На онлайн-конференции Microsoft Build глава корпорации Сатья Наделла объявил о наступлении эпохи, когда компьютеры с Windows будут оснащаться не только центральным и графическим процессорами, но также «нейронным процессором» (neural processing unit, NPU) и облачным «сопроцессором» Azure Compute. При этом выбор между ними в зависимости от задачи будет происходить прозрачно для пользователя. Как заявляют в Microsoft, перенос рабочих нагрузок между клиентом и облаком будет происходить в динамическом режиме, «так же незаметно, как выполняется переключение между Wi-Fi и сотовой сетью на смартфонах».

В Microsoft рассчитывают, что благодаря этому на ПК появится новый класс приложений, которые в корпорации называют «волшебными» (magic), — активно применяющими интеллектуальные возможности. В этой связи в корпорации предлагают разработчикам вроде Adobe встраивать больше функций такого рода в свое программное обеспечение.

В Microsoft перечислили примеры интеллектуальных возможностей, которые уже есть в ее собственных приложениях: автоматическое оформление презентаций в PowerPoint, машинный перевод и преобразование аудиконференций в текст в Teams и др. Сейчас эти функции пользуются ресурсами центрального процессора ПК, но в дальнейшем их могут переключить на Azure, так что мощный локальный чип уже не понадобится.

Примечательно, что в случае с NPU, о котором говорят в Microsoft, речь может идти о процессоре архитектуры ARM, учитывая что компания Arm и ее лицензиат Qualcomm гораздо активнее развивают процессорные модули для задач искусственного интеллекта, чем Intel и AMD для своих чипов. Во всяком случае, последние в презентациях новых процессоров придают меньше значения функциям искусственного интеллекта, чем Qualcomm, что можно объяснить тем, что на смартфонах такие функции применяются практически постоянно, в особенности для мгновенной обработки снимков и видео.

На Build представители Microsoft показали, что процессор x86-архитектуры при выполнении алгоритма отслеживания лица расходует больше 20 Вт, тогда как нейронный чип потребляет всего 137 мВт, однако конкретная архитектура NPU названа не была. Вместе с тем на Build в Microsoft анонсировали Project Volterra — новое устройство на процессорах Snapdragon, с помощью которого разработчики смогут создавать упомянутые «волшебные» приложения, пользующиеся возможностями нейропроцессоров.

В рамках традиционного форума BIG DATA&AI 2022, проведенного издательством «Открытые системы», большое внимание участников вызвала сессия «Большая практика. Новый отсчет». Докладчики поделились опытом работы в новых условиях и рассказали об используемых инструментах. (Также о форуме см. статьи «BIG DATA&AI 2022: лучше вместе» и «BIG DATA&AI 2022: подходы и инструменты», «Компьютерный мир», 27 апреля 2022.)

«Обстоятельства сильно меняются, перед нами стоят серьезные вызовы. Data science в период кризисов перестает работать, включаются принципы ручного управления», — признал Тигран Саркисов, директор по работе с данными X5 Group, рассказавший об управлении данными в условиях меняющейся реальности. В X5 много интеллектуальных сервисов, охватывающих практически все направления: транспорт, логистику, маркетинг, чековую аналитику, цепочки поставок, ценообразование и т. п. Над ними работают более 50 продуктовых команд.

В начале года в X5 планировали совершенствовать дата-продукты, в том числе сокращать время их вывода на рынок, а также развивать культуру, основанную на данных, тиражировать self-service-аналитику, повышать стабильность платформы и снижать стоимость работы с данными. Однако проекты, связанные с клиентским путем, с конца февраля потеряли актуальность: гораздо важнее стала скорость принятия решений. «Если раньше приходилось тратить ресурсы на продвижение BI-инструментов, проводя демодни и обучая пользователей, то сейчас мы видим ажиотажный интерес к современной аналитике и резкий рост запросов на работу с ней — наблюдается кратный рост пользователей», — отметил Саркисов. Это направление очень эффективно, особенно сейчас. И вдвойне актуальными стали обеспечение непрерывности бизнеса и оптимизация затрат.

Александр Гусев, директор по развитию Webiomed и эксперт ЦНИИОИЗ Минздрава РФ по искусственному интеллекту, рассказал о том, что происходит с искусственным интеллектом в сфере здравоохранения. По его словам, несмотря на то что Указ Президента РФ № 490 «О развитии искусственного интеллекта в России», выпущенный еще в 2019 году, ставит целью ускоренное развитие искусственного интеллекта и определяет здравоохранение как одно из приоритетных направлений, реальность не соответствует ожиданиям. Во многом это связано с тем, что львиная доля финансирования проектов идет от государства, а частные инвесторы в эту область почти не заходят. К применению искусственного интеллекта в медицине отношение очень настороженное: высокие риски, непонятные бизнес-модели, неочевидный возврат инвестиций.

«Многие направления медицины полностью цифровизованы: данные есть, и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно», — констатировал Гусев.

