Результаты нового исследования OpenText показывают: более четверти австралийцев убеждены в том, что искусственный интеллект принимал бы решения лучше, чем это делают политики.

Исследование было проведено весьма своевременно, если учесть, что Австралия только что пережила очередную смену лидера: место Малколма Тернбулла занял Скотт Моррисон. Причем Моррисон – уже седьмой премьер-министр страны за последние семь лет.

В исследовании выделены четыре ключевые области: государственное управление, рынок труда, здравоохранение и беспилотные автомобили.

Что касается госуправления, 40% австралийцев убеждены в том, что в течение ближайших пяти лет искусственный интеллект «войдет» в правительство, а 27% уверены: искусственный интеллект будет принимать решения лучше избранных представителей общества, но при этом хотели бы, чтобы окончательный выбор все же оставался за человеком.

Ожидается, что искусственный интеллект радикально изменит ситуацию в госсекторе и повысит скорость, устойчивость и качество правительственных инициатив. Благодаря нему государственные структуры будут лучше удовлетворять потребности граждан.

Опрошенные признают ценность роботизации бизнес-процессов (Robotic Process Automation, RPA), которая помогает сократить сроки ожидания, повысить качество администрирования и устранить ошибки в государственном секторе.

Большинство (56%) респондентов убеждены в том, что в ближайшие 10 лет правительство будет внедрять RPA. Эта доля выше, чем в США (где аналогичного мнения придерживаются только 38% опрошенных), но ниже, чем в Нидерландах (там в экспансию роботов в госсекторе верят 73%).

25% респондентов были бы рады появлению на их работе роботов, берущих на себя часть повседневных задач. При этом на сегодняшний день только 39% австралийцев готовы трудиться вместе с роботами.

Исследование показало, что вопросы конкуренции с роботами на рынке труда мало кого волнуют. Лишь один из десяти (11%) опрошенных опасается, что на работе его заменит робот, а 56% убеждены в том, что их роль никогда не подвергнется автоматизации.

В области здравоохранения 28% австралийцев считают, что искусственный интеллект помогает ставить более точные диагнозы, а 21% убежден в возможности получения более быстрых результатов. Каждый третий готов доверять диагнозу, поставленному искусственным интеллектом.

32% респондентов полагают, что робомобили сделают движение более безопасным, а 24% вполне комфортно ощущали бы себя в качестве пассажиров беспилотного автомобиля.

Каждый третий (30%) твердо уверен, что количество робомобилей на дорогах никогда не превысит число обычных. Около 45% никогда не намерены приобретать либо арендовать автомобили, которые умеют ездить без водителя.

Осторожный оптимизм

В то же время большинство австралийцев продолжают проявлять осторожность или просто не знают о возможностях, предоставляемых искусственным интеллектом в повседневной жизни. Только один из пяти опрошенных (18%) в течение последнего года контактировал с той или иной формой искусственного интеллекта.

Несмотря на наличие голосовых помощников (популярность Siri и Alexa продолжает расти), результаты опроса, в котором принимала участие 1 тыс. австралийцев, показывают, что большинство из них искусственный интеллект не впечатляет, даже если им приходится постоянно сталкиваться с ним на мобильных устройствах или в процессе общения с чатботами. Только 21% доволен технологией, а 19% сообщили, что столкновения с искусственным интеллектом заставляют их нервничать.

По словам регионального вице-президента OpenText Майка Лорда, предприятия активно проводят цифровую трансформацию, а организации, работающие в сфере здравоохранения, все чаще обращаются к медицинским технологическим инновациям, в результате чего искусственный интеллект начинает проявляться во всех аспектах нашей жизни.

«Все больше и больше австралийцев видят преимущества, которые приносит искусственный интеллект как в работе, так и в повседневной жизни, в том числе и в государственном секторе, – указал Лорд. – Выполняя все больше рутинных, бытовых операций, искусственный интеллект, средства автоматизации и роботизации помогают нам становиться более эффективными и экономить время. В научно-фантастических фильмах последствия внедрения технологий искусственного интеллекта, как правило, искажаются. Пора перестать рассматривать искусственный интеллект в качестве угрозы существованию человека, нашей жизни и здоровью. Искусственный интеллект видоизменяет рабочее место, решая повседневные задачи с помощью роботизации и автоматизации процессов, но он никогда не вытеснит людей. Истинная ценность искусственного интеллекта заключается в том, что он способен работать параллельно с людьми, снижая нагрузку на них. Он проникает и в сферу здравоохранения, делая нашу повседневную жизнь более комфортной».

Проведя в первой половине текущего года предварительное тестирование, компании IBM и Maersk представили промышленную версию распределенного реестра TradeLens, предназначенного для отслеживания глобальных перевозок. По словам их представителей, к реализации экспериментальных проектов приступили уже 94 участника, в том числе более 20 портов и операторов грузовых терминалов.

Разработанный совместными усилиями двух компаний распределенный реестр фиксирует сведения о поставках грузов при их убытии из пункта отправления, поступлении в порты, прохождении границ других стран и в конечном итоге приемки получателем.

В процессе транспортировки все участники цепочки поставок могут следить за перемещением грузов, получая с помощью реестра блокчейна информацию о времени их прибытия и прохождении таможенных процедур, а также о коммерческих счетах и коносаментах практически в реальном времени.

«Платформа уже зафиксировала свыше 160 млн событий, связанных с перевозками, – говорится в заявлении IBM и Maersk. – И этот объем ежедневно увеличивается еще примерно на миллион событий».

Транспортные контейнеры прибывают в терминал порта. Источник: IBM, Maersk

В информационных системах отрасли международных перевозок традиционно использовались бумажные юридические документы, а информация в электронном виде передавалась с помощью средств электронного обмена данными (electronic data interchange, EDI). Эта технология, применяемая на протяжении уже 60 лет, не позволяет, однако, получать требуемые сведения в реальном времени.

Кроме того, участники перевозок обменивались документами посредством электронной почты, факсов и курьерской доставки.

Если информация вводится или сканируется вручную, TradeLens может отслеживать критически важные данные о каждой поставке в цепочке, предлагая доступ к защищенным от изменения записям всем вовлеченным в этот процесс сторонам.

Некоторые грузовые декларации могут поступать в платформу TradeLens через API, благодаря чему производители и другие участники цепочки поставок своевременно получают нужную им информацию и обладают улучшенным видением процесса.

Наряду с экспедиторскими организациями, транспортными компаниями и логистическими фирмами на внедрение экспериментальных проектов TradeLens согласились более 20 портов и операторов терминалов, включая PSA Singapore, International Container Terminal Services, Patrick Terminals и Modern Terminals в Гонконге. В них участвуют также таможенные органы Нидерландов, Саудовской Аравии, Сингапура, Австралии и Перу.

Контейнеры сгружаются с кораблей и складируются в портовых терминалах, после чего перегружаются на грузовики или железнодорожные поезда для доставки в конечный пункт назначения. Источник: IBM, Maersk

«Таким образом, около 234 морских ворот либо уже имеют в своем распоряжении TradeLens, либо будут принимать самое активное участие во внедрении этого проекта», – говорится в заявлении IBM.

Терминал Modern Terminals в Гонконге получил статус партнера блокчейна TradeLens в начале текущего года.

«Цифровая документация, поддерживающая процедуру аутентификации, будет способствовать снижению цен и укреплению безопасности цепочек поставок», – указал в своем письме генеральный директор Modern Terminals Питер Левеск.

Будучи портовым оператором, Modern Terminals не испытывает потребности в отслеживании поставок за пределами своей операционной среды, но учитывает статус контейнеров, поступающих в терминал и покидающих его, в системе Terminal Operating System (TOS). Во многих случаях для отслеживания перемещения грузов используются средства EDI, беспроводные локальные сети и системы радиочастотной идентификации. Бизнес-подразделение компании в Гонконге обслуживает около 5,5 млн грузовых контейнеров в год.

