Статьи

Не так уж много компаний создали ключевую для своей деятельности ИТ-инфраструктуру и перевозят ее 21 раз в году в различные места. Именно такова жизнь команды «Формулы-1», которую само руководство сравнивает с бродячим цирком. При этом важно обеспечить бесперебойный доступ всех участников команды к данным, имеющим крайне важное значение для успеха и достигающим впечатляющих объемов.

Чем больше команда полагается на технологии, тем сильнее зависит именно от партнеров, а не от простых поставщиков. Используя продукты следующего поколения, можно надеяться, что удастся превзойти остальных, - Зои Чилтон, глава по техническим партнерствам Aston Martin Red Bull Racing

Aston Martin Red Bull Racing уже 14 сезонов участвует в гонках. Команда постоянно меняется, и это означает огромные технологические вызовы: приходится постоянно изучать новые технологии, оценивать новые поколения решений, сервисов, приложений. И в первую очередь требуется гибкость во всех ее проявлениях.

Для 800 сотрудников, составляющих команду, это не работа, а образ жизни. Благодаря именно такому подходу удалось, войдя в этот спорт относительно недавно, потеснить признанных игроков.

«Часто приходится слышать вопрос: что производитель напитков делает в автогонках? В ответ скажу, что это было интересно — войти в спорт, который всегда считался закрытым и элитарным. Мы хотели отличаться от других, нам важно быть инновационными и с точки зрения маркетинга, и с точки зрения эффективности бизнеса», — говорит Зои Чилтон, глава по техническим партнерствам Aston Martin Red Bull Racing.

Когда в 2010 году команда впервые стала победителем Кубка конструкторов, все были удивлены. Однако четыре триумфальных года подряд показали, что успех не случаен.

Командная работа

«Мы хотим сделать мир «Формулы-1» увлекательнее, показать, что это намного больше, чем просто гонки. Например, на Гран-при Мексики в прошлом году мы раскрасили пилотов в традициях Halloween и поддерживаем участие наших «боевых» болидов в любых мероприятиях вне трассы. Однако, как и в любом другом бизнесе, у нас есть результаты и показатели эффективности — это наша основная цель», — подчеркивает Чилтон. Конечно, важнейшим показателем является количество очков, которые набирает команда. Фактически он показывает, сколько денег потребуется на цели НИОКР в следующем году.

Надо понимать, что победа в Кубке конструкторов — это не заслуга отдельно взятых пилотов, а успех целой команды. Все ее участники должны слаженно работать. Дело в том, что пилоты далеко не самостоятельны в поведении на трассе, они должны следовать разработанной и утвержденной стратегии гонки. Тем не менее нужно признать, что двое пилотов Aston Martin Red Bull Racing — Макс Ферстаппен и Даниэль Риккардо — проделали очень успешную работу за последние несколько лет, они замечательно дополняют друг друга, ладят вне трассы, что создает хорошую атмосферу в коллективе. В последние несколько сезонов, несмотря на очень серьезные изменения в регламенте, результаты команды на трассе оставались весьма убедительными.

«Пилоты по сути являются двумя клиентами, для которых создается изделие — гоночная машина. И на этих двух клиентов работает команда из 800 самых разных специалистов, которые должны действовать как единый организм. Командная работа для нас очень важна, и для этого нужно обеспечить взаимодействие всех специалистов», — говорит Чилтон.

Некоторые ключевые сотрудники команды, включая многих инженеров-строителей, задействованы во всех гонках без исключения, а это 21 гонка в год. Они отсутствуют на заводе практически половину рабочего времени, и поэтому необходимо обеспечить для всех них возможность выполнения текущих задач удаленно и гарантировать высокое качество ИТ-сервисов. Выходом стало использование технологий виртуализации. Уже десять лет команда работает с решениями Citrix. Более того, в прошлом году Citrix стала ее официальным партнером по инновациям. Конечно, эпоха стационарных больших рабочих станций на базе Windows и Linux давно прошла. Тем не менее на то, чтобы оценить предложения поставщиков и навсегда отказаться от мощных компьютеров под столами, понадобилось определенное время.

«Со многими компаниями мы работали не один год, прежде чем установили с ними партнерские отношения. Чем больше команда полагается на технологии, тем сильнее зависит именно от партнеров, а не от простых поставщиков. Если вы покупаете то же, что и все остальные, то и производите то, что производят другие. Используя же продукты следующего поколения, можно надеяться, что вы сможете превзойти остальных», — уверена Чилтон. Подобное партнерство организовано также с Siemens (в компании используется САПР MX, а также PLM-система Team Centre) и Ansys — поставщиком решений в области гидрогазодинамики. Очень плотная работа ведется и с другими вендорами, входящими в экосистему команды, — Dassault Systemes, IBM, SAP и др.

Пилоты по сути являются двумя клиентами, для которых создается изделие — гоночная машина. На этих двух клиентов работает команда из 800 самых разных специалистов, и все они должны действовать как единый организм.

Тесные партнерские отношения открывают возможность воплотить в жизнь некоторые довольно радикальные сценарии использования продуктов, которые выгодны как заказчикам, так и разработчикам. Например, во время движения болида по трассе возникают предельные рабочие нагрузки, в будущем находящие отражение в расширении функциональных возможностей продуктов.

«Мы держим друзей поближе и подвергаем их решения испытаниям с очень большими нагрузками, иногда просто с ужасными. Наши инженеры очень хорошо умеют «ломать» системы, проверяя их на прочность, им это по-настоящему нравится», — признает Чилтон. Такова специфика гоночной команды — бросать вызов ограничениям, испытывать новое, работать на грани возможного.

Два ЦОДа и маленький контейнер

Для понимания общего положения дел следует учесть и весьма непростые логистические реалии. По Европе путешествовать относительно несложно, больше трудностей возникает, когда происходят выезды в Россию, США и Бразилию, азиатские страны, Австралию. На каждую гонку нужно перевозить около 45 тонн оборудования, и здесь вполне уместно сравнение с бродячим цирком. А еще добавляются 60 человек обслуживающего персонала, это инженеры, механики, специалисты, техники — все, от кого зависит состояние и динамика болида, и еще несколько человек из менеджмента. В каждой локации важно наличие сетевого подключения, поэтому команда сотрудничает с компанией AT&T, которая способна обеспечить точку выхода в сеть на каждой гонке.

Aston Martin Red Bull Racing владеет двумя большими ЦОДами, в них «крутится» примерно 6 Пбайт данных. Эти центры расположены в Великобритании, где и работают большинство специалистов команды. Передвижной ЦОД намного меньше, он построен на базе гиперконверконвергентной платформы HPE SimpliVity.

«Нам приходится использовать мобильный ЦОД в довольно неблагоприятных условиях: мы включаем, выключаем и перевозим его каждый уик-энд, поэтому пришлось сделать его очень надежным и прочным. Мы не можем позволить постоянное присутствие на трассе ИТ-специалиста, а значит, после включения ЦОД должен гарантированно работать!» — говорит Чилтон. По регламенту, численность каждой команды на трассе ограничена 60 специалистами. Постоянное присутствие выделенного «айтишника» означает потерю инженера по эксплуатации, механика или другого эксперта, который может принести реальную пользу во время гонки.

30 тысяч изменений в год

Крайне примечательный момент, влияющий на роль анализа данных в успехе команды, — разнообразие трасс, на которых проходят гонки. Трассы не похожи друг на друга, у каждой свои особенности и характеристики: форма, высота над уровнем моря, окружающая температура, — и все это приходится учитывать. Поэтому с точки зрения бизнеса задача состоит не просто в том, чтобы построить два болида, но еще и в том, чтобы приспособить их для каждой конкретной трассы. То есть машины перестраиваются 21 раз в год.

Например, в Базеле весьма скоростная и сложная трасса с длинными кругами, на ней довольно сильно изнашиваются шины, так что приходится многое продумывать в конструкции болида, адаптировать его аэродинамику к скоростным участкам трассы и находить золотую середину между скоростью на прямых участках и прижимной силой. В итальянском Монце, наоборот, всего шесть поворотов и на 90% круга можно давать полный газ, насколько хватит смелости. В этом случае нет нужды искать сложные компромиссы.

«В общем, нам приходится продумывать изменения для каждой трассы. Это доставляет много проблем заводу, потому что необходимо модернизировать и изготавливать детали к следующей гонке, и перед нами постоянно встает вопрос изучения и создания новой машины в кратчайшие сроки», — констатирует Чилтон.

Вдобавок на всех участников «Формулы-1» давят регламенты, они влияют на процесс разработки. В каждом сезоне правила могут очень сильно различаться. Так, в 2017 году вступили в силу изменения аэродинамического регламента для болидов, изменились формы самих болидов и шин, которые использовались на протяжении десятилетия. Модернизировался ряд фундаментальных принципов построения и проектирования болида, в целом машины стали гораздо крупнее. Пришлось проектировать новые станки для механического цеха, так как имевшиеся не годились для изготовления более прочных и объемных деталей.

«У нас было всего шесть месяцев с момента утверждения регламента на то, чтобы создать новую машину и выпустить ее на трассу. Мы приступили к созданию болида фактически с нуля, затем пришлось пройти процессы проверки, строительства, внутренних испытаний в лаборатории. Постарались выполнить как можно больше испытаний в виртуальной среде, прежде чем приступить к физическим испытаниям: это быстрее и дешевле», — говорит Чилтон.

Каждый раз, когда проводится замена детали болида по окончании ее срока службы, ее заменяют не аналогом, а чем-то лучшим — новая должна быть эффективнее или легче, надежнее. Требуется постоянное совершенствование.

Выходит, что каждый сезон команде приходится начинать почти с нуля: благодаря собранным данным всегда удается узнать что-то новое, меняющее подходы к построению болида. При этом после создания машины остается всего восемь дней до начала сезона на ее испытания, за это время приходится собирать как можно больше данных, в первую очередь аэродинамических. Процесс проверки конструкции должен проходить невероятно быстро.

Помимо восьми дней перед сезоном, у команды есть еще три часа практики в каждый гоночный уик-энд, и в принципе этим ограничивается все время на сбор данных.

«Каждый раз, когда колеса болида касаются покрытия трассы, мы изучаем его, собираем данные, получаем важные сведения, которые отправляем на завод для включения в процесс проектирования», — отмечает Чилтон. За сезон — с первого прохода до конца года — в болид вносится около 30 тыс. изменений. Это составляет более 1 тыс. проектных решений каждую неделю, и сюда не относится разработка нового болида на следующий сезон.

Обеспечить данными

Одной из проблем на пути решения ключевых задач команды являются очень большие объемы графических данных. Сотни пользователей работают в САПР, осуществляя трехмерное моделирование деталей с очень большим объемом графических операций. Группа компьютерного моделирования накладывает на болиды очень сложные сетки, а затем получает на их основе видео очень высокого разрешения — зачастую это файлы объемом в несколько терабайтов. Оценка динамики автомобилей также сопряжена с очень большими требованиями... Как обеспечить пользователю бесперебойный обмен данными вне зависимости от его местонахождения и избежать при этом покупки мощнейших рабочих станций?

Другое узкое место — сбор больших данных на трассе: собирая показания датчиков болида, команда получает каждый уик-энд около 400 Гбайт. Нужно обрабатывать их быстро, анализировать и принимать стратегические решения в реальном времени. Критическое значение приобретает время реакции. Несмотря на наличие скоростного сетевого соединения, иногда приходится часть обработки делать на трассе, вместо того чтобы отправлять все данные в Великобританию и дожидаться их доставки в штаб-квартиру и результатов анализа. Приходится создавать распределенную инфраструктуру и обеспечивать ее надежность и связность.

Транспортировка инфраструктуры обходится крайне дорого, именно поэтому вынужденным компромиссом становится наличие небольшого мобильного ЦОДа и ноутбуков. При этом инженеры должны иметь возможность работать везде — в вестибюлях аэропортов, в гостиницах, где нельзя задействовать Wi-Fi, поскольку это небезопасно. Использование средств виртуализации становится неизбежным.

Некоторые пользователи САПР в конструкторском бюро, возможно, не так много путешествуют, но, благодаря очень мощной виртуальной машине на базе ЦОДа, они могут работать не только со своих рабочих станций, но и из любых мест на заводе. Кроме того, удалось организовать централизованное хранение файлов, значительно повысив производительность, удобство и безопасность. В результате некоторые сотрудники добровольно сдали ноутбуки и рабочие станции со словами «Они нам больше не нужны».

Нил Бейли, руководитель ИТ-подразделения Aston Martin Red Bull Racing, использует решения Citrix для управления значительной частью инфраструктуры. Он имеет доступ к ней со своего телефона.