Главная проблема для разработчиков интеллектуальных решений в медицине — именно раздобыть данные. И это при том, что государство с 2011 года инвестировало в ИТ в здравоохранении достаточно крупные средства — более 130 млрд руб., а по уровню внедрения информационных систем отечественная медицина сейчас уступает разве что американской. Еще одна огромная проблема заключается в том, что, несмотря на кажущийся огромным размер рынка, денег на нем практически нет.

Александр Гусев: «Многие направления медицины полностью цифровизованы: данные есть и их много. Мы сидим на огромных объемах данных. Однако вытащить их из организаций с целью проведения исследований или создания ML-продуктов практически невозможно»

«Мы выживаем на грантах и не учимся зарабатывать на продуктах — это формирует нехорошую внутреннюю ситуацию: вряд ли в такой обстановке можно принести много пользы», — считает Гусев.

По наблюдению Ивана Кровякова, менеджера по развитию бизнеса Data Platform Yandex.Cloud, большинство компаний, начинающих путь в мир машинного обучения, концентрируются именно на технических вопросах: где взять «правильную» инфраструктуру, какие выбрать технологии, где взять данные и компетенции. Однако по мере их созревания становится понятно, что бизнес-ценность в значительной степени находится в процессной составляющей: как готовить данные, как разрабатывать модели, внедрять и переобучать их. Это имеет не меньшее значение, чем сами технологии. Поэтому важно сделать так, чтобы специалисты фокусировались не на вопросах «Что?» и «Где?», а на вопросе «Как?». Кровяков проиллюстрировал этот подход на примере проекта, реализованного в УБРиР.

Как известно, от 70% до 90% данных, с которыми приходится работать компаниям, являются неструктурированными. Это документация, внутренняя переписка, обращения от клиентов, взаимодействие с партнерами, отзывы в соцсетях, записи контакт-центров. Такие сведения необходимо анализировать. Дмитрий Гольцов, заместитель директора по коммерческой деятельности компании «Мегапьютер Интеллидженс», рассказал о возможностях платформы PolyAnalyst — системы «три в одном». Она включает инструменты, которые компании обычно приобретают по отдельности, а затем тратят значительные усилия на их интеграцию: систему ETL для извлечения, трансформации и загрузки данных, систему интеллектуального анализа данных и средства BI. По словам Гольцова, с использованием платформы точность извлечения фактической информации из неструктурированного текста в отдельных проектах превышает 90%.

«Газпром нефть» на протяжении последних трех лет активно вкладывается как в инструменты управления данными, так и в разработку решений на основе искусственного интеллекта. Эти направления действительно позволили повысить качество управления компанией, что уже доказано на практике.

«Самое главное, что на основе данных можно управлять компанией гораздо эффективнее, чем при традиционных подходах», — подчеркнул Анджей Аршавский, руководитель центра монетизации данных «Газпром нефти». По его словам, главной задачей было внедрение решений на основе ИИ по всей цепочке создания добавленной стоимости. Добыча и переработка нефти — очень технологичный процесс, и использование математических моделей при разведке и планировании разработки месторождений способно давать огромный эффект. В ходе своего выступления Аршавский уделил особое внимание решениям на основе искусственного интеллекта, использующимся в промышленном контуре.

Дмитрий Шведов: «Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных»

«Перед нами стоит цель — стать data-driven-компанией, то есть принимать решения не с помощью интуиции, а на основе данных», — заявил Дмитрий Шведов, CDO «Уралхима». В компании изначально понимали, что ресурсов ИТ-департамента всегда будет недостаточно, поэтому сразу начали двигаться в сторону использования инструментов самообслуживания: бизнес должен сам готовить себе данные и затем визуализировать их.

За 2021 год компания сделала большой скачок: ей многое дала платформа данных. Как отмечает Шведов, сейчас бизнес уже прекрасно понимает, что такое «корпоративное хранилище данных», и уверенно произносит аббревиатуру КХД.

За год в «Уралхиме» начали работать шесть продуктовых команд, две из них действуют полностью самостоятельно, разрабатывая для себя отчетность. Однако важно эти команды развивать, внедряя институты владения данными и сервисами. Для этого в нынешнем году планируется создать центр компетенций, основной задачей которого станет управление продуктовыми командами и выставление им целей по развитию сервисов.

Анонс новых мtйнфреймов IBM z16 обещает нам систему, которая готова удовлетворить потребности предприятия, обеспечив поддержку искусственного интеллекта, средств безопасности, гибридых облаклв и программного обеспечения с открытым исходным кодом.

Новое, еще более мощное и функциональное «Большое железо» оснащено ускорителем искусственного интеллекта, встроенным в основной процессор Telum, который способен выполнять до 300 млрд операций логического вывода в день на основе глубинного обучения при задержке в одну миллисекунду. Специальная система квантовой безопасности предназначена для защиты организаций от угроз, создаваемых с использованием квантовых технологий.

Двухпроцессорный чип IBM Telum содержит 16 ядер и работает на частоте 5,2 ГГц. В компании заявляют, что единственная модель z16 (Model A01) может иметь до 200 настраиваемых ядер и 40 Тбайт независимой памяти в массиве с резервированием (redundant array of independent memory, RAIM).

