Издательство «Открытые системы» и онлайн-ресурс «Директор информационной службы» подвели итоги конкурса на получение премии CDO Award 2021 — первой и единственной на российском рынке премии для директоров по данным (Chief Data Officier), а также огласили планы ее развития в следующем сезоне.

Торжественная церемония объявления итогов и награждения лауреатов премии состоялась 16 апреля 2021 года в Москве. Церемония собрала CDO и лидеров data-инициатив крупнейших российских банков, телеком-компаний, ретейлеров, промышленных предприятий, госструктур, региональных органов власти и образовательных организаций. Многие из них отмечали, что впервые с момента объявления пандемии приняли участие в столь значительном офлайн-событии, да еще по такому воодушевляющему поводу.

«Премия CDO Award органично вписалась в круглогодичный мультиформатный цикл мероприятий издательства, посвященных работе с данными и включающих форум BIG DATA, проект DobroData, практические конференции “Управление данными” и “Качество данных”. Мы дорожим этим проектом и развиваем его», — сказал на открытии церемонии Павел Христов, председатель экспертного совета CDO Award 2021, директор ИТ-направления издательства «Открытые системы».

Награда для директоров по данным и руководителей аналогичных должностей, доказавших профессионализм и мастерство в своей области, вручается уже в третий раз. За время, прошедшее с момента проведения первой CDO Award в 2019 году, премия успела завоевать авторитет в российском data-сообществе. С каждым новым сезоном растет число номинантов и расширяется спектр представленных проектов. Лауреатами премии становятся настоящие лидеры движения к цифровому бизнесу, благодаря которым компании, опирающиеся на данные как на один из главных своих активов, добиваются впечатляющих результатов.

Номинанты CDO Award 2021 — носители ценного опыта управления данными из самых разных сфер деятельности. Под их руководством осуществляются важные преобразования и реализуются яркие проекты, позволяющие организациям стать эффективнее, выйти на новые рынки, предложить клиентам инновационные продукты.

В этом году организаторам и экспертному совету пришлось немало потрудиться: по сравнению с прошлым годом число заявок от представителей самых разных отраслей увеличилось в полтора раза, заявки продолжали поступать даже после отключения кнопки на сайте. В итоге было принято к рассмотрению 25 заявок.

«С каждым годом растет качество проектов, заявляемых на конкурс. Наградить хотелось практически всех, и экспертному совету пришлось делать очень тяжелый выбор», — признался Николай Смирнов, шеф-редактор портала «Директор информационной службы» (CIO.ru), сопредседатель оргкомитета CDO Award 2021. Тем не менее эксперты премии вынесли свой беспристрастный вердикт, опираясь на глубокие знания и большой практический опыт работы в индустрии.

Организатор премии — издательство «Открытые системы» знакомит с опытом номинантов самую широкую аудиторию, тем самым популяризируя как роль CDO, так и data-driven-подход в целом. Каждый номинант CDO Award 2021 стал героем опубликованного на портале «Директор информационной службы» материала, раскрывающего особенности представляемого проекта, роль работы с данными в компании и профессиональный опыт номинанта. Лауреатами в номинации «За вклад в популяризацию профессии» стали Иван Исаев, директор направления анализа данных МТС, и Леонид Черный, CDO «Мегафона».

В этом году впервые в номинациях на премию представлены проекты подготовки специалистов по управлению данными и инициативы на основе данных в социальной сфере. «За реализацию социально значимых инициатив на основе данных» награжден Андрей Майоров, министр цифрового развития и информационно-коммуникационных технологий Новгородской области. В крайне важной номинации «За достижения в подготовке специалистов по управлению данными» отмечен Михаил Мягков, председатель правления Университетского консорциума исследователей больших данных.

Сразу в двух номинациях отличились члены большой команды X5 Retail Group. Премии «За реализацию инновационной идеи» удостоен Иван Мельник, директор по инновациям X5 Retail Group. А награду «За создание новой бизнес-модели, основанной на данных» заслужил Дмитрий Прусов, директор департамента продаж продуктов больших данных X5 Retail Group.

В номинации «За обеспечение качества данных» премию получила начальник управления организации работы с данными компании «Газпром нефть» Наталья Третьякова. А в номинации «За повышение эффективности бизнеса» победил Борис Рабинович, старший управляющий директор — директор Департамента управления данными «Сбера».

Владимир Трапезин, директор по автоматизации и информационной трансформации производства компании «Норникель» удостоен специального диплома «За технологический прорыв и оптимизацию производственных процессов на основе данных». Ему также досталась специальная награда от компании Naumen, премиум-партнера церемонии награждения, — «За глубинную трансформацию функциональной модели».

Компания Qlik, премиум-партнер церемонии награждения,  вручила специальный приз «За создание единой платформы больших данных — технологической основы корпоративного управления данными» Анне Ахобадзе, руководителю департамента обработки, хранения и аналитики больших данных «Почты России».

Ассоциация больших данных отметила своим дипломом Алексея Винниченко, руководителя центра аналитики компании «СИБУР Диджитал». А Никита Матвеев, директор по управлению данными авиакомпании S7, был удостоен спецприза Центра цифрового развития АСИ — ему предложили войти в экспертный совет международного конкурса цифровых решений Агентства стратегических инициатив World AI&Data Challenge. Еще одна специальная награда Центра цифрового развития АСИ вручена Антону Алексееву, советнику губернатора Ростовской области, где в 2020 году анализ профиля малоимущих граждан позволил вывести из-за черты бедности более 10 тыс. семей.

Экспертный совет определил лауреатов премии, но побежденных в этом конкурсе не было. Вклад каждого из номинантов в формирование индустрии данных и профессии CDO — бесценен.

Изначально CDO Award задумывалась как персональная награда для популяризаторов работы с данными, и прежде всего эксперты отмечали их лидерские качества и личный вклад в проект. Сегодня CDO в компаниях становится все больше, начинается планомерная слаженная работа data-офиса и бизнес-заказчиков. Поэтому организаторы приняли решение обновить концепцию премии и в дальнейшем сместить ее фокус на корпоративные достижения, успехи компаний в работе с данными. Соответственно, премия обретет и новое название — Data Award. «Таким образом, мы закрепляем то, что фактически уже свершилось: премия становится конкурсом проектов. Но, конечно, останутся и персональные номинации», — пообещал Николай Смирнов.

Стартап Jokr, основанный хорошо известным в мире электронной коммерции немецким предпринимателем Ральфом Венцелем при финансовой поддержке венчурных фирм HV Capital, Tiger Global и Softbank, будет, как и многие другие компании, заниматься продажей и доставкой на дом разнообразных товаров. Главное отличие своего нового проекта, который Венцель называет «Amazon на стероидах», по его мнению состоит в том, что доставку планируется осуществлять очень быстро — буквально в течение 15 минут после заказа через мобильное приложение.

Jokr будет не торговой платформой, а традиционной торговой сетью — она будет самостоятельно закупать товары у поставщиков, экономя на посреднических услугах. Скорость доставки обеспечит плотная сеть складов в непосредственной близости от покупателей, а ассортимент товаров в них будет подбираться благодаря продвинутому анализу от демографического состава и предпочтений покупателей в конкретном районе. Высокий уровень оптимизации позволит доставлять товары бесплатно, рассчитывают основатели.