Когда стратегия решает

Хорошим примером очень динамичного гоночного уик-энда, показавшего, что анализ данных на лету и мгновенная реакция на события приносят результат, стал Гран-при Китая, состоявшийся в апреле нынешнего года. Началось все печально: на третьей практике у Риккардо произошел отказ двигателя. У механиков было чуть больше двух часов, чтобы устранить неисправность: разобрать болид, полностью снять и заменить двигатель и трансмиссию и вернуть машину на трассу до завершения первого квалификационного заезда. С трудом эту задачу удалось решить. Результаты квалификации также были не слишком хорошими — пилоты оказались лишь на пятом и шестом местах.

Командная работа имеет очень важное значение, как и обеспечение взаимодействия всех специалистов

«Мы пытались просчитать, каким образом ведут себя шины у других команд, и выяснили, что имеем преимущество. Поэтому, находясь не на лучших стартовых позициях, решили использовать элемент неожиданности и начать гонку на сверхмягких шинах, которые способны обеспечить лучший старт, с расчетом, что у нас они продержатся достаточно долго», — вспоминает Чилтон. Это нетипичный подход, однако полученные в течение того уик-энда данные показывали, что сверхмягкие шины держатся довольно неплохо. Цель заключалась в том, чтобы безопасно пройти первый круг и в первые минуты постараться обойти нескольких конкурентов. Ферстаппену действительно удалось обойти двух соперников, так что старт гонки удался. Более того, данные оперативного отдела показали, что идущие впереди пилоты испытывали проблемы с шинами. Позднее их радиопереговоры подтвердили то, что благодаря получаемым данным стало очевидным гораздо раньше.

На 18-м круге был совершен двойной пит-стоп — также довольно необычный ход: обычно пилоты заходят на замену резины с разницей хотя бы в круг, чтобы у команды механиков было время восстановиться. Это дало возможность не отстать от обоих идущих впереди болидов, а также не подпустить к себе соперников, идущих позади.

Примерно через 15 кругов, когда подходило время следующего пит-стопа, произошла авария и на трассе появилась машина безопасности. Два шедших впереди болида — Себастьяна Феттеля из Ferrari и Валттери Боттаса из Mercedes — уже прошли заезд на пит-лейн. Еще один рискованный двойной пит-стоп в этот период, когда все соперники едут на минимальной скорости, позволил сэкономить около 15 секунд, возобновить гонку уже на свежих комплектах шин и сразу атаковать остальные болиды. «Это была фантастическая возможность с точки зрения стратегии, и у нас было около шести секунд на принятие решения», — говорит Чилтон.

После того как машина безопасности ушла с трассы, Риккардо провел несколько удачных атак и смог прийти к финишу первым. Ферстаппен оказался лишь на пятом месте из-за двух ошибок при обгонах и полученного 10-секундного штрафа. По мнению экспертов, без допущенных ошибок победителем гонки был бы именно он.

Этот результат был достигнут за счет всестороннего анализа, выполненного в течение того уик-энда, и работы инженеров в Великобритании, предложивших рекомендации и стратегические решения, а также верно предсказавших поведение машин на трассе. Все это было основано на данных и способности команды эффективно их использовать.

Когда команда побеждает в гонке, не думайте, что это лишь заслуга пилота. Учитывайте, что за кулисами сотни человек решали сложнейшие задачи, внося свой вклад в успех.

Начинать всегда непросто, а в постоянно меняющемся мире ИТ-директоров каждое новое назначение существенно отличается от предыдущего.

Вы не только несете ответственность за ИТ и всю технологическую инфраструктуру в организации, но и должны проявить себя лидером, к тому же от вас ждут существенных перемен, которые дадут ощутимый конечный результат.

Оценка ситуации

Очевидный, но зачастую игнорируемый шаг.

Прежде чем приступать к реализации новой стратегии в качестве ИТ-директора, важно оценить реальное состояние дел в организации, проанализировать предыдущие планы, их эффективность и причины, по которым реализовать их не удалось. Обусловлено ли это нехваткой ресурсов или, быть может, слабым управлением?

Ознакомьтесь с текущими ИТ-проектами и развитием инфраструктуры. Иногда их остановка или задержка приносит больше вреда, чем пользы, поэтому подумайте дважды, прежде чем решаться на любые серьезные изменения.

Составьте график, определите контрольные точки, изучите условия контрактов с каждым поставщиком. Поближе познакомьтесь с подрядными и проектными командами, выясните, что их волнует и беспокоит. Излишняя активность и требование немедленных перемен вряд ли понравятся большинству окружающих вас людей, позиция же наблюдателя во многих случаях даст более позитивные результаты, чем агрессивные преобразования.

Оценив ситуацию, вы сможете лучше понять свои возможности и очертить те области потенциальных улучшений, в которых внедрение новых прорывных технологий будет способствовать скорейшему и наиболее полному достижению организацией своих бизнес-целей.

Взаимодействие

Речь идет не просто о взаимодействии, при необходимости общение должно быть очень интенсивным.

ИТ-директор должен уметь четко доносить информацию до подчиненных, коллег и организации в целом, разъясняя, какое влияние цифровые технологии оказывают на бизнес-модель.

Будучи цифровым лидером, вы должны выстраивать отношения с разными подразделениями, привлекая все заинтересованные стороны, чтобы иметь четкое представление о задачах бизнеса на ближайшие один-два года.

Открытое обсуждение способствует лучшему пониманию потребностей компании и помогает организовать совместную работу для достижения общих целей.

Использование инструментов взаимодействия, таких как мессенджеры, программы для управления проектами (Slack, Trello и Google Hangouts), дает возможность сплотить коллектив и наладить в нем простое и живое общение.

Выстраивание мощной команды

В течение критических первых 100 дней ИТ-директору жизненно важно постоянно работать над укреплением отношений внутри подразделений и между ними и сформировать команду, обладающую необходимым опытом.

Разумным решением здесь будет дипломатичное поведение. Даже если вам хочется с самого первого дня проявить себя лидером, вы не настроите против себя подчиненных и сослуживцев, если будете внимательно прислушиваться к тем, кто работает в организации дольше вас.

Главным приоритетом должны стать люди. Повышенное внимание к человеческому фактору и неподдельный интерес к коллегам поможет вам лучше информировать окружающих и реализовывать принятые процедурные и технологические решения.

Задавайте вопросы. Поскольку вы новый человек, ваше желание узнать, как все работает в этом прекрасном новом мире, представляется вполне естественным. Это демонстрирует ваш интерес к текущему состоянию бизнеса и может содействовать началу диалога о вопросах, которые до вашего прихода оставались незамеченными.

В технических командах навыки сотрудников должны постоянно совершенствоваться, должна вестись переподготовка, на работу должны приниматься новые высококвалифицированные специалисты. Инвестиции в навыки часто рассматриваются как проявление заботы со стороны ИТ-директора, что должно способствовать удержанию лучших талантов ИТ-службы.

Использование облака

Если инфраструктура еще не создана, возможно, вы захотите сразу же разместить ее в облаке. Это не только важный шаг к цифровой трансформации, но и способ сэкономить деньги и повысить гибкость бизнеса.

Модель облачных вычислений на основе фактического потребления, при которой ресурсы оборудования и средств хранения выделяются по запросу, может существенно уменьшить ваши квартальные счета благодаря сокращению расходов на серверы и сетевое оборудование, развертываемое на вашей территории.

Конечно, миграция в облако – это сложный проект, и процесс его реализации может пойти как правильным, так и неправильным путем. Ключом к успешной миграции должно стать привлечение всех заинтересованных сторон. Придется решать многие вопросы: какая облачная модель лучше подходит для вашего бизнеса – публичное, частное или гибридное облако? Придется ли что-то переделывать в унаследованной архитектуре? Как провести миграцию с минимальными потерями для бизнеса, уделяя одновременно повышенное внимание безопасности и соблюдению нормативных требований – особенно в свете принятия общего регламента о защите персональных данных (GDPR)?

Как бы то ни было, успешная миграция в облако обещает сделать бизнес более гибким и разносторонним.

Приоритет кибербезопасности

Очевидно, что обнаруженная брешь в данных, которая нанесет урон вашему бизнесу, – одно из самых печальных событий, которое только может с вами случиться. В 2014 году Бет Джекоб, на протяжении шести лет занимавшая пост ИТ-директора в компании Target, была вынуждена уволиться после того, как в информационной системе была выявлена брешь, затронувшая 110 млн жителей США. Брешь в системе электронной почты Yahoo так или иначе затронула 3 млрд клиентов, а брешь в системе бюро кредитной истории Equifax скомпрометировала персональные данные 146 млн человек, что сразу отразилось на репутации компании.

Опрос ИТ-директоров показал, что более половины ведущих компаний за прошедший год обнаружили бреши в своей системе безопасности. Согласно официальным правительственным данным, в 2016 году кибератакам подверглась почти половина предприятий Великобритании, а каждые семь из десяти крупных компаний обнаружили бреши в своей системе безопасности. Всего пару недель назад British Airways сообщила, что объектом «сложной криминальной атаки» стали ее финансовые записи, связанные с 380 тыс. карточных транзакций клиентов.

Будучи реалистами, мы понимаем, что любой бизнес, являющийся хранителем ценной информации, рано или поздно окажется целью киберпреступников. И в этих условиях ИТ-директорам и директорам по информационной безопасности необходимо заранее организовать противодействие потенциальным атакам.

Готовность вашего бизнеса к любому сложному сценарию обеспечат динамическая стратегия безопасности, здоровая культура кибербезопасности со своевременно обновляющимися политиками, регулярное обучение персонала и устойчивая среда безопасности.

Выработать адекватные меры поможет тесное взаимодействие с директором по информационной безопасности. А поскольку угрозы становятся все более изощренными, необходимо стандартизировать аудит и тесты на проникновение и регулярно тестировать систему.

Осознанная бдительность и культура безопасности обязательно принесут свои дивиденды. Ощущение реальной угрозы поможет бизнесу адаптироваться и оперативно реагировать на атаки, закрывая сети от распространения угроз в масштабе всей организации.

— Cristina Lago. 5 steps to success for a new CIO. September 18, 2018. CIO UK

AIOps (Artificial Intelligence for IT Operations) обещает cэкономить время и усилия ИТ-служб, затрачиваемые на выявление различных неполадок во все более сложной среде, в которой им приходится работать.

Gartner ввел этот термин для описания того, каким образом средства искусственного интеллекта могут применяться для автоматической идентификации возникающих проблем и их устранения.

В настоящее время целый ряд поставщиков платформ AIOps используют технологию машинного обучения для улучшения контроля за операциями, уменьшения числа ложных предупреждений и более точной выдачи прогнозных уведомлений. Эти платформы через API необходимо интегрировать с другими приложениями для повышения эффективности, а также создания независимых от конкретного поставщика аналитических систем, которые объединяли бы существующие разрозненные компоненты.

Типичные сценарии их использования включают в себя постобработку потоков событий, генерируемых средствами мониторинга, организацию двунаправленного взаимодействия с инструментами управления ИТ-сервисами и интеграцию с инструментами автоматизации для более глубокого проникновения в суть происходящего.

Разработка стратегии AIOps

В Gartner рекомендует внедрять AIOps поэтапно. Пользователи обычно начинают применять машинное обучение к мониторингу, операциям и инфраструктурным данным еще до перехода к использованию глубоких нейронных сетей, чтобы автоматизировать работу ИТ-сервисов и служб технической поддержки.

Директор Gartner по исследованиям Вив Бхалла предлагает определить тактические и стратегические варианты использования, позволяющие извлекать выгоду из AIOps, после чего оценить инструменты и поставщиков, которые готовы удовлетворять соответствующие потребности.

«Поэтапные подходы к AIOps обещают быть наиболее успешными, – пояснил Бхалла, выступая на конференции Moogsoft AI Symposium. – Область наших интересов – машинное изучение данных о событиях, а также структурированных данных – представляется мне низко висящим плодом. Если вы знакомы с этой темой, используйте свои знания для расширения применения соответствующей технологии. На втором этапе будет происходить развитие нейронных сетей, поведенческого анализа и данных, ориентированных на языки, причем все это будет осуществляться через автоматизацию сервисных служб. Не вижу ничего плохого в том, чтобы начать с низко висящего плода, а затем уже продвигаться далее».

Бхалла рекомендует выделить время для того, чтобы подготовить отвечающий за функционирование инфраструктуры и выполнение операций персонал к использованию новых технологий, создать центр передового опыта, который организовал бы обмен идеями между различными подразделениями, а затем, начав с малого, быстро продвигаться вперед, оценивая полученные результаты.

«Речь идет не о том, чтобы установить что-то и на этом успокоиться, – подчеркнул Бхалла. – Мы имеем дело со стратегией, с процессом, требующим оценки и развития. Вы ищете новые варианты применения – идеи, о которых, возможно, даже не задумывались раньше».