Грузовые контейнеры покидают порт по железной дороге. Источник: IBM, Maersk

«Документация, сопровождающая контейнеры с грузами от производственных помещений до мест хранения, является весьма объемной, – отметил Левеск. – Распределенный реестр на базе блокчейна предлагает платформу, позволяющую просматривать и обновлять всю документацию практически в реальном времени в среде, безопасность которой обеспечивается авторизацией участников цепочек поставок. Таможня, коммерческие структуры и пограничники с высокой степенью уверенности могут сказать, что находится в коробке и кто ее грузит. После окончательного завершения разработки и тестирования Modern Terminals планирует стать постоянным пользователем этой системы. Пока же мы только приступаем к освоению технологии блокчейна для транспортной и логистической отрасли. Возможность улучшить передачу документов по всему миру я считаю хорошим началом. Интересно было бы посмотреть, что принесет нам разработка в течение следующего десятилетия».

Технологии машинного обучения вышли из стен исследовательских лабораторий и все чаще применяются в повседневной жизни. О том, как они используются производственными предприятиями, рассказывает Ольга Плосская, руководитель проектов отдела анализа данных компании Visiology, внедрявшей системы машинного обучения на предприятиях разных отраслей. Плосская — один из докладчиков практической конференции «Технологии машинного обучения 2018», которую издательство «Открытые системы» проведет 25 сентября.

- Какие типовые задачи решают производственные предприятия при помощи средств машинного обучения?

Во-первых, это задачи по оптимизации технологического процесса — повышению производительности оборудования путем более рационального использования или сокращению расхода сырья на единицу выпускаемой продукции.

Второй большой класс задач связан с предсказанием вероятности выхода из строя оборудования. Их цель — приняв меры по профилактике, обеспечению на складе нужных запчастей, минимизировать издержки из-за поломок и простоев оборудования.

Также можно оценивать, как повлияют на деятельность предприятия внешние риски, например валютные, или использовать машинное обучение для управления цепочками поставок: прогнозирования спроса, оптимизации управления закупками, доставкой, хранением, поддержанием оптимальных складских запасов.

- Из каких стадий состоит типовой проект в этой области?

Прежде всего необходимо сформулировать бизнес-задачу, задокументировать цель проекта, например «повысить производство такого-то продукта на 10%». Эта цель должна обязательно быть выражена в четких цифрах, иметь понятную методику измерения, а также экономическое обоснование.

Дальше надо уяснить, какие данные для анализа есть. Обычно имеется большой массив данных из различных ИТ-систем. Эти данные нужно классифицировать, очистить, нормализовать, понять, какие методы обработки применить, какие алгоритмы могут сработать. То есть оценить, можно ли решить задачу с помощью этих данных.

Когда с данными все становится более или менее ясно, можно переходить к моделированию и прототипированию. Ну а дальше идут собственно обучение, валидация и тестирование на контрольных выборках.

Перед тем как выходить на полноценную разработку, важно провести предварительный эксперимент с моделями-кандидатами, чтобы понять, насколько они применимы. По своему опыту могу сказать, что может возникнуть ситуация, когда модель, например на этапе анализа данных, очень точная, ошибки — сотые доли процента, а в реальных условиях, когда появляется обратная связь с технологическим процессом, зависимость от действий оператора установки, модель начинает себя вести «неправильно». Поэтому мы в процессе разработки проводим небольшие «натурные» эксперименты, регулярно общаемся с технологами, операторами, пользователями, вовлекаем их в работу. Необходимо, чтобы они знали: их знания, их опыт тоже учтены в модели. Тогда они будут больше доверять ей.

Такие эксперименты нужны на каждом этапе, они наглядно показывают, насколько наша модель соотносится с реальностью, и позволяют оперативно ее корректировать.

Следующий этап — опытная эксплуатация в течение достаточно длительного времени. На этом этапе мы удостоверяемся, что модель адекватно справляется с поставленными перед ней техническими задачами, смотрим, насколько достигнуты поставленные цели, соответствует ли функциональность требованиям пользователя, требуется ли доработка и насколько хорошо модель дообучается под изменяющиеся со временем условия.

При положительных результатах можно переходить к следующему этапу — внедрению в промышленную эксплуатацию. Дальше при необходимости мы оказываем поддержку в процессе работы или это делает само предприятие.

- Насколько отечественные предприятия готовы внедрять средства машинного обучения?

Бизнес-руководители полны энтузиазма, однако часто они приходят со сформулированной в общем виде задачей: «Я хочу повысить производительность, у меня есть много-много данных, давайте применим продвинутую аналитику, искусственный интеллект, машинное обучение, и мы заработаем на этом много денег».

Средний менеджмент, технологи, те, кто будет непосредственно работать с моделями, настроены более реалистично или даже скептически. Они лучше понимают, какой процесс стоит моделировать, какие есть ограничения, сколько данных у них есть и какого они качества, и поэтому более осторожно относятся к внедрению новшеств.

Наша задача – оценить и соединить все требования и ограничения, дополнить их таким образом, чтобы разрабатываемая модель была жизнеспособна, применима к текущим данным, функциональна для всех и экономически выгодна.

- От чего зависит степень настороженности?

От общей степени автоматизации бизнес-процессов конкретного предприятия, степени автоматизации его технологических процессов. И от того, насколько менеджмент и специалисты привыкли работать с такого рода решениями, доверять данным, которые они предоставляют. Предприятия среднего и крупного бизнеса в целом достаточно готовы. У них внедрены ERP, MES-системы, АСУ ТП, достаточно высокая культура непрерывных улучшений процессов. Хотя бывает так, что мы приходим на предприятие, где до этого уже были неуспешные реализации подобных задач. Тогда сталкиваемся со скепсисом. Приходится делом убеждать в возможности реализации поставленных целей.

- Как предприятие может подготовиться к внедрению машинного обучения?

В первую очередь понять, какую задачу планируется решить. Правильная формулировка бизнес-задачи, а впоследствии и математической задачи — половина успеха проекта.

Также до начала проекта хорошо бы понять, какие есть реально применимые данные, чтобы не пришлось их нарабатывать в ходе самого проекта.

Хорошо, когда предприятие автоматизировано, особенно если системы, управляющие работой предприятия и его технологическими процессами, не слишком закрытые, у них есть интерфейсы для интеграции с решениями сторонних производителей, что позволяет напрямую забирать из этих решений данные для анализа. Впрочем, наша платформа промышленной аналитики имеет широкие возможности по интеграции как с давно установленными системами АСУ ТП, так и с современными платформами Промышленного интернета.

- Какие основные проблемы возникают при внедрении?

Абстрактная формулировка бизнес–задачи, которая может привести к неправильной цели. Чтобы этого избежать, очень важно общаться со всеми пользователями финального продукта. И не только с топ-менеджментом, но и с технологами, операторами; важно, чтобы они были вовлечены в процесс формулировки бизнес-цели.

Могут возникнуть и проблемы с данными. Нужно понимать, что это за данные, как они измеряются, с какими погрешностями, тогда можно будет оценить границы применимости решения. Для этого очень важно регулярно работать на объекте и постоянно держать контакт с будущими пользователями, проводить вместе с ними предварительное тестирование перед принятием решения о верности разработанной модели.

Также возможна неверная оценка количества и качества имеющихся данных. Например, датчики на протяжении долгого времени давали систематическую ошибку, в ходе текущей работы это учитывали. Но когда начали готовить данные к использованию в проекте по машинному обучению, старые данные пришлось отбросить, и вместо массива трехлетней давности мы имеем данные за последний месяц, когда датчики наконец починили. А этого может быть недостаточно, в месячной выборке могут набраться не все примеры для решения какой-либо задачи. Это, впрочем, не смертельно, просто придется создавать комбинированную модель, совмещать классическое математическое моделирование и алгоритмы машинного обучения. Такое в нашей практике тоже было.