Сеть Jokr уже работает в нескольких городах — Мехико, Лиме и Сан-Паулу. Вскоре предполагается запустить доставку в Нью-Йорке и Боготе, а затем и в других городах Европы и Латинской Америки.

Австрийская федеральная антимонопольная служба переправила запрос компании Facebook на одобрение сделки по приобретению стартапа Kustomer в антимонопольные органы Европейской комиссии. У антимонопольных органов остальных стран ЕС есть еще две недели на то, чтобы рассмотреть запрос Facebook и решить, следует ли направлять его в общеевропейский орган. После истечения этого срока в Еврокомиссии вынесут решение о том, принимать ли этот запрос к рассмотрению. На это отпускается еще десять дней.

В Facebook заявляют, что готовы доказать антимонопольным органам, что покупка Kustomer не приведет к ограничению конкуренции, и лишь расширит выбор и качество обслуживания клиентов.

О покупке Kustomer компания Facebook объявила в ноябре 2020 года. Kustomer занимается разработкой технологий автоматизации дистанционного обслуживания клиентов с помощью чат-ботов на основе искусственного интеллекта. Технологии Kustomer могли бы быть использованы для расширения возможностей принадлежащего Facebook сервиса обмена сообщениями WhatsApp, в котором с недавних пор реализованы функции покупок в чате.

Группа авторов в публикации IEEE Network описывает проект системы распознавания эмоций, работающей на базе сети 5G. Для выполнения своих функций она анализирует с помощью средств искусственного интеллекта не только выражение лица и характер телодвижений человека, но и радиосигналы, исходящие от его персональных устройств.

Исследователи предлагают сделать такую систему элементом умного города, и по их замыслу она должна обеспечивать безопасность граждан. Например, если система заметила водителя за рулем в психически неуравновешенном состоянии, то может предупредить пешеходов, находящихся впереди по маршруту его следования, о потенциальной опасности, объясняют авторы. Один из компонентов системы строит «карты эмоций», и если в какой-то местности обнаружен очаг сильных эмоций, например, гнева или страха, информацию об этом можно мгновенно автоматически передать правоохранительным органам.

Авторы признают, что для воплощения их замысла придется решить немало задач безопасности, в том числе избавить систему от возможности несанкционированного перехвата и изменения сигналов, а также свести к минимуму ложные срабатывания.

В информационную эпоху и государство, и бизнес должны уметь быстро собирать актуальную информацию о своих гражданах и клиентах, оперативно предлагая им актуальные персональные сервисы. Однако, несмотря на декларации о том, что данные превратились в ключевой драйвер цифрового развития бизнеса, существующие аппаратно-программные инфраструктуры построены на унаследованной централизованной архитектуре, часто неспособной в реальном времени решить главную задачу бизнеса — стать клиентоцентричным. Участники форума BIG DATA 2021 имели возможность из первых рук получить информацию о современных архитектурах и решениях обработки больших данных.

Алексей Сидоров, директор по управлению данными компании Denodo в странах Европы, Ближнего Востока и Африки (регион EMEA), рассказал о проекте по управлению мастер-данными министерства социального страхования неназванной страны. За два месяца на основе архитектуры Virtual Data Fabric была развернута крупномасштабная система мониторинга сведений о гражданах страны, позволяющая в реальном времени получать актуальную консолидированную информацию из всех министерств. Данные не перемещаются и хранятся в исходном виде в точках их генерации. Это существенно сокращает время на их очистку, консолидацию и визуализацию для предоставления по запросу с целью формирования «на лету» полного актуального портрета гражданина, построенного по его цифровым следам. Такая возможность позволяет исключить ошибки, дублирование или потерю сведений при назначении социальных страховок и различных выплат, а также при оценке покупательной способности граждан и реализации других функций институтов государственной власти.

Алексей Коваленя из компании Atos в своем выступлении «Эволюция инфраструктуры для работы с большими данными» рассказал о различных подходах к построению инфраструктуры поддержки обработки больших данных, включающую оборудование, сетевое и системное ПО. Сегодня компания предлагает не только высокопроизводительные серверы, но и, в альянсе с Cloudera, решения Atos Datalake Appliance по управлению данными на основе адаптированных для конкретного заказчика распределенных аппаратно-программных систем. Такие решения включают серверы, сеть, ПО, прикладные сервисы. Среди отмеченных докладчиком преимуществ представленных продуктов — сертификация от Cloudera, единое окно для управления инфраструктурой, готовая к использованию и протестированная конфигурация с гарантированным уровнем производительности. Наличие одного поставщика, отвечающего за решение, позволяет безболезненно выполнять масштабирование, сокращать время на ввод системы в эксплуатацию и использовать различные формы оплаты: аренду, рассрочку или Datalake-as-a-Service.

Тему эффективности инфраструктуры продолжил на форуме Александр Кузьмин, главный консультант по технологиям Pure Storage, рассказавший об организации систем хранения для решения задач аналитики реального времени. Доля таких задач к 2025 году составит уже более 30% от общего объема аналитических приложений, и, как следствие, по мнению Кузьмина, сократится потребность в статичных озерах данных. От современных систем хранения требуется поддержка быстрых изменений и быстрого накопления разнородных данных, однако традиционные системы оптимизированы для пакетной обработки, а не для режима реального времени. Для раскрытия потенциала больших объемов консолидированных данных компания предлагает, в частности, платформу хранения Pure Storage Flashblade, обеспечивающую линейное масштабирование, развертывание конфигурации за минуты, упрощенное управление и обеспечение гарантированного времени отклика как при последовательном доступе к большим файлам, так и при произвольном доступе к множеству потоков небольших файлов. Кроме того, в систему изначально заложена поддержка протокола s3 объектного хранения, позволяющего просто и надежно хранить объемные объекты — почти так же, как с помощью файловой системы, но без разбиения их на папки.

Проблему обеспечения надежной и безопасной работы с интернет-ресурсами поднял Александр Брыль, инженер по разработке алгоритмов машинного обучения в компании DDOS Guard. Применение машинного обучения при анализе больших массивов данных позволяет с точностью до 85% обеспечить защиту от различных ботов: ботнетов для DDoS-атак, шпионов для сбора данных, зомби-ботов для поиска уязвимостей, ботов — скупщиков билетов, ботов, выполняющих скликивание (мошенническое нажатие кнопок на сайте), и пр. Конфигурационный и поведенческий анализ посетителей сайта позволяет выявить и идентифицировать бота, отделив его от реального человека, просматривающего сайт. Предлагаемые методы позволяют на 80% сжать трафик за счет унификации запросов, защититься от перегрузок сервера, отфильтровать спам, предотвратить взлом аккаунтов и кражи данных банковских карт.

Как показал форум, многие российские предприятия уже получают эффект от цифровой трансформации. Например, по словам Александра Мотузова, начальника управления методологии и разработки математических моделей НЛМК, в 2020 году предприятие сэкономило 1 млрд руб. благодаря, в частности, собственной DSMLp-платформе анализа данных и моделирования, ставшей очередным шагом к умному производству. Платформа представляет собой инструмент, позволяющий специалистам по данным передавать знания, полученные из данных, инженерам, создающим производственные системы, но не в виде модели для каждого конкретного применения, а в виде конвейера создания и постоянного обучения модели на новых данных. При этом у системы нет «черных ящиков», а эксплуатация моделей не прекращается при уходе подрядчика, сотрудника или разработчика готового решения с моделью. Такую платформу, по мнению Мотузова, нельзя купить: процессы для каждого предприятия уникальны и генерируют уникальные данные; модели машинного обучения строятся на собственных данных; технологические процессы и сырье для металлургического производства постоянно меняются, что требует смены методов обучения; интерпретация моделей машинного обучения позволяет открывать новые физические свойства процессов и получать новые знания.

