На сайте LinkedIn опубликовали пятерку самых популярных новых вакансий, возглавила которую позиция разработчика блокчейн-решений, что соответствует и данным из других источников, появившимся за последнее время.

Согласно отчету LinkedIn U.S. Emerging Jobs Report, за 2018 год число вакантных мест специалистов по разработке распределенных реестров с одноранговой топологией выросло в 33 раза. На втором месте с большим отставанием — инженеры систем машинного обучения, количество соответствующих вакансий возросло за год двенадцатикратно. Пятерку завершают руководители по продаже приложений, специалисты по машинному обучению и медицинские представители.

Параллельно со спросом на разработчиков блокчейн-решений выросло и число программ обучения соответствующим навыкам. Например, как только в Калифорнийском университете в Беркли появился онлайн-курс по криптовалютам и блокчейн-технологий для предприятий, на него сразу же записались тысячи желающих.

«Ничего удивительного в том, что растет число позиций, связанных с машинным обучением, и продолжается рост количества вакансий, связанных с Data Science, — отмечает Гай Бергер, ведущий экономист LinkedIn. — А выход вакансии 'блокчейн-разработчик' на первое место среди новых в 2018 году, учитывая растущий интерес к блокчейну и криптовалютам, тоже вряд ли можно считать неожиданностью».

Хотя криптовалюты в 2018 году падали в цене во главе с биткойном, который потерял 80% стоимости, количество потребителей, покупающих цифровые деньги, почти удвоилось, если судить по отчету, опубликованному Кембриджским университетом.

По оценкам его авторов, сейчас количество уникальных активных пользователей криптовалютных кошельков — баз данных, хранящих хеш-ключи, которые привязаны к цифровым деньгам, составляет от 2,9 млн до 5,8 млн. Отчет был подготовлен по результатам опроса, в котором приняли участие около 150 компаний, предлагающих криптовалюты, а также частные лица из 38 стран.

Границы между различными секторами индустрии криптовалют все сильнее размываются: 31% компаний с собственными криптовалютами работают в двух и более секторах — растет количество универсальных предприятий такого рода.

С востребованностью разработчиков блокчейна растут и зарплаты.

По данным Burning Glass Technologies, в прошлом году общее число опубликованных объявлений о вакансиях, требующих навыков в области блокчейна, составило 12006 — на 316% больше, чем в позапрошлом. Отметим, что за первые шесть месяцев 2018 года таких вакансий было 5743.

Самые популярные навыки разработчиков блокчейна, согласно докладу LinkedIn, — знание Solidity, языка программирования умных контрактов; компетенция в области Ethereum, блокчейна и криптовалюты с открытым кодом; навыки разработки криптовалют и знание Node.js, серверного варианта JavaScript, который используется для написания скриптов, выполняемых на узлах блокчейнов.

Чаще всего специалисты по блокчейну требуются в ИТ-компаниях, включая те, которые специализируются на разработке ПО и связанных услугах, а также в интернет-компаниях. Лидерами по числу публикаций объявлений о подобных вакансиях стали IBM, ConsenSys и Chainyard.

«И все же твердой уверенности в том, что тенденция роста спроса на специалистов по блокчейну станет устойчивой, нет», — отмечает Бергер.

LinkedIn стал одним из многих сайтов объявлений о трудоустройстве, сообщивших о росте количества вакансий, связанных с блокчейном.

«Сегодня особенно высоким спросом пользуются специалисты по ERP и блокчейну, — отметил глава консалтинговой компании Janco Associates Виктор Янулайтис. — Профессионалы в этих областях могут рассчитывать на продолжение роста зарплат».

По словам генерального директора Hired Мехула Патела, компетенция «блокчейн» появилась на сайте компании в конце 2017 года, и с тех пор спрос на инженеров блокчейн-систем, по данным агентства, вырос на 400%.

«При этом нужно отметить, что самостоятельная позиция 'инженер блокчейн-систем' еще не встречается — чаще блокчейн упоминают как одну из компетенций, необходимых архитекторам серверных систем и корпоративных решений, а также инженерам по машинному обучению», — добавил Пател.

В мире, где существует Amazon, любой ретейл-бизнес должен или стать сервисным ИТ-бизнесом, или уйти с рынка. Применимо ли это утверждение к компаниям, работающим в премиальном сегменте? Что нового может предложить продуктовый ретейл покупателям? Как «продавцу помидоров» конкурировать с ведущими технологическими компаниями? Георгий Михайлов, который отвечает в «Азбуке вкуса» за инновации, ответил на эти и некоторые другие вопросы.

- «Азбука вкуса» — это ИТ-компания?

«Азбука вкуса» — это ИТ-компания, занимающаяся реализацией FMCG-товаров. Через несколько лет, если мы продолжим правильно подходить к проникновению «цифры» в бизнес, «Азбука вкуса» сможет продавать все, что угодно, любые сервисные услуги.

- Появление Apple в вашей ассортиментной линейке — это часть того, о чем вы говорите?

Это, скорее, незнание рынком бренда «Азбука вкуса». «Деликатесы стерео», через которые мы реализуем продукцию Apple, шестнадцать лет на рынке. Это дочерняя компания «Азбуки вкуса», которая все время торговала медиа, CD, винилом. Сейчас продает игрушки, гаджеты и т.д. Это логичное расширение ассортиментной матрицы нашего дочернего бренда. Мы продавали Samsung, продавали YotaPhone. То, что теперь наш дочерний бренд продает Apple, — логичное продолжение.

- Насколько ваши коллеги внутри компании готовы себя воспринимать как сотрудников ИТ-бизнеса? Насколько рынок готов относиться к «Азбуке вкуса» как к участнику ИТ-индустрии?

Владельцы компании однозначно видят нас как ИТ-бизнес. У них цифровое мышление было задолго до того, как в компании сформировалось понимание, что мы готовим ИТ-продукты. Есть топ-менеджеры и пласт сотрудников, которые не чувствуют взаимосвязи ИТ и «Азбуки» так плотно. И есть департамент развития цифровых продуктов, где все эти ИТ-продукты готовятся, «жарятся» и «варятся». Разрыв между пониманием того, как устроен цифровой мир, зачем нужна «цифра» компании — и пониманием, что «Азбука» уже стала ИТ-компанией, до сих пор сохраняется. Это нормально. Не все, кто был занят в продуктовом ретейле, готовы осознать, что мир изменился. Со временем такое осознание придет.

- Всякая смена парадигмы влечет смену кадрового состава: кто-то понял, кто-то не понял, кто-то не вписался. Кого слишком много, а кого катастрофически не хватает?