- О чем вы хотите рассказать участникам конференции и о чем хотели бы услышать сами?

Речь пойдет о практическим опыте, полученном в ходе реализации проектов машинного обучения на российских предприятиях. В выступлении я буду опираться на опыт выполненных проектов на химических предприятиях, в организациях сферы госуправления, в энергетических компаниях. Наш опыт в финансовой отрасли тоже применим для промпредприятий, например для прогнозирования справедливой цены на продукцию в зависимости от изменения влияющих факторов и технологических ограничений предприятия и т. д.

Интересно было бы послушать об успешно реализованных проектах data science в логистике, о технологических процессах, связанных с ними бизнес-процессах, о том, какая архитектура используется для внедрения разработок на текущий момент, узнать, какие есть пожелания у предприятий в этом направлении, чтобы оценить тенденции развития отрасли.

По мере роста мощности систем искусственного интеллекта и важности задач, им доверяемым, все острее встают вопросы этики его использования — этичности самих систем и этичности тех, кто их создает. Об этих проблемах на практической конференции «Технологии машинного обучения 2018», которую издательство «Открытые системы» проведет 25 сентября, расскажет Алексей Маланов, эксперт в области антивирусной защиты, специалист по новым технологиям компании «Лаборатория Касперского» в докладе «Этика искусственного интеллекта». В преддверии конференции Computerworld Россия побеседовал с Малановым о том, насколько можно доверять системам искусственного интеллекта, где могут корениться проблемы и насколько они разрешимы.

- Можно ли трактовать тему вашего выступления на конференции так, что искусственный интеллект уже настолько силен, что главной проблемой его применения становится уже не умение решать задачи, а его этика? И что такое «этика» применительно к машинному алгоритму?

Определимся с понятиями. Есть «сильный» и «слабый» искусственные интеллекты. Сильный – это тот, который может мыслить, размышлять, решать более общие и абстрактные задачи, не только те, что запрограммировали. Его пока нет и, судя по всему, не будет еще лет 50. Текущие наработки в области искусственного разума относятся к «слабому» искусственному интеллекту, программируемому нами для решения конкретных практических задач.

То есть до Терминатора и Скайнета «слабому» искусственному интеллекту пока далеко, но это не повод расслабляться, поскольку ему по факту поручаются все более сложные и более влияющие на нашу жизнь задачи.

И этическая составляющая его работы становится соответственно достаточно важной.

У этой составляющей есть несколько аспектов. Во-первых, искусственный интеллект может решать «плохие» задачи. Не зря из Google уволились десять программистов, заявивших, что больше не хотят разрабатывать проект по автономному оружию. После случившегося компания объявила, что откажется от сотрудничества с Пентагоном. Тысяча ученых подписали петицию о запрещении такого оружия. Тоже вопрос этики, хотя, конечно, человеческой, а не машинной.

Во-вторых, искусственный интеллект может ошибаться — когда по той или иной причине несовершенна модель обучения, когда его специально обманывают или вообще непонятно почему.

- Как несовершенство модели связано с этикой?

Машина решает ту задачу, которую перед ней ставит человек. А в реальной жизни задачи часто ставятся нечетко, многое принимается «по умолчанию».

Скажем, если искусственному интеллекту поручат сверстать госбюджет с максимальным профицитом, то он может посоветовать ликвидировать всех нетрудоспособных. Он же не знает о наших моральных и законодательных ограничениях.

Это нереалистичный, но понятный пример, а вот не столь заметные, но ведущие к тяжелым последствиям случаи были. Скажем, в одной больнице попробовали, используя машинные алгоритмы, выстраивать пациентов по приоритетам. Алгоритм должен был на основе ранее принимавшихся людьми решений и статистики смертности от разных болезней и их комбинаций определять, кому срочно надо оказывать помощь, а кто еще может подождать. Неожиданно машина стала ставить в конец очереди астматиков с пневмонией — потому что «эти люди не умирают». Явная нелепица, стали разбираться, почему так получилось. И оказалось, что состояние астматиков, заболевших пневмонией, настолько опасно, что их клали в больницу незамедлительно, сразу начинали оказывать помощь, и в итоге они не умирали.

Человеку это интуитивно понятно, машина же находит ложные корреляции и действует соответственно.

Куда хуже, если возникает еще и петля положительной обратной связи, когда искусственный интеллект изменяет реальность, причем чем больше изменяет, тем больше находит подтверждений своей правоте, и тогда ошибка усугубляется.

- Казалось бы, достаточно просто подкорректировать модели...

Существует и более сложная проблема — несовершенство исходных данных, на которых искусственный интеллект обучается. Есть такое понятие, как «алгоритмическая предвзятость» (algorithmic bias). Например, если машина обучается на данных, которые уже являются предвзятыми (допустим, результаты собеседований в компании, кадровики которой имели расистские наклонности), то обученный искусственный интеллект научится тем же моделям поведения.

Известный пример — в Microsoft создали чат-бота, который должен был учиться в процессе общения с людьми. В итоге через сутки бот начал нести такое, что проект пришлось прикрыть — плохому его пользователи научили.

Это большая проблема: если мы учим машину на реальных данных, то несовершенство окружающего нас мира тоже «впитывается» искусственным интеллектом.

- Можно ли этого избежать, всегда ли понятно, в чем было несовершенство алгоритма или обучающей базы?

Нет, как раз большая проблема в том, что мы не всегда можем объяснить, почему машина приняла то или иное решение. Вот, например, у Amazon есть сервис доставки покупки в тот же день. И он часто был недоступен в неблагополучных кварталах. В компании не могли объяснить, почему такое происходит. По каким-то критериям, может быть, по уровню воровства посылок, искусственный интеллект решил отказывать в предоставлении сервиса.

- Получается, что формально искусственный интеллект принял правильное решение: минимизировать убытки?

Нам остается только догадываться. Amazon уверяет, что не знает почему. Возможно, постеснялись озвучить нетолерантное поведение своего искусственного интеллекта.

Но есть случаи явно неподстроенные. Искусственный интеллект решает стандартную задачу — опознает, кто на фотографии, кошка или собака. Вроде выучился, но в некоторых случаях вдруг ошибается. Программисты говорят: «Мы не понимаем почему, что в этой собачке было не так, почему ее приняли за кошечку».

Собаки и кошки — проблема теоретическая, но вот у Google возникла проблема, когда выяснилось, что Google Photos иногда распознает чернокожих как горилл. И пришлось эту проблему решать административными мерами — запрещать алгоритму вообще распознавать горилл на фотографиях. И это при том, что база для обучения у программы была на зависть.

Плюс в каких-то случаях возможно сознательное «вредительство».

- Например?

Можно нарочно вводить машину в заблуждение. Например, люди надевают специальные очки, раскрашенные по-особенному, и система распознавания лиц распознает их как «звезд». И если в будущем такие системы начнут сами принимать решения по идентификации, могут быть проблемы. То же самое с дорожными знаками. Можно, используя наклейки, немного изменить простейший знак «Стоп», и искусственный интеллект примет его за «Ограничение скорости», в случае беспилотного автомобиля могут быть печальные последствия.

Если же злоумышленник имеет представление о данном конкретном алгоритме, то он, скажем, может, расположив рядом с пистолетом в чемодане предмет определенной формы, сделать пистолет невидимым для системы просвечивания. Она примет его за что-нибудь другое.

Так что не все так просто. Когда машина ассистирует человеку – это одно. А когда она сама принимает решения – вот это уже может быть опасно.