Тему работы с моделями продолжил Станислав Ляховецкий, директор по управлению портфелем проектов банка ВТБ, сосредоточивший свое выступление на вопросах управления модельным риском — риском потерь в результате ошибочных решений, основанных на результатах работы моделей. Ясно, что игнорирование таких рисков может дорого обойтись как компании, так и государству и его гражданам — например, в результате неверно поставленного медицинского диагноза, основанного на рекомендациях искусственной нейронной сети. Сегодня нет качественного решения корпоративного уровня по оценке модельных рисков: большинство зарубежных систем (AWS, MLflow SAS, Seldon и др.) предназначены лишь для ускорения разработки модели, а не для налаживания конвейера от бизнес-идеи, подготовки данных, валидации и до мониторинга работы модели с учетом всех онтологий. В России, по мнению Ляховецкого, подобные решения имеются у компании Loginom, хотя потребность в таких инструментах давно назрела, в частности, для того, чтобы бизнес сам без программирования строил и проверял модели.

Данные и люди

Специальный тематический блок был посвящен вопросам подготовки кадров и организации образовательного процесса на основе анализа больших данных. Андрей Комиссаров, директор направления «Развитие человека на основе данных» Университета 20.35, рассказал о цифровизации в области управления кадрами, которая значительно обогатилась инструментами искусственного интеллекта, позволяющими строить модель данных о человеке в развитии. Поиск персонала, анализ предпочтений человека и другие задачи решают сегодня в Университете 20.35 путем анализа множества данных (вакансии, резюме, конференции, различные опросы и пр.). Комиссаров рассказал об опыте автоматизированного построения моделей компетенций и профстандартов по заказу Министерства труда РФ, о комплексном анализе уровня корпоративной культуры и диагностике soft skills с помощью оценки неструктурированных данных, об инструментарии подбора проектных команд для решения разных типов задач на основе онтологий профессиональных областей, построенных с помощью системы PolyAnalyst российской компании «Мегапьютер Интеллидженс».

Так, на основе модели о человеке в развитии можно предсказать, сможет ли он дорасти для работы на конкретной вакансии, — иначе говоря, найти еще не сформировавшегося (а значит, дорогого), но потенциально перспективного сотрудника. Другой пример — построение профиля цифровой компетенции для создания карты востребованности конкретных навыков специалистов в различных регионах России. Такая карта позволит, например, убедиться в том, что учебные заведения выпускают нужных рынку специалистов, а студенты с ее помощью смогут наметить наиболее перспективную траекторию своего развития, чтобы больше зарабатывать. На основе анализа и интерпретации цифрового следа сотрудников можно также оценить их вовлеченность в работу, роль в команде, степень участия в общей системе взаимоотношений, а также общую культуру команды. Подобные сервисы сегодня востребованы инвесторами стартапов, чиновниками, стремящимися быть в тренде, HR-подразделениями предприятий и пр.

Тему оценки эффективности работы сотрудника на основе анализа его цифрового следа продолжил Иван Исаев, директор направления анализа данных в МТС, уверенный в том, что полученные сведения могут быть использованы для повышения эффективности управления кадрами. Анализ позволит строить прогноз «выгорания» сотрудника, обеспечивать сокращение трудоемкости операций, переводить работников на удаленную работу или частичную занятость вне пиковых периодов, формировать эффективные кросс-функциональные команды и пр. Применяя комплексную методологию BCG BioTag, телеком-операторы сегодня анализируют статистику коммуникационных потоков между специалистами и степень использования рабочего времени, а также задействуют информацию еще из пяти различных баз данных и из пула неструктурированных данных (тексты, записи звонков и пр.). Это позволяет построить карту «спроса-предложения». Система учета и анализа цифрового следа дает возможность выполнять мониторинг эффективности труда подразделения и сотрудников; прозрачно ранжировать сотрудников по производительности труда и утилизации их рабочего времени, анализировать их загруженность. Система позволяет операторам на 20% сократить время на выполнение 100 элементов бизнес-операций, снизить отток сотрудников и получить общий прирост эффективности подразделений от 5% до 15%. Кроме того, анализ цифрового следа дает возможностьоптимизировать бизнес-процессы: идентифицировать самые автоматизируемые процессы; оценить затраты времени на процесс и текущий уровень его автоматизации; расставить приоритеты в автоматизации или оптимизации процессов.

***

Форумы Big Data проводятся с 2012 года, и доклады, представленные на нем в разное время, акцентировались на технологиях, что отражало существовавшие до недавнего момента тенденции и оставляло за кадром контент — главное предназначение ИТ. И только BIG DATA 2021 показал: оборудование, ПО и технологии не являются главным активом цифровой экономики. Главное — это сами данные, для работы с которыми уже непригодны традиционные системы передачи, хранения и обработки с жесткой, заранее запрограммированной логикой. Современные инфраструктуры для работы с большими данными должны давать возможность и коммерческим компаниям, и государственным организациям отвечать на вопросы, о которых они еще не знают.

В рамках 10-го форума BIG DATA 2021, проведенного издательством «Открытые системы», важное место занял тематический блок «Дата-проекты: платформы, подходы, практика». Наибольший интерес в нем вызвали выступления экспертов «Сбера» — признанного лидера российского рынка в области работы с данными. Ключевым направлением последних лет стала плотная работа компании со своими с дата-сайентистами и другими специалистами по данным (их в «Сбере» называют D-People) в попытках улучшить их «клиентский опыт».

Например, показательным стало внедрение инструментов, автоматизирующих работу дата-сайентистов, — средств автоматического машинного обучения (AutoML). Его цель — уменьшить ручной труд аналитиков. Такой подход выгоден там, где раньше машинное обучение не окупалось и где требуется частое переобучение моделей.

Однако построение моделей — всего лишь небольшая часть работы. До 2019 года многие процессы работы с данными были организованы далеко не оптимально: приходилось тратить огромное время на установку ПО и получение доступа к данным, а сами данные были разрозненными. Как констатировал Борис Рабинович, директор департамента управления данными «Сбера», большую часть времени дорогостоящие D-People не работали, а занимались решением «коммунальных вопросов»: получением инфраструктуры и вычислительных мощностей (этот процесс занимал до трех месяцев), установкой необходимых инструментов (до двух месяцев), поиском и получением данных (до двух месяцев).

«Мы осознали проблемы наших внутренних клиентов и пересмотрели процессы и подходы к организации их рабочих мест. Данные и вычислительные мощности в ряде случаев теперь можно получить за час, быстро выдается полный инструментарий и предоставляются необходимые библиотеки», — подчеркнул Рабинович.

Построенный супермаркет данных стал единым окном во вселенную данных «Сбера» и важнейшим элементом создаваемой фабрики данных. Он позволил радикально ускорить все процессы работы с данными. Процесс оформления заказа на данные составляет около 10 минут, а весь процесс от входа в систему до получения данных занимает от 30 минут до суток, в зависимости от сложности работ. Супермаркет обслуживает около 200 заказов в день, и ежедневно через инфраструктуру супермаркета «гуляет» около 350 Тбайт данных.