Слишком много функционеров, тех, кто привык носить бумажки, выполнять задачки, слишком много сотрудников, приверженных старомодным бизнес-процессам. Мало тех, кто готов увидеть бизнес глазами новых поколений с их большим числом гаджетов, с другим образованием, зачастую с отсутствием образования как такового. У нового поколения другие взгляды на продукты питания как на категорию. Чтобы это понять, надо менять голову.

Как питались люди раньше? Пожарили дома на сковородке что-нибудь с чем-нибудь, что-то сверху налили и поели. Сейчас люди покупают бандлы, готовые решения. Им нужна коробка с понятным вкусом и понятно оцифрованными параметрами. Данные будут просканированы в смартфон клиента с приложением с рационом питания. Эта коробка доступна в определенные часы, а в другие часы она просто не нужна — и т.д. Это иной взгляд на модель потребления и интеграцию этой модели с цифровым миром.

- Если мы говорим про ИТ-специалистов, то кого не хватает наиболее остро?

Лидеров с пониманием ИТ. Программистов — тоже тяжело, но мы их находим. Бизнес-аналитиков находим со скрипом. Но лидеров очень мало. Тех, кто готов указать направление и повести людей за собой.

- Сейчас у толкового ИТ-специалиста как никогда много путей: уехать за рубеж, найти интересные компании в России. Вряд ли «Азбука вкуса» входит в его топ тех мест, где он хочет работать. Чем соблазняете?

Для этого мы много чего сделали, и соблазнять получается. Во-первых, мы создали в рамках «Азбуки» дочернюю компанию с уклоном в ИТ. Она выглядит и действует как ИТ-компания. Мы придумали для нее HR-бренд, создали свой язык общения. Наша целевая аудитория — разработчики от 18 до 26 лет, стажеры, те, кто может стать лидером ИТ-компании. С этим предложением мы вышли на рынок поиска специалистов, причем отдельно от «Азбуки». Это четко дифференцирует нас от коллег и одновременно ставит на один уровень с такими яркими брендами, как «Альфа-Лаб», «Сбертех», «Ламода»... Мы смогли создать у своих сотрудников ощущение масштабности стоящих перед ними задач, сумели заинтересовать возможностью реализовать яркие и интересные для них самих проекты. Мы говорим им, что «Азбука вкуса» — это в том числе мощнейшая ИТ-команда с не менее мощным материнским брендом и то, что у «Азбуки вкуса» масса интереснейших цифровых продуктов. Наша аудитория молода, и ей нужны эти решения. Мы готовим для специалистов вызов — а это сильная нематериальная мотивация. Мы говорим: «Задачи, которые мы решаем, сложнее, чем те, которыми занимаются в 'Яндексе' или Google». В рознице очень короток промежуток от создания решения до получения осязаемого результата. Это очень сильно мотивирует. Качество специалистов, которых мы берем на работу, за последнее время сильно выросло.

- В зарплатах, которые вы предлагаете, есть премия к уже устоявшимся ИТ-брендам, где работать круто?

У нас зарплата чуть меньше…

- Вы берете не с премией, а даже с дисконтом?

Мы готовы платить 80-85% от максимальной цены на рынке. Это приличный дисконт, но при этом мы берем очень классных ребят — благодаря HR-бренду, атмосфере и т.д.

- Проблема отъезда за границу ИТ-специалистов — насколько вы от нее страдаете?

Очень сильно страдаем. Сейчас даже белорусы больше работают с Америкой, чем с нами. Раньше, если кого-то не хватало в России, можно было поискать в соседних странах. Сейчас уже компании из Белоруссии ищут ресурсы в России. Аутсорсинговые компании из соседних стран начали нанимать программистов из России для проектов, которые они реализуют в интересах европейских и американских заказчиков.

- Можно выразить этот дефицит в процентах?

У меня укомплектованность 70%. Думаю, это обычная ситуация. Важное дополнение: мне не хватает 30% очень толковых специалистов.

- Давайте отойдем от HR и перейдем к технологиям. Что самого интересного в области ИТ и ретейла происходит прямо сейчас?

Скорость — это то, что приносит победу на рынке. Доступность сервисов где угодно, по любым каналам. Способность внедрять изменения максимально быстро. Проектами длиной в два года мыслить больше нельзя.

- Входит ли в понятие скорости динамическое ценообразование?

Динамическое ценообразование у нас уже два года как введено. Мы можем взять цены конкурентов, учесть спрос и выставить цены нажатием кнопки. Некоторые вещи делаются в автоматическом режиме каждый вторник и четверг. Динамичнее некуда. Менять в рамках одного магазина цены в течение дня было бы неправильно с точки зрения нашего клиента. Это разумно в дисконт-магазинах. Для нашего же типа розницы и нашего потребителя важна определенная стабильность. Вот на сайте любое динамическое ценообразование уместно.

- Изменились ли за последние пару лет технологии прогнозирования спроса? Сейчас все говорят о том, что нейронные сети, большие данные и т.п. выдают в этой области что-то такое, чего не было раньше...

Если кто-то это и делает, то наверняка это пока не связано с такими вещами, как товарная матрица. Скорее всего, это делают на уровне каких-то более крупных вещей. Угадать и спрогнозировать со стопроцентной точностью для конкретного человека его корзину на завтра — вряд ли сейчас такое возможно. Но уверен, что ретейл дойдет и до этого.

- Растет ли объем данных о покупателе, который вы собираете? Насколько эти данные вам помогают?

Набор данных у нас небольшой и сильно персонифицированный. Человек, его фамилия, телефон, мейл, пол, возраст. На мой взгляд, этих данных уже недостаточно. Хорошо бы чуть-чуть расширить границы: использовать соцсети, взаимосвязи с другими клиентами «Азбуки», предпочтения, возможно, информацию о частом нахождении где-то в Москве, что посещает, какое кино любит. Данные, которые позволяют нарисовать портрет пользователя в сети и в жизни. Вот этого у нас пока нет, но очень хочется.

- Вы сказали, что потребитель нового поколения «хочет коробку». Если это действительно так, то вы конкурируете не столько с другими ретейлерами, сколько со службами доставки еды из ресторанов.

Да, мы с ними конкурируем. Но те же службы доставки из ресторанов доставляют от нас те самые коробки. А открытые нами рестораны, надеюсь, будут конкурировать с другими ресторанами.

- Вы описали цифровое будущее, которое готовите для своих клиентов. Какие изменения я, как клиент «Азбуки вкуса», почувствую в ближайший год?

Продуктоматы. Самовывоз. Это новые для «Азбуки» сервисы, но они уже хорошо себя зарекомендовали.