Предложения вендоров

Бхалла убежден в том, что готовые инструменты AIOps, такие как Splunk IT Service Intelligence и Moogsoft AIOps, станут более популярными, чем решения собственной разработки, поскольку они обеспечивают большую согласованность и позволяют ускорить оценку.

Фил Ти, директор Moogsoft, заявил, что программное обеспечение его компании учитывает изменение потребностей при выполнении ИТ-операций.

«Инструменты AIOps создавались с учетом того, что нельзя априори предвидеть отказы и моделировать свои действия в таких случаях, – пояснил он. – Нужно отказаться от поиска условий отказов вручную и начать использовать данные, которые помогут определить логику поиска неисправностей. Направление AIOps охватывает полный набор операций машинного обучения, науки о данных и искусственного интеллекта».

Платформа Moogsoft AIOps применяет алгоритмы машинного обучения к данным ИТ-систем для поиска возникающих проблем и их устранения. По мнению Ти, главным ее достоинством является возможность обнаружения отказов, которые человек не в состоянии предвидеть.

«Инженеры не делают ошибок сознательно, – пояснил он. – Но сложность ИТ-систем настолько велика, что человеку просто не под силу охватить их в полном объеме и свести все к простому набору правил».

Оператор платежных систем Worldpay, например, обратился к Moogsoft с целью совершенствования традиционных инструментов мониторинга за счет кластеризации событий в ситуациях, требующих вмешательства и выявления их вероятных первопричин, а компания Daimler использует инструменты Moogsoft для предоставления сервисным службам необходимой информации в условиях растущих объемов данных, генерируемых автомобилями.

«Для нас AIOps – это решение, помогающее реагировать на действительно важные события, а не на тысячи событий, регистрируемых нашими инструментами мониторинга», – пояснил ИТ-менеджер группы диагностики подключенных автомобилей Daimler Рюдигер Шмидт.

Что дальше?

Согласно прогнозам Gartner, к 2019 году четверть глобальных корпораций внедрят платформы AIOps, поддерживающие не менее двух основных ИТ-операций.

Ти считает, что популярность AIOps будет расти по мере увеличения объема данных, возрастания сложности систем и повышения интеллектуальности устройств.

«В конечном итоге мы придем к автономной сети, самовосстанавливающейся системе, в которой накопленные знания о возможных причинах сбоев позволят автоматически предпринимать меры для их устранения, – подчеркнул он. – Со временем мы дойдем до того, что будем автоматически оповещать клиентов о сроках восстановления работоспособности системы и о том, каким образом они могут продолжить работу в сложившейся ситуации. Думаю, что в перспективе искусственный интеллект будет в полном объеме поддерживать взаимодействие как с клиентами, так и с устройствами».

«Иногда качество гораздо важнее цены» — примерно так можно описать бизнес-модель Научно-исследовательского и проектного института карбамида (НИИК), занимающегося проектированием и строительством заводов. Именно такой подход помогает получать контракты у зарубежных заказчиков и чувствовать себя уверенно. Однако непрерывно растущие требования рынка к гибкости и качеству услуг заставляют предприятие меняться — все больше становиться ИТ-компанией. В институте не только идет программа трансформации, но и сформирован специальный проектный офис. Иван Смирнов, директор по информационным технологиям НИИК, рассказывает о причинах и следствиях цифровой трансформации в компании и ее влиянии на бизнес.

- Зачем предприятию потребовалась трансформация, почему не жилось по-старому?

Все идет от бизнеса, и правила рынка как раз и диктуют принципиально новые бизнес-процессы. Даже такие организации, как Главгосэкспертиза, уже готовы принимать документацию в электронном виде, и постепенно бумажный документооборот даже в нашей сфере сходит на нет. Все наши документы, знания, данные и работы будут существовать исключительно в цифровом виде, мы полностью откажемся от вороха бумаг.

- Как давно пришли к этому пониманию? Когда программа трансформации была запущена и какие этапы включает?

Иван Смирнов: «С появлением трехмерного проектирования, когда люди одновременно работают над единой цифровой моделью предприятия, они работают совершенно по-другому. Нет бумажной волокиты, отслеживание всех коллизий происходит в реальном времени, все сотрудники, задействованные в проекте, работают без лишней передачи заданий и понимают, что делают».

До сих пор бытует ошибочное мнение, что трансформация началась еще в 90-е годы, когда кульманы стали заменять на компьютеры и использовать первые программы проектирования. Но тогда ничего кардинально не поменялось и все бизнес-процессы остались прежними. Лет восемь назад, когда мы начали создавать промышленный комплекс АМК в Менделеевске, впервые встал вопрос о том, что надо меняться. Вопрос был не только в том, что документация должна выпускаться «в цифре», но и в явных пережитках прошлого, мешающих работе, — «амбарных книгах» при согласовании и выдаче заданий, когда происходили потери документов, оригиналов с синими подписями. Пришли к выводу, что с этим надо что-то делать, искать программные решения, уходить от той заскорузлости, которая шла за нами на протяжении 66 лет существования предприятия.

Мы — одно из первых российских предприятий, занимающееся проектированием, строительством и поставкой заводов под ключ. Это довольно сложный и трудоемкий процесс. До сих пор мы растем и продолжаем меняться. Постепенно приходим к тому, что нужно избавляться от ручного управления, что нужны новые системы.

Как таковая программа трансформации предприятия появилась около четырех лет назад, и мы уже точно представляем, куда движемся. Первая ее стадия — система инженерного документооборота, и это главное, над чем сейчас продолжаем работу. Далее идут система ERP, система договорного документооборота, планирование (оно уже внедрено), трехмерное проектирование — довольно большой пласт работ.

- То есть появление программы трансформации не было связано с бумом на рынке, когда все стали говорить про цифровизацию?

Надо сказать, что у нас это произошло с опережением рынка на год-два. Когда у многих начались активные разговоры, у нас уже шла работа. Когда только начались разговоры о публичных и частных облаках, мы уже использовали облачные сервисы. У нас получается несколько опережать тренды, озвучиваемые на конференциях.

- С чем это связано? В организации есть евангелисты с видением будущего?

Во-первых, нам приходится довольно много взаимодействовать с иностранными лицензиарами — европейскими и японскими компаниями. Видя, как работают коллеги за рубежом, мы начинаем понимать собственные недостатки. Очень важно, когда есть пример для подражания. Компания вкладывает много средств в технологии, причем не просто в ИТ, а именно в интеллектуальность работы с информацией.

- Наверняка реализуемые проекты оцениваются. Каких результатов удалось добиться, чем вы можете гордиться?

Первое и главное — система трехмерного проектирования. Это действительно очень проблемный момент, влияющий на скорость и качество работ: когда люди проектируют в 2D, идет постепенное проектирование от генплана и выше. Трехмерное же проектирование позволяет всем смежным отделам вести работу одновременно. Мы применяем весьма дорогостоящую систему Aveva — практически полное вертикальное решение, используемое всеми службами проектирования. Когда все службы имеют дело с единой базой и происходит сквозное проектирование, работа становится гораздо качественнее. А для нас качество выполнения работ — одно из основных конкурентных преимуществ.

Кроме того, можно упомянуть внедрение системы инженерного документооборота. Здесь важную роль играет уход от «файловых помоек» к нормальному электронному архиву. Это предотвращает потери документов.

- На что это повлияло с точки зрения бизнеса?

Наши позиции на рынке заметно усилились, причем именно благодаря качеству документации. Стали выигрывать больше тендеров, стали иметь возможность поднимать цены за работу. Наши услуги не дешевые, потому что мы предлагаем высочайшее качество. Во многом мы имеем возможность диктовать свои правила.

- Наиболее радикально трансформация проявляется, когда заметно влияет на бизнес, вплоть до изменения бизнес-модели. Что это означает в ваших реалиях?

Основная работа института — проектирование. С появлением трехмерного проектирования, когда люди одновременно работают над единой цифровой моделью предприятия, они работают совершенно по-другому. Нет бумажной волокиты, отслеживание всех коллизий происходит в реальном времени, все сотрудники, задействованные в проекте, работают без лишней передачи заданий и понимают, что делают. Это на самом деле огромное изменение, совершенно новая методология. Сейчас мы разрабатываем правила и регламенты ведения этой новой методологии проектирования. Новая методология сама по себе означает трансформацию компании.

Раньше, чтобы найти ответ на вопрос, почему мы спроектировали именно так, приходилось тратить часы, а теперь достаточно считанных секунд. Возможно, изменения и незаметны извне, но они огромны.

- Выделенная программа трансформации, наличие проектного офиса — очень серьезный подход, который пока используется не везде. Что подвигло к этому?

Проектные офисы у нас вообще повсеместно используются, это стандартный подход. Что касается трансформации, то у нас довольно большая служба ИТ, и я имею право выделять самых лучших и заинтересованных людей в команды, занимающиеся нововведениями. Как показывает практика, именно проектные офисы позволяют наиболее оперативно решать задачи в условиях горизонтального планирования.

- Выделение самых светлых голов под эти проекты не бьет по остальным задачам?

Это не идет в ущерб остальной работе, полностью остальные задачи не снимаются. Но, разумеется, мы договариваемся о компенсации дополнительных усилий.

Иногда происходит замещение новыми кадрами. Например, когда я для внедрения системы инженерного документооборота взял из одной проектной группы лучшего сотрудника, чтобы он 50% своего времени уделял проекту, то компенсировал его студентом. Основные процессы не пострадали, а я приобрёл 50% рабочего времени высококлассного сотрудника, который был и айтишником, и проектировщиком.

- Значимым трендом становится появление в крупных компаниях «цифровых» директоров — CDO. Зачастую это говорит о серьезности подхода. Почему у вас обошлось без этого?

Подозреваю, что мои обязанности во многом совпадают с обязанностями цифровых директоров в тех больших компаниях, имеющих много денег. Мы — полностью частный бизнес, и тратиться на лишнюю должность не считаем возможным. Есть я, и у меня внутри службы ИТ есть ряд помощников, среди которых можно распределить новые роли.

Вопрос правильного распределения ролей действительно важен. Например, ИТ-директору очень сложно совмещать свою роль и руководство службой ИБ. Это действительно должны быть два разных человека, которым придется между собой «воевать». В случае CIO и CDO все не столь очевидно. Мы эти обязанности возложили на одного из начальников отдела и неплохо взаимодействуем, временами меняясь ими. Например, когда мы внедряли ITIL, я был настроен консервативно, а коллега выступал в роли инноватора — CDO.

- Цели трансформации — как быстрые, так и долгосрочные — могут быть различными: повышение эффективности работы, максимально быстрое извлечение прибыли, эффективность коммуникаций, конкурентоспособность, новые бизнес-модели. Что из перечисленного все-таки является наиболее важным для вас?

Эти эффекты невозможно разделять, они связаны между собой. Мы трансформируемся постоянно, и нельзя сказать, что мы были гусеницей, а стали бабочкой. Идет постоянный клубок изменений, трансформаций. Та гибкость, которую приобрела наша компания, позволяет нам работать с такими странами, как Индия, Катар, Иран, и одновременно с Японией и европейскими заказчиками. Как вы знаете, подходы к бизнесу в этих странах кардинально различаются. Сейчас в качестве перспективного рынка рассматривается Латинская Америка. Приходится быть очень гибкими, а это подразумевает постоянную трансформацию.

- Что для вас означает возможность выхода на новые рынки?

Цифровизация дает возможность работы в любом часовом поясе, что для нас очень важно. Мы разрабатываем документацию, и если рабочий день инженера проекта будет на 12 часов отличаться от рабочего дня нашего проектного офиса, то невозможно будет даже провести совещание без системы управления проектными данными, системы документооборота. Именно новые рынки и диктуют потребность в гибкости.

- Типична ситуация, когда изменения поддерживаются на верхнем уровне. Это понятно — без такой поддержки невозможно ничего сделать. Но многие также отмечают либо равнодушие, либо сопротивление на нижнем уровне. Как с этим бороться? Ведь именно от рядовых сотрудников в итоге зависит эффективность работы.

Все годы работы мы не только аккумулируем лучший опыт и экспертизу, но и сталкиваемся с консерватизмом сотрудников. При внедрении новых продуктов людям всегда что-то неудобно. Проблемы были всегда, и они будут только усугубляться, если людей не заставлять учиться.

Подавляющее большинство наших сотрудников — инженеры. В Mitsubishi, например, полагают, что 40% работы инженера — это обучение новому. Мы тоже должны заставлять своих пользователей учиться, в том числе учиться принимать новшества.

Но вендоры и интеграторы обязаны понимать, что их продукты должны быть удобными. Мы постоянно сталкиваемся с тем, что решения, предлагаемые на рынке, в том числе под флагом цифровой трансформации, неудобны и нелогичны. Если вместо одного-двух движений мышью требуется сделать четыре-пять, это сильно отталкивает пользователя от нового. Логика программных продуктов прорабатывается действительно плохо. Отсюда и отторжение: люди загружены сверх меры, и они не склонны осваивать новые системы. Ну а если предлагаемые решения вдобавок еще и неудобные, то сопротивление возрастает многократно.