- Наш традиционный вопрос. Что вы хотите услышать на конференции сами и о чем хотите рассказать слушателям?

Мне хотелось бы узнать, какие практические задачи удается решать. Как получается обойти упомянутые мной ловушки? Какие есть еще проблемы и, опять-таки, как с ними справляются?

Ну а сам я хочу рассказать о том, что, с одной стороны, перспективы применения искусственного интелекта впечатляют, с другой — есть множество проблем, к которым надо быть готовым.

Борцам за чистоту кинематографа никогда не нравились инновации, которые привносил в фильмы Барри Сандрю.

Начав свою профессиональную карьеру с работ по сканированию человеческого мозга в качестве нейробиолога в Harvard Mass General Hospital в 1980-х годах, Сандрю в дальнейшем предложил целый ряд прорывных технологий в области виртуальной реальности и визуальных эффектов, включая изобретенную им технологию цифровой «колоризации» черно-белых фильмов.

Совершенный им прорыв привлек внимание инвесторов (раскрасьте фильм, являющийся общественным достоянием, и вы окажетесь владельцем авторских прав на цветную версию в качестве производной работы) и одновременно стал причиной гнева миллионов любителей кино.

«Все это породило много споров, но споры эти в значительной мере были неуместны, – считает Сандрю. – Чем больше людей слали жалобы, тем больше доходов попадало в карманы моих инвесторов».

А жалоб действительно было много. Некоторые заявляли, что цвет отвлекает их от происходящего на экране, поскольку они начинают замечать детали, которых никогда не видели ранее. Эти детали притягивают внимание, мешая следить за сюжетом. Известные кинокритики Джин Сискел и Роджер Эберт назвали колоризацию «новым вандализмом Голливуда». Говорят, в завещании режиссера Орсона Уэллса наряду с другими пунктами было и требование защитить «Гражданина Кейна» от колоризации.

«Откровенно говоря, я легко мог распознать людей, не желавших смотреть фильм 'Эта прекрасная жизнь' в цвете», – признается Сандрю.

Так или иначе, предложенная им технология колоризации не только получила распространение, но уже в XXI веке была в значительной степени автоматизирована.

Аналогичным образом пуристы выступали и против следующего технологического прорыва Сандрю в кинематографе, преобразования двумерных фильмов в трехмерные.

Выступая на конференции Magnify World AR and VR, Сандрю отметил, что кино сегодня становится все более динамичным. Достаточно посмотреть на множество трехмерных эффектов, которые студия Legend3D, основанная им в 2001 году, привнесла уже в массу фильмов.

«Когда мы снимали 'Полтергейст', там было очень много подсознательных вещей, которые, воздействуя на различные части мозга, вызывали дополнительные ощущения, – вспоминал он. – Во многих случаях мы вполне реально вторгаемся в личное пространство зрителей. Одним лишь открытием экрана с исчезновением четвертой стены и увеличением его глубины до бесконечности дело не ограничивается. Речь идет о переносе действия непосредственно в зрительный зал».·

Описывая некоторые эффекты в фильме «Пункт назначения», снятом в 3D, Сандрю припомнил сцену, в которой девушка во время аварии на гоночной трассе была обезглавлена запасным колесом.

«И мы помещаем эту девушку в ряд, который находится непосредственно перед вами, – отметил он. – Вряд ли можно придумать более глубокое погружение. Что касается трехмерных фильмов, они тоже вызывали смешанную реакцию. Есть очень пугливые люди. И они не хотят становиться частью перформанса».

Другим же, напротив, все очень нравится. После ухода из Legend3D в 2014 году Сандрю преобразовал в трехмерный формат более 70 фильмов. «Аватар», который широко демонстрировался в 3D, стал первым фильмом, собравшим по всему миру более 2 млрд долл.

Сегодня главным разрушителем кинематографа многие называют виртуальную реальность. Появляется все больше шлемов виртуальной реальности – Samsung Gear VR, Oculus Rift, HTC Vive – а производители фильмов начинают экспериментировать с виртуальной реальностью и панорамным видео.

В этом году авторы документального фильма о космосе с виртуальной реальностью, продемонстрированного на кинофестивале «Сандэнс», заключили сделку, выражавшуюся семизначными числами. Так что же, недалек тот день, когда все мы будем смотреть фильмы исключительно в кинотеатрах, напоминающих Virtual Reality Cinema?

«Конечно, нет, – успокаивает Сандрю. – О создании рынка массового потребления речи не идет. Главный вопрос, связанный с использованием виртуальной реальности в кинематографе, обусловлен тем, что поход в кино – это социальное действие. С учетом всех уроков, которые я извлек из колоризации и 3D, могу сказать, что виртуальная реальность хороша для игр, отлично подходит для киберспорта, неплохо выглядит и просмотр местоположения на базе виртуальной реальности. Но при создании массового потребительского рынка нужно смотреть в сторону области развлечений и спорта. А одним из признаков развлечений и спорта, особенно фильмов, является то, что они относятся к сфере социальной активности. Ведь вы не идете в кино в одиночку, а берете с собой компанию. Вы вовлечены в групповое общение. Когда же мы надеваем шлем виртуальной реальности, все меняется. Наступает полное погружение».

Даже панорамные проекции, подобные тем, которые мы наблюдаем в фильме «Иглу» (когда видео можно просматривать со всех сторон), вызывают вопросы.

«Панорамная съемка обходится очень дорого, в то время как все эти посторонние вещи не имеют никакого значения, – заметил Сандрю. – Если вы не в состоянии привлечь внимание аудитории, все остальное не поможет».

Этой же точки зрения придерживается и режиссер фильма «Жизнь Пи» Энг Ли: «Я являюсь производителем фильмов, и моя виртуальная реальность лучше, чем реальная виртуальная реальность».

Согласен с этим и Стивен Спилберг: «Единственная опасность, на мой взгляд, заключается в том, что зритель получает слишком большую свободу. Он уже не следует за рассказчиком, а сам выбирает, где и что смотреть».

«На самом деле я не хочу, чтобы меня обременяли созданием истории, – подчеркнул Сандрю. – Я хочу, чтобы мне эту историю рассказали».

Дополненная и смешанная реальность по сравнению с фильмами выглядят более многообещающе.

Наши смартфоны в этом смысле представляют собой расширение нас самих, а в просмотре совместно с другими людьми сцен, наложенных на реальность, нет ничего инородного и неудобного.

Указывая на приложение «Войди в комнату», выпущенное Международной организацией Красного Креста, Сандрю заметил: «Вот куда должен двигаться массовый рынок. Это социально, наполнено взаимодействием и реально. Реальность сливается с виртуальной реальностью. У меня мурашки бегали по коже. Это очень и очень мощно».

Многие организации обращаются к DevOps без учета рисков и последствий для бизнеса, в условиях, когда персонал не вооружен необходимыми для этого средствами и подходами.

«Они обращаются к концепции DevOps ради самой DevOps», – утверждают в своем новом отчете исследователи Gartner Джордж Спаффорд, Кристофер Литл и Скотт Эткин. И это лишь одна из пяти ошибок, о которых говорится в отчете.

Предприятиям необходимо анализировать целесообразность инициатив DevOps не только с точки зрения повышения организационной эффективности, но и в терминах реальных клиентских ценностей, определять, кто является их клиентами и каковы их ценности, а не оперировать исключительно ценностями организации в целом и собственно команды DevOps. В отсутствии такого подхода важная причина неудач.

Вторая причина провала, по мнению авторов, заключается в неспособности управлять организационными изменениями. Опрос, проведенный Gartner в 2017 году, показал, что командная культура относится к числу трех главных атрибутов, оказывающих влияние на возможность организации масштабировать DevOps.