Скорее всего, доставка станет быстрее. Вы сможете получать продукты не через 4-6 часов, а, скажем, через 2-3. Точно будет переработан подход к формированию персонального листинга товаров в интернет-магазине. Сейчас он основывается на обобщающей статике. Мы хотим перейти к максимально полной динамике в персонализации вашего листинга, более точно попадать в интересы покупателя, основываясь не только на предыдущем заказе.

Идет перевод всех магазинов на более быстрые кассы. Возможно, в некоторых магазинах появится оплата посредством биометрии, может быть, даже оплата с помощью селфи. Очень хочется сделать кассы самообслуживания для частых посетителей наших магазинов. Это убыстрит расчеты, уменьшатся очереди.

Мы тестируем технологии распознавания товара, когда система сообщает, какого именно товара сейчас нет на полках.

- Стратегия компании в том, чтобы лояльный потребитель больше и чаще ходил в обычный магазин, или чтобы заманить покупателя в Интернет?

Наша стратегия — увеличить число сервисов, потребляемых одним покупателем, расширить потребление услуг «Азбуки» как сервисной компании, не важно, где именно. Если мы уговорим вас чаще ходить в супермаркет — круто. Но также мы можем предложить вам на сайте экспресс-меню на завтрак, обед и ужин, и, может быть, в будущем услуги химчистки и другой непривычный для супермаркета сервис.

«Лаборатория Касперского» открыла в Цюрихе свой первый «центр прозрачности». В проект, направленный на восстановление доверия международных клиентов, компания намерена инвестировать 12 млн долл.

В ЦОДе, который обслуживается центром Interxion Data Centre, предполагается хранить данные европейских пользователей. Инвестиции на первом этапе должны составить 3 млн долл.

Речь идет, в частности, о данных, ссылающихся на вредоносные и подозрительные файлы, к которым совместно обращаются пользователи «Лаборатории Касперского». К ним относятся в том числе и ранее неизвестные вредоносные файлы, а также соответствующие метаданные, которые продукты компании направляют в сеть Kaspersky Security Network (KSN) для автоматического анализа вредоносного кода.

На конференции Kaspersky Transparency Summit, проходившей в Цюрихе, основатель и генеральный директор компании Евгений Касперский заявил, что этот шаг не стоит рассматривать как прямой результат санкций США в отношении продуктов «Лаборатории Касперского». Решение о прозрачности было принято еще до введения ограничительных мер.

«Мы думали о создании некоего центра прозрачности еще до запретов со стороны США, – подчеркнул Касперский. – Дополнительные ограничения стали для нас лишь дополнительным стимулом, и теперь все желающие могут убедиться в том, что нам нечего скрывать. Знакомство с нашим исходным кодом происходило и раньше. К нам приезжали специалисты из США, стран Европы и Латинской Америки, и мы с радостью их приветствовали. Наши двери были открыты, и они приходили к нам».

План заключается в том, чтобы переместить в центры прозрачности хранение и обработку клиентских данных, а также сборку программного обеспечения, включая обновления средств обнаружения угроз.

«Лаборатория Касперского» стала первым вендором на рынке информационной безопасности, который готов двигаться в указанном направлении, и здесь надеются, что все остальные последуют ее примеру.

«Объявив о реализации этой инициативы, мы вынуждены двигаться все быстрее, – сообщил вице-президент компании по связям с общественностью Антон Шингарев. – Теперь же столь раннее начало я оцениваю исключительно в положительном ключе. Ведь это значит, что мы на год-два опережаем в этом отношении своих конкурентов. Действия других компанийдаже после бесед с ними предсказать довольно сложно, но я думаю, что уже вскоре они последуют нашему примеру».

После запрета на поставки российской компании, наложенного правительством США, «Лаборатории Касперского» очень важно вернуть себе доверие клиентов и партнеров.

«Возможно, в каких-то деталях мы и ошибаемся, но в целом направление выбрано верно, – добавил Шингарев. – И я уверен в том, что совместными усилиями мы должны найти правильный путь».

Инициатива прозрачности разрабатывалась в тесном контакте с европейскими регуляторами, в том числе с центром National Cyber Security Centre в Великобритании, который является ключевым партнером компании. Особое внимание при планировании обращалось именно на рекомендации NCSC.

Маркетинговое давление на клиентов торговых сетей будет расти – покупатели своим поведением провоцируют ретейлеров к этому. И главным инструментом борьбы за покупателей должен стать анализ клиентских данных, позволяющий сделать предложение, от которого невозможно отказаться. Именно такие выводы можно сделать из выступлений в рамках конференции «Ритейл России. Путь к потребителю», проведенной в начале декабря «Ведомостями». Однако большинство компаний по-прежнему находятся в процессе осознания этого: на вопрос одного из спикеров «Кто использует большие данные», практически никто из присутствующих не поднял руку.

С 2016 года экспансия ретейла снижается, и эта тенденция будет продолжаться как минимум до 2020 года. Как подчеркнул Алексей Белкин, партнер McKinsey, российские потребители продолжают придерживаться экономии. При этом 57% сфокусированы на поиске «наиболее выгодных предложений», и с этой точки зрения Россия – абсолютный лидер в мире, где средняя цифра составляет 24%. «Выгодное предложение» не всегда означает самое дешевое – например, это может быть хороший брендовый товар с серьезной скидкой. Вторая особенность российского рынка частое использование купонов и крайне низкая лояльность клиентов по сравнению с западными странами. Наконец, среди всеобщего стремления сэкономить наблюдаются и нотки нерационального поведения – многие потребители склонны совершать мелкие продуктовые покупки, а не закупаться на неделю. Именно такое сочетание факторов поощряет маркетинговую активность ретейлеров – при правильной работе с клиентами их усилия вполне могут быть вознаграждены.

Алексей Белкин: «Все чаще используется системный подход к улучшению клиентского опыта. Компании начинают понимать, что для завоевания симпатий клиентов вежливого персонала в торговых залах недостаточно»

По словам Белкина, при этом в действиях компаний наблюдаются четыре очевидных тенденции. Первая из них – омниканальность: компании стремятся быть ближе к клиенту и работать с ним любыми возможными путями. Второе направление – более широкое использование больших данных, в том числе для персонализации предложений. Но не менее важное значение они будут иметь и в других областях – например, при подборе сотрудников и оптимизации внутренних операций.