Помимо увеличения вычислительной мощности семейство z16, поставки которого должны начаться 31 мая, обещает ускорить реализацию стратегий IBM, направленных на развитие гибридных вычислений и корпоративных систем с открытым исходным кодом. В первую очередь новые мейнфреймы ориентированы на обработку приложений искусственного интеллекта.

«С появлением новой системы мир искусственного интеллекта изменится, – утверждают в IBM. – Независимо от того, идет ли речь о снижении затрат, о борьбе с мошенничеством или об увеличении доходов, искусственный интеллект z16 открывает целый ряд новых возможностей, которые раньше никем не рассматривались».

Ускоритель искусственного интеллекта процессора Tellum использует модель вывода, анализирующую подробности обработки множества транзакций с целью выявления существующих тенденций и интеллектуального прогнозирования.

«Искусственный интеллект применим к широкому набору сценариев в самых разных отраслях, от банковской сферы и финансов до страхования, здравоохранения и многого другого, – подчеркнули в IBM. – Но если вы посмотрите на то, что происходит сегодня в мире, в том числе на мгновенные платежи, становится ясно, что для борьбы с отмыванием денег нужны более строгие правила, а резкое увеличение количества онлайн-транзакций сопровождается увеличением числа мошеннических операций».

Вот здесь-то в игру и вступает встроенный искусственный интеллект, позволяющий обрабатывать огромное количество критически важных транзакций в реальном времени.

Аналитик компании Moor Insights & Strategy полагает, что ускоритель искусственного интеллекта изменит правила игры. По свидетельству IBM, мэйнфрейм z16 с операционной системой z/OS имеет в 20 раз меньшее время отклика и в 19 раз более высокую пропускную способность при выполнении операций логического вывода по сравнению с сопоставимым облачным сервером x86-архитектуры, у которого средняя задержка в сети составляет 60 мс.

Функции искусственного интеллекта, поддерживаемые новыми процессорами Telum, должны значительно повысить эффективность обнаружения мошеннических покупок, а также сократить объем сетевого трафика, генерируемого приложениями искусственного интеллекта. Поскольку операции логического вывода искусственного интеллекта выполняются непосредственно на чипе, z16 может проводить такую сложную обработку без перемещения данных из аналитического устройства, как это сделано в решениях многих других производителей. В крупномасштабных транзакционных средах, для поддержки которых предназначен z16, такой подход может оказаться весьма полезным.

По словам экспертов, предприятия проявляют большой интерес к дополнительным возможностям искусственного интеллекта z16, а производительность и масштабируемость новых систем позволят шире использовать «Большое железо» в гибридных облачных средах.

Анонсированный в феврале сервис IBM Z and Cloud Modernization Stack предлагает стандартные для отрасли инструменты для модернизации приложений z/OS с оплатой за фактическое их использование. Сервис включает поддержку z/OS Connect с интерфейсом JavaScript Object Notation (JSON), предназначенным для поддержания связи с существующими приложениями. Это позволит сделать приложения и данные Z составной частью гибридной облачной стратегии. А компонент z/OS Cloud Broker обеспечит интеграцию сервисов и ресурсов z/OS в Red Hat OpenShift в целях поддержки приложений, данных и инфраструктуры, включая процессы их модернизации, развертывания и управления ими.

В IBM заявили, что будущие сценарии использования контейнеров z/OS призваны упростить разработку и модернизацию приложений, а также создание интерфейсов API, тесно интегрированных с основными приложениями z/OS.

IBM Z and Cloud Modernization Stack станет первым набором функций, который будет распространяться учрежденным недавно центром IBM Z and Cloud Modernization Center, предлагающим инструменты, обучение, ресурсы и услуги партнеров внутри экосистемы. Все это должно помочь клиентам IBM Z ускорить модернизацию приложений, данных и процессов мэйнфреймов при использовании гибридных облачных архитектур.

«Мы упрощаем доступ к данным мейнфрейма, а с переходом на платформу OpenShift готовы запускать на мэйнфрейме контейнерные процессы микросервисов, – сообщили в IBM. – Применение на платформе IBM z systems технологий с открытым исходным кодом и применение опыта разработчиков в гибридном облаке и на z16 с его возросшей мощностью и увеличенными ресурсами позволит лучше справляться с современными рабочими нагрузками».

z16 отражает стратегическую направленность компании на интенсификацию использования гибридных облачных сервисов. Время отклика у серверов z16 с операционной системой z/OS в 20 раз меньше, чем у сопоставимых облачных серверов x86-архитектуры, а пропускная способность в 19 раз выше. Вычислительная мощность и функции шифрования z16 позволяют клиентам безопасно запускать критически важные приложения и процессы, опираясь на общедоступные облачные сервисы, что имеет важное значение для предприятий, которые обязаны соблюдать правила хранения и суверенитета данных.