«Несмотря на то, что эта проблема неоднократно, на протяжении многих лет поднималась в исследованиях Gartner, некоторые клиенты продолжают игнорировать важность организационных изменений и сосредотачивают усилия на инструментах DevOps, – отмечается в отчете. – В долгосрочной перспективе такой подход не принесет желаемого результата. С помощью инструментов нельзя решить культурные вопросы».

Руководство должно осознать, что требуемые для DevOps организационные изменения не могут считаться необязательными. Сотрудникам необходимо понять, что эти изменения происходят как с их участием, так и без него. Тем не менее, указание «сделать это так или иначе» получают далеко не все. Люди должны понимать, почему изменения необходимы, а руководству следует принять все возможные меры, чтобы помочь людям.

Третья причина заключается в слабом взаимодействии. Многие усилия DevOps ограничены единственной областью (чаще всего, рамками ИТ-подразделения) и не направлены на вовлечение других групп и заинтересованных лиц.

DevOps требует, чтобы люди придумывали решения, разрушали барьеры и функционировали как единая команда, подобно тому, как это происходит в военной сфере и профессиональном спорте. Улучшение системы требует вовлечения и четкого понимания общих перспектив. Разобщенность и отсутствие координации здесь неприемлемы.

Четвертая причина неудач заключается в стремлении внедрить DevOps за один шаг, однако история показывает, что такому подходу редко сопутствует успех.

По мнению исследователей, у DevOps слишком много параметров, чтобы подобный подход увенчался успехом в крупной ИТ-организации. В ИТ-подразделениях, где работает свыше ста человек, в этом случае возникает масса различных осложнений.

И наконец, последняя причина связана с отсутствием управления ожиданиями, которыми сопровождаются инициативы DevOps.

Вместо того, чтобы утверждать, что мы станем гибче и быстрее, оцените реальное положение дел в организации и продвигайтесь к цели постепенно. DevOps – это не решающий рывок, а непрерывное итерационное улучшение.

В конце мая издательство «Открытые системы» провело очередной, уже пятнадцатый, форум IT Management Forum. В юбилейном мероприятии приняли участие более 400 представителей предприятий и организаций из разных отраслей.

Если центральной темой ITMF 2017 была роль ИТ-департамента в реализации стратегии цифровой трансформации, то девизом ITMF 2018 стало «Стратегия и практика управления ИТ. В ответе за цифровое предприятие», что подразумевает существование такого предприятия как реальной сущности.

Теория не всегда суха

ITIL, cвод лучших из применяемых на практике способов организации работы сервисных ИТ-подразделений или компаний, не обновлялся довольно давно. Его последняя, третья версия вышла в 2011 году. Роман Журавлев, менеджер по развитию ITSM-портфеля компании AXELOS, владельца ITIL, заверил, что этой осенью ITIL ожидает обновление, дал общее представление о грядущих изменениях, а на круглом столе попробовал выяснить, чего от новой версии ITIL ждут российские пользователи.

Доклад, посвященный теории и практике применения DevOps, прочитал Марк Смолли, всемирный посол ASL BiSL Foundation и DevOps Agile Skills Association. Он предложил «убить DevOps» — правда не любые инициативы такого рода, а «DevOps ради DevOps», не взаимодействующий с бизнесом. Эту тему он развил в ходе мастер-класса, посвященного тому, как наладить эффективное взаимодействие бизнеса и ИТ.

Еще один мастер-класс по «оживлению» теории дал Олег Скрынник, управляющий партнер компании Cleverics, который провел несколько временных проектных команд через все стадии применения методологии канбан для простого процесса. Постичь за 45 минут все премудрости японского «пути бережливого производства», конечно, невозможно, но общие представление участники и зрители получили.

В ходе даже короткого практического занятия можно получить знаний больше, чем от длинной лекции. Марк Смолли показывает участникам мастер-класса DevOps на практике

Инструментарий цифрового преображения

Для того чтобы следовать лучшим практикам, описанным в ITIL, ИТ-отделам необходим адекватный инструментарий. На ITMF 2018 свои разработки продемонстрировали ряд зарубежных и отечественных вендоров.

Илья Масленкин, генеральный директор Axios Systems в России и СНГ, представил возможности Axios Assyst, решения, позволяющего управлять ИТ-активами и сопутствующими бизнес-процессами на протяжении всего их жизненного цикла, от приобретения до списания. Возможности продукта он подтвердил списком клиентов, в котором немало громких имен, в том числе таких разных по бизнес-процессам и активам организаций, как полиция Дубаи и российская сеть магазинов «М.Видео».

У компании Naumen есть ITSM-решения как для малого и среднего, так и для корпоративного бизнеса. Однако рост сложности задач, встающих в ходе создания цифрового предприятия, подвигнул компанию к использованию в своих продуктах искусственного интеллекта.

У Softline «своего» ITSM-решения нет, необходимые инструменты она может получить от своих партнеров-вендоров, которых более 3 тыс. Зато у компании сфомирована оригинальная концепция Enterprise Service Management, которую представил Яков Рутман, руководитель направления продажи и развития решений ITSM.

Классическая роль ITSM – управление ИТ с целью обслуживания нужд бизнес-подразделений. Однако, поскольку «обязанности» информационных технологий на цифровом предприятии выходят за рамки услуг,  на ИТ возлагается создание и вывод на рынок новых товаров и услуг, управление рисками, создание новых возможностей для бизнеса. Соответственно Enterprise Service Management — применение принципов ITSM к управлению всеми сервисными подразделениями предприятия, не только связанными с информационными технологиями.

Олег Скрынник показывает участникам мастер-класса практическую реализацию метода «канбан»

Критерий сервиса — практика

Традиционно на форуме ITMF слово предоставляется не столько теоретикам и производителям, сколько представителям компаний, внедривших сервисный подход самостоятельно или с помощью сторонних специалистов. На ITMF 2018, как и на предыдущих мероприятиях, был представлен ряд проектов самого разного уровня и значимости.

Андрей Заварзин, директор дивизиона «Массовая персонализация» Сбербанка, рассказал, что из трех десятков лет «в ИТ» большую часть времени он стремился перейти на позицию бизнес-руководителя. Пока не попал на нынешнюю должность в Сбербанке, где средствами ИТ стал решать бизнес-задачи. Управление проблемами и инцидентами, почерпнутые из ITIL, а также средства быстрой разработки позволили ИТ-службе резко снизить количество ошибок в деятельности подразделения, причем связанных не только с технологиями, но и с бизнес-процессами и человеческим фактором.

В компании «Мечел», в которую входят более двух десятков производственных предприятий, сервисный подход был применен к созданию системы мониторинга инфраструктуры. В отсутствие средств мониторинга ИТ-службы узнавали о неполадках в подведомственной инфраструктуре «по факту». После того, как из-за отключения кондиционера перегрелись сервера, отвечавшие за большую группу сервисов, в компании начали проект внедрения платформы мониторинга компании Paessler. Среди ее преимуществ Андрей Кисляков, заместитель директора департамента ИТ-инфраструктуры «Мечел-БизнесСервис», назвал наличие бесплатной версии (до ста датчиков), простоту установки, возможность добавления датчиков без программирования, создания сложных датчиков — комплексных, из нескольких устройств или запрограммирорванных при помощи скриптов. Сейчас в системах «Мечела» работают 2,3 тыс. датчиков в Москве и около 1 тыс. — в регионах.

Евгений Карасик, менеджер по продукту Mobile Center из Центра разработок ADM Micro Focus, поделился опытом внедрения Micro Focus DevOps Suite. Этот процесс потребовал изменений бизнес-процессов, структурных преобразований и изменения зон ответственности, однако теперь разработчики способны выдавать новые версии ПО по запросу бизнес-заказчиков с минимальным (3-5%, ранее — до 30%) увеличением объема кода, 80% тестирования выполняется автоматически и качество продукта от итерации к итерации растет.