Бороться можно с использованием административных ресурсов. И могут помочь разработчики. Но вместо этого они выставляют огромные цены за внедрение, консалтинг и обязательную техподдержку. Видя отсутствие альтернатив, компании пытаются диктовать свои правила.

- Важная часть трансформации — изменение корпоративной культуры, которая должна стать цифровой. Возможно ли решить эту проблему или надо просто ждать появления нового поколения сотрудников?

Это поколение уже пришло, «жертвы ЕГЭ» уже стучатся в дверь. Когда на государственном уровне прекратится доминирование бумажных документов, когда мы уйдем от синей подписи, от бумажного паспорта, тогда и произойдет смена культуры. Мы на пути к этому, и когда государственные, бытовые и промышленные сервисы реально перейдут в цифру, все и случится.

Надо радоваться, что портал Главгосэкспертизы для выгрузки документации очень сильно усовершенствовался за прошедший год. В прошлом году нам пришлось загружать 10 тыс. PDF-файлов по одному. Это заняло трое суток. Сейчас они научились принимать документацию пакетно.

- Каким вы видите будущее цифровой трансформации у вас?

Ответ очень прост. Мы начали с 3D-проектирования, внедряем системы управления данными и документацией. В итоге мы хотим получить сквозное «мульти-D»-проектирование и «мульти-D»-строительство завода, когда сможем отследить жизнь любого элемента любой конструкции в любой временной точке. Но это будущее станет таковым, только если программные продукты будут удобными и доступными. А наша компания готова к дальнейшей трансформации.

- Как вы видите свою роль в развитии компании?

Мы понимаем, что уже практически превратились в ИТ-бизнес. Я вижу свою роль в том, чтобы постоянно улучшать качество услуг, предоставляемых нашей компанией. Я — один из механизмов повышения качества этих услуг. Роль ИТ-руководителя уже давно стала очень близка к бизнесу. Технологии все глубже проникают в бизнес; можно сказать, что ИТ поглощают компанию. Это неизбежно по причине того, что все такие нововведения отражаются на заказчиках. Рано или поздно не производственные подразделения будут диктовать свои условия ИТ-отделу, а наоборот.

Вероятно, вы все чаще в последнее время слышите о машинном обучении. Но какие именно задачи позволяет решать машинное обучение?

Существует целый ряд методов и способов, у каждого есть свои возможные применения. Прежде чем бросаться планировать инвестиции в новые инструменты и инфраструктуру, стоит ознакомиться с возможностями, которые они предоставляют. Перечислим описания и особенности вариантов новшества, чтобы помочь не пасть жертвой нынешнего ажиотажа вокруг машинного обучения и искусственного интеллекта.

Способы машинного обучения

Обучение с учителем (Supervised learning)

Этот способ оптимален, если вы знаете, чему хотите научить машину. Вы можете познакомить компьютер с огромной обучающей выборкой данных и варьировать параметры до тех пор, пока не получите на выходе ожидаемые результаты. Затем можно уточнить, чему научилась машина, заставив ее спрогнозировать результат для контрольных данных, с которыми компьютер еще не сталкивался.

Чаще всего обучение с учителем применяется для задач классификации и прогнозирования. Обучение с учителем можно использовать при определении финансового риска частных лиц и организаций на основе имеющихся сведений о прошлой финансовой активности, можно неплохо прогнозировать покупательское поведение с учетом прежних закономерностей.

Обучение без учителя (Unsupervised learning)

При обучении без учителя машина исследует набор данных и выявляет скрытые закономерности корреляции между различными переменными. Этот способ можно использовать для группирования данных в кластеры на основании одних только их статистических свойств.

Хорошее применение обучения без учителя — алгоритм кластеризации, используемый для вероятностного соединения записей. Определяются связи между элементами данных и на основании этих отношений выявляются связи между людьми и организациями в физическом или виртуальном мире.

Вариант особенно полезен компаниям, которым нужно, например, объединить данные из разнородных источников или по различным структурным подразделениям, чтобы построить общую картину клиентуры.

Обучение без учителя также можно использовать для анализа тональности высказываний, чтобы определять эмоциональное состояние людей на основе их постов в социальных сетях, сообщений электронной почты и других записей. Сегодня, в частности, в компаниях, специализирующихся на финансовых услугах, с помощью обучения без учителя все чаще оценивают уровень удовлетворенности клиентов.

Обучение с частичным привлечением учителя (Semi-Supervised learning)

Это гибрид обучения с учителем и без. Разметив небольшую часть данных, учитель дает машине понять, каким образом кластеризовать остальное.

Способ можно применять для распознавания мошенничеств с попытками выдать себя за другого. Мошенничества можно классифицировать как аномалию на фоне обычной активности. Методы машинного обучения с частичным привлечением учителя позволяют создавать модели, распознающие такие аномалии. Соответствующие системы нередко применяются для выявления попыток мошенничеств при онлайн-сделках.

Обучение с частичным привлечением учителя также можно применять в случаях, когда есть готовые наборы частично размеченных данных, что характерно для крупных предприятий. В Amazon, например, улучшили способности цифрового ассистента Alexa понимать естественный язык, обучая алгоритмы искусственного интеллекта на сочетаниях размеченных и неразмеченных данных. Благодаря этому удалось повысить точность ответов Alexa.

Обучение с подкреплением (Reinforcement learning)

При обучении с подкреплением машине позволяют взаимодействовать с окружением (например, сбрасывать бракованную продукцию с конвейера в корзину) и «вознаграждают», когда она правильно выполняет задание. Автоматизировав подсчет вознаграждений, можно дать возможность машине обучаться самостоятельно.

Одно из применений обучения с подкреплением — сортировка товаров в розничных магазинах. Некоторые продавцы экспериментируют с роботизированными системами сортировки предметов одежды, обуви и аксессуаров. Роботы, используя обучение с подкреплением и глубинное обучение, определяют, насколько сильно нужно сдавить предмет при хватании и какой хват будет наилучшим.

Разновидность этого способа, глубинное обучение с подкреплением, хорошо подходит для автономного принятия решений в случаях, когда возможностей обучения с учителем и без недостаточно.

Глубинное обучение (Deep learning)

Глубинное обучение может проходить как без учителя, так и с подкреплением. При глубинном обучении частично имитируются принципы обучения людей — используются нейронные сети для все более подробного уточнения характеристик набора данных.

Глубинные нейронные сети применяются, в частности, для ускорения скрининга больших объемов данных при поиске лекарственных средств. Такие нейросети способны обрабатывать множество изображений за короткое время и извлечь больше признаков, которые модель в конечном счете запоминает.

Этот способ тоже широко применяется для борьбы с мошенничествами, так как улучшает точность распознавания благодаря автоматизации.

Глубинное обучение может использоваться в автомобильной отрасли при выполнении ремонта и профилактического обслуживания.

Методы машинного обучения

Нейронные сети

Нейронные сети имитируют структуру головного мозга: каждый искусственный нейрон соединяется с несколькими другими нейронами. Нейросети имеют многослойную структуру: нейроны на одном слое передают данные нескольким нейронам на следующем и т. д. В конечном счете данные достигают выходного слоя, где сеть выдает предположение о том, как решить задачу, классифицировать объект и т. п.

Нейросети применяются в целом ряде отраслей. В здравоохранении их используют при анализе медицинских снимков с целью ускорения диагностических процедур и поиска лекарств. В телекоммуникационной отрасли и медиаиндустрии нейросети можно применять для машинного перевода, распознавания мошенничеств и предоставления услуг виртуальных ассистентов. В финансовой отрасли их используют для распознавания мошенничеств, управления портфелями и анализа риска. В розничной торговле — для избавления от очередей в кассу и для персонализации обслуживания покупателей.

Дерево решений

Алгоритм дерева решений классифицирует объекты, отвечая на «вопросы» об их атрибутах, расположенные в узловых точках. В зависимости от ответа выбирается одна из ветвей, и так до тех пор, пока не будет достигнут «лист» — окончательный ответ.

Среди применений дерева решений — платформы управления знаниями для клиентского обслуживания, прогнозного назначения цен и планирования выпуска продукции.

В страховой компании дерево решений поможет выяснить, какие виды страховых продуктов и премий лучше задействовать с учетом возможного риска. Используя данные о местонахождении и сведения о страховых случаях с учетом погодных условий, система может определять категории риска на основании поданных требований и затраченных сумм. Затем, используя модели, система будет оценивать новые заявления о страховой защите, классифицируя их по категории риска и возможному финансовому ущербу.

«Случайный лес»

Чтобы одиночное дерево решений давало точные результаты, его нужно обучать, алгоритм же случайного леса (random forest) использует «комитет» случайным образом созданных решающих деревьев с разными наборами атрибутов и дает возможность им проголосовать, чтобы выбрать самый популярный класс.

Случайный лес — универсальный, быстро обучаемый механизм для обнаружения связей внутри набора данных. В пример можно привести нежелательные массовые рассылки, создающие проблемы не только пользователям, но и провайдерам Интернета, которым из-за спама приходится иметь дело с повышенной нагрузкой на серверы. Для борьбы с проблемой были разработаны автоматизированные методы фильтрации спама, которые с помощью ансамбля решающих деревьев быстро и эффективно определяют нежелательные письма.

Среди других применений — диагностика заболеваний путем анализа медицинской карты пациента, распознавание банковских мошенничеств, прогнозирование числа звонков в колл-центрах и прогнозирование вероятности прибыли и убытка при покупке определенных акций.

Кластеризация

Кластеризация — это группирование элементов данных, имеющих сходные характеристики, с помощью статистических алгоритмов. Это метод обучения без учителя, который можно использовать для решения задач классификации.

Примеры: сегментирование покупательской аудитории в зависимости от характеристик для уточнения адресации маркетинговых кампаний; рекомендации новостей конкретным читателям; помощь в работе правоохранительным органам.

Кластеризация также действенна, когда в сложных наборах данных нужно обнаружить группы, которые трудно заметить без специальных средств. Примеры — от группирования похожих документов в базе данных до обнаружения по криминальным новостям территорий с повышенным уровнем преступности.

Поиск ассоциативных правил

Поиск ассоциативных правил — это метод обучения без учителя, позволяющий находить отношения между переменными. Используется в движках выдачи рекомендаций — именно этот метод применяется во многих интернет-магазинах для составления фразы «Вместе с этим товаром обычно покупают...».

Конкретный пример — повышение продаж в магазине деликатесов. Изучив покупательское поведение путем поиска ассоциативных правил, можно предлагать специальную упаковку и наборы для праздников и других особых случаев. Ассоциативные правила позволяют выяснить, когда и при каких обстоятельствах покупатели приобретают те или иные сочетания товаров. Используя сведения о прошлых покупках и времени их совершения, можно составить программу скидок и сформировать индивидуальные предложения с расчетом на повышение продаж.

— Bob Violino. Machine learning: When to use each method and technique. InfoWorld. SEP 6, 2018

Искусственный интеллект и машинное обучение меняют производственную отрасль. Согласно отчету, опубликованному Всемирным экономическим форумом, сочетание искусственного интеллекта, передовых роботов, аддитивного производства и Интернета вещей приведет нас к четвертой индустриальной революции.

Большинство производственных компаний (80%) ожидают от достижений в области искусственного интеллекта позитивного эффекта. Прогнозируется рост оборота на 22,6% и снижение затрат на 17,6%.

Технологии искусственного интеллекта и машинного обучения уже сейчас используются на производстве для уменьшения простоев оборудования, выявления производственных дефектов, совершенствования цепочек поставок и сокращения сроков проектирования. Однако нехватка квалифицированного персонала, необходимых данных и стандартов мешает многим компаниям продвигаться в этом направлении.

General Electric на переднем крае

Компания General Electric находится в авангарде промышленной трансформации. Производственный спад в отрасли стал для компании хорошим стимулом к изучению возможностей искусственного интеллекта.

«До 2010 года рост производительности труда у нас составлял 4–5%, — отметил вице-президент компании по исследованиям в сфере программного обеспечения Колин Пэррис. — Но затем ситуация в отрасли изменилась. Опытные инженеры увольнялись, а в новых регионах, в том числе в Индии и Китае, компанию представляли главным образом молодые работники».

Между тем клиенты становились все требовательнее. Появлялись новые маршруты, а сложные погодные условия и загрязнение воздуха отрицательно отражались на выпускаемых GE реактивных двигателях. Стало крайне необходимо повысить их надежность и сократить простои в работе.

К тому же клиенты ожидали и дальнейшего снижения цен.