Дмитрий Карбасов, руководитель управления промышленного искусственного интеллекта "Евразийской группы" (ERG), рассказал об использовании искусственного интеллекта для оптимизации закупочной деятельности.

«Мы в автоматическом режиме ищем поставщиков с наиболее выгодными ценами, строим базу продавцов и обрабатываем ее по интересующим нас алгоритмам — как для поиска минимальных цен, так и для заполнения конкретных лотов», — отметил Карбасов. При этом искусственный интеллект отвечает за выявление и устранение ошибок в позициях, за стандартизацию и поиск претендентов на роль поставщиков. Компании удалось значительно повысить прозрачность закупок с помощью создания единой базы цен.

Как отметил Андрей Майоров, технический директор РДТЕХ, телемедицина — это вовсе не общение по Skype с врачом, а медицина на основе данных, собираемых в реальной жизни. Рынок предлагает тысячи моделей носимых гаджетов, которые можно использовать для чего-то большего, чем подсчет шагов. Ярким примером может служить сервис цифровой медицины Actenzo. Майоров поделился опытом создания системы мониторинга физиологических параметров организма и предупреждения о развитии негативных трендов в состоянии здоровья человека. С помощью фитнес-браслетов решение измеряет пульс, давление, температуру, делает ЭКГ, оценивает физическую активность и качество сна.

Максим Милков, технический директор департамента анализа данных Softline AI, рассказал о преимуществах использования технологий обработки естественного языка (Nature Language Processing, NLP) для оптимизации документооборота. Проблемы поиска корпоративной информации общеизвестны: опросы показывают, что сотрудники тратят на добычу необходимой информации до 16 часов в неделю. При этом только в 56% случаев они находят ее, и большинство отмечают, что искать информацию гораздо сложнее, чем в Интернете. В решении проблемы помогает вопросно-ответная система, понимающая смысловое значение запроса. Она способна существенно облегчить жизнь пользователей и освободить массу времени.

Роль облаков и синергия с ИТ

Развитие облачных сервисов сыграло важную роль в ускорении дата-проектов, реализуемых многими компаниями. Как отметил Дмитрий Павлов, менеджер по развитию бизнеса Yandex.Cloud Data Platform, случаи полного (а тем более быстрого) перехода компаний в облако крайне редки. Обычно такие проекты происходят поэтапно и растянуты во времени. Часто компании ограничиваются лишь переносом в облако вычислительных мощностей и на этом останавливаются.

Ситуация значительно изменилась с появлением экосистем, в которых провайдер предоставляет комплекс услуг, обеспечивая их интеграцию. Тем не менее вопрос выбора оптимальной модели приобретения инфраструктуры до сих пор актуален и во многих случаях не имеет однозначного ответа.

Александр Волынский, архитектор PaaS-продуктов Mail.ru Cloud Solutions, согласен с тем, что облако предоставляет много возможностей для работы с большими данными. В большинстве случаев при построении хранилища данных компаниям приходится выбирать между моделями PaaS и IaaS, но есть и альтернатива. Волынский рекомендовал для работы с большими данными в облаке использовать инструменты Kubernetes. За счет этого можно получить продвинутую платформу для управления данными. Важно, что все используемые для таких целей инструменты являются открытыми.

Никита Кардашин, руководитель отдела развития интеллектуальных систем Naumen, порекомендовал найти точки соприкосновения CIO и CDO, где классические ИТ могут быть полезны для работы офиса данных. «Какие бы идеи ни возникли у руководства компании с точки зрения цифровизации и трансформации бизнеса, они будут опираться на процессы, архитектуру ИТ и работу ИТ-специалистов», — констатировал он. В ИТ наработан огромный пласт опыта, касающегося доставки ценности бизнесу и аналитики результатов этих усилий. Этот опыт зафиксирован в ITIL. В офисе данных часто пытаются изобретать велосипед, вместо того чтобы использовать лучшие практики. Процессы управления ИТ могут помочь в монетизации данных, обеспечении их качества, повышении надежности сервисов и сокращении издержек.

Не менее важен и обратный обмен опытом: многим компаниям будет полезно применить современные технологии к процессам управления ИТ. Как ни странно, ИТ — далеко не самая продвинутая область с этой точки зрения.

В рамках 10-го форума BIG DATA 2021, проведенного издательством «Открытые системы», важное место занял тематический блок «Дата-проекты: платформы, подходы, практика». Наибольший интерес в нем вызвали выступления экспертов «Сбера» — признанного лидера российского рынка в области работы с данными. Ключевым направлением последних лет стала плотная работа компании со своими с дата-сайентистами и другими специалистами по данным (их в «Сбере» называют D-People) в попытках улучшить их «клиентский опыт».

Например, показательным стало внедрение инструментов, автоматизирующих работу дата-сайентистов, — средств автоматического машинного обучения (AutoML). Его цель — уменьшить ручной труд аналитиков. Такой подход выгоден там, где раньше машинное обучение не окупалось и где требуется частое переобучение моделей.

Однако построение моделей — всего лишь небольшая часть работы. До 2019 года многие процессы работы с данными были организованы далеко не оптимально: приходилось тратить огромное время на установку ПО и получение доступа к данным, а сами данные были разрозненными. Как констатировал Борис Рабинович, директор департамента управления данными «Сбера», большую часть времени дорогостоящие D-People не работали, а занимались решением «коммунальных вопросов»: получением инфраструктуры и вычислительных мощностей (этот процесс занимал до трех месяцев), установкой необходимых инструментов (до двух месяцев), поиском и получением данных (до двух месяцев).

«Мы осознали проблемы наших внутренних клиентов и пересмотрели процессы и подходы к организации их рабочих мест. Данные и вычислительные мощности в ряде случаев теперь можно получить за час, быстро выдается полный инструментарий и предоставляются необходимые библиотеки», — подчеркнул Рабинович.

Построенный супермаркет данных стал единым окном во вселенную данных «Сбера» и важнейшим элементом создаваемой фабрики данных. Он позволил радикально ускорить все процессы работы с данными. Процесс оформления заказа на данные составляет около 10 минут, а весь процесс от входа в систему до получения данных занимает от 30 минут до суток, в зависимости от сложности работ. Супермаркет обслуживает около 200 заказов в день, и ежедневно через инфраструктуру супермаркета «гуляет» около 350 Тбайт данных.

Дмитрий Карбасов, руководитель управления промышленного искусственного интеллекта "Евразийской группы" (ERG), рассказал об использовании искусственного интеллекта для оптимизации закупочной деятельности.

«Мы в автоматическом режиме ищем поставщиков с наиболее выгодными ценами, строим базу продавцов и обрабатываем ее по интересующим нас алгоритмам — как для поиска минимальных цен, так и для заполнения конкретных лотов», — отметил Карбасов. При этом искусственный интеллект отвечает за выявление и устранение ошибок в позициях, за стандартизацию и поиск претендентов на роль поставщиков. Компании удалось значительно повысить прозрачность закупок с помощью создания единой базы цен.