Обычно компании, рассказывающие о проектах в области ITSM, предстают едва ли не образцами бесконечного успеха и непрерывного благополучия. В страховой компании «Югория» решение Omnitracker немецкой компании Omninet и Agile-подход к совершенствованию продуктов и процессов внедрили в ситуации более чем тревожной: 2012 год «Югория» закончила с убытком в 2,1 млрд руб., 2013-й — около 1 млрд. Но нет худа без добра — по словам Виталия Шишаева, руководителя отдела внедрения и сопровождения сервисов «Югории», подробно обосновывать топ-менеджменту востребованность преобразований необходимости не было. Несколько лет напряженной работы дали результат — более 650 млн руб. прибыли в 2017 году.

Награда за сервис

Завершился форум церемонией награждения премией ITMF Award, учрежденной издательством «Открытые системы». За выдающиеся заслуги в деле продвижения передовых методик и лучшего опыта управления ИТ были отмечены члены экспертного сообщества, практики, разработчики программных средств. В этом году лауреатов выбирали представители «Открытых систем» и организаторы ITMF 2018, в дальнейшем премию планируется сделать ежегодной и выбирать лауреатов на конкурсной основе.

Лауреатами премии ITMF Award 2018 стали:

• Марина Аншина, председатель правления Союза директоров ИТ России, президент Фонда поддержки стандартизации, системного моделирования и управления проектами, в номинации «Бессменному лидеру движения за профессиональное становление ИТ-менеджмента в России»;
• Максим Григорьев, куратор факультета цифровой трансформации Московской школы продвинутых коммуникаций MACS, в номинации «Многолетнему эффективному лидеру профессионального ITSM-сообщества»;
• Михаэль Добнер, генеральный директор Omninet в России и СНГ, в номинации «Активному проводнику лучшего международного опыта управления ИТ в российское профессиональное сообщество»;
• Роман Журавлев, менеджер по развитию ITSM-портфеля компании AXELOS, в номинации «Бескомпромиссному пропагандисту лучших практик управления ИТ-сервисами»;
• Михаил Потоцкий, начальник управления ГБУ г. Москвы «Информационный город», в номинации «Пионеру и патриарху российского рынка ITSM»;
• Олег Скрынник, управляющий партнер компании Cleverics, в номинации «Неутомимому просветителю российского сообщества ИТ-менеджеров»;
• Максим Тищенко, независимый эксперт, в недавнем прошлом — CIO Банка России, в номинации «Лидеру продвижения передового опыта управления ИТ в российской финансовой отрасли»;
• Роберт Фариш, руководитель IDC в России, в номинации «Честному «зеркалу» отечественного рынка управления ИТ»;
• Кирилл Федулов, сооснователь и директор по развитию компании «Облачные решения», в номинации «Главному энтузиасту продвижения отечественных ITSM-платформ»;
• Илья Хает, член наблюдательного совета itSMF России, директор по развитию бизнеса «Витте-Консалтинг», в номинации «Лучшему пропагандисту теории и практики управления ИТ-сервисами».

Лауреаты первой премии ITMF Award имеют огромные заслуги в деле продвижения ITSM в России

Еще в 2014 году инвестуионная компания Thoma Bravo в рамках 2,5-миллиардной сделки вернула разработчика программного обеспечения Compuware, завоевавшего свою славу еще во времена мейнфреймов, с биржи в частное владение.

На должность генерального директора Compuware был приглашен Кристофер О'Малли, решивший осуществить ускоренный переход от «водопадной» модели к DevOps и Agile-разработке, охватив при этом практически все аспекты бизнеса, начиная от организации групп разработки и эксплуатации и заканчивая маркетинговыми и финансовыми подразделениями, а также бухучетом.

За четыре года Compuware не прибегала к массовым увольнениям, нарушив тем самым тенденцию, сложившуюся в процессе крупных поглощений частными инвестиционными фондами.

«Мы, если хотите, переживаем сейчас второе рождение, – заявил вице-президент компании по продуктам Дэвид Риццо. – В Compuware стремятся предлагать инновационные решения для мэйнфреймов, а это требует перехода от нашей традиционной водопадной модели к DevOps и гибким методикам организации бизнес-процессов».

Кристофер О'Малли решил осуществить ускоренный переход к DevOps, охватив при этом практически все аспекты бизнеса

Вновь получив частный статус, компания начала с определения своей новоей миссии, которая предусматривает наряду с поддержание партнерских отношений с пользователями мэйнфреймов на протяжении последующих 50 лет с предложением новых продуктов или функций каждые три месяца.

«У нас был очень опытный персонал и укоренившиеся процессы, но нам требовалась трансформация, позволяющая энергично продвигаться вперед, – подчеркнул Риццо. – И мы осознанно приступили к этому, прекрасно понимая, что столкнемся с проблемами, поскольку масштабные изменения всегда влекут за собой определенные сложности».

Персонал, по сути, остался тем же, что и прежде, если не считать нескольких вышедших на пенсию сотрудников, на смену которым пришли выпускники вузов. И за прошедшие четыре года компании удалось заметно вырасти.

«Наша цель заключалась в том, что сохранить специалистов и предоставить им возможность работать новым, иным способом, используя преимущества гибкой разработки и DevOps, – пояснил Риццо. – Конечно, главные трудности связаны с людьми – мы должны содействовать их развитию, предоставлять официальное обучение, приглашать преподавателей, давать инструменты, которые им нужны для успеха. На начальном этапе удовлетворению необходимых потребностей уделялось особое внимание. Мы хотели убедиться в том, что у нас формируется правильная культура, правильная среда и есть правильные инструменты. Реформы коснулись не только процесса разработки продуктов. Они затронули всю организацию, через это должен был пройти каждый – продукты требовали кооперации с юридическим отделом, с финансовым отделом, с договорами, продажами, словом, со всеми нашими сотрудниками».

Помимо всего прочего требовалось определить конкретные сроки, и в результате было принято решение о том, что с ноября 2014 года вся компания переходит на DevOps. «Нам понравилась идея сжечь за собой мосты и просто двигаться вперед, – вспоминал Риццо. – Теперь, по прошествии времени, мы видим, что добились значительных успехов, поскольку выбрали правильный путь».

Новое руководство поощряло чтение сотрудниками романа «Проект 'Феникс'» (бестселлер Джина Кима, Кевина Бера и Джорджа Спаффорда «Проект 'Феникс'. Роман о том, как DevOps меняет бизнес к лучшему». — Прим. ред.) и его коллективное обсуждение, в котором принимали участие представители разных подразделений. Таким образом, представители кадровой службы, финансового отдела и разработчики активно общались друг с другом. Они видели, как все это отражается на их повседневной жизни и деятельности их групп, а не только на разработке. Таким образом, процесс перехода получил полную поддержку и понимание.

В ходе переосмысления того, как работала компания – с прицелом на решение наиболее важных вопросов, с которыми сталкивался бизнес – разработчики начали менять и свои технические подходы.

Инструменты управления исходным кодом программного обеспечения использовались в Compuware на протяжении уже 20 лет и безнадежно устарели. Разработчики решили самостоятельно опробовать ряд инструментов, которые могли бы помочь им решать стоящие перед ними задачи более эффективно – в том числе управлять одновременно множеством строк кода и расширений.

В итоге выбор инструментария привел к тому, что Compuware купила разработавшего его компанию, и теперь система ISPW развивается под крылом Compuware.

Аналогичным образом, когда разработчики анализировали незнакомый им код, один из них выдвинул идею создания нового инструмента графической визуализации, который бы четко иллюстрировал приложение, а также все файлы и данные, которые оно затрагивает. Совместными усилиями разработчикам удалось подготовить минимально жизнеспособный продукт за 84 дня.