Кроме того, продолжается борьба за эффективность, и здесь на первое место выходит роботизация. Становятся оправданными некоторые сценарии ее применения, в том числе в процессах уборки и контроля состояния полок. Наконец, все чаще используется системный подход к улучшению клиентского опыта. Компании начинают понимать, что для завоевания симпатий клиентов вежливого персонала в торговых залах недостаточно, они начинают применять подход «клиентского пути» (customer journey). Этот метод выявляет множество зон для оптимизации, и зачастую они, к удивлению руководства компании, находятся не в магазинах, а за их пределами – до и после покупки.

Приверженность озвученным тенденциям подтвердили присутствовавшие на конференции руководители компаний.

«Я вижу дальнейшее развитие только в омниканальности, и не верю ни в онлайн, ни в офлайн по отдельности. Например, в Германии мы представлены только в онлайн-сегменте, и нас там очень любят, но я прекрасно вижу неполноценность такого существования. Жить с одной ногой тоже можно, но возможности при этом, как известно, сильно ограничены», — заявила Ксения Рясова, президент Finn Flare. По ее словам, рынок стагнирует, и у всех жестко падает трафик, поэтому расти можно только за счет активных действий. Например, хорошие результаты показывает использование персоналом магазинов планшетов, и в Finn Flare они тоже стали незаменимыми инструментами продавцов-консультантов. Возможность оперативного подбора размеров, расцветок, схожих моделей дает возможность не упустить клиента, и на падающем рынке у компании растет средний чек.

Как отметила Ирина Дементьева, директор по управлению поставками «М.Видео-Эльдорадо», в омниканальной модели приходится работать уже давно. В этом году 20% продаж компании были полностью электронными. Можно по-разному относиться к этому показателю, но нельзя забывать, что 65% покупателей на каком-либо этапе проходят через сайт. И для работы с ними очень помогают большие данные.

«Мы выбрали автоматизацию, изменяющую подходы сотрудников к работе, упрощающую их жизнь», — отметил Иван Коротков, директор автоматизации цепей поставок российского офиса Leroy Merlin. Он напомнил, что за последних четыре года года стоимость техники – в том числе беспилотной – снизилась в несколько раз, поэтому такие проекты даже в России стали окупаться за пару лет. Роботизация процессов стала вполне рентабельным проектом. Более того, иногда просто нет иного выбора. Согласно планам Leroy Merlin, через пару лет компании придется иметь дело не с 2 тыс. складских операций в дней, как недавно, а со 100 тыс. операций. Кратно увеличить число складского персонала у нее точно не получится.

«Большие данные в России пока мало кто использует, и о безусловно ярких и успешных проектах я пока не слышал. Однако если ретейлер хочет играть на опережение, он должен тестировать новые технологии, даже если их еще не принимает рынок», — подчеркнул Сергей Саркисов, вице-президент группы «Новард», владеющей обувным брендом «Эконика». Например, сканер формы ступни (и последующий выбор наиболее подходящих колодок с рекомендацией конкретных моделей обуви) пока показывает низкий уровень отклика клиентов, несмотря на его очевидную пользу. До покупок доходят единицы – видимо, при выборе обуви, особенно женской, гораздо важнее эмоциональная составляющая.

Как признает Саркисов, сейчас основной вопрос – построение в компании инновационной культуры. Она изменяет способ управления компанией, и именно за счет этого есть возможность ускориться в своем развитии. Одно дело тестировать четыре инновационных проекта в год, и совсем другое – несколько десятков. Создание такого конвейера должно поддерживаться и новой культурой, и совсем другой мотивацией.

Являетесь ли вы ИТ-директором или бизнес-руководителем и испытываете проблемы с продвижением нового или существующего цифрового бизнес-проекта, для достижения успехов вам следует взломать свою устоявшуюся корпоративную культуру.

«Цифровой бизнес ускоряется, затрудняя предприятиям и госструктурам привычные способы ведения дел, – указал исполнительный вице-президент и глава направления исследований Gartner Майк Харрис на открытии ежегодной конференции Symposium/IT Expo, посвященной основным технологическим тенденциям и собравшей в этом году более 9 тыс. ИТ-руководителей и специалистов. – Эти новые модели переопределяют способы, которыми организации создают, доставляют и фиксируют ценности. Они бросают вызов привычной практике работы ИТ-директора, привнося в ИТ новые настроения и новые методы».

Изменение менталитета – ключевой двигатель новых технологий и один из способов, которые в Gartner рекомендуют руководителям ИТ-служб для изменения культуры своих компаний.

«Взломайте свою культуру, для того чтобы изменить ее, – советует вице-президент Gartner по исследованиям Кристин Мойер. – Под взломом культуры мы понимаем вовсе не поиск уязвимых мест для проникновения в систему, а исключение уязвимостей в культуре с последующим внедрением реальных долгосрочных изменений».

«Взлом» заключается обычно в осуществлении небольших, но важных шагов, которые чаще всего упускаются из виду. Часто такая тактика провоцирует эмоциональную реакцию и способствует мгновенному получению результатов, которые становятся видны сразу множеству людей.

В Gartner отмечают, что 46% ИТ-директоров считают культуру главным барьером на пути к получению выгод от цифрового бизнеса.

Достижение изменений в культуре неразрывно связано с другим ключевым направлением, к которому должны стремиться организации – способностью принимать изменения и технологию по-новому, как говорят в Gartner, с «динамизмом».

По словам Харриса, независимо от того, является ли модель управления бизнесом свободной или контролируемой, главным фактором успеха остается динамизм, но более трех четвертей организаций еще не готовы к этому. Решающее значение будет иметь отношение предприятий к возникающим технологическим вопросам и динамизму.

Четыре стратегии достижения цифрового успеха

Аналитики Gartner отмечают ряд тенденций, на которые руководителям ИТ-служб необходимо обратить внимание для достижения их организациями успеха в ближайшем будущем.

• Конфиденциальность. Если ИТ-директор не в состоянии управлять конфиденциальностью, вся цифровая трансформация подвергается риску в полном объеме. Конфиденциальность все чаще порождает доверие, а доверие – это могучая сила. «Будучи ИТ-директором, вы обладаете мандатом на обеспечение защиты конфиденциальных данных потребителей, граждан и сотрудников, – подчеркнул Харрис. – Обычно это предполагает назначение ответственного за программу управления конфиденциальностью, обнаружение брешей и оперативное информирование об их наличии, а также обеспечение контроля пользователями за своими данными. Этот вопрос решается на уровне совета директоров, но пока едва ли половина организации обеспечивает адекватный контроль на местах».

• «Дополненный» интеллект. Речь идет об использовании искусственного интеллекта для расширения функционала работников. Размещение работников в непосредственной близости от систем искусственного интеллекта, процессов и роботов позволяет усилить влияние тех или иных специальностей. По оценкам Gartner, к 2021 году экспертные системы будут отвечать на вопросы лучше человека. Однако искусственный интеллект не заменит людей, а будет лишь дополнять их.