Как отметил Андрей Майоров, технический директор РДТЕХ, телемедицина — это вовсе не общение по Skype с врачом, а медицина на основе данных, собираемых в реальной жизни. Рынок предлагает тысячи моделей носимых гаджетов, которые можно использовать для чего-то большего, чем подсчет шагов. Ярким примером может служить сервис цифровой медицины Actenzo. Майоров поделился опытом создания системы мониторинга физиологических параметров организма и предупреждения о развитии негативных трендов в состоянии здоровья человека. С помощью фитнес-браслетов решение измеряет пульс, давление, температуру, делает ЭКГ, оценивает физическую активность и качество сна.

Максим Милков, технический директор департамента анализа данных Softline AI, рассказал о преимуществах использования технологий обработки естественного языка (Nature Language Processing, NLP) для оптимизации документооборота. Проблемы поиска корпоративной информации общеизвестны: опросы показывают, что сотрудники тратят на добычу необходимой информации до 16 часов в неделю. При этом только в 56% случаев они находят ее, и большинство отмечают, что искать информацию гораздо сложнее, чем в Интернете. В решении проблемы помогает вопросно-ответная система, понимающая смысловое значение запроса. Она способна существенно облегчить жизнь пользователей и освободить массу времени.

Роль облаков и синергия с ИТ

Развитие облачных сервисов сыграло важную роль в ускорении дата-проектов, реализуемых многими компаниями. Как отметил Дмитрий Павлов, менеджер по развитию бизнеса Yandex.Cloud Data Platform, случаи полного (а тем более быстрого) перехода компаний в облако крайне редки. Обычно такие проекты происходят поэтапно и растянуты во времени. Часто компании ограничиваются лишь переносом в облако вычислительных мощностей и на этом останавливаются.

Ситуация значительно изменилась с появлением экосистем, в которых провайдер предоставляет комплекс услуг, обеспечивая их интеграцию. Тем не менее вопрос выбора оптимальной модели приобретения инфраструктуры до сих пор актуален и во многих случаях не имеет однозначного ответа.

Александр Волынский, архитектор PaaS-продуктов Mail.ru Cloud Solutions, согласен с тем, что облако предоставляет много возможностей для работы с большими данными. В большинстве случаев при построении хранилища данных компаниям приходится выбирать между моделями PaaS и IaaS, но есть и альтернатива. Волынский рекомендовал для работы с большими данными в облаке использовать инструменты Kubernetes. За счет этого можно получить продвинутую платформу для управления данными. Важно, что все используемые для таких целей инструменты являются открытыми.

Никита Кардашин, руководитель отдела развития интеллектуальных систем Naumen, порекомендовал найти точки соприкосновения CIO и CDO, где классические ИТ могут быть полезны для работы офиса данных. «Какие бы идеи ни возникли у руководства компании с точки зрения цифровизации и трансформации бизнеса, они будут опираться на процессы, архитектуру ИТ и работу ИТ-специалистов», — констатировал он. В ИТ наработан огромный пласт опыта, касающегося доставки ценности бизнесу и аналитики результатов этих усилий. Этот опыт зафиксирован в ITIL. В офисе данных часто пытаются изобретать велосипед, вместо того чтобы использовать лучшие практики. Процессы управления ИТ могут помочь в монетизации данных, обеспечении их качества, повышении надежности сервисов и сокращении издержек.

Не менее важен и обратный обмен опытом: многим компаниям будет полезно применить современные технологии к процессам управления ИТ. Как ни странно, ИТ — далеко не самая продвинутая область с этой точки зрения.

«Самое главное — появилось понимание того, что сами по себе данные имеют не слишком большую ценность. При необходимости их не так уж и сложно раздобыть. Гораздо ценнее знания, полученные из них, и умение эти знания получать», — так в своем выступлении на форуме подвел итог десятилетнего развития рынка технологий больших данных Сергей Мацоцкий, президент компании «ГС-Инвест», которому в 2012 году довелось открывать пленарную сессию на самом первом форуме BIG DATA.

10 лет назад многие считали, что необходимо собрать вместе как можно больше данных, после чего гениальные открытия в окружающем мире не заставят себя ждать. Однако с прорывами не сложилось: нельзя сказать, что появление больших данных радикально перевернуло нашу жизнь. Огромного количества передовых решений (IBM, EMC, Oracle и т. п.), созданных в тот период, уже не существует, да и сами технологии разделились на части, а понятие больших данных очень быстро стало зонтичным. Более того, на рынке обработки данных царят платформы категории Open Source.

По мнению Мацоцкого, открытые платформы находятся в самом начале своего феноменального развития, и чем дальше, тем большую роль они будут играть. На их базе возникают совершенно новые бизнес-модели. Это принципиально новое экономическое явление, до сих пор не слишком оцененное, будет играть очень важную роль, особенно в нашей стране, где высоки требования к импортонезависимости.

Сергей Золотарев, генеральный директор Arenadata, также отметил, что сейчас наблюдается бум экосистем, в использовании которых задали тон мировые ИТ-гиганты. У нас ярким примером является «Сбер», не случайно отказавшийся от второй части названия, — теперь это уже не только финансовый институт. Таков путь на ближайшие 10 лет: если речь идет о реализации серьезной идеи, то к этому надо относиться как к созданию экосистемы. Компаниям приходится либо разрабатывать собственную экосистему, либо становиться частью другой.

Леонид Жуков: «Развитие искусственного интеллекта является для 'Сбера' абсолютно критическим фактором повышения эффективности. Сейчас у нас трудятся 1,6 тыс. так называемых D-people — специалистов по работе с данными»

Леонид Жуков, возглавляющий Лабораторию по искусственному интеллекту «Сбера», признал, что его коллективу приходится заниматься в буквальном смысле технологиями будущего: многие из создаваемых решений еще очень рано применять, но они универсальны и будут иметь важное прикладное значение. Например, по его мнению, в транзакционных данных заключено столько ценности, что использовать их в нынешних системах пока довольно опасно — по крайней мере, до решения этических вопросов.

В любом случае развитие искусственного интеллекта является для «Сбера» абсолютно критическим фактором повышения эффективности. Сейчас над этим трудятся 1,6 тыс. так называемых D-people — специалистов по работе с данными.

Постоянная эволюция экосистем и платформ доставляет компаниям много проблем. Как подчеркнул Евгений Степанов, руководитель направления Vertica в России и СНГ компании Micro Focus, часто организации вынуждены принимать компромиссные решения, реализуя свои платформы для работы с данными. Новые продукты требуют слишком долгой адаптации, и компании строят свои системы на существующих технологиях, которые не справляются с новыми бизнес-задачами.

Управление данными становится все актуальнее

Алексей Сидоров, директор по управлению данными Denodo, начал выступление цитатой Эйнштейна: «Вы никогда не сумеете решить возникшую проблему, если сохраните то же мышление и тот же подход, который привел вас к этой проблеме». Сидоров считает, что основной причиной проблем является жесткость созданной инфраструктуры для работы с данными. Данных стало не просто больше: они стали разнородными и перестали вписываться в существующую структуру хранилищ данных. Архитектуры, которые хорошо работали до определенного времени, перестают отвечать современным требованиям компаний. Постепенно приходит понимание того, что невозможно собрать все доступные данные в единый репозиторий. Решить проблему может архитектура виртуализации данных, подразумевающая отказ от их непосредственного перемещения.

Алексей Сидоров: «Данных стало не просто больше. Они стали разнородными и перестали вписываться в существующую жесткую структуру хранилищ данных»

Как считает Олег Гиацинтов, технический директор DIS Group, в вопросах демократизации данных давно пора переходить от теории к практике. Не случайно 59% опрошенных бизнес-руководителей считают главной задачей директоров по данным именно демократизацию данных. Логика бизнеса очевидна: каждый сотрудник компании должен выполнять свою работу, а не искать данные или решать, можно ли им доверять. Выстроенные процессы управления данными не позволяют создать что-то новое, однако могут радикально ускорить существующие процессы.

Вопросам скорости, но уже другой — вычислительной — было посвящено и выступление Сергея Шестакова, генерального директора Luxms.

«Низкая производительность BI-систем на больших объемах данных является известной проблемой. Мы ее называем «кофе-брейк-аналитика»: после запуска отчета можно смело идти пить кофе», — признал Шестаков. По его словам, эта проблема решается путем построения дата-центричной архитектуры. При этом время выполнения запроса может сократиться в десятки раз — например, с получаса до одной минуты.

«Проблемы больших данных начинаются с метаданных. Нужны специальные инструменты для их решения — управления данными и их качеством», — заявил Роман Стрекаловский, ведущий архитектор компании «Юнидата». Если проводить аналогию со строительством дома, то управление метаданными — это план, без которого сложно построить что-то качественное. Внедрение разрозненных систем с большим потоком транзакционных данных без такого плана (а значит, и без понимания того, зачем эти технологии внедряются и как они повлияют на бизнес компании) чревато проблемами. И если такой план рождается эмпирическим путем по ходу проекта, то риски предприятия серьезно растут.

По словам Павла Егорова, руководителя проектов big data компании «Крок» в промышленности, все больше предприятий осознают необходимость создания цифровой платформы, способной выступать в роли единой точки доступа к цифровым сервисам и данным. Именно она является необходимым базисом для реализации цифрового двойника предприятия — подхода, который постепенно становится стандартом и к которому принято стремиться. Сбор данных и их обработка позволяют организовывать мониторинг событий, проводить событийный анализ, выявлять отклонения в режиме реального времени. На основе полученной информации создаются решения промышленной аналитики и цифровые ассистенты, которые в целом дают мощный синергетический эффект.

Госсектору тоже нужны данные

Крайне важно и то, что большие данные не только начали приносить пользу в бизнесе, но и стали использоваться в социальных проектах. Вера Адаева, директор Центра цифрового развития АСИ, рассказала о ряде проектов, реализованных в рамках хакатонов World AI&Data Challenge. Хакатоны хорошо зарекомендовали себя как инструмент рекрутинга и обеспечения притока инноваций в компании. Их устраивают все крупные организации, которые могут себе это позволить. Однако у государственных структур и некоммерческих сообществ такого инструмента нет.

Проекты, формирующиеся в рамках World AI&Data Challenge, — это задачи, в которые никогда не пойдет бизнес: зачастую они не слишком рентабельны и требуют проверки гипотез. Так появились решения, связанные с повышением безопасности и снижением аварийности на дорогах, изучением портретов малообеспеченных семей, повышением туристической привлекательности регионов.

Иван Фост: «Доля актуальных и достоверных данных в госсекторе составляет не более 30%, хотя о важности обеспечения качества данных говорят абсолютно все»

Как экспериментировать с данными в российской правовой среде, не нарушая закона, обсудили участники круглого стола «Перспективы развития отрасли больших данных с учетом появления экспериментально-правовых режимов», организованного Ассоциацией больших данных. Необходимость принятия новых правил для проведения согласованных экспериментов была ясна бизнесу, но крайне тяжело воспринималась государством. О том, что такое экспериментально-правовые режимы, как работать в новых реалиях с искусственным интеллектом, а также о том, как крупный бизнес планирует участвовать в этой инициативе, беседовали участники круглого стола — представители Администрации президента РФ, Минэкономразвития РФ, АНО «Цифровая экономика», Центра цифрового развития АСИ, ДИТ Москвы и Ассоциации больших данных.

О веяниях, наблюдающихся в работе с данными в госсекторе, и проблемах, с которыми приходится сталкиваться, рассказал Иван Фост, руководитель департамента управления данными Аналитического центра при правительстве РФ. Он привел примеры аналитических сервисов для решения социальных задач — например, использование мониторинга доступности продовольствия или распространенности занятий спортом среди пенсионеров.

В целом автоматизация текущих процессов в госсекторе и их наполненность данными весьма высоки. Однако доля актуальных и достоверных данных составляет не более 30%, хотя о важности обеспечения качества данных говорят абсолютно все. Как резюмировал Фост, запросы государства очень велики: на всех уровнях власти требуются качественные данные, причем очень быстро, но при этом на разных уровнях эти требования различаются и даже зачастую противоречат друг другу.

Экспериментальные правовые режимы (ЭПР) в области работы с данными напрямую связаны с реализацией национальной стратегии развития искусственного интеллекта. Наше государство всерьез рассчитывает на серьезный технологический прорыв в этой области. Для этого важна поддержка как бизнеса, так и научного сообщества. В ходе круглого стола, организованного на форуме BIG DATA 2021, представители правительственных структур и эксперты отрасли рассказали о том, что такое экспериментальные правовые режимы, как работать с данными в новых реалиях и как крупный бизнес планирует участвовать в этих инициативах.

По мнению Анны Серебряниковой, президента Ассоциации больших данных, создание ЭПР – смелый шаг со стороны государства. Говоря простыми словами, ЭПР – это установление новых, временных правил для проведения согласованных экспериментов. Такой подход хорошо понятен бизнесу, но очень трудно воспринимается государством: эксперимент может оказаться неуспешным, а это всегда болезненно. Тем не менее, политическая воля сложилась и необходимый закон был принят, а сейчас уже готовятся подзаконные нормативные акты, регулирующие применение ЭПР.

Начнут с наиболее перспективных кейсов

Анна Серебряникова: «Подход экспериментальных режимов хорошо понятен бизнесу, но очень трудно воспринимается государством: эксперимент может оказаться неуспешным, а это всегда болезненно»

Как признала Оксана Тарасенко, заместитель министра экономического развития РФ, для Минэкономразвития принятие экспериментальных правовых режимов (так называемых песочниц) стало действительно большим достижением.

«Это ключевой фактор для развития любых инноваций, в том числе технологий искусственного интеллекта. Нами за последний год проведена большая работа по подготовке необходимой правовой базы, а также отбору проектов, которые будут запущены в рамках первых ЭПР», — заявила Тарасенко.

В конце января вступил в силу 258-ФЗ «Об экспериментальных правовых режимах», предусматривающий создание условий для проведения правовых экспериментов для тестирования в реальной жизни цифровых инноваций. Сопутствующие подзаконные акты призваны исключить законодательные препятствия для тестирования новых технологий в рыночной среде. Они охватывают семь наиболее перспективных направлений, таких как беспилотный транспорт, телемедицина, заключение договоров с помощью биометрии и т.п. Тарасенко выразила уверенность, что первые ЭПР будут запущены уже в нынешнем году.

«Это тот случай, когда государство услышало запрос бизнеса», — подчеркнул Дмитрий Тер-Степанов, заместитель генерального директора АНО «Цифровая экономика». Регулятор стоит на защите прав граждан, а бизнес продвигает инновации, и между этими «минусом» и «плюсом» возникает напряжение, которое снимается законом про ЭПР. Предметом ЭПР является именно то, до чего до сих пор не удалось договориться и что воспринимается регулятором как поле для рисков. У сообщества есть три года, чтобы на ограниченной территории попробовать доказать, что эти риски преувеличены.