Чтобы добиться всего этого, в GE решили обратиться к искусственному интеллекту и машинному обучению. Начать было решено с сервисов, предоставляемых клиентам, — обслуживания реактивных двигателей и турбин. Затем компания стала применять искусственный интеллект на внутреннем производстве, а потом — в проектировании и внутренних процессах, в том числе при выполнении операций в ЦОДе и работе с кадрами.

«Различные модели и формы анализа в сервисах мы используем по меньшей мере на протяжении последних 10–15 лет, — указал Пэррис. — Пять лет назад GE начала применять машинное обучение и цифровых двойников, которые виртуально моделировали работу части оборудования (например, ветряной турбины) или комплекса (ветряной электростанции)». Цифровые двойники могут найти применение при моделировании работы сборочной линии, всей фабрики или процесса закупок.

В компании GE цифровые двойники (Digital Twin — программный аналог физического устройства, моделирующий внутренние процессы, технические характеристики и поведение реального объекта в условиях помех и воздействия окружающей среды. Для задания на него входных воздействий используется информация с датчиков реального устройства, работающего параллельно. — Прим. ред.) использовались для моделирования эффективности, предсказывания сбоев и быстрого тестирования потенциальных улучшений.

«Мы можем прогнозировать, какие детали выйдут из строя, и у нас есть нужные инженеры и запасы необходимых комплектующих, — отметил Пэррис. — Мы способны увеличить сроки эксплуатации самолетов, не прибегая к техническому обслуживанию, в котором нет необходимости. Благодаря этому нам удалось сэкономить клиентам миллионы долларов».

Дополнительным преимуществом цифрового двойника любого оборудования, системы или процесса стало использование GE аддитивного производства (трехмерной печати) для создания индивидуальных компонентов. Компания перестала заказывать запчасти, которые требовали организации масштабного производства на традиционных сборочных линиях.

«Машины изнашиваются по-разному, — подчеркнул Пэррис. — Аддитивное производство позволяет выпускать запчасти в единичных экземплярах, обеспечивая устранение неисправностей отдельно взятой машины, эксплуатируемой в конкретной среде. Нам больше не нужно строить огромные фабрики, которые будут производить массу запчастей исходя из усредненных потребностей, — раньше на строительство таких фабрик уходили сотни миллионов долларов. Теперь я печатаю нужную мне деталь и могу постоянно адаптировать как тело машины, так и ее мозг. У меня появляется машина, которую можно непрерывно адаптировать для достижения все более высокой эффективности — машина, которую мы называем бессмертной».

Многообещающая прогнозная диагностика

Другие производители также намерены использовать искусственный интеллект и машинное обучение, чтобы сократить затраты и повысить эффективность.

Международная компания Jabil, оказывающая услуги по контрактному производству электроники, несколько месяцев назад начала использовать искусственный интеллект для прогнозной диагностики и выявления производственных дефектов.

На одной из ее фабрик в Китае были установлены машины оптического контроля с несколькими камерами, способные выявлять дефекты в печатных платах.

Базовая технология распознавания образов уже применяется для обнаружения неисправностей, но 35–40% плат, помечаемых системой и направляемых операторам для изучения, на самом деле не имеют никаких дефектов.

«Операторам дается всего две секунды на каждое изображение, но сложность в том, что некоторые платы имеют довольно большие размеры и состоят из сотен компонентов, — рассказывает старший менеджер компании Райан Литвак. — Нам приходилось полагаться лишь на опыт и интуицию операторов».

Уменьшив число помечаемых плат без ущерба для точности, Jabil сможет предоставить операторам больше времени для изучения проблемных плат или выполнения других, более важных задач.

«Нам удалось добиться по-настоящему хороших результатов — довести долю отобранных плат, имеющих реальные дефекты, до 93–98%, — подчеркнул Литвак. — Число отобранных компонентов, у которых не было дефектов, сократилось на 70%».

Концепция подтвердила свою жизнеспособность на двух производственных линиях с одинаковым оборудованием и процессами. Теперь в Jabil намерены перенести полученный опыт и на другие линии с увеличением объемов обрабатываемых данных и интеграцией нового процесса принятия решений.

Еще одной областью, на которую нацелена компания, является прогнозная диагностика. Здесь основная задача — это получение необходимых данных.

«В компании используется много разных систем, много разного оборудования, ­— указал Литвак. — В каком-то имеются собственные системы обслуживания, в каком-то — нет. Некоторые поставщики ведут учет техобслуживания посредством электронных таблиц, другие же используют для этого системы собственной разработки».

Исследователи данных Jabil занимаются нормализацией этих данных и в сотрудничестве с экспертами Microsoft создают модели глубинного обучения, которые нужны для прогнозирования сбоев оборудования.

Согласно результатам исследования McKinsey, прогнозная диагностика промышленного оборудования с использованием искусственного интеллекта позволяет сократить ежегодные затраты на техобслуживание на 10%, уменьшить продолжительность простоев на 20% и снизить затраты на проведение контроля на 25%.

«В последние месяцы мы видим немалый интерес к экспериментальным проектам с конкретными сценариями использования искусственного интеллекта, — отмечают в McKinsey. — Особенно это касается использования компьютерного зрения и информации, собранной датчиками для проверки качества и прогнозной диагностики. В настоящее время в нескольких компаниях идет внедрение таких приложений компьютерного зрения на основе искусственного интеллекта, и стоит отметить, что они открывают потрясающие возможности. Но компаниям, чтобы получить реальную практическую отдачу, нужно быстро переносить из экспериментальных систем накопленные знания и трансформировать искусственный интеллект для конкретных функций и процессов».

Вопрос точности

Компания Lennox International, выпускающая системы вентиляции, отопления и кондиционирования воздуха, только приступает к использованию средств распознавания образов для выявления производственных дефектов.

«Уровень точности здесь значительно выше, чем у человека, — отметил директор компании по ИТ и развивающимся технологиям Сунил Бондалапати. — Уже сейчас нам удалось повысить точность примерно на 20%. И мы рассматриваем это приложение не с точки зрения оптимизации численности персонала, а с точки зрения увеличения точности».

Lennox предоставляет своим клиентам оборудование в аренду, и для этой компании, как и для General Electric, улучшение техобслуживания имеет очень большое значение.

Сегодня оборудование для вентиляции, отопления и кондиционирования воздуха передает данные о параметрах функционирования в облако. Каждый час генерируется около 8 млн новых записей.

Внедрение средств искусственного интеллекта позволит компании прогнозировать сбои оборудования в реальном времени, что раньше считалось невозможным.

«Здесь-то и вступает в действие искусственный интеллект, — пояснил Бондалапати. — Можно восстановить контекст работы оборудования, скажем, двухлетней давности — как оно функционировало при температуре 40°С и определенной влажности. Какова была его эффективность тогда и какова эффективность сейчас».

К реализации проекта в Lennox приступили несколько месяцев назад. Первые результаты оказались весьма неплохими.

Уже сейчас затраты Lennox на вычислительные системы и средства хранения удалось сократить наполовину. При этом для консолидации данных используется технология DataBricks.

Еще одной областью применения искусственного интеллекта в компании является финансовая сфера. Например, расчет бюджета, закладываемого на исполнение компанией своих гарантийных обязательств.

Бондалапати подчеркнул: «Сегодня благодаря средствам искусственного интеллекта мы можем прогнозировать сроки службы каждого из компонентов с подачей в гарантийную службу заявок на формирование соответствующих запасов. Причем сведения эти ежедневно корректируются с учетом новых данных». Ожидается, что общий объем поддерживаемых запасов удастся сократить на 10%.

Искусственный интеллект в Lennox используется и для бухгалтерских задач.

«В гроссбух заносятся миллионы записей, — пояснил Бондалапати. — Человеку просто не под силу отследить все ежедневные проводки. Вместе со своей командой я ищу возможности применения искусственного интеллекта в интересах бизнеса. В этом смысле мы похожи на внутреннюю консультационную организацию. Мы постоянно продаем свои консультационные услуги. Всякий раз мы предлагаем опробовать какие-то новые сценарии. Lennox еще только втягивается в игру искусственного интеллекта. В таких отраслях, как наша, путь искусственного интеллекта непрост и требуются реальные результаты, чтобы изменить отношение скептически настроенной аудитории».

Встраивание искусственного интеллекта в процесс проектирования

Сотрудники исследовательского центра Xerox в Пало-Альто (Palo Alto Research Center, PARC) пытаются справиться с проблемами отсутствия необходимых знаний и данных на чрезвычайно сложном и трудоемком этапе проектирования производственного процесса. Именно в PARC появились такие инновации, как лазерная печать, объектно-ориентированное программирование, графический пользовательский интерфейс, оптические средства хранения данных и многие другие технологии.

«Искусственный интеллект способен учесть функциональные требования, затраты, требования регулирующих органов и производственные ограничения и предложить решения, которые человеку даже не придут в голову», — отметил вице-президент Xerox по научно-исследовательской работе Эрсин Узин.

После того как эскиз готов, сотрудники центра приступают к разработке технологии создания объекта с использованием субтрактивных и аддитивных производственных методов и учетом несовершенства существующих конструкций и производственных технологий.

«Производство — это та область, где физические возможности сильно отличаются от того, чем можно управлять при помощи программного обеспечения, — указал Узин. — У нас есть новые потрясающие материалы, новые аддитивные производственные технологии, гибридные производственные машины. Но используемое программное обеспечение отстает от имеющихся материалов и инструментов на целое поколение. У нас есть машины, позволяющие организовать аддитивное и субтрактивное производство прямо сейчас, но вы не можете создать проект для такого производства. Все приходится выполнять вручную, но при организации сложного производства это выходит за рамки когнитивных возможностей работающих там людей».

«При разработке инструментов проектирования, которые поспевали бы за темпами изменений в науке о материалах и производственных технологиях, в них необходимо встраивать средства искусственного интеллекта», — заявил руководитель одного из подразделений PARC Саи Нелатури.

Сотрудники PARC работают над созданием стандартов и протоколов, обеспечивающих взаимодействие всех разобщенных систем производственных предприятий, а также над созданием алгоритмов на основе искусственного интеллекта для оптимизации энергопотребления, пропускной способности, повышения эффективности и безопасности.

«Непосредственной реализацией технологии в PARC не занимаются, — сообщил Узин. — Мы являемся инновационным партнером и технологическим провайдером. Проектируем технологии, доводим их до стадии прототипа и ищем партнера, который займется их выводом на рынок».

Сегодня PARC сотрудничает с крупными и мелкими производственными компаниями, которые тестируют технологии и выводят их на рынок.

«Технологии искусственного интеллекта помогают небольшим и средним производителям поддерживать свою конкурентоспособность на должном уровне и возвращать рабочие места в США, — добавил Узин. — А вокруг уже сложившейся экосистемы происходит формирование новых рабочих мест».

Главные ограничения искусственного интеллекта: опыт и данные

Машинному обучению и расширенной аналитике отводится важная роль в прогнозной диагностике и других аспектах производственного процесса.

Результаты недавнего исследования, проведенного PricewaterhouseCoopers, показывают, что 78% производственных компаний уже развернули или планируют развернуть у себя технологии прогнозной диагностики. Далее следуют системы управления производством (73%), цифровые двойники (60%) и автоматизация с использованием роботизированных процессов (59%).

Об использовании искусственного интеллекта или о планах такого использования упомянули только 29% опрошенных. В PwC объясняют это необходимостью выхода за рамки машинного обучения и расширенной аналитики для принятия независимых когнитивных решений.

Сегодня основное внимание уделяется технологиям встроенного искусственного интеллекта и машинного обучения, позволяющим сократить затраты, отмечают в PwC. Некоторые из этих технологий помогут компаниям увеличить масштабы и вывести эффективность на новый качественный уровень.

В PwC также отмечают, что клиентский спрос и давление со стороны «разрушителей» сложившихся устоев заставляют производственные компании меняться.

Однако технология еще не обладает той зрелостью, которой хотелось бы ее пользователям. А нехватка знаний в области искусственного интеллекта и полезных данных становится дополнительным фактором, сдерживающим ее продвижение.

Результаты опроса PwC показали, что 52% производственных компаний, внедряющих у себя средства искусственного интеллекта, главным препятствием считают отсутствие квалифицированного персонала, а 42% — отсутствие необходимых данных.

— Maria Korolov. How AI is revolutionizing manufacturing. CIO. September 6, 2018

НПО «Энергомаш» им. академика В.П.Глушко, входящее в госкорпорацию «Роскосмос», ведет свою историю с конца 20-х годов прошлого века и является главным поставщиком ракетных двигателей для ракет-носителей не только российского, но и зарубежного производства. На двигателях НПО «Энергомаш» был запущен первый спутник Земли, отправился в космос первый космонавт Юрий Гагарин, запущены космическая система «Энергия-Буран», а также американские РН Atlas и РН Antares. Сегодня НПО «Энергомаш» — это конструкторское бюро, высокотехнологичное производство и мощный испытательный комплекс, а кроме того, предприятие выполняет роль управляющей компании интегрированной структуры ракетного двигателестроения.

