Новости

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.

СТК автоматизировала в решении Service Desk первичную обработку заявок: система назначает исполнителей на входящие обращения, учитывая при этом профессиональные навыки, график дежурств и местоположение инженеров. В решении также предусмотрено автоматическое формирование счетов и списаний со складов расходных материалов. Обработкой заявок в системе занимаются около 400 исполнителей.

В решении Naumen реализован портал самообслуживания, который позволяет пользователям самостоятельно создавать обращения. На этот канал приходится 80% всех входящих запросов. Остальные заявки поступают либо по электронной почте, либо из систем заказчиков, интегрированных с порталом.

СТК ведет на платформе учет обслуживаемых зданий, помещений и устройств: в решении заведены паспорта 73 тыс. объектов, которые включают данные об установленных системах, историю изменений состава оборудования и пр. Каталог дает инженерам возможность детально изучить информацию об оборудовании до выезда на место обращения. Благодаря мобильному приложению исполнители имеют доступ к паспортам объектов и заявкам вне стен офиса.

75% участников исследования знакомы с понятием «Искусственный интеллект», которое ассоциируется у них с широким спектром направлений: программирование и компьютерные технологии в целом, нейросети для генерации текстов, изображений и видео, роботы, чат-боты, голосовые помощники, распознавание лиц и т. д. Лучше всего понимают суть новых технологий люди 18–39 лет: 83% из них смогли назвать несколько видов искусственного интеллекта. А почти четверть респондентов от 56 лет и старше затруднились с ответом.

Специфика использования

Чаще всего за последний год предприниматели использовали в работе решения для распознавания речи и перевода ее в текст (об этом упомянули 16% опрошенных), автоматизации взаимодействия с клиентами (13%), генерации текстов, изображений и видео (13%), распознавания и анализа изображений (13%), настройки рекомендательных систем, рекламы и рассылок (11%), анализа данных и прогнозирования (11%).

78% предпринимателей, которые задействовали в работе технологии искусственного интеллекта, считают их полезными. Среди основных преимуществ респонденты назвали высвобождение времени сотрудников для других задач (56%), высокую скорость (50%) и денежную экономию (35%).

Опасения и ожидания

Владельцы малого бизнеса, которые еще не пользовались искусственным интеллектом, прохладно относятся к самой идее внедрять в работу эти технологии. Лишь 13% из них проявили заинтересованность и планируют использовать интеллектуальные системы в рабочих процессах.

Однако большинство предпринимателей, которые попробовали работать с искусственным интеллектом, открыто техническим нововведениям: они полагают, что искусственный интеллект можно интегрировать в их бизнес без риска полной замены человека машиной. Только 3% опрошенных опасаются, что искусственный интеллект полностью заменит их сферу бизнеса.

В рамках стратегии цифровой трансформации РСХБ осуществляет развитие своих сервисов, уделяя особое внимание вопросам информационной безопасности и следования политике импортозамещения. По мере развития системы ИБ банк рассматривал различные российские решения класса SIEM, предъявляя высокие требования по ряду различных критериев. В первую очередь банк обращал внимание на функциональность, производительность, гибкость настроек и возможности действий по реагированию на актуальные киберугрозы, а также соответствие требованиям регуляторов. В результате выбор был сделан в пользу решения «Лаборатории Касперского» — Kaspersky Unified Managed and Analysis Platform.

KUMA обеспечивает гибкий комплексный подход к противодействию сложным угрозам и целевым атакам, позволяя объединить в единую экосистему как решения «Лаборатории Касперского», так и ранее внедренные продукты сторонних поставщиков. Решение создано на базе модульной современной микросервисной архитектуры, имеет высокую производительность, низкие системные требования, обладает масштабируемостью и высокой отказоустойчивостью, что является немаловажным для организаций финансовой отрасли.