• Управление цифровыми продуктами. Что касается восприятия цифровых продуктов, организации все чаще ставят клиентов в центр разработки. Вице-президент Gartner по исследованиям Марк Раскино привел примеры организаций, которые уже совершили этот переход: у Chase Bank имеется менеджер по цифровым продуктам для платежного приложения Chase. В McDonald's введена должность менеджера по цифровым продуктам для ресторанных киосков и мобильных приложений. А для приложения Transport for London менеджеры по цифровым продуктам вводятся для транспортных приложений, ботов и API, которые используются как персоналом, так и клиентами.

• Цифровые двойники. Речь идет о виртуальных копиях физических объектов, которые используют для имитационного моделирования перед установкой реальных устройств и систем. Бизнес мог бы создать и цифрового двойника для своей организации, так называемого DTO (digital twin of their organization). «С его помощью ИТ-директор увидит, как работают люди, а также системы и процессы, с которыми они связаны, и как задания перемещаются в организациях из одного подразделения в другое», – отметила вице-президент Gartner по исследованиям Хелен Хантли.

Очередная встреча клуба ИТ-директоров Ventra Lab (некоммерческий просветительский проект компании Ventra) была посвящена использованию машинного обучения и искусственного интеллекта в клиентском сервисе и поддержке.

Александр Огнивцев, руководитель управления сервисной поддержки компании «Альфастрахование», рассказал, что в службе поддержки департамента информационных технологий несколько лет назад была сделана ставка на омниканальность: пользователи корпоративных приложений получили возможность обратиться со своими проблемами любым удобным им способом. Однако при этом сразу возникла проблема эффективной обработки неструктурированной информации в обращениях. Из возможных вариантов – нанимать специалистов или автоматизировать процесс с помощью алгоритмов машинного обучения – в «Альфастраховании» выбрали автоматизацию.

Облачный сервис искусственного интеллекта, интегрированный с корпоративной платформой Service Desk, выполняет классификацию обращений, обучившись на обширной базе знаний, сформированной с помощью каталога ИТ-услуг, и большом объеме реальных обращений клиентов, которые собирались в течение четырех лет. По словам Огнивцева, в 85% случаев робот обеспечивает правильную классификацию обращений (а для критичных для бизнеса ИТ-сервисов этот показатель превышает 95%), затраты на обработку обращений сократились вдвое-втрое. Чтобы эффективность сервиса не снижалась, его регулярно, раз в квартал, переобучают на новых данных.

Следующим шагом в использовании искусственного интеллекта в ИТ-поддержке «Альфастрахования» будет внедрение чатбота для пользователей и голосовых суфлеров для операторов контакт-центра. Обучить последних, отметил Огнивцев, задача не из простых, потому что они должны будут выдавать рекомендации, грамотные с технической точки зрения и при этом понятные людям и полезные специалистам. Сейчас в компании ведется работа по созданию соответствующей обучающей базы.

«Главное, что мы вынесли из внедрения инструментов искусственного интеллекта, — они должны быть умными, опираться на сильную математику. Только в этом случае от них можно ждать ощутимого экономического эффекта», – резюмировал Александр Огнивцев.

Чтобы быть умным, искусственному интеллекту нужны данные, считает Олег Седелев, директор проектов управления инфраструктуры и больших данных корпоративно-инвестиционного блока Сбербанка. КИБ работает с примерно 2,5 млн клиентами – от компаний малого бизнеса до крупнейших корпораций, и не менее 10% прибыли блока связано с аналитикой данных.

Примером клиентского сервиса, построенного на сложной аналитике и приносящего банку реальный доход, может служить проект «Кредит за 7 минут». Корпоративные клиенты Сбербанка получили возможность выбирать, получать одобрение и оформлять крупные кредиты в интернет-банке менее чем за 7 минут, хотя раньше на этот процесс могло уходить до двух недель. За простотой и удобством новой услуги стоит мощная система еженедельного анализа всей доступной информации по всем клиентам из среднего и крупного бизнеса.

Обработка нескольких тысяч атрибутов по каждому клиенту позволяет заранее сформировать его скоринговый балл и сформулировать возможные кредитные предложения. Когда клиент делает онлайн-запрос, система оперативно проводит минимально необходимый дополнительный скоринг, и на основании всех этих данных принимается решение об одобрении кредита. По словам Седелева, это первый в России и один из первых в мире примеров кредитного сервиса, оперирующего столь крупными суммами в режиме онлайн.

Олег Седелев: «Ценность для клиентов несут только те решения в области искусственного интеллекта, которые в состоянии давать осмысленные ответы на сложные запросы»

Седелев рассказал также о многоуровневой системе когнитивных сервисов поддержки корпоративных клиентов банка. На самом ее верху – уровень предсказательной аналитики, основанный на максимально полном знании клиента. Эти сервисы работают в упреждающем режиме – решают проблемы клиента до того, как у него возникнет потребность обратиться за помощью.

Если помощь все-таки необходима, в дело вступает когнитивный сервис маршрутизации – он распознает тему обращения и направляет клиента к оператору или роботу. На часть вопросов может дать ответ голосовой помощник «Анна» или чатбот. Но если задача не может быть решена без вмешательства человека, ему на помощь также приходит искусственный интеллект. Виртуальные ассистенты операторов колл-центра дают варианты решения проблемы, а выбор релевантного остается за человеком.

Седелев подчеркнул, что ценность для клиентов и, соответственно, для бизнеса банка несут только те решения в области искусственного интеллекта, которые в состоянии давать осмысленные ответы на сложные запросы, связанные с персональными данными, например, о статусе корпоративной карты или состоянии счета. А для этого роботам необходима связь с хранилищем данных и сложными аналитическими алгоритмами. Именно поэтому система когнитивных сервисов Сбербанка, как и решение «Кредит за 7 минут», интегрирована с кластером Hadoop, обеспечивающем хранение и обработку петабайт данных.

Компании тратят на аналитику очень много, приобретая самые разнообразные решения, и сложившуюся ситуацию многие описывают как гонку аналитических вооружений. Однако практика показывает, что эффект пока маловат. Нельзя сказать, что мир радикально изменился, компании стали больше зарабатывать, а клиенты – получать качественный сервис. И естественным образом возникает вопрос, поднятый на Teradata Форум 2018: туда ли движется рынок аналитических решений?