Важной частью z16 является система безопасности. Адаптер Crypto Express8S помогает получать доступ к квантово-безопасным API, которые наряду с классическими криптографическими средствами позволяют предприятиям разрабатывать средства квантовой безопасности, а также модернизировать существующие и создавать новые приложения.

«Квантовую безопасность z16 обеспечивают несколько уровней встроенного программного обеспечения, запускаемого в процессе загрузки, – пояснил аналитик Moor. – Это первая в отрасли система, поддерживающая квантово-безопасную загрузку. Когда система загружается, она должна быть уверена в подлинности своей прошивки. Если в распоряжении злоумышленников окажутся квантовые компьютеры, у них появится возможность взламывать криптографические технологии, успешно использовавшиеся нами на протяжении многих лет. В этом и заключается опасность. Подготовка к квантовым атакам, возможно, уже идет через реализацию сценариев 'сбора урожая сейчас с его обработкой впоследствии'. Зашифрованные данные крадутся сегодня в ожидании появления квантовых компьютеров, которые помогут их расшифровать».

Еще одна функция, IBM Z Flexible Capacity for Cyber Resiliency, позволяет перемещать по запросу производственные мощности и рабочие нагрузки между системами IBM z16 на разных площадках с последующим сохранением их на этих альтернативных ресурсах в течение года. Это помогает предприятиям соблюдать нормы, требующие от них наличия возможности долгосрочного переноса производства на другие площадки.

Эта возможность призвана исключить сбои в работе при возникновении нештатных ситуаций. Например, перемещать рабочие нагрузки при надвигающихся стихийных бедствиях, а также проводить техническое обслуживание объектов.

Открывая конференцию Nvidia GTC глава компания Дженсен Хуанг представил Hopper, графическую архитектуру, которая будет использоваться в основе следующего поколения продуктов Nvidia. Характеристики выполненного на ее основе ускорителя Nvidia H100, предназначенного для центров обработки данных, поражают: 80 млрд транзисторов, память нового поколения HBM3 (это первый случай ее использования) и новый вариант технологии межсоединений NVLink, которая и без того была невероятно быстрой. Как заявил Хуанг, Nvidia H100 — это самый большой скачок между поколениями за всю историю компании.

H100 содержит большое количество тензорных ядер и оптимизирован для задач глубинного обучения, но кое-что о его особенностях, возможно, будет интересно и геймерам, которые ждут появления видеоплаты Nvidia RTX 4080. Для изготовления H100 применяется специальный вариант 4-нанометрового технологического процесса TSMC 4N, который позволяет выпускать более энергоэффективные чипы. Это важно для Nvidia, которая уступила корону энергоэффективности компании AMD, когда та выпустила серию ускорителей RX 6000.

Кроме того H100 стал первым чипом с интерфейсом PCIe 5.0, а учитывая, что он поддерживается в новых процессорах Intel, скорее всего, PCIe 5.0 появится и в будущих геймерских видеоадаптерах. Скорость NVLink четвертого поколения в H100 составляет 900 Гбайт/с, что в полтора раза быстрее по сравнению с третьим. NVLink, напомним, — это собственный интерфейс межсоединений Nvidia, с помощью которого, в частности, можно объединить несколько видеопроцессоров.

Количество транзисторов в H100 — примерно на 50% больше, чем в A100, предыдущем флагманском ускорителе Nvidia для центров обработки данных. При этом предельная потребляемая мощность чипа выросла по сравнению с предшественником более чем вдвое, достигнув 700 Вт. По слухам, ускорители серии GeForce RTX 4000 тоже будут потреблять немало.

Стоит отметить, что есть сообщения о том, что видеоадаптеры RTX 4080 будут выполнены не на базе Hopper, а на основе иной архитектуры под названием Lovelace. Но точно это станет известно только в третьем квартале, когда ожидается их появление.

IBM продолжает реализацию грандиозного стратегического плана продажи себя по частям.

Компания объявила о передаче ряда аналитических активов своего бизнеса Watson Health в области здравоохранения частной инвестиционной фирме Francisco Partners в рамках сделки, сумма которой составит около 1 млрд долл.

В ноябре прошлого года произошло громкое отделение подразделения глобальных услуг с образованием новой компании Kyndryl, которая сейчас оценивается примерно в 3,7 млрд долл. или чуть более 3% от общего объема рыночной капитализации Голубого Гиганта, а в 2019 году IBM продала другой частной инвестиционной фирме свой маркетинговый бизнес Watson, переименованный впоследствии в Acoustic. Напомним, что две эти относительно недавние сделки - лишь эпизоды в реализации долговременной стратегии компании. Так, в 2014 году она продала свой бизнес серверов x86-архитектуры китайской компании Lenovo, а еще десятью годами ранее тому же покупателю достался культовый бизнес по производству ПК.