«И вот тогда мы впервые оглянулись назад и признали, что это действительно работает, – отметил Риццо. – Новая методология раскрыла наши творческие и инновационные способности, позволив нам действовать быстрее, чем раньше, особенно в сфере, традиционной для мира мейнфреймов».

Традиционные ключевые показатели эффективности оценивают число дефектов, о которых сообщают клиенты, и начиная с 2014 года количество этих дефектов в Compuware неуклонно снижается. Кроме того, компании удалось успешно вписаться в новый 90-дневный цикл разработки продуктов, на который она и ориентировалась, приступая к трансформации.

Cистема планирования ресурсов предприятия (Enterprise Resource Planning) — один столпов современной компании, ключев ИТ-система, забота об оптимальной работоспособности которой способствует росту прибылей и снижению риска. Перечислим перемены, которые сегодня происходят в мире ERP-систем, способствуя росту отдачи от их применения.

ERP-системам доверяют работу со счетами к оплате

Ручная организация выплат поставщикам и кредиторам может создавать серьезную нагрузку на персонал. Автоматизированная централизованная обработка счетов к оплате в ERP-системе упрощает соответствующие задачи и помогает бороться с мошенничествами. Дополнительные преимущества при этом обеспечиваются с помощью элементов искусственного интеллекта, которые начинают встраивать в ERP-инструменты.

«Средства искусственного интеллекта сегодня все чаще используют для принятия решений о платежах, — отмечает Мики Рица, вице-президент IDC по исследованиям в области корпоративных приложений и цифровой коммерции. — Например, ERP-система может самостоятельно принять решение о том, согласиться ли выполнить платеж по счету заранее в обмен на скидку».

«В компаниях переходят на централизованную обработку платежей, чтобы тщательнее контролировать их точность, — добавляет Брайан Шеннон, вице-президент по стратегии компании Serrala, предоставляющей услуги управления платежами. — Нередко финансовые директора больше внимания уделяют процессам, связанным с поступлением средств и привязкой платежей к счетам на оплату, однако контроль над исходящими платежами не менее важен, особенно если учесть, что в 2017 году 75% всех компаний сталкивались с попытками мошенничества».

ERP отнимает пользователей у Excel

Несмотря ни на что, Excel по-прежнему остается одним из основных инструментов финанистов во всем мире. Это одна из причин противодействия при внедрении систем ERP, однако в последнее время в компаниях все чаще поручают хотя бы часть задач, прежде выполнявшихся в Excel, системе планирования ресурсов предприятия.

Рэй Ребелло, директор по маркетингу компании Acumatica, разработчика собственной ERP-системы, описывает типичную ситуацию: «В одной строительной компании пользовались автоматизированной системой подготовки финансовых отчетов, но параллельно вели учет в Excel, из-за чего ежемесячные отчеты нередко приходилось создавать заново вручную. Кроме того, для учета кассовых операций применялась специально разработанная программа на Microsoft Access, и у каждого офиса была своя база данных по запасам. Эти системы не стыковались с корпоративной системой ERP, и данные из них приходилось переносить вручную».

«Acumatica — один из молодых игроков рынка ERP, заслуживающих внимания, — полагает Майк Гуэй, директор по исследованиям Gartner. — В то время как другие ориентируются на клиентов с оборотом в десятки и сотни миллионов долларов, Acumatica — на компании меньших размеров. Среди поставщиков инструментов финансового и кадрового управления можно также выделить компанию Workday. С точки зрения этих функций у систем ERP есть преимущество, поскольку они превосходно справляются с автоматизацией повторяющихся процессов наподобие согласования истории операций и подготовки отчетов».

«Мы раньше пользовались электронными таблицами, ведя с их помощью ручной учет доходов, — сообщает Эллиот Ву, главный бухгалтер компании GoGuardian, предлагающей решения по управлению ноутбуками для учебных заведений. — В этом году мы внедрили ERP-систему, и теперь на те же задачи уходит гораздо меньше времени».

Избавление бухгалтерии от электронных таблиц не должно быть самоцелью. И тем не менее в ERP переносят все больше повторяющихся базовых процессов, для которых обычно использовались электронные таблицы.

Проекты ERP по-прежнему требуют больших затрат

Расспросите бывалых ИТ-директоров о проектах ERP, и услышите одно и то же. Системы ERP печально знамениты затяжными внедрениями, учитывая что такие инициативы, по сути, — это коренное преобразование принципов работы организации. Ошибка или потеря данных может привести к нарушению процессов клиентского обслуживания или бухгалтерского учета, поставив под угрозу организацию в целом.

Казалось бы, за много лет ситуация должна была улучшиться, но этого не произошло. Впрочем, компании, проводящие внедрение впервые, могут стать исключением из правила «проекты ERP занимают годы» — благодаря накопленному опыту преодоления сложностей, связанных с такими проектами. Например, когда в GoGuardian внедряли систему ERP, это заняло всего три месяца. Проект был реализован внешним подрядчиком. По словам Ву, ускорению работ способствовало то, что это была не модернизация и не переход с другой ERP-системы.

«Если говорить о ERP-системах традиционной архитектуры, за годы работы с ними обычно накапливается большой объем специализированных настроек, которые становятся барьером, препятствующим переходу на облачные ERP-решения, — поясняет Рица. — Кроме того, многие предприятия связаны многолетними контрактами с поставщиками ERP-систем, а некоторые предпочитают не устанавливать новые версии ранее внедренных решений».

ERP обретает возможности искусственного интеллекта и дополненной реальности

Изначально методики ERP были разработаны для производственной отрасли, чьи основные ресурсы — сырьевые материалы и комплектующие. Но по мере перевода производства на цифровые рельсы ERP-системы оснащаются передовыми технологиями, которые помогают повышать эффективность работы предприятия. Например, в производственной компании Fisher Dynamics внедрили умные очки Google Glass и маячки для определения местонахождения, чтобы упростить отслеживание перемещений материалов и рабочих.

«Сейчас мы работаем над приложением для выездного обслуживания и процедурного контроля для индустрии выработки электроэнергии — оно реализует процесс выполнения технического задания на выезде, — говорит Ауримас Адомавичус из компании Devbridge Group. — Благодаря средствам дополненной реальности и машинного обучения техники выполняют свою работу быстрее и с меньшим количеством ошибок. Наше приложение представляет собой расширение для ERP-системы, за счет которого повышается эффективность, — ускоряются ремонтные работы, укрепляется безопасность за счет меньшей вероятности фатальных ошибок и увеличивается число заказов, выполняемых каждым техником».

В отличие от робомобилей, в которых решения принимаются машиной, искусственный интеллект в ERP чаще используется для помощи человеку. «Поставщики ERP-систем сейчас активно инвестируют в разработку средств искусственного интеллекта, — отмечает Гуэй. — При этом прежде всего ставится цель помогать людям в принятии решений, а не заменять их. — Именно такие средства искусственного интеллекта с узкой специализацией, предназначенные для решения конкретных задач, с наибольшей вероятностью будут появляться в ERP-системах в этом году».

Какие действия в русле этой тенденции предпринимают поставщики ERP? В начале этого года Workday приобрела компанию SkipFlag ради разработанных ею средств машинного обучения. Технология SkipFlag автоматически формирует базы вопросов и ответов по результатам анализа данных организации, в том числе содержания внутренних сообщений. В планах Workday — интегрировать SkipFlag в свой продукт, так что в дальнейшем можно ожидать появления более интерактивной ERP-системы.

Самостоятельная разработка функций искусственного интеллекта поставщиками ERP-систем тоже имеет место, и у новшеств уже есть первые пользователи. В Boston Consulting Group предлагают модель машинного обучения клиентам из нефтеперерабатывающей отрасли. Опираясь на результаты обработки многочисленных показателей, система помогает прогнозировать сбои оборудования. Получая предупреждения от системы, руководители принимают решения о соответствующих мерах.

ERP шире применяется для соблюдения требований

В 2000-х администраторам ERP-систем приходилось адаптироваться в связи с вводом в действие закона Сарбейнса-Оксли, который стал реакцией на ряд корпоративных скандалов в США, связанных с нарушениями в управлении корпорациями и составлении финансовой отчетности. Перемены были значительными, поскольку нужен был новый уровень внутренних механизмов контроля и аудита. Сегодня для западных корпораций соблюдение этого закона — само собой разумеющееся требование, но появляются все новые нормативные акты, например, европейский Общий регламент по защите данных (GDPR).

Возможно, в вашей компании уже принимают меры по соблюдению требований GDPR в системах сбыта и маркетинга. Но решения ERP тоже работают с информацией по клиентам, которая может подпадать под действие GDPR. А возможно, вашей ERP-системе необходимо более строгое соответствие требованиям для сильно регулируемых отраслей, таких как банковская и медицинская.

Определившись с потребностями по обеспечению соответствия, нужно задаться «трудным» вопросом о том, как именно решать эти задачи. Возможно, вашим подчиненным приходится вручную проводить контроль соответствия. Крупнейшие поставщики ERP предлагают решения, специально разработанные для помощи в соблюдении требований. Можно также воспользоваться дополнениями соответствующего назначения, которые предлагаются вашим основным поставщиком ERP.

Блокчейн и ERP

Интерес предприятий к технологиям, основанным на блокчейне, растет, и со временем они, вероятно, получат применение в ERP.

«В настоящее время наблюдается рост интереса к использованию блокчейна в ERP-системах, — отмечает Гуэй. — Пока что блокчейн — на стадии хайпа, но уже сейчас есть случаи применения на практике. В частности, перспективным представляется использование распределенного реестра в цепочках поставок. Уже есть примеры применения блокчейна в ERP-системах в отраслях, для которых важна возможность отслеживания».

Так, в Samsung сообщили, что изучают возможность использования блокчейна для снижения затрат, связанных с цепочкой поставок. Как подсчитали в компании, внедрение блокчейна способно обеспечить ей экономию на уровне 20%. Сбудется ли этот прогноз, время покажет, но Samsung — не единственная, кто рассчитывает снизить логистические издержки с помощью блокчейна. Maersk, гигант рынка грузоперевозок, в партнерстве c IBM внедряет блокчейн для операций, связанных с транспортировкой медикаментов. Учитывая, что от качества лекарств могут зависеть жизни людей, улучшения, которые способен обеспечить блокчейн с точки зрения отслеживания происхождения препаратов, могут оказаться весьма ценными.

Главный технический специалист и заместитель главы направления машинного анализа и технологий Alibaba Group Рен Сяо Фэнь постарался развеять апокалиптические опасения полного вытеснения человека искусственным интеллектом. Он настаивает на том, что искусственный интеллект будет предоставлять полезные практические услуги.

«В определенных ситуациях люди будут рассматривать искусственный интеллект в качестве замены или демонстрации истинного интеллекта, предлагаемого в дополнение к единственному известному нам интеллекту человеческому, – указал Рен в ходе презентации приложений искусственного интеллекта, призванных оказать самое непосредственное влияние на будущее бизнеса. – Но мы, технические специалисты по искусственному интеллекту, никогда не воспринимали его таким образом. Для нас искусственный интеллект является полезной технологией. Мы хотим создавать машины, которые будут помогать человеку и делать его труд более эффективным. Именно так мы обычно смотрим на искусственный интеллект. Он будет дополнять человека, а не заменять его».

Главным техническим специалистом Alibaba Рен стал в 2017 году. Ранее он занимал в Amazon должность главного научного сотрудника и принимал участие в разработке технологии Amazon Go, позволившей построить первый в мире магазин, обходящийся без расчетов на кассе.

В своем выступлении Рен рассказал об ажиотаже и истерии, которые окружают искусственный интеллект, а также о его влиянии на бизнес и общество. Искусственный интеллект уже оказал серьезное воздействие на мир, и сегодня многие приложения используют его возможности и преимущества.

Рен, подразделение которого непосредственно занимается в Alibaba искусственным интеллектом, намерен добиться радикальных и прорывных изменений в деятельности компании и на всем динамичном бизнес-ландшафте Китая, с тем чтобы решить проблемы будущего.

«Какое бы определение вы ни дали искусственному интеллекту, он несомненно находится на подъеме, – подчеркнул Рен. – Сегодня в мире происходит очень много интересного».

Продвижение искусственного интеллекта было отмечено крупнейшими прорывами в 2006-м, а затем и в 2012 году. В 2006-м наблюдалась потрясающая активность в области алгоритмов и исследований, а в 2012-м случился прорыв в сфере визуального распознавания, распознавания речи, чатботов и семейных роботов.

«Конечно, по мановению волшебной палочки в 2006-м и 2012 годах ничего не менялось, – заметил он. – Технологии искусственного интеллекта разрабатываются уже довольно давно. В качестве примера здесь можно привести Google. Мы не воспринимаем сервисы этой компании в качестве технологий искусственного интеллекта, но в них присутствуют весьма интеллектуальные вещи, например, индексирование контента, которое позволяет нам осуществлять интеллектуальный поиск».

В настоящее время наблюдается третья волна подъема искусственного интеллекта, следующая за технологическими разработками 1950-х и 60-х годов (когда люди были полны надежд и прилагали много усилий к созданию систем логического вывода), а также разработками 1980-х, сопровождавшихся развитием экспертных систем и появлением моделей нейронных сетей.

«Мы действительно добились устойчивого прогресса, и тому есть множество причин, – указал Рен, пояснив, что двумя ключевыми факторами подъема искусственного интеллекта стали рост вычислительных мощностей и увеличение объемов используемых данных. – Вычислительные мощности и объемы данных постоянно наращиваются. Общественный интерес и общественная поддержка со временем могут меняться, но уровень технологий и имеющиеся у нас технические возможности объективно возрастают».

Искусственный интеллект будет иметь самый широкий спектр влияния, воздействуя на целый ряд отраслей, в том числе на розничную торговлю, средства массовой информации, сельское хозяйство, здравоохранение, производственную, логистическую, финансовую, энергетическую, юридическую и образовательную сферы.

«Сегодня трудно найти сектор, в котором искусственный интеллект не пригодился бы в той или иной степени, – подчеркнул Рен. – Я убежден в том, что мы пребываем не в ожидании очередной зимы, а находимся на переломном этапе, где технологии становятся действительно полезными. Влияние в самых разных формах будет оказано на множество секторов. Это не просто очередная разновидность технологий. Мы можем делать прогнозы, оптимизировать, распознавать, совершенствовать восприятие и автоматизацию. Есть масса мест, где искусственный интеллект способен сыграть существенную роль. Искусственный интеллект – это не просто мечта. Он позволяет создавать множество различных ценностей. По оценкам Gartner, в 2018-м доходы от искусственного интеллекта составят 1,3 трлн долл., а еще через пять лет они вырастут почти до 4 трлн долл. Вместе с тем есть и определенные трудности. Даже сегодня, после всего, что случилось, мы по-прежнему считаем, что решение серьезных проблем вызывает серьезные осложнения. Прийти туда, где нам хочется быть, весьма непросто. Немало трудностей связано с поиском нужных знаний. Глубинное обучение и новые технологии упрощают решение подобных задач. Мы говорим об искусственном интеллекте как об обычном товаре, который можно использовать и сделать доступным всем желающим. Но добиться этого все еще достаточно сложно. Здесь требуется множество самых разных составляющих. И чтобы сделать искусственный интеллект по-настоящему эффективным, нам нужны большие объемы данных. А найти нужные данные зачастую довольно трудно».