НПО «Энергомаш» развивается динамично, но не собирается почивать на лаврах и декларирует курс на цифровую трансформацию. Для чего этого делается и какие задачи предстоит решить, рассказывает Денис Савенков, заместитель генерального директора НПО «Энергомаш» по развитию информационных технологий.

— Что включает в себя стратегия цифровой трансформации НПО «Энергомаш»?

Денис Савенков: «Нужно везде относиться к своей деятельности с точки зрения экспериментов, инновационности и понимать, что если стоять на месте, то тебя просто выкинут на обочину конкуренты»

Наша стратегическая цель — внедрение на предприятии цифрового производства к 2020 году. Что под этим подразумевается? Полная цифровая разработка, проектирование изделия и его изготовление. Для этого мы должны максимально автоматизировать станочный парк и организовать контроль за исполнением технологических процессов.

Еще одна важная задача — создание цифрового двойника изделия. С рождением 3D-модели на этапе проектирования у каждого двигателя появляется свой цифровой двойник, который собирает всю информацию о нем на протяжении его жизненного цикла, включая эксплуатацию. Это делается, чтобы в цифре иметь абсолютно все параметры для моделирования и анализа отклонений. Таким образом, ракетный двигатель полностью переносится в «матрицу».

— А каковы основные этапы и проекты реализации этой стратегии?

Прежде всего это масштабные проекты внедрения систем PLM и ERP. Ключевое в них то, что проекты начаты, реализуются и должны быть одновременно завершены за два-три года, одними и теми же людьми. 15 функциональных направлений в ERP, восемь направлений в PLM, системы управления технологическими процессами, электронного документооборота, управления проектами, данными и множество других подсистем. Их синхронизация по срокам, ресурсам, финансам представляет для нас наибольший вызов, поскольку, когда десятки направлений друг от друга зависят, колоссально усложняется управляемость процесса. Также задачи цифровизации подразумевают формирование штатных оргструктур, вовлечение и мотивацию персонала на инновации и эксперименты, формирование «цифровой» корпоративной культуры, новых технологических процессов.

— Если системы PLM и ERP закладывают основу цифрового предприятия, они должны быть между собой сильно интегрированы?

Конечно. Это, по сути, единая платформа.

— В чем же принципиальное отличие этих проектов от автоматизации производственного предприятия? Говоря о цифровой трансформации, подразумевают новые бизнес-модели, новые продукты, новый пользовательский опыт. Повлечет ли реализация этих инициатив коренные изменения в том, как НПО «Энергомаш» работает, что выпускает на рынок и как на рынке позиционируется?

Ракетно-космическая отрасль не может полностью уйти в цифру и онлайн, как это, скажем, реализовано в банковском секторе. У нас очень большую роль играют правила и регламенты, которые устанавливались многими десятилетиями, и выполнение их требований так просто в «цифру» не переведешь. Но сделать цифровизацию по максимуму возможно. И это не просто автоматизация, а создание новых бизнес-процессов, которые без «цифры» не реализуемы.

К тому же, помимо основных процессов, у промышленного предприятия есть вспомогательные сущности — обеспечение безопасности, повседневная жизнь персонала, различные обслуживающие процессы, где цифровизация позволяет привнести много нового и некоторые процессы трансформировать. Например, в информационной безопасности активно применяется искусственный интеллект для детектирования атак, выявления инцидентов и отклонений в поведении людей.

— Невозможность перевести в цифру существующие регламенты — это бюрократия, которая тормозит отрасль, или объективная необходимость?

Это бюрократия в хорошем смысле слова. Это управление рисками. Космос — очень высокорискованная отрасль, поэтому многочисленные испытания и приемки, контроль со стороны Минобороны и жесточайшие регламенты иностранных заказчиков — объективная необходимость.

— Почему предприятию вообще нужна цифровизация на данном этапе?

Цифровая трансформация необходима, чтобы ускорить вывод на рынок новых изделий, сократить затраты на их производство и повысить качество выпускаемой продукции.

— Вы находитесь в конкурентной среде — на внутреннем рынке и на внешнем?

Поскольку в интегрированную структуру под эгидой НПО «Энергомаш» будут включены ведущие предприятия ракетного двигателестроения, то в России у нас ни с кем прямой конкуренции нет. Но мы достаточно сильно влияем на конкурентоспособность самой ракеты-носителя, так как стоимость двигательных установок — это примерно 40% от ее общей стоимости. И во всем мире ситуация аналогичная. В настоящее время Россия остается одним из мировых лидеров по количеству пусков. Терять эти позиции нельзя, а чтобы их удержать, надо в первую очередь заботиться о качестве и конкурентоспособной цене ракет.

— А какова роль цифровизации в разработке новых изделий?

Новый вызов в ракетном двигателестроении — создание ракетного двигателя на другом виде топлива: метане или водороде. Разработка таких двигателей с заданными требованиями возможна только с помощью принципиально новых инструментов проектирования, в том числе с использованием платформы PLM.

— Как осуществляется цифровизация в интегрированной структуре? Процессы идут на всех предприятиях одновременно?

Головным предприятием интегрированной структуры является НПО «Энергомаш», действующее промышленное предприятие, поэтому все решения мы обкатываем здесь, а когда в 2020 году сделаем его цифровым предприятием, начнем тиражировать опыт на все дочерние общества. Они во многом схожи, но есть и специфика — региональная, ментальная, и это накладывает отпечаток на их уровень развития, в том числе в ИТ-сфере.

— НПО «Энергомаш» участвует в международной кооперации. Чувствуете ли вы отставание по цифровизации от западных партнеров?

В целом мировая космическая отрасль довольно закрытая, и у нас не очень много информации о ситуации у конкурентов. Но наши заказчики — ракетчики, в том числе американские, — достаточно высоко отзываются о состоянии и развитии процессов и их автоматизации в российском двигателестроении.

— В проекте ERP вы пошли по пути импортозамещения, выбрав «Галактику». Почему?

Мы хорошо знаем SAP, решения компании работают у нас на пермском «Протон-ПМ». Очень внимательно изучали «Галактику», другие платформы и пришли к выводу, что функционал «Галактики» больше всего отвечает требованиям на ближайшие годы в рамках всего холдинга.

— Находит ли отражение в вашей стратегии госпрограмма «Цифровая экономика»?

Формально мы акционерное общество, поэтому напрямую не задействованы в первом эшелоне реализации госпрограммы. Но активно участвуем, например, в инициативе Минэкономразвития по внедрению на предприятиях с госучастием позиции руководителя цифровой трансформации (Chief Digital Officer, CDO). НПО «Энергомаш» входит в число 20 пилотных организаций по реализации этой инициативы.

— И у вас уже есть «цифровой» директор?

Мы приняли решение пока совмещать эту должность с позицией ИТ-директора, то есть руководителем цифровой трансформации в НПО «Энергомаш» являюсь я. После апробации, определения ключевых задач и понимания масштаба цифровых преобразований будем принимать решение о продолжении работ.

— Как вы относитесь к лозунгам Индустрии 4.0? Готова ли наша промышленность воплощать их в жизнь?

Индустрия 4.0 — не лозунг и не миф, а вполне конкретные технологии, большинство из которых уже зрелые и дадут эффект, надо только поставить перед собой цель скрупулезно в них разобраться и мудро подойти к вопросу их применения. Другое дело, что многие российские предприятия этап Индустрии 3.0, то есть автоматизации производства, не то что не прошли, но даже пока не начинали. Если нет PLM, ERP, MES, то внедрять виртуальную реальность или искусственный интеллект преждевременно.

— А в НПО «Энергомаш» есть реальные шаги в этом направлении?

Да, в ряде ключевых проектов уже реализуются технологии Индустрии 4.0. Например, Интернет вещей — интеграция «умных» датчиков с MES-системой, нейронные сети для распознавания лиц в системах промышленной безопасности, дополненная реальность в системе PLM, когда на физический объект с помощью очков или планшета накладывается регламент проведения технологических операций.

Практически каждую технологию Индустрии 4.0 мы либо изучаем и начинаем внедрять, либо уже используем, и масштабы их применения будут расширяться.

— В основе любой цифровой трансформации лежат данные: умение управлять большими объемами накопленных на предприятии и внешних данных, ставить их на службу бизнесу. Есть ли понимание этого в НПО «Энергомаш»? Какие проекты в области данных у вас реализуются?

Действительно, данные — основной инструмент Индустрии 4.0. Здесь самый яркий пример — перевод всех наших изделий в 3D-подлинник, то есть уход от чертежей и бумаги, и цифровой двойник изделия. Таким образом, мы переводим в цифру все данные об изделии и получаем возможность управлять этими данными.

На предприятии сейчас совместно с Abbyy начат пилотный проект информационно-поисковой системы — своего рода корпоративного Google. Аналогов на рынке я не знаю. Будет создана система, которая умеет очень быстро собирать всю разнородную информацию, накопленную с 1930-х годов, анализировать и выдавать корректный ответ на запрос, заданный человеческим языком. Алгоритмы машинного обучения позволят отражать в системе отраслевую специфику накопленных за десятилетия данных. В настоящее время идет пилот на нескольких источниках, а полномасштабная реализация стартует в начале 2019 года и займет около трех лет.

— Трансформация невозможна без инновационных идей. Сейчас крупные компании все чаще создают у себя специальные структуры для работы с инновациями. В НПО «Энергомаш» есть что-то подобное ?

Мы формируем свой акселератор — «Цифровую лабораторию», она призвана мобилизовать ресурсы для поиска и реализации лучших идей как внутри предприятия, так и вовне, в сотрудничестве со стартапами, университетами и научным сообществом.

— Как на предприятии, которое живет по строгим регламентам, построить работу с инновациями? С какими проблемами вы сталкиваетесь? Есть ли уже понимание, как их решать?

Основные сложности — в нецифровой культуре предприятия, в консервативности людей, их стремлении сохранить статус-кво. И общего рецепта, как с этим справиться, — нет. Каждое предприятие должно искать свои решения. Инновации должна продвигать небольшая группа увлеченных, незарегулированных окружающей обстановкой людей. Мы их собираем по крупицам со всех подразделений.

«Цифровая лаборатория» формируется на принципах экспериментаторства. За долгую историю НПО «Энергомаш» все, что относится к букве «Н» в аббревиатуре, было сосредоточено в конструкторском бюро. Но сейчас, чтобы предприятию выжить, букву «Н» необходимо распространить на все бизнес-процессы. И в кадры, и в снабжение, и в технологическую подготовку, и в ремонты. Нужно везде относиться к своей деятельности с точки зрения экспериментов, инновационности и понимать, что если стоять на месте, то тебя просто выкинут на обочину конкуренты.

— Как CDO вы получаете полномочия на распространение инновационной культуры? Наверно, просто ИТ-директору это было бы сделать сложнее?

ИТ-директору для этого понадобилось бы больше неформального авторитета и влияния, зависящего от его взаимоотношений с другими заместителями генерального директора. Плюс позиции CDO в том, что это формальный лидер процесса цифровой трансформации, наделенный соответствующими полномочиями и ресурсами.

— Какие еще важные полномочия имеет «цифровой» директор?

Их много, все функции CDO четко прописаны в «Рекомендациях по внедрению принципов и подходов цифровой трансформации», сформулированных Минэкономразвития РФ. Это организация инновационного проектного офиса, бюджетирование, планирование, формирование пула проектов на ближайшую и среднесрочную перспективу, управление этими проектами, вовлечение всего персонала предприятия в инновационность, что, в свою очередь, означает проведение обучения, привлечение инноваторов для распространения культуры на остальные подразделения. Это определение модели данных в компании — чтобы данные стали мощным инструментом цифровизации.

— Есть еще один CDO — Chief Data Officer, директор по данным. У вас эта позиция будет реализована как подмножество функций Chief Digital Officer?

Думаю, да, отдельный директор по данным в нашем случае не нужен. Сейчас есть тенденция совмещать эти позиции, тем более что даже аббревиатуры одинаковые.

В корпорации «Росатом», в структуре которой трудятся 250 тыс. человек, провели любопытное исследование на тему отношения своих управленцев к цифровой трансформации. «Для нас очень важно, что сейчас в головах руководителей, которые занимаются цифровой трансформацией, насколько они хотят в ней участвовать и в какой роли, насколько селективно воспринимают информацию, — говорит Елена Першина, директор блока функциональных компетенций “Корпоративной Академии Росатома”. — Да и верят ли на самом деле, что трансформация произойдет в России». О результатах этого исследования она рассказала во время организованной сообществом Binary District и Институтом Strelka дискуссии о подготовке кадров для цифровой экономики.