Для свертывания деятельности в области здравоохранения в IBM выбрали довольно неожиданный момент. Oracle и Microsoft, конкурирующие с ней на рынке облачной инфраструктуры, напротив, наращивают здесь свои усилия. В декабре 2021 года Microsoft получила от регулирующих органов Евросоюза разрешение на приобретение за 19,7 млрд долл. компании Nuance Communications, чья платформа на основе искусственного интеллекта обслуживает в основном поставщиков медицинских услуг. А Oracle удвоила ставки, предложив 28,3 млрд долл. за поставщика медицинской информации и систем электронных медицинских карт Cerner, которого компания может превратить в крупного потребителя собственных облачных сервисов (если, конечно, ей удастся оторвать его от AWS).

Последняя продажа свидетельствует о том, что IBM серьезно относится к переориентации на гибридные облака, построенные на основе ее базовой платформы, и к усилению активности в области искусственного интеллекта, выходящей за рамки бизнеса Watson. В компании заявляют о сохранении приверженности к Watson, но в связи с тем, что два бизнес-подразделения на базе Watson в настоящее время уже расформированы, у ИТ-директоров, купивших платформу Watson AI, есть поводы для беспокойства о ее будущем.

Впрочем, есть определенные основания и для оптимизма.

Стратегия выхода

Продажа Watson Marketing является частью более широкого плана ухода с рынка программного обеспечения для маркетинга, реализация которого началась в прошлом году, когда IBM передала свой пакет программных средств для маркетинга Unica, приобретенный в 2010 году, компании HCL Technologies. Вместо того, чтобы поставлять свой собственный маркетинговый продукт, IBM заключила партнерские отношения с Adobe, предложив пользователям контейнерной платформы Red Hat OpenShift и своим клиентам в общедоступном облаке доступ к Adobe Experience Cloud.

И IBM не продает ядро Watson Health – по крайней мере, пока.

Основав этот бизнес в 2015 году, IBM начала c активных приобретений, пытаясь привлечь клиентов, которым можно было бы осуществлять продажи с помощью аналитических инструментов Watson.

Среди активов, покупаемых Francisco Partners, можно выделить инструмент для составления отчетов по результатам клинических испытаний Clinical Development, включенный в Watson Health после приобретения IBM в 2015 году за 1 млрд долл. компании Merge eClinical, а также базу данных о заявках на получение медицинской страховки MarketScan, появившуюся у Голубого Гиганта после приобретения Truven Health Analytics в 2016 году за 2,6 млрд долл.

Компания Social Program Management (бывшая Curam Software) тоже является частью сделки. Ею была разработана платформа для управления выплатами государственных пособий, которую IBM приобрела в 2011 году за 100 млн долл., надеясь расширить число своих клиентов за счет государственных учреждений. Это одно из немногих приобретений компании в области здравоохранения, предшествовавших созданию Watson Health.

Сделка с Francisco Partners предусматривает также передачу справочника Micromedex, содержащего информацию о лекарствах, их производителях и ценах, набор программных продуктов для визуализации и аналитический инструмент Health Insights, помогающий предприятиям управлять стоимостью своих медицинских программ. Это один из немногих компонентов, интегрированных с Watson. Он поддерживает дополнительную функцию Watson Change Detection, позволяющую на основе интеллектуального анализа данных выявлять глубинные причины затрат.

В секторе здравоохранения Francisco Partners уже владеет акциями поставщиков услуг телемедицины (GoodRx), обеспечения интероперабельности данных (Edifecs), управления онлайн-рецептами и аптеками (TrellisRx и Redsail Technologies), а также планирования встреч (Zocdoc). На основе активов, покупаемых у IBM, планируется создать отдельный бизнес. Таким образом, у ИТ-директоров организаций, работающих в сфере здравоохранения, появляется возможность компенсировать потери, возникающие в силу необходимости управлять дополнительным поставщиком программного обеспечения, за счет усиления внимания к себе.

Все еще в голубых тонах

Хотя перспектив Watson Health в ходе конференции, посвященной финансовым результатам IBM по итогам четвертого квартала, генеральный директор компании Арвинд Кришна не касался, о роли Watson в будущем Голубого Гиганта он высказался достаточно откровенно.

По его словам, IBM расширила возможности обработки естественного языка платформы Watson Discovery, предназначенной для поиска и анализа корпоративных данных. Watson Discovery – одно из восьми готовых приложений Watson, предлагаемых IBM для решения на предприятии задач поиска, перевода, синтеза устной речи и понимания текста.

Кроме того, Кришна заявил об объединении и интеграции продуктов Turbonomic, Instana и Watson AIOps в целях создания полноценного набора программного обеспечения для автоматизации на базе искусственного интеллекта. Сегодня такие средства пользуются повышенным спросом.

Все это делает Watson ядром инфраструктурной платформы IBM для размещения, настройки и управления корпоративными приложениями и данными. В декабре 2020 года IBM купила средства управления производительностью приложений Instana, а в июне 2021 года инструмент для распределения ресурсов Turbonomic, прибегнув к тому же самому методу расширения предложений Watson за счет приобретений, который в конечном итоге потерпел неудачу в проекте Watson Health.