«В цифровой экономике данные стали активом: компании так же от них зависят, как и от наличия остальных ресурсов. Однако насколько эффективно используются данные в реальности?», — задал вопрос Андрей Алексеенко, генеральный директор Teradata в России. Исследование, недавно опубликованное Teradata, показывает, что компании явно остаются недовольными: инвестиции в аналитику далеко не всегда приводят к получению необходимых ответов на вопросы бизнеса. Более того, 74% руководителей говорят, что аналитические решения слишком сложны, и они не могут ими пользоваться.

Получается, что приобретаемая «аналитика» не способна удовлетворить потребность компаний в информации. У сотрудников компаний существуют свои предпочтения, у них различные потребности и возникающие вопросы, они используют то, что есть у них под рукой. Руководители, в свою очередь, поддерживают общее мнение о том, что ни один аналитический продукт не является совершенным. Как следствие, у компаний возникает масса лоскутных решений, именно рост их числа и приводит к процветанию рынка аналитических систем.

«С этим надо заканчивать, пора прекратить кормить этого вечноголодного монстра», — резюмировал Алексеенко. В Teradata продвигают подход Pervasive Data Intelligence реализованный в платформе Vantage, и обещают, что именно он позволит наконец докопаться до ответов.

«Для нас данные давно стали ценнейшим активом, мы верим в то, что данные клиентов – наше стратегическое преимущество», — заявил Кен Дрейк, старший директор по защите данных Blizzard Entertainment. Дрейк знает, о чем говорит: у Blizzard 25 млн клиентов, и ежедневно компания обрабатывает 16,5 млрд событий, объем которых составляет 750 Тбайт.

Как подчеркнул Дрейк, все люди разные, и поэтому не стоит относиться к ним одинаково. Компаниям необходимо понимать своих клиентов, их мотивацию и происходящие у них изменения. Аналитика сама по себе не имеет ценности: мало констатировать факты, она должна влиять на бизнес-результат, изменять исход ситуации.

Стивен Бробст, технический директор Teradata, выделяет два принципиально разных направления: «атакующую» (offensive) и «оборонительную» (defensive) аналитику. Они подразумевают различные типы стратегии компании – атаку на конкурентов и рост бизнеса или избежание ненужных потерь и соответствие требованиям регуляторов. Как следствие, требуется совершенно разная стратегия управления данными, и это становится ключевой задачей директоров по данным.

Атакующий стиль подразумевает фокус на гибкости: быстрота принятия решений, инновации для увеличения прибыли. Типичные цели в этом случае – рост выручки, повышение лояльности, управление кампаниями, приобретение клиентов. Защитный вариант предполагает максимальный контроль: избегание необязательных рисков, управление издержками. В этом случае среди целей чаще всего встречаются соответствие регуляторным требованиям, выявление мошенничества, защита данных и удержание клиентов. Разнятся и ключевые заинтересованные лица. Если в первом случае это директора по маркетингу и продажам, то во втором – финансовый директор и директор по безопасности.

Как и в любом спорте, нужен баланс защиты и нападения, чтобы действительно быть успешными. И у большинства компаний-лидеров появляются гибридные аналитические стратегии, которых в Teradata называют бимодальными BI.

Леонид Ткаченко: «Мы создали модель, которая может автоматически в любую секунду рассчитать лояльность каждого из 60 млн абонентов с точностью 70-80%»

Леонид Ткаченко, директор департамента Big Data компании МТС, по собственному признанию, об атакующих и защитных аналитических конструкциях не задумывался. Однако это не помешало его департаменту за три года существования достичь чистого экономического эффекта на сумму 3,5 млрд руб. Ткаченко поделился несколькими наиболее показательными проектами, позволившими показать, что умелое использование данных действительно способно на многое. Одним из них стало выделение на основе поведения абонентов «критиков», недовольных каким-либо аспектом обслуживания, с последующей их конвертацией в лояльных клиентов. Еще одним интересным проектом стало психотипирование клиентской базы и интеграция полученной модели во все каналы обслуживания. Третьим примером является повышение продаж недавно приобретенных порталов Ticketland и «Пономиналу». В МТС прекрасно знают, кто и какие мероприятия посещал, и способны делать персональные предложения, имеющие огромные показатели отклика.

Как согласились большинство выступавших, в успехе компаний все сильнее растет роль исследователей данных (data scientist). Между тем, далеко не каждый из них — «настоящий», хотя сейчас в ИТ-отрасли очень много людей, так себя называющих. Компаниям, претендующим на лидерство, приходится больше остальных инвестировать в свое будущее, уделяя огромное внимание привлечению и удержанию нужных экспертов.

В Москве прошла конференция «Технологии машинного обучения 2018. Искусственный интеллект и нейросети: инструменты и опыт реальных проектов». Поток «Роботизация» был представлен шестью докладами – от сугубо технической тематики до области юриспруденции, а сами роботы — от программных до монстров с ручищами-манипуляторами.

Леонид Жуков из компании Boston Consulting Group не только сделал обзор рынка, но и поделился историей промахов аналитиков-футурологов, чьи предсказания обычно грешат недооценкой. В 2017 году в BCG уже пересмотрели свой прогноз рынка робототехники на 2025 год – теперь аналитики рассчитывают на его объем почти в 87 млрд долл., но видимо, и этот прогноз будет превышен. Пока же рынок роботов потребительского сектора – 23 млрд долл., коммерческих – 22,8 млрд, промышленных – 24,4 млрд и военных – 16,5 млрд. Индустриальные роботы уже умеют аккуратно перетаскивать стекла и распознают образы, но им придется «умнеть» дальше – настала пора самообучаться, передавать друг другу приобретенный опыт и сбрасывать его в облако. Им предстоит совершенствоваться, чтобы безопасно работать рядом с человеком. Пока же их чаще можно встретить в автомобильных цехах без света – самыми перспективными областями по-прежнему считаются автомобильная промышленность и электроника. Что касается угрозы повсеместной замены людей роботами, то докладчик привел пример: трудно сейчас роботу-мяснику, слишком много не формализованных параметров надо учесть, прежде чем взмахнуть «топором». Поэтому в ближайшие годы безработица мясникам не грозит. Но и расслабляться им не стоит, поскольку технологии искусственного интеллекта развиваются очень стремительно.

