия на территории России. Там трудится более 20 тыс. человек. До старта проекта холдинг самостоятельно отслеживал события информационной безопасности в ИТ-инфраструктуре на базе внутренней SIEM-системы. С ростом коллектива и количества защищаемых систем решили передать эту функцию на аутсорсинг.

Выявление и анализ событий в растущей инфраструктуре требует вложений не только в дополнительные системы кибербезопасности, но и в персонал. Построенные финансовые модели показали, что передача данных задач в аутсорсинговый центр оказывается экономически более обоснованным, чем найм сотрудников в штат. Кроме того, это позволило быстро решить проблему дефицита квалифицированных специалистов на рынке кибербезопасности.

Поставщиком сервисов мониторинга кибератак выбрали МТС RED SOC. В настоящее время провайдер контролирует более 4 тыс. критически значимых рабочих станций сотрудников и серверов, в том числе в территориально распределенных филиалах холдинга.

В рамках проекта специалисты МТС RED SOC также интегрировали сервис мониторинга с системой автоматизации реагирования на инциденты, которой уже пользуются в Segezha Group. Теперь сообщения о вредоносных или аномальных процессах и событиях в инфраструктуре анализируются быстрее и качественнее. Это позволяет более эффективно предотвращать атаки злоумышленников.

Свыше 53% детектируемых специалистами Solar AURA фишинговых ресурсов используют те или иные средства защиты от их обнаружения. Для сравнения, в 2022 году этот показатель составлял 27%, а в 2021 году — 11%.

Одним из наиболее сложных способов по сокрытию фишинга стала схема «Хамелеон». Суть ее в том, что вредоносный сайт мог динамически изменять контент, а свое «истинное лицо» показывал лишь тем пользователям, которые соответствовали заданным злоумышленниками параметрам — например, территориальной принадлежности IP-адреса, разрешению экрана, версии операционной системы и браузера и т.д. По мнению злоумышленников, этот подход должен был помешать антифишинговым сервисам распознавать вредоносный контент.

Также примечательна схема, которую эксперты назвали «Хамелеон 2.0». В ней злоумышленники использовали цепочки из десятков произвольно сгенерированных доменов, каждый из которых служил для перенаправления пользователя на вредоносный ресурс. Схема активно использовалась на рубеже 2022-2023 годов в масштабной фишинговой кампании, которая затронула более 300 крупных брендов.

Как подчеркивают аналитики, помимо таких технически сложных вариаций, как «Хамелеон» или «Хамелеон 2.0», активно применяются и другие приемы — например, использование доменов, не имеющих отношения к бренду, от имени которого совершается атака. Также применяются «сайты-прокладки», которые переадресуют пользователя на нужный URL и одновременно уведомляют его о том, что портал якобы проверен антивирусом и не представляет опасности.

Группа «Самолет» реализует стратегический проект с использованием программных продуктов из линейки «Турбо», разработанной «Консист Бизнес Групп». На базе внедряемых решений будет построена единая система для ведения оперативного, управленческого финансового учета, а также учета по международным стандартам финансовой отчетности (МСФО).

«Самолет» реализует проекты комплексного освоения территории со всей сопутствующей инфраструктурой для жизни. В контур проекта будут вовлечены 9 бизнес-юнитов группы. В рамках внедрения ERP планируется интеграция с 25 информационными системами компании, охватывающими процессы ведения хода строительства, проведения тендеров и закупок, управления продажами, корпоративного хранилища данных и др. Планируется, что будущая система будет обрабатывать около трех миллионов документов в год с органическим ростом согласно бизнес-планам компании «Самолет».

Как отмечает Наталья Грознова, заместитель генерального директора по экономике и финансам группы «Самолет», ключевой задачей проекта внедрения ERP станет централизованная поддержка процессов группы. При выборе решения обращали внимание на масштабируемость и гибкость предлагаемых информационных систем. Совместно со специалистами «Консист Бизнес Групп» была проработана архитектура будущего решения, а также объем охватываемых процессов. Решения «Турбо ERP» и «Турбо Бюджетирование» станут основой для формирования аналитических данных и дадут менеджменту компании актуальную управленческую информацию в режиме реального времени, что в условиях конкурентного рынка является важнейшим фактором роста бизнеса.

Как известно, недобросовестные компании, открывая расчетные счета в кредитных организациях, иногда используют их для отмывания денежных средств. Благодаря внедренным решениям и мерам комплаенс-служб Росбанка, средний «срок жизни» недобросовестных клиентов составляет всего несколько недель.

На основе технологий машинного обучения в банке была разработана и внедрена модель, которая заранее определяет, станет ли компания, открывающая расчетный счет, надежным партнером банка, или ей в скором времени придется отказать в обслуживании как недобросовестному клиенту. В ходе проекта удалось построить модель, которая всего по нескольким характеристикам потенциального клиента с точностью более 60 Джини предсказывает будущую судьбу сотрудничества.

По оценкам Ксении Коньшиной, начальника отдела развития и поддержки комплаенс-процессов Росбанка, экономический эффект от внедрения данной модели оценивается в несколько сотен миллионов рублей. Реализация проекта позволила банку заранее отказывать ненадежным клиентам и сконцентрироваться на обслуживании «хороших» компаний.

В дальнейших планах банка – поделиться пользой от моделей машинного обучения с клиентами. Для этого разрабатывается консультационный сервис, с помощью которого банк будет предостерегать добросовестных клиентов от случайного проведения высокорисковых операций, которые могут нанести урон их деловой репутации.