Второй год подряд компания SAP использует свою глобальную конференцию  разработчиков TechEd, чтобы продемонстрировать предприятиям инструменты, помогающие создавать программы людям, не являющимся профессионалами в этой области.

SAP продвигает концепцию разработки приложений low-code/no-code, чтобы помочь ИТ-руководителям справиться с постоянной нехваткой квалифицированных специалистов и устранить узкое место в процессе разработки, связанное с дефицитом программистов.

«Для многих предприятий проблема заключается в огромном объеме требований, предъявляемых к специалистам ИТ-службы, – пояснил технический директор SAP Юрген Мюллер. – Если речь идет об обновлении программного кода или модификации отчетов с помощью аналитических инструментов, минимальные коррективы внести, как правило, несложно. Но все упирается в постоянную загруженность сотрудников ИТ-подразделений. В результате на протяжении многих лет не делается ничего, а бизнес ощущает на себе отрицательные последствия такого положения дел».

Предоставляя сотрудникам других подразделений возможность разрабатывать свои собственные проекты, SAP хочет высвободить время разработчиков ИТ-службы, с тем чтобы они могли сосредоточиться на решении более сложных задач.

На пути к low-code

Двигаясь к этой цели, SAP представила на TechEd 2021 зонтичный бренд Business Technology Platform – унифицированный набор инструментов аналитики, управления данными, искусственного интеллекта и интеграции с согласованными интерфейсами и общей базой данных.

Составной частью этого набора должен стать инструмент AppGyver Composer, разработанный небольшой финской компанией, которую SAP приобрела в феврале 2021 года. До сделки с SAP на AppGyver уже обращали внимание DHL и Fingrid, финский оператор электросетей, использующий соответствующие средства для автоматизации и оптимизации своих бизнес-процессов.

Теперь SAP интегрировала компоненты AppGyver с некоторыми своими приложениями, но в принципе, по словам Мюллера, их можно подключать к любой системе через интерфейсы API REST и Odata (Open Data Protocol), поддерживаемые в SAP Business Technology Platform, или при помощи специализированных коннекторов.

Компания SAP уже предлагает ряд таких коннекторов, но корпоративные ИТ-службы имеют возможность создавать и свои собственные. «В конечном итоге процесс создания коннекторов можно упростить, – указал Мюллер. – В настоящее время мы изучаем возможность разработки AppGyver с помощью AppGyver».

По мнению вице-президента Forrester Крейга ле Клера, AppGyver можно использовать и без написания программного кода, но настройка параметров конфигурации требует изучения новой терминологии и логики проектирования.

Средства AppGyver способны уменьшать давление на ИТ-службу, открывая возможности для разработки широким рядам сотрудников, но это приведет к возникновению дополнительных сложностей и рисков, которые придется устранять с помощью профессиональных разработчиков.

Компонент платформы, позволяющий создавать приложения с написанием минимального объема кода, реализован на базе существующего продукта SAP Business Application Studio, который был переработан для повышения простоты использования. «Мы акцентировали внимание на минимизации кодирования, упрощении доступа и устранении некоторых препятствий, с тем чтобы бизнес-пользователям легче было войти в этот мир», – пояснил Мюллер.

Новый инструмент, который в SAP относят к категории 'pro-code', помогает разработчикам, имеющим опыт написания кода на унаследованном языке программирования SAP ABAP, создавать расширения для современной облачной системы ERP S/4HANA, сохраняя ядро приложения чистым для упрощения установки обновлений программного обеспечения. Облачная среда SAP S/4HANA Cloud ABAP Environment базируется на существующем инструменте разработки ABAP Steampunk для Business Technology Platform. «Это закрывает последний пробел в расширении облака S/4HANA, упрощая переход от систем on-pemise к облачным системам», – пояснил Мюллер.

По мнению главного аналитика Futurum Research Дэниела Ньюмана, переход на разработку low-code и использование Business Technology Platform свидетельствует о том, что в SAP понимают необходимость упрощения подходов к решению стоящих задач.

«SAP признает повышение значимости роли гражданских разработчиков и предоставления клиентам более эффективного набора инструментов для создания приложений, позволяющих извлекать выгоду из данных, которые хранятся в системах SAP и за их пределами», – указал Ньюман.

Искусственный интеллект: доверяй, но проверяй

SAP стремится упростить и другую задачу, требующую программирования, – создание разговорных ботов на основе искусственного интеллекта. Среди предстоящих улучшений, продемонстрированных на TechEd 2021, можно отметить возможность перемещения ботов между владельцами (например, от сообщества разработчиков в производственную среду по мере их готовности) и инициализации ботов с учетом данных, находящихся в памяти, и определенного языка.

В настоящее время искусственный интеллект начинает играть все более весомую роль во многих корпоративных приложениях, не ограничиваясь рамками ботов.

Подход SAP к управлению рабочими процессами заключается в том, чтобы придать искусственному интеллекту консультативную роль, поддерживая персонал, а не подменяя его. Представлен новый сервис рекомендаций, который извлекает уроки из ранее накопленных данных и уже завершенных рабочих процессов. Настройка и обучение не требуют написания программного кода и могут применяться ко многим различным процессам.