В поисках разумного компромисса

«Введение ЭПР – хорошая практика в развитых странах, она позволяет апробировать новые технологии и провести их оценку. Но ЭПР могут нести вполне ощутимые риски, и в первую очередь это связано с использованием данных о гражданах», — отметила Татьяна Матвеева, начальник управления по применению ИТ в развитии электронной демократии Администрации президента РФ. Таким образом, общая задача – найти взвешенное решение и разумные компромиссы, которые позволят обеспечить защиту интересов граждан. Важно осознать допустимые пределы ЭПР, прежде всего с точки зрения защиты прав человека.

По словам Матвеевой, в рамках международных конвенций есть примеры ограничений и изъятий из основных требований по защите прав человека, но они главным образом направлены на обеспечение национальной безопасности и общественного порядка. России как участнику этих конвенций необходимо осторожно подходить к реализации ЭПР, и принципиально важно, чтобы по завершении эксперимента была дана оценка их эффективности.

Предлагаемые бизнесом эксперименты чаще всего связаны с развитием клиентского опыта. В маркетинговых целях компаниям хочется знать о гражданах всё: не только действия, но даже их мысли. Важно не только обезличивание таких данных, четкие правила их загрузки в «песочницы» и правила допуска к ним участников, но и дальнейшие правила уничтожения данных после проведения эксперимента, а также порядок внепланового прекращения эксперимента.

«Нам по силам найти баланс между внедрением новых решений, за которыми будущее, и защитой интересов людей, как того требует национальная стратегия развития искусственного интеллекта. Этот баланс обеспечит интересы и людей, и бизнеса, и государства», — уверена Матвеева.

«Маленький рекомендательный сервис»

Мария Поликанова: «Важно предложить гражданам сервис, который сейчас они не могут себе позволить, – хороший консалтинг по составлению финансового плана и прогнозу развития бизнеса»

В качестве одного из первых экспериментов планируется запустить создаваемый Ассоциацией больших данных сервис «Собственное дело» – платформы, которая подскажет будущим предпринимателям перспективные сферы для открытия бизнеса.

«Регуляторы много говорят о том, что надо соблюдать права человека. Но одним из таких прав является право на труд», — напомнила Мария Поликанова, руководитель стратегического комитета Ассоциации и идейный вдохновитель сервиса «Собственное дело». Не секрет, что огромное количество стартапов «умирают» уже в самом начале — 80% компаний закрываются в первый год. Чтобы избежать этого, важно предложить гражданам сервис, который сейчас они не могут себе позволить, – хороший консалтинг по составлению финансового плана и прогнозу развития бизнеса.

Разрабатывая стратегию развития рынка больших данных, в Ассоциации оценили, что это направление может принести стране до 0,3% роста ВВП. Если таким сервисом за год воспользуются хотя бы 250 тыс. человек, то в экономике будет получен дополнительный оборот 4,8 трлн руб., а это 325 млрд руб. дополнительных поступлений в бюджет. Такой эффект может «дать один маленький рекомендательный сервис».

По словам Поликановой, в этом проекте участвуют восемь крупных конкурирующих компаний, которые смогли договориться и создать принципиально новый сервис. Он будет реализован в режиме времени, близком к реальному, и должен быть настолько простым, чтобы им могла воспользоваться даже домохозяйка.

Столица — как обычно, в авангарде

Иван Бутурлин: «Столица становится площадкой для апробации многих новшеств. Для нас эксперимент в сфере искусственного интеллекта – уже просто жизненная необходимость»

Москва планирует запустить собственные эксперименты в рамках ЭПР. Это крупнейший и наиболее развитый рынок в стране, он является ориентиром для многих.

«Столица становится площадкой для апробации многих новшеств. Для нас эксперимент в сфере искусственного интеллекта – уже просто жизненная необходимость», — констатировал Иван Бутурлин, руководитель проектного офиса по ЭПР ДИТ Москвы. Цифровые технологии составляют 6% ВРП города, а в ИТ-отрасли Москвы работают 600 тыс. человек. Даже без экспериментов в городе функционируют продукты, использующие возможности искусственного интеллекта – например, в вопросах коммуникаций с жителями, безопасности и здравоохранения.

В 2018 году Москва вошла в топ-10 городов мира, готовых к внедрению искусственного интеллекта. С точки зрения технологий уже тогда все было отлично, однако город занимал лишь 20-ю позицию по готовности нормативно-правовой базы. Принимаемые сейчас законы устраняют эту дисгармонию.

Как подчеркнул Бутурлин, задачи ЭПР охватывают не только вопросы работы с данными. Столичный ДИТ смотрит чуть дальше по производственной цепочке и готов проходить весь жизненный цикл решений – от предоставления данных до создания алгоритмов и готовых решений. При этом предстоит решить множество практических вопросов, для этого и нужен эксперимент.

Выход из эксперимента не менее важен

Участники круглого стола согласились, что нельзя пренебрегать вопросами этики использования искусственного интеллекта. Но не надо забывать, что до сих пор речь идет лишь о рекомендательных системах. Технология еще слишком незрелая, и не следует ее ограничивать слишком жесткими рамками, с учетом того, что до сих пор нет ни одной реальной системы, способной полностью подменить человека при принятии решений.

В любом случае, реализация ЭПР для тестирования новых технологий на государственном уровне стала чуть ли не уникальным случаем, когда Минэкономразвития и бизнес-сообщество пошли по довольно сложному пути «рука об руку». По-другому добиться столь амбициозных целей, поставленных на уровне страны, будет невозможно.

Важен не только вход в эксперимент, но и выход из него – ведь он реализуется именно для того, чтобы затем поменять общие правила на рынке. До сих пор остается открытым вопрос, где и в каких пределах можно рассчитывать на изменение режимов, а в каких случаях государство не сможет пойти на изменение регулирования.

Экспериментальные правовые режимы (ЭПР) в области работы с данными напрямую связаны с реализацией национальной стратегии развития искусственного интеллекта. Наше государство всерьез рассчитывает на серьезный технологический прорыв в этой области. Для этого важна поддержка как бизнеса, так и научного сообщества. В ходе круглого стола, организованного на форуме BIG DATA 2021, представители правительственных структур и эксперты отрасли рассказали о том, что такое экспериментальные правовые режимы, как работать с данными в новых реалиях и как крупный бизнес планирует участвовать в этих инициативах.

По мнению Анны Серебряниковой, президента Ассоциации больших данных, создание ЭПР – смелый шаг со стороны государства. Говоря простыми словами, ЭПР – это установление новых, временных правил для проведения согласованных экспериментов. Такой подход хорошо понятен бизнесу, но очень трудно воспринимается государством: эксперимент может оказаться неуспешным, а это всегда болезненно. Тем не менее, политическая воля сложилась и необходимый закон был принят, а сейчас уже готовятся подзаконные нормативные акты, регулирующие применение ЭПР.

Начнут с наиболее перспективных кейсов

Анна Серебряникова: «Подход экспериментальных режимов хорошо понятен бизнесу, но очень трудно воспринимается государством: эксперимент может оказаться неуспешным, а это всегда болезненно»

Как признала Оксана Тарасенко, заместитель министра экономического развития РФ, для Минэкономразвития принятие экспериментальных правовых режимов (так называемых песочниц) стало действительно большим достижением.

«Это ключевой фактор для развития любых инноваций, в том числе технологий искусственного интеллекта. Нами за последний год проведена большая работа по подготовке необходимой правовой базы, а также отбору проектов, которые будут запущены в рамках первых ЭПР», — заявила Тарасенко.

В конце января вступил в силу 258-ФЗ «Об экспериментальных правовых режимах», предусматривающий создание условий для проведения правовых экспериментов для тестирования в реальной жизни цифровых инноваций. Сопутствующие подзаконные акты призваны исключить законодательные препятствия для тестирования новых технологий в рыночной среде. Они охватывают семь наиболее перспективных направлений, таких как беспилотный транспорт, телемедицина, заключение договоров с помощью биометрии и т.п. Тарасенко выразила уверенность, что первые ЭПР будут запущены уже в нынешнем году.

«Это тот случай, когда государство услышало запрос бизнеса», — подчеркнул Дмитрий Тер-Степанов, заместитель генерального директора АНО «Цифровая экономика». Регулятор стоит на защите прав граждан, а бизнес продвигает инновации, и между этими «минусом» и «плюсом» возникает напряжение, которое снимается законом про ЭПР. Предметом ЭПР является именно то, до чего до сих пор не удалось договориться и что воспринимается регулятором как поле для рисков. У сообщества есть три года, чтобы на ограниченной территории попробовать доказать, что эти риски преувеличены.

В поисках разумного компромисса

«Введение ЭПР – хорошая практика в развитых странах, она позволяет апробировать новые технологии и провести их оценку. Но ЭПР могут нести вполне ощутимые риски, и в первую очередь это связано с использованием данных о гражданах», — отметила Татьяна Матвеева, начальник управления по применению ИТ в развитии электронной демократии Администрации президента РФ. Таким образом, общая задача – найти взвешенное решение и разумные компромиссы, которые позволят обеспечить защиту интересов граждан. Важно осознать допустимые пределы ЭПР, прежде всего с точки зрения защиты прав человека.

По словам Матвеевой, в рамках международных конвенций есть примеры ограничений и изъятий из основных требований по защите прав человека, но они главным образом направлены на обеспечение национальной безопасности и общественного порядка. России как участнику этих конвенций необходимо осторожно подходить к реализации ЭПР, и принципиально важно, чтобы по завершении эксперимента была дана оценка их эффективности.

Предлагаемые бизнесом эксперименты чаще всего связаны с развитием клиентского опыта. В маркетинговых целях компаниям хочется знать о гражданах всё: не только действия, но даже их мысли. Важно не только обезличивание таких данных, четкие правила их загрузки в «песочницы» и правила допуска к ним участников, но и дальнейшие правила уничтожения данных после проведения эксперимента, а также порядок внепланового прекращения эксперимента.

«Нам по силам найти баланс между внедрением новых решений, за которыми будущее, и защитой интересов людей, как того требует национальная стратегия развития искусственного интеллекта. Этот баланс обеспечит интересы и людей, и бизнеса, и государства», — уверена Матвеева.

«Маленький рекомендательный сервис»

Мария Поликанова: «Важно предложить гражданам сервис, который сейчас они не могут себе позволить, – хороший консалтинг по составлению финансового плана и прогнозу развития бизнеса»

В качестве одного из первых экспериментов планируется запустить создаваемый Ассоциацией больших данных сервис «Собственное дело» – платформы, которая подскажет будущим предпринимателям перспективные сферы для открытия бизнеса.

«Регуляторы много говорят о том, что надо соблюдать права человека. Но одним из таких прав является право на труд», — напомнила Мария Поликанова, руководитель стратегического комитета Ассоциации и идейный вдохновитель сервиса «Собственное дело». Не секрет, что огромное количество стартапов «умирают» уже в самом начале — 80% компаний закрываются в первый год. Чтобы избежать этого, важно предложить гражданам сервис, который сейчас они не могут себе позволить, – хороший консалтинг по составлению финансового плана и прогнозу развития бизнеса.

Разрабатывая стратегию развития рынка больших данных, в Ассоциации оценили, что это направление может принести стране до 0,3% роста ВВП. Если таким сервисом за год воспользуются хотя бы 250 тыс. человек, то в экономике будет получен дополнительный оборот 4,8 трлн руб., а это 325 млрд руб. дополнительных поступлений в бюджет. Такой эффект может «дать один маленький рекомендательный сервис».

По словам Поликановой, в этом проекте участвуют восемь крупных конкурирующих компаний, которые смогли договориться и создать принципиально новый сервис. Он будет реализован в режиме времени, близком к реальному, и должен быть настолько простым, чтобы им могла воспользоваться даже домохозяйка.

Столица — как обычно, в авангарде

Иван Бутурлин: «Столица становится площадкой для апробации многих новшеств. Для нас эксперимент в сфере искусственного интеллекта – уже просто жизненная необходимость»

Москва планирует запустить собственные эксперименты в рамках ЭПР. Это крупнейший и наиболее развитый рынок в стране, он является ориентиром для многих.

«Столица становится площадкой для апробации многих новшеств. Для нас эксперимент в сфере искусственного интеллекта – уже просто жизненная необходимость», — констатировал Иван Бутурлин, руководитель проектного офиса по ЭПР ДИТ Москвы. Цифровые технологии составляют 6% ВРП города, а в ИТ-отрасли Москвы работают 600 тыс. человек. Даже без экспериментов в городе функционируют продукты, использующие возможности искусственного интеллекта – например, в вопросах коммуникаций с жителями, безопасности и здравоохранения.

В 2018 году Москва вошла в топ-10 городов мира, готовых к внедрению искусственного интеллекта. С точки зрения технологий уже тогда все было отлично, однако город занимал лишь 20-ю позицию по готовности нормативно-правовой базы. Принимаемые сейчас законы устраняют эту дисгармонию.

Как подчеркнул Бутурлин, задачи ЭПР охватывают не только вопросы работы с данными. Столичный ДИТ смотрит чуть дальше по производственной цепочке и готов проходить весь жизненный цикл решений – от предоставления данных до создания алгоритмов и готовых решений. При этом предстоит решить множество практических вопросов, для этого и нужен эксперимент.

Выход из эксперимента не менее важен

Участники круглого стола согласились, что нельзя пренебрегать вопросами этики использования искусственного интеллекта. Но не надо забывать, что до сих пор речь идет лишь о рекомендательных системах. Технология еще слишком незрелая, и не следует ее ограничивать слишком жесткими рамками, с учетом того, что до сих пор нет ни одной реальной системы, способной полностью подменить человека при принятии решений.

В любом случае, реализация ЭПР для тестирования новых технологий на государственном уровне стала чуть ли не уникальным случаем, когда Минэкономразвития и бизнес-сообщество пошли по довольно сложному пути «рука об руку». По-другому добиться столь амбициозных целей, поставленных на уровне страны, будет невозможно.

Важен не только вход в эксперимент, но и выход из него – ведь он реализуется именно для того, чтобы затем поменять общие правила на рынке. До сих пор остается открытым вопрос, где и в каких пределах можно рассчитывать на изменение режимов, а в каких случаях государство не сможет пойти на изменение регулирования.