Опрос выявил, что руководители находятся под влиянием четырех устойчивых мифов о цифровой трансформации. Первый миф: цифровая трансформация в корпорации уже случилась или вот-вот произойдет. Почти 40% участников опроса уверены, что уже работают в цифровой отрасли: примерно 20% опрошенных считают «Росатом» цифровой компанией, еще 20–25% полагают, что она станет таковой в ближайшее время.

«Люди ставят знак равенства между высокотехнологичностью компании, автоматизацией процессов и цифровизацией. Это очень важный вывод исследования, — рассказала Першина. — Мы будем плотно заниматься этим мифом, чтобы не было самоуспокоенности, нужно людей приземлить, подружить с реальностью и понять, куда двигаться».

Елена Першина, директор блока функциональных компетенций «Корпоративной Академии Росатома»: «Для нас цифровизация — это не только технологии. Это единая система, включающая коммуникации в компании, обучение, инструменты, а также политики и процедуры, которые могут стать барьером для изменений»

Второй миф тесно связан с первым и состоит в убеждении, что цифровая трансформация — это использование модных технологий и автоматизации: цифровых платформ, IoT, VR и прочих. К примеру, 20% опрошенных согласны с утверждением, что цифровая трансформация означает единую платформу, 18% полагают, что понятие цифровой трансформации определяется применением таких технологий, как искусственный интеллект, Интернет вещей, виртуальная реальность и других. «Тут тоже большой задел для нас, — отметила Першина. — Нужно постараться выработать понимание того, что цифровизация означает серьезное изменение в способах ведения бизнеса и это намного шире, чем технологии».

Третий миф: о своем будущем пока не нужно беспокоиться. В перечне основных ожидаемых результатов цифровой трансформации лидируют повышение производительности, лучшая доступность информации, сокращение рутины. Примечательно, что в конец этого списка участники опроса поставили то, что касается их лично. Между тем цифровизация потребует от каждого очень глубокой личной трансформации — придется учиться всю жизнь, быть гибкими. Даже если нынешняя профессия у человека сохранится, она может наполниться совершенно иным содержанием. В предстоящие пять лет «Росатому» придется либо переобучить, либо заменить около четверти сотрудников. «Поэтому такая общая успокоенность является для нас тревожным фактом», — подчеркнула Першина.

И последний миф касается вопросов лидерства и звучит так: цифровую трансформацию сделают другие. Большинство опрошенных рассчитывают в этой области на инициативы и решения вышестоящего руководства. При том что многие управленцы активно поддерживают проекты цифровой трансформации и участвуют в них, мало кто готов руководить такими проектами и брать на себя ответственность за их проведение в условиях неопределенности. Более 60% руководителей высшего звена не видят себя в роли лидеров цифровой трансформации.

Ключевые выводы корпоративного исследования «Росатома» в главном пересекаются с заключениями исследований, проводимых аналитическими агентствами. Во-первых, понятие цифровой трансформации сформировано на основе потока популярной информации о платформах и технологиях, без понимания сути. Во-вторых, цифровая трансформация не связана с осознанием необходимости личных изменений. В-третьих, должностная иерархия является барьером для цифровой трансформации. И в-четвертых, процесс трансформации представляется участникам опроса простым и быстрым.

Результаты исследования будут учтены при работе над созданием цифровой культуры «Росатома». «Для нас цифровизация — это не только технологии, — говорит Першина. — Это единая система, включающая коммуникации в компании, обучение, инструменты, а также политики и процедуры, которые могут стать барьером для изменений».

В корпорации понимают, что для тех «цифровых» кадров, которые сегодня есть на рынке труда, бренд «Росатома» не очень привлекателен, а потому намерены повышать ценность бренда.

«Росатом» сотрудничает с учебными заведениями, где студенты получают фундаментальное образование. «Надо расстаться с мифом, что вуз даст нам готового специалиста, поэтому наша позиция сотрудничества с вузами — партнерская, — отметила Першина. — Мы знаем, какие специалисты нам нужны, и мы тоже ответственны за выпускников». Короткие и гибкие образовательные программы корпоративного университета позволяют быстро адаптировать к работе в «Росатоме» вчерашних студентов. Кроме того, в компании ввели систему реверсивного наставничества, или наставничества «наоборот», полагая, что молодые кадры многое могут дать опытным сотрудникам.

«Цифровая трансформация происходит в головах», — подчеркивает Андрей Харин, ИТ -директор группы компаний Kerama Marazzi, крупнейшего производителя отделочных материалов на постсоветском пространстве. По его словам, цифровой трансформацией компания целенаправленно занимается уже 10 лет и для сотрудников это уже давно стало нормой, новой реальностью. Мы поговорили с Андреем Хариным о цифровом пути компании, о роли конкретных технологий и о том, как добиться поддержки своих проектов со стороны рядовых сотрудников.

Чем цифровая трансформация отличается от «обычной автоматизации»?

В моем понимании обычная автоматизация — это когда в машину вместо механической коробки передач поставили автоматическую или человеку вместо пера дали шариковую ручку. А цифровая трансформация — новый термин, описывающий старую, давно существующую идею: «Нельзя автоматизировать неоптимизированное». Это является девизом нашего ИТ-департамента. Сначала процесс надо оптимизировать, а для этого требуется разработать стандарты, описанные языком логики. И это уже цифровая трансформация. Как только процесс удается описать правилами и цифрами, можно использовать логику и математику. Дальше уже неважно, написаны правила на стене, указаны в инструкции или заложены в информационную систему — все это цифровой подход.

Если исходить из такого понимания, то получается, что впервые цифровая трансформация произошла в Египте, вместе с возникновением зачатков бухгалтерского учета. Как только люди поняли, что какой-либо показатель можно измерить, учесть и принять на его основе решение, можно говорить о наступлении этапа цифровой трансформации. А технологии — например, переход с мейнфреймов на персональные компьютеры, а затем на серверы и виртуальные машины — всего лишь инструмент.

Андрей Харин Возраст: 58 лет Образование: Тульское высшее артиллерийское инженерное училище (ТВАИУ) Послужной список: Настоящее время Группа компаний Kerama Marazzi, директор по ИТ 2006 «Керама Центр», начальник отдела ИТ 2001­–2005 «Скотт, Риггс и Флетчер, аудит и консалтинг», программист, специалист аналитического отдела ЗАО «Станкотехника», начальник бюро АСУ ЗАО «Аконта», системотехник 1999 Вышел в отставку, начал все сначала 1982–1999 ВС СССР, командир взвода — начальник отдела АСУ Управления ДВО

10 лет работы в области цифровой трансформации — это много. Каковы основные вехи на этом пути?

Основными вехами стали разработка принципов ведения нормативно-справочной документации, создание корпоративных стандартов обмена информацией, а также определение точек потребления информации — не отделов, которые строят отчеты, а центров принятия решения на основе этих отчетов. Еще одна веха — это формирование команды, которая и стала ядром службы ИТ.

Что касается конкретных проектов, то можно выделить получение консолидированной отчетности, создание единого информационного пространства для всех предприятий группы, партнеров и крупных клиентов, технологические задачи, управление складом, прогнозирование и планирование. По сути, ничего нового. Самое главное, у нас не было заблуждений типа «купим SAP (Oracle, “1С”, “Галактику”), и тогда решатся все наши проблемы».

Эти проекты появились до того, как термин «цифровая трансформация» получил повсеместное распространение.

Началом трансформации стала именно разработка подхода к ведению единых классификаторов группы компаний. В какой именно системе вести эти классификаторы — неважно. Если они «правильные» — верно структурированные, неизбыточные, то они будут работать даже на бумажных носителях. Если же нет четкой логики, контроля уникальности, определения точек ввода, стандартов обмена и т. п., то не помогут даже решения, разработанные лидерами ИТ-рынка. Иными словами, вполне возможна цифровая трансформация даже без привязки к конкретным техническим решениям, само же по себе внедрение технического средства не обеспечивает цифровую трансформацию.

Бизнес-эффект дают бизнес-решение, оптимизация бизнес-процесса, а не внедрение патентованных технических средств. Построением единого информационного поля я могу похвастаться лишь перед коллегами-айтишниками. А руководству компании и пользователям это неинтересно.

Вполне возможна цифровая трансформация и без привязки к конкретным техническим решениям, а вот само по себе внедрение технического средства не обеспечивает цифровую трансформацию

Трансформация общественного сознания подразумевает определенную революцию, сродни появлению стрекозы из невзрачной водяной личинки: предприятие приобретает новые качества и способности и начинает вести бизнес по-другому.

У нас полностью роботизированное предприятие — цифровое по определению. То, что сейчас называется модным словом «трансформация», для нас является нормой жизни. Это конкурентное преимущество нашей компании и то, на чем она вообще была построена. Да, сейчас мы улучшаем определенные аспекты, в том числе прогнозирование, планирование производственной программы, логистику, но это не революция. Мы изначально были «стрекозой». Сейчас «меняем чешуйки», стали летать красивее, но главным преимуществом нашей компании всегда было использование изначально новаторских решений. Именно поэтому мы и стали крупнейшим производителем отделочных материалов на постсоветском пространстве. Компании, отстающие от лидеров отрасли в использовании современных технологий, прогорают со страшной силой.

У нас полностью роботизированное предприятие — цифровое по определению.То, что сейчас называется модным словом «трансформация», для нас является нормой жизни

То есть вы считаете цифровую трансформацию не просто фактором успеха, но и условием выживания?

Уже сейчас ничего серьезного в управлении предприятием нельзя добиться без использования ИТ. Управленческие решения должны приниматься в режиме реального времени, с учетом огромного количества информации. Конечно, есть гениальные руководители (и в нашей компании тоже), которые могут на интуиции принять быстрое и правильное решение. Но они не в состоянии принимать всегда и все решения, часть полномочий им приходится делегировать. И вот тут встает вопрос: как «обычному» человеку принять правильное решение? Ведь для этого часто требуется анализ большого количества информации, необходимо увидеть тенденции, понять взаимосвязь… Подготовка и принятие решений становятся командными задачами, а здесь уже невозможно без организации управления потоками структурированной информации.

Как трансформация влияет на бизнес в вашей компании?

Бизнес-модель осталась прежней, она не может принципиально измениться в рамках нашей отрасли. Другое дело, что в каждом из блоков мы пытаемся максимально использовать технические и научные возможности.

Например, сейчас внедряем прогнозирование на базе решений Anaplan. Раньше при прогнозировании были возможны два подхода. Первый основывался на проводимом экспертами кропотливом анализе продаж, выявлении трендов и оценке сезонности, а второй — на бизнес-чутье руководства, способного предсказать популярность моделей в следующем году. Второй подход оцифровать нельзя, а вот первый — необходимо, и это вполне можно считать элементом трансформации. Далеко не факт, что прогнозы станут более точными и это даст в итоге конкурентное преимущество.

Построение системы управления качеством тоже элемент трансформации, влияющий на бизнес. Традиционно мы вели статистику брака по месяцам и анализировали в конце года. Нам удалось доказать руководству, что статистику нужно собирать в конце каждой смены и смотреть тенденции по видам брака, которые сами по себе некритичны, но могут подсказать специалистам необходимые действия. Мы сумели классифицировать виды брака и построить отчеты, из которых видно, как показатели меняются от смены к смене. Многие проблемы можно решить быстро еще до того, как они станут заметными и окажутся критичными для бизнеса. Люди принимают решения на лету, в реальном времени и видят результат — это революция. Как именно реализован процесс (с помощью технологий Интернета вещей или ручного ввода данных) — не столь важно.

Источник: Kerama Marazzi

Kerama Marazzi — ведущий российский производитель керамических декоративно-отделочных материалов с сетью фирменной торговли в России и за рубежом. В 2018 году компании исполняется 30 лет.

В группе компаний сейчас работает более 3,8 тыс. сотрудников, из них 2,5 тыс. — на производствах. Производственный сектор представлен двумя крупными фабриками: в городе Орёл и поселке Малино Московской области. Годовой объем производства двух заводов составляет 34,8 млн кв. м. На сегодняшний день каталог насчитывает более 3 тыс. артикулов.

За последние 10 лет компания выросла почти в 10 раз. Ее розничная сеть достигла 350 фирменных розничных магазинов, а количество филиалов увеличилось до 21.

В 2017 году Kerama Marazzi запустила производство фирменной сантехники КМ и начала сотрудничество с Surface Lab для создания персонализированного керамического гранита для использования на фасаде.

Как вы относитесь к тому, что во многих компаниях начинают появляться специальные должности CDO и эти люди занимаются тем, что все называют трансформацией?

Если руководитель компании считает, что этим нужно заниматься и это принесет бизнес-выгоду, к этому можно относиться только положительно. Если руководитель расценивает это как имиджевый шаг, он тоже прав, ведь это влияет на лицо компании. Но если у нас подобные обязанности выполняет сотрудник аналитического отдела или отдела бизнес-проектов, то зачем переименовывать его должность? Я против использования красивых терминов, ведь за ними часто теряется правильное понимание процессов.