Искусственный интеллект, в частности, может быть использован в процессе согласования отпусков для выяснения того, не приведет ли отсутствие нескольких сотрудников финансового подразделения к делегированию их полномочий по оформлению, утверждению и оплате заказов какому-то одному человеку, и выдачи рекомендаций по безопасному планированию отпусков.

«Мы направляем лицам, принимающим решения, рекомендации в отношении выполнения тех или иных действий, – пояснил Мюллер. – Причем рекомендации выдаются не в булевой форме 'да' или 'нет'. Система рассчитывает процент уверенности в том, что то или иное решение следует одобрить или отклонить, аргументируя свою позицию».

«Внедрение искусственного интеллекта на предприятиях находится все еще на ранней стадии, – добавил Ньюман. – Компании ориентируются на использование средств автоматизации и дальнейшее развитие, которое позволило бы улучшить процесс принятия решений и помогло оптимизировать бизнес-процессы. SAP демонстрирует эмпатический подход, который, судя по всему, будет усиливаться, помогая повышать эффективность ведения бизнеса за счет укрепления взаимодействия между человеком и машиной и достижения максимально возможных результатов».

В ответ на требования «непрерывной» автоматизации со стороны клиентов компания Oracle обновила свои пакеты EPM и ERP Fusion Cloud, добавив туда функции оптимизации процесса регистрации и мониторинга транзакций. Дополнительные средства анализа на основе искусственного интеллекта призваны оптимизировать бизнес-процессы.

«В целом, организации рассчитывают на то, что мы поможем им повысить скорость и точность выполнения бизнес-процессов, по возможности исключив рутинные, не приносящие пользы процедуры», – указал старший вице-президент Oracle по маркетингу SaaS Юрген Линднер.

У предприятий зачастую имеются тысячи неклассифицированных транзакций снабжения, искажающие данные отчетности, а упорядочение их вручную отнимает очень много времени. ИТ-руководители ищут способы консолидации и анализа данных, которые позволили бы улучшить процессы планирования, организации взаимоотношений с поставщиками, управления договорами и соблюдения нормативных требований. В Gartner эту тенденцию называют «гиперавтоматизацией».

По оценкам Gartner, в 2022 году объемы продаж на мировом рынке технологий, поддерживающих гиперавтоматизацию (сюда относятся автоматизация бизнес-процессов с помощью роботов, а также внедрение средств искусственного интеллекта и машинного обучения), достигнут 596,6 млрд долл. Прогноз продаж по итогам 2021 года составляет 532,4 млрд долл.

Аналитики Gartner описывают концепцию гиперавтоматизации как намерение организаций автоматизировать как можно больше бизнес-процессов для извлечения максимальной выгоды.

Машинное обучение ускоряет обработку транзакций

Стремясь удовлетворить спрос предприятий на ускорение обработки и улучшение анализа, Oracle добавила в пакет Fusion компонент Procurement Spend Classification, использующий машинное обучение для автоматической классификации бизнес-транзакций и обеспечения более глубокого понимания структуры затрат.

«Технология машинного обучения Oracle предполагает выполнение первоначального обучения на обезличенных наборах данных, – пояснил Линднер. – После изучения в организации шаблонов классификации обучение будет проводиться с учетом конкретных правил классификации».

«Технология автоматической классификации может оказаться для предприятий более удобной, поскольку сегодня основные затраты приходятся на процедуры идентификации и отслеживания, которые выполняются вручную, – указал основатель и главный аналитик компании Constellation Research Р. Вонг. – Использование средств обработки естественного языка и автоматических онтологий позволит организациям сэкономить массу времени».

Повышение точности обработки счетов-фактур

Предприятия часто имеют дело с поставщиками, которые при выставлении электронных счетов-фактур используют совершенно разные средства. По мнению Gartner, существующее разнообразие приводит к увеличению затрат, несогласованности процессов и замедлению сквозной обработки. Чтобы повысить точность сканирования счетов-фактур, Oracle включила в пакет Fusion компонент Intelligent Document Recognition (IDR).

«В компоненте IDR машинное обучение используется в рамках финансовой отчетности для сканирования и получения информации о транзакциях, – пояснил Линднер. – Его можно обучить чтению новых форматов счетов-фактур. IDR помогает выявлять несоответствия. Теперь у сотрудников есть возможность оценивать точность по каждому поставщику и каждому атрибуту счета-фактуры. Это открывает новое пространство для дальнейших улучшений, в том числе для настройки качества изображения или конфигурации счета-фактуры. Соответствующий процесс способствует увеличению скорости получения финансовой отчетности для всего предприятия в целом».

Автоматизация управления журналами

Для упрощения управления журналами в Oracle Fusion EPM была добавлена функция Enterprise Journals, позволяющая собирать информацию для анализа транзакций и бизнес-событий. Функция Enterprise Journals предназначена для повышения эффективности процесса составления финансовой отчетности и обеспечения прямого переноса журналов из Oracle EPM в Oracle ERP или в любую другую существующую ERP-систему.