Интернет животных

Пожалуй, самый яркий доклад в этом потоке сделала представлявшая «Русагро» Таня Милек. К удивлению многих слушателей конференции, уже сейчас роботизация стала важной частью проектов в сельском хозяйстве. Благо российские аграрии получают государственную поддержку по президентскому указу, предписывающему «создание и внедрение до 2026 года конкурентоспособных отечественных агротехнологий». В примерах из практики «Русагро» фигурировали и распознавание животных, и автоматическая обработка показаний датчиков температуры и других атрибутов интернета полей, интернет сельскохозяйственных животных. Сервисы с привлечением беспилотников построены в «Русагро» на основе собственных разработок, и эти летательные аппараты способны проводить инвентаризацию земель, анализировать рельеф (находить эрозии и водотоки), помогать эффективно использовать удобрения. Дрон оснащен датчиками для мониторинга полей (так называемого агроскаутинга) и работает автономно, сам приземляется, пользуясь машинным зрением, и подзаряжается. Информационная платформа для точного земледелия так и называется – Exact Farming, а единица контроля в ней – конкретное поле. Платформа создана для того чтобы по конкретным полям обеспечить: контроль используемых технологий; учет прогноза погоды и мониторинг вегетации; контроль себестоимости; мониторинг транспорта.

Печати на документах

Сергей Юдовский (ЦРИИ) рассказал о роботизации на платформе UiPath и TensorFlow. Доклад был сфокусирован на актуальном проекте, в ходе которого роботизированные системы помогают разбирать бухгалтерскую документацию некоторой группы компаний строительных сервисов. Требуется сверять табличную часть CRM с приложенными к ней PDF-образами актов. В том числе, необходим поиск в документе реквизитов и печатей, распознаваемых средствами машинного обучения, что существенно разгружает бухгалтеров. При этом очень важно думать не только о том, как сделать, чтобы все работало, но и предусмотреть, что предпринять, если робот ошибется.

Этика роботов и их права

Доклад Виктора Наумова из компании Dentons был посвящен юридическим аспектам роботизации и содержал основные выводы исследования «Развитие законодательства о робототехнике и киберфизических системах», которое компания провела в 2018 году. Основные выводы исследования таковы: в ближайшей перспективе приоритет в регулировании должен отдаваться мерам, стимулирующим развитие робототехники и искусственного интеллекта по сравнению с мерами, направленными на регламентацию; по возможности следует избегать необоснованного регулирования отрасли; нет необходимости в кардинальном изменении действующих правовых институтов; отрасль остро нуждается в комплексном документе стратегического планирования, аналоги которого уже имеются во всех ведущих странах. Следует изучать опыт таких стран, как Южная Корея, Япония, Китай, Франция и Великобритания, далеко продвинувшихся в области роботизаци.

Экзоскелеты уже в «Сбербанке»

Ожидалось, что в докладе Альберта Ефимова, возглавляющего центр робототехники «Сбербанка», будет рассказываться о роботизированном ПО, выдающем финансовые отчеты. Однако речь шла о настоящих больших и сильных роботах, в буквальном смысле облегчающих жизнь сотрудникам, вынужденным ежедневно перемещать тонны купюр. В докладе были представлены изящные экзоскелеты, физически поддерживающие работников банка. Ефимов резюмировал свой доклад афоризмом: «Если банк не думает о своих роботах, чужие роботы думают о банке».

Нейронные сети тестируют железо

Завершая блок докладов секции, Андрей Устюжанин («Яндекс», НИУ ВШЭ) рассказал о цифровых двойниках. По сути, «цифровый двойник» — это лишь модный термин, обозначающий хорошо знакомое компьютерное моделирование, в докладе же речь шла в основном о конкретном адаптивном тестировании системы хранения данных. С помощью методов машинного обучения требовалось создать и настроить алгоритмы диагностики состояния и предсказания сбоев системы хранения. В реальной жизни сложно накопить выборку для обучения, и разработчики создали интеллектуальный блок имитации, использующий глубинные нейронные сети и обучение с подкреплением, что позволило повысить качество алгоритмов диагностики оборудования и точнее предсказывать сбои.

Изначально система анализа машинных данных компании Splunk позиционировалась как средство обеспечения ИТ-безопасности. По мере расширения ее возможностей она стала использоваться и в других областях, например, для предсказания и обнаружения проблем с ИТ-инфраструктурой и приложениями. Одним из пионеров в этом направлении стало российское подразделение компании Mars. Накануне практической конференции «Технологии управления данными 2018», которую издательство «Открытые системы» проведет 29 ноября, Ольга Налгранян, специалист отдела автоматизации и анализа данных Mars, рассказала Computerworld Россия об опыте применения системы анализа машинных данных в новых сферах и о том, что можно было бы сделать по-другому.

- Почему вы решили использовать Splunk в новой роли?

Это обусловлено возможностями решения. Оно позволяет анализировать любые машинные данные в их исходном виде, создавать на их основе дашборды, отслеживать и анализировать происходящее в ИТ-системе компании. У него также гибкая система разделения прав на доступ к данным: какими-то могут оперировать все, другими — скажем, персональными данными — только уполномоченные на это люди. Еще одна особенность продукта — он дает возможность анализировать данные в реальном времени. Кроме того, система обладает большой библиотекой средств машинного обучения, благодаря которым можно создавать новые модели и обучать средства анализа данных.

- В Mars уже был опыт работы со этим ПО?

Да, облачная версия, которая используется глобальным отделом безопасности с 2014 года. Но мы в IT Operations, отделе управления инфраструктурой, видели ее огромные возможности и для себя, и для бизнеса. И в 2016 году по согласованию с «безопасниками» подключились в Splunk и стали его использовать.

Они от этого тоже выиграли: у Splunk стало больше источников данных, а значит, появилось больше разнообразной информации для анализа.

Мы же получили возможность мониторить все происходящее в ИТ-системе на уровне инфраструктуры и приложений и выводить результаты анализа на дашборды, настраиваемые информационные панели.

- Насколько гладко происходил перенос функциональности на новые сферы?

Конечно, были проблемы, связанные и с особенностями продукта, и с особенностями нашего бизнеса.

Основная сложность заключалась в том, чтобы «научить» работать с системой анализа машинных данных приложения, которые не поддерживаются ее стандартными средствами.

У любой большой компании с длинной историей есть свои системы сбора и анализа, какие-то самописные, какие-то просто уже не поддерживаются их разработчиками, но отказаться от них нельзя. Пережиток прошлого века, можно сказать. Мы в этом отношении не уникальны. И данные из «систем XX века» сделать полностью пригодными для систем XXI века оказалось нелегко.

Также пришлось поработать над разграничением доступа к данным. С одной стороны, Splunk дает много информации, опираясь на которую уже второй уровень поддержки способен понимать, что случилось с тем или иным элементом инфраструктуры или приложением, и решать проблемы до того, как придется задействовать экспертные центры. С другой — к «чувствительным» данным, например к персональным, доступ надо давать не всем. Splunk позволяет настроить гибкую систему ролей, однако, для того чтобы ею воспользоваться, надо провести тщательный анализ, создать «матрицу данных», определить, какие из них можно предоставлять всем, какие — нет.

Это особенно важно компаниям, которые растут быстро и стихийно, например стартапам. В них часто попросту нет «главного по данным», который может определить, кому что должно быть доступно.

Еще одна проблема в том, что если все начинают писать запросы к аналитической системе, то какое бы мощное облако у вас ни было, какой бы широкий канал ни соединял с ним, система начнет подтормаживать. И тут необходимо решить, что важнее — мониторинг или анализ.

Мы решили, что для нас важнее мониторинг, а ресурсы для анализа предоставляются во вторую очередь.

При этом не все пользователи достаточно хорошо знают внутренний язык системы, и поэтому их разработки могут создавать проблемы с производительностью Splunk. Для решения этой проблемы в начале прошлого года мы начали процесс создания экспертного центра, подключили партнера. Его сотрудники помогают нам отслеживать плохо написанные дашборды и улучшать их. Таким образом, мы оставляем за бизнес-пользователями право создавать себе средства аналитики, ведь кто как не они эксперты в своей функциональной области, а технические специалисты поддерживают эффективность работы системы в целом.

- К каким улучшениям привел проект?

Главное то, что мы смогли сократить время реакции на инциденты до нескольких минут и снизить количество критических инцидентов, которые возникают с этими системами.

Если раньше сотрудники, отвечающие за работу инфраструктуры и приложений, замечали, что что-то случилось, то, чтобы разобраться в происходящем, им приходилось обращаться в разные экспертные центры, потому что у них не было необходимого уровня доступа к этим приложениям.

Сейчас они видят все, что происходит в приложении, и сразу понимают, в чем проблема и чем она вызвана.

Мы отслеживаем аномальное поведение приложений и инфраструктуры и теперь можем не просто анализировать сбои постфактум, а также использовать собранные данные для того, чтобы учить системы предугадывать сбои. Это позволяет нам реагировать проактивно, до того, как что-то действительно произошло в системе. При этом более эффективные средства мониторинга позволили сократить количество людей, занятых на данной операции, и использовать освободившихся сотрудников для решения других задач.

Еще одно достоинство продукта — наличие средств выявления неавторизованных изменений. В больших распределенных корпорациях нередко несколько отделов работают одновременно над одними и теми же приложениями. Бывает, что не все изменения своевременно отслеживаются, и порой это приводит к большим проблемам. Splunk позволяет создать дашборды, с помощью которых можно видеть все отклонения в поведении систем.

Это, наверное, самое важное, что мы получили от внедрения. Но если бы я делала все сначала, я какие-то вещи сделала бы по-другому.

- Например?

В первую очередь мы бы сразу обратились к партнерам и возложили на них текущую поддержку системы, а сами бы работали над стратегией и внедрением новых возможностей.

Кроме того, при наличии ресурсов, я создала бы команду, которая сфокусировалась бы на изучении и внедрении лучших практик в конкретной области. И привлекла бы специалистов по машинному обучению.

Мы могли бы более разумно распределить нагрузку по этапам. Мы же делали все сразу — и подключали новые источники данных, и новых пользователей, и создавали новые дашборды. При том, что нас было всего трое.

Сейчас мы все делали бы с большим пониманием того, для чего добавляются новые источники данных и новые дашборды, что мы получим от каждого такого действия. И, конечно, надо было сразу документировать все наши шаги.

Но тогда мы были очень увлечены процессом создания. Ведь мы были пионерами, даже в мировом масштабе, попробовали применить Splunk за пределами сферы безопасности, мы не могли опираться на чей-либо опыт, набили все возможные шишки в этом процессе.

Например, сначала мы интегрировали ITSM-решение ServiceNow с помощью стандартных возможностей Splunk. Но, когда систему начали использовать для работы с ИТ-инфраструктурой, стало понятно, что ее недостаточно. И мы создали свою собственную. Если бы сразу пошли по этому пути, сэкономили бы время и силы.

- Традиционный вопрос — о чем вы хотите рассказать на конференции?

В первую очередь о том, что какой бы у вас ни был великолепный инструмент, его возможности не раскроются, если вы не готовы в него инвестировать, причем речь не только о деньгах. О том, что внедрение покажет вам достоинства и недостатки ваших методов работы с данными, вашей организационной структуры, ваших подходов к бизнесу. Выбирая систему и внедряя ее, вы получите важные уроки. И только работа над этими уроками позволит вам действительно получить выгоду от внедрения.

- А о чем вы сами хотите услышать на ней?

Мне интересно узнать о работе других компаний, с другими системами. Я хочу посмотреть, как другие корпорации получают выгоду от внедрения различных средств, сравнить время и силы, которые они тратят на это внедрение, с тем, какую пользу они получают на выходе.

В ходе практической конференции «Технологии машинного обучения», проведенной издательством «Открытые системы» (см. «Искусственный интеллект пришел в бизнес», Computerworld Россия, 12 октября 2018), аналитическое агентство OSP Data провело анкетирование участников. Нас интересовала степень вовлеченности их компаний в проекты по внедрению средств искусственного интеллекта, их направленность, планы по развитию.

Как всегда были активны представители ИТ-компаний и финансовые структуры. Однако почти половина участников опроса представляли реальный сектор — промышленность, строительство, сельское хозяйство.

Поскольку семинар был практическим, то начальства наиболее высокого уровня (владельцы, топ-менеджмент) среди респондентов было менее 10%. Основную массу составили руководители среднего уровня (функциональных подразделений и проектов, команд разработки) и собственно разработчики, преимущественно старшего звена (ведущие специалисты, архитекторы).

Почти у трети респондентов уже внедрены системы (31%), использующие искусственный интеллект. В остальных ведется изучение вопроса. Самое популярные направления (или будущего применения) — прогнозная аналитика, управление процессами в реальном времени и работа с клиентами (текущее обслуживание, изучение предпочтений).

Наибольший интерес вызвали обработка больших данных и практические примеры успешного применения средств машинного обучения, особенно ценные для тех, кто только раздумывает над включением систем искусственного интеллекта в корпоративный ландшафт. Да и обладателям действующих решений полезно узнать о чужих пробах, ошибках и достижениях.

Что касается проблем с внедрением решений в области искусственного интеллекта, то самыми главными признаны организационно-кадровые (отсутствие инициатив со стороны топ-менеджмента, недостаток специалистов), их назвали 46%. На отсутствие подходящих решений указали 23%, еще 15% — на финансовые (недостаток средств, невозможность обосновать выгоду от внедрения).