Какие из технологий имеют для вас наибольшее значение?

Для нас наиболее важны промышленная автоматизация и большие данные. С промышленной автоматизацией понятно — там непаханое поле: и расчет стандартной себестоимости, и оптимизация загрузки линий, и корректировка производства с учетом потребности рынка. Большие данные важны, например, при прогнозировании. Когда мы говорим, что нужно учитывать также курс доллара, тенденции моды, внешнеполитическую обстановку и еще множество факторов, то оказывается, что это либо работа с невиданным ранее объемом совершенно разнородной информации, либо искусство, которому обучить нельзя. Если удается создать алгоритм, помогающий в принятии подобных решений, остается лишь придумать, как раздобыть нужные данные и начать работать с ними.

Тем не менее стоит отметить, что большие данные до сих пор лишь модный термин, под которым часто понимаются совершенно разные вещи.

Существует ли в компании единая программа трансформации или же реализуются отдельные, точечные проекты? Как обеспечить целостность проектов, их соответствие единой стратегии?

«Единая программа трансформации» — это тоже всего лишь модный термин. Не хотелось бы рассматривать его как в свое время воспринимали «перестройку и ускорение». Часть процессов в нашей компании изначально оптимальна и автоматизирована, часть — не оптимальна или недостаточно автоматизирована. Реализация точечных проектов — это нормальная практика для большинства компаний. Но необходимо понимать, что все проекты (не только ИТ) — это пазл и его части в итоге должны совпасть. Бывает, реализуется «чисто точечный и независимый» проект. Как добиться того, чтобы он соответствовал стратегии? Иметь (как минимум в голове) понимание конечного ландшафта, тогда будет понимание, куда поставить очередную часть пазла.

Источник: Kerama Marazzi

Целей трансформации — как краткосрочных, так и долгосрочных — можно перечислить много. Какая из них является ключевой для вас?

Наверное, оптимизация принятия бизнес-решений. Все остальное вытекает из этой цели.

Есть хорошее выражение: «В заботе о ближнем главное — не перестараться». Служба ИТ должна четко понимать, на кого она работает. Если на руководство компании — это одно, если на оптимизацию работы конечных пользователей — совсем другое. Когда я пришел в компанию, то задал не вопрос «Кому подчиняться?», а вопрос «На кого работать?».

Если руководство службы ИТ считает, что работает на конечного пользователя, то зачастую получается как в фильме «Морозко», где герой бегает по лесу с криком: какое мне доброе дело сделать? Но интересы часто конфликтуют: например, когда для принятия решения руководством компании нужна определенная информация, то нагрузка на конечного пользователя нередко увеличивается. Облегчение же работы конечного пользователя, происходящее иногда, — это лишь побочный эффект оптимизации информационных потоков.

Когда работаешь на группу компаний, надо понимать, что цель — дать информацию для принятия решений, и это действительно революция. Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо. Тогда поддерживать трансформацию начинают все, от младших менеджеров по продажам до директоров.

Цифровая трансформация происходит именно в головах, когда сотрудники понимают, что все усилия службы ИТ направлены на скорейшее принятие оптимальных решений и всем от этого будет хорошо

Поддержка трансформационных проектов на нижнем уровне — очень редкое явление. Как добиться такой сознательности от сотрудников?

Многое зависит от того, что мы понимаем под «нижним уровнем». Если технологов — специалистов с высшим образованием, которые не могут работать с «записями на манжетах», то это одно, если водителей погрузчиков, для которых ввели строгий учет выполненной работы, это совсем другое.

В прошлом году мы провели расширенный внешний аудит службы ИТ с привлечением одной из компаний «большой четверки». Аудит, помимо прочего, предусматривал оценку качества ИТ различными категориями пользователей. Скажу: высокая оценка со стороны топ-менеджмента не удивила, а вот одобрение со стороны большинства рядовых сотрудников стало приятным сюрпризом.

Хотелось бы добавить, что понимание и одобрение большинством сотрудников целей и задач — традиция нашей компании. Иными словами, работа с персоналом — это важный фактор, причем не только в ИТ-проектах. И разумеется, все должны понимать, что ИТ лишь инструмент для решения бизнес-задач.

Источник: Kerama Marazzi

Трансформацию нельзя просто так остановить. Каким вы видите будущее цифровой трансформации в вашей компании?

Я бы не стал привязываться к слову «трансформация». Модные термины меняются, а задачи и пути их решения остаются. Совершенно точно нельзя остановить оптимизацию бизнес-процессов и информационных потоков, развитие отчетности, в том числе оперативной, используемой для принятия решений в режиме реального времени, управление холдингом как единым целым, что не должно отменять возможность гибкого управления всеми предприятиями.

Если говорить о конкретных проектах, то нас ожидают внедрение новой складской системы, расширение использования электронного документооборота, внедрение новой системы прогнозирования и планирования, внедрение системы управления активами в полном объеме, переход на новую ERP-систему и дальнейшее развитие управления технологическим процессом.

Вы работаете в компании 12 лет. Каковы направления дальнейшего роста?

По сути я пришел в компанию ведущим программистом. В то время вся ИТ-служба состояла из двух администраторов и аутсорсингового программиста. Сейчас у нас полноценная служба ИТ с разветвленной структурой, свои ЦОДы, служба поддержки, работающая по стандартам. Нас минимум раз в год проверяет кто-то из «большой четверки», причем ни одной проверки мы не завалили. Мы регулярно проводим тесты на проникновение, у нас своя сильная команда разработчиков. Могу без ложной скромности сказать: я не «засиживался», я все это создал и расту вместе с компанией. И в росте компании есть доля моего участия.

Как вы видите свою роль в дальнейшем развитии компании?

Основные задачи руководителя любой службы — во -первых, обеспечить текущие потребности, во -вторых, иметь задел на развитие и понимать, куда двигаться. И самое главное, я считаю, что любой руководитель должен организовать работу так, чтобы работа не зависела от него. Не должна возникнуть ситуация, когда все рушится после ухода руководителя. Надо сразу строить так, чтобы потом не приходилось все время подпирать.

План на 10 лет составить нельзя, потому что в нашей сфере и в нашей стране так далеко прогнозировать проблематично. Но должны быть несколько вариантов развития и понимание, куда мы идем. Например, на вопрос «Если мы в следующем году откроем еще один завод, ты готов?» я отвечаю, что для меня нет разницы, сколько будет заводов, у меня есть система, которую не придется перенастраивать. Да, придется проложить линии и приобрести оборудование, но принципиально ничего не изменится. Должна быть выстроена система управления — устойчивая и масштабируемая, готовая к развитию. И способная работать без меня. Тем более что у меня есть толковые начальники отделов, грамотный заместитель и талантливое руководство.

Из всех возможных областей применения технологий машинного обучения на медицину смотрят с особым вниманием и надеждой. Искусственный интеллект, несмотря на все его несовершенство, уже помогает не только развивать бизнес, но и спасать жизни. Интегрированное в единую радиологическую сеть современное диагностическое оборудование, которым осащены медицинские организации столицы, положило начало накоплению больших данных, и эта информация становятся «пищей» для искусственного «ума».

Сегодня применение технологий машинного обучения для скрининга рака в столичном Научно-практическом центре медицинской радиологии Департамента здравоохранения Москвы (НПЦ МР ДЗМ, проект «Радиология Москвы») выходит на новый уровень. Теперь при скрининге рака легкого искусственный интеллект научат выявлять и другие патологии.

«Комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества медицинской помощи», Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ

Эксперты проекта «Радиология Москвы» активно участвуют в разработке систем поддержки принятия решений для врачей-рентгенологов. Это оборудование позволяет работать с группами исследований в Едином радиологическом информационном сервисе (ЕРИС), высвобождая время доктора для действительно сложных задач. Одни из самых интересных проектов нацелены на выявление рака легких на ранних стадиях посредством автоматического поиска очагов в легких на КТ-исследованиях грудной клетки, а также на проверку качества описаний и заключений этих КТ-исследований путем интеллектуального анализа текстов, написанных на естественном языке.

Рак легкого — самый смертоносный среди всех онкологических заболеваний. Эпидемиологическая ситуация с раком легких в Москве такова, что требуются комплексные решения со своевременной диагностикой и эффективной маршрутизацией пациентов. Цель скрининга рака легких — выявить рак, прежде чем он распространится за пределы органа. Из всех случаев рака легкого только 15% локализовано непосредственно в легких. Однако данное заболевание выявляют обычно уже после того, как оно распространилось за пределы легкого. Единственный эффективный способ диагностировать эту онкологию вовремя — проводить низкодозную компьютерную томографию (НДКТ) гражданам из группы риска, не имеющим признаков болезни.

В результате запуска массового скрининга рака легкого в Москве в марте прошлого года накопился большой объем данных. Чтобы использовать эту информацию на благо здравоохранения, было решено применить технологии машинного обучения. Как отметил руководитель проекта «Радиология Москвы» профессор Сергей Морозов, скрининговые программы служат мощным стимулом к повышению спроса на автоматизированные решения и алгоритмы компьютерного анализа изображений.

От простого к сложному

На сегодняшний день в лучевой диагностике искусственный интеллект больше всего используется при решении когнитивно простых задач, а именно для формирования подсказок врачу, готовящему вывод по результатам исследования. Однако текущий уровень развития цифровых технологий позволяет решать значительно больше медицинских задач. Так, разделяя все случаи на «норму» и «патологию», искусственный интеллект дает рентгенологу возможность сфокусироваться именно на патологии. Кроме того, такая система может автоматически искать различия между снимками в динамике, классифицировать патологии, предоставлять «второе мнение», формировать сложные алгоритмы обработки больших данных для оценки среды, окружающей пациента. С помощью этой технологии можно изучать новые биомаркеры для развития систем раннего предупреждения заболеваний и создавать «калькуляторы» персонализированного риска.

На основе ретроспективного анализа 10 тыс. КТ-исследований грудной клетки пациентов было отобрано 5 тыс. с патологическими находками для последующего маркирования и тегитирования. Тем самым была сформирована специальная база размеченных КТ-исследований, на которых системы искусственного интеллекта учат искать очаги в легких. Кроме того, в рамках проекта «Радиология Москвы» разработан специальный программный продукт, позволяющий одновременно проводить независимую разметку и ее верификацию по любому массиву данных, с привлечением неограниченного числа рентгенологов. Эти данные применяются в разработке системы для поиска очагов в легких, работы ведутся совместно с Департаментом информационных технологий Москвы.

На сегодняшний день в Москве проведено в общей сложности более 14 тыс. НДКТ. Расчеты проведенного пилотного проекта показали, что из 86 выполненных НДКТ у пациентов из группы риска будет выявлен как минимум один рак легкого. Оценить результаты снижения смертности от данного заболевания планируется в 2024 году.

Расширение «кругозора»

Теперь искусственный интеллект может быть применен для поиска дополнительных патологий при проведении НДКТ. В новом проекте НДКТ 2.0 ставится несколько целей, помимо обнаружения рака легкого, — выявление остеопороза, коронарного кальция, аневризмы аорты, расширения легочного ствола, жирового гепатоза и эмфиземы легкого. Сейчас уже идет подготовка баз данных для тестирования и обучения алгоритмов под эти задачи.

«Роль искусственного интеллекта в скрининге рака легкого значительно шире, чем автоматический поиск узелков в легких, — говорит Виктор Гомболевский, руководитель отдела развития качества радиологии НПЦ МР ДЗМ. — А комплексное развитие когнитивных систем искусственного интеллекта нацелено на рывок в повышении качества оказываемой медицинской помощи».

Гомболевский, кандидат медицинских наук, врач-рентгенолог, не только является разработчиком проекта «Московский скрининг рака легкого», но и возглавляет комитет по искусственному интеллекту Московского регионального отделения Российского общества рентгенологов и радиологов.

По мнению Гомболевского, в использовании потенциала искусственного интеллекта сделаны лишь первые шаги. Сегодня медицинские системы искусственного интеллекта — это разрозненный парк решений для экономии времени, сокращения дозы лучевой нагрузки, поиска и классификации находок, консультации пациентов и направляющих врачей, подготовки изображений, распознавания естественного языка и других локальных задач, результаты которых выразятся в экономии финансовых ресурсов и повышении качества медицинских услуг.

«Надеюсь, что через 10 лет мир лучевой диагностики будет совсем другим именно благодаря искусственному интеллекту, — пишет Гомболевский на своей странице в Facebook. — Точно будут такие задачи, в которых можно поставить вопрос о замене врача. В то же время уложить все обязанности врача-рентгенолога в цифровой алгоритм будет весьма затруднительно».

Подробнее об использовании искусственного интеллекта можно будет узнать из доклада Виктора Гомболевского на практической конференции «Технологии машинного обучения», которую издательство «Открытые системы» проведет 25 сентября.