Новый инструмент пригодится организациям, которые вынуждены вручную перемещать журналы из приложений EPM в системы ERP, что увеличивает риски возникновения ошибок и приводит к составлению неверных прогнозов.

«Кроме того, вы получаете единую структуру для управления журналами и их отслеживания, а готовые шаблоны и рабочие процессы упрощают процедуру ввода записей в журнал, дополнительно снижая вероятность возникновения ошибок», – подчеркнул Линднер.

Аналитика для всего стека ERP

С целью предоставления более полной информации о ресурсах предприятия Oracle расширяет набор аналитических инструментов, включенных в состав облачной системы Fusion ERP Analytics, которая построена на основе машинного обучения и предназначена для расширенного бизнес-анализа данных, поступающих из различных подразделений предприятия.

Обновление предусматривает переход к новой аналитике затрат и закупок, встроенной в программную библиотеку. Fusion ERP Analytics будет поддерживать новую предметную область затрат сотрудников, в которой анализируются расходы сотрудников в масштабах всей компании, с учетом центров затрат, типов и категорий затрат, а также связанных с ними измерений.

По словам вице-президента Constellation Research Дуга Хеншена, система Oracle Fusion ERP Analytics, включающая в себя экземпляр Oracle Autonomous Data Warehouse, выходит далеко за рамки типичных встроенных предложений.

«Это хранилище уже согласовано с данными клиентского экземпляра Fusion ERP, – указал Хеншен. – При этом его можно расширить для междоменного анализа, включив туда данные из других приложений Oracle Fusion (например, CX и HCM) и из внешних приложений».

Инструмент, отражающий тенденции эффективности

Для получения на основании финансовой и операционной информации более полного представления о состоянии бизнеса компания Oracle выпустит новый модуль Intelligent Performance Management (IPM) Insights.

«IPM анализирует большие объемы финансовых и операционных данных, помогая выявлять и выделять закономерности, которые не сразу бросаются в глаза, например, тенденцию к регулярному завышению или занижению ключевых показателей в течение отчетного периода, – сообщил Линднер. – Это позволяет специалистам в финансовой области тратить меньше времени на сбор и анализ данных, освобождая его для поиска ценных идей и возможностей».

По словам Хеншена, функции, подобные IPM и основанные на избранных алгоритмах, встроенных в приложение, упрощают аналитикам и опытным пользователям, не обладающим глубокими знаниями в области науки о данных, проведение сложного анализа без написания программного кода.

Для повышения безопасности Oracle выпускает обновление стека ERP, которое позволит предприятиям анализировать права доступа различных лиц, снижая риски нарушения безопасности и нормативных требований.

IDR, Procurement Spend Classification, новая ERP-аналитика, EPM Journals и новые функции безопасности на протяжении последних нескольких недель уже доступны существующим клиентам и появятся в ежеквартальном обновлении пакета Fusion, которое будет выпущено компанией Oracle в ноябре. Функционал IPM Insights доступен всем пользователям в рамках ежеквартального обновления.

Компания GfK в рамках своего ежегодного мероприятия Insight Summit Russia провела первую публичную презентацию в России своей платформы анализа рынка потребительских товаров gfknewron. Встроенные в нее алгоритмы искусственного интеллекта обеспечивают предоставление пользователям взаимосвязанной информации о брендах, рынках и поведении покупателей, построение прогнозов спроса и потребления, а также генерацию рекомендаций, нацеленных на повышение эффективности продаж.

GfK отслеживает динамику продаж более 180 млн артикулов в более чем в 60 странах мира. Партнерами компании, предоставляющими данные, являются более 100 тыс. ретейлеров, интернет-магазинов и маркетплейсов, торгующих потребительскими товарами. В России компания собирает информацию из примерно 70 тыс. розничных торговых точек.

«Все розничные партнеры передают нам данные в своем формате, и мы приводим их к единому знаменателю и сводим вместе все продажи по каждому отдельному артикулу, — отметил Алексей Дорофеев, генеральный директор GfK Россия. — Для этого мы используем алгоритмы искусственного интеллекта и машинного обучения».

Помимо данных от своих партнеров, GfK получает регулярные отчеты о покупках от 2 млн домашних хозяйств, а также сотовых операторов, платежных систем, систем выдачи акцизов и маркировки товаров, операторов фискальных данных и других источников. Обработку и анализ этих массивов и потоков всей этой информации обеспечивают более 700 специалистов по данным.

Платформа gfknewron — это, по сути, онлайн-сервис консультирования в области продаж потребительских товаров, предоставляющий информацию, аналитические выводы и рекомендации в реальном времени. Платформа позволяет исследовать динамику спроса на отдельные товары и категории товаров, эффективность проведенных на рынке промоакций, включая их влияние на продажи по отдельным брендам и товарным группам. Также можно проводить конкурентный анализ вплоть до отдельных артикулов, изучать воронки продаж, сравнивать влияние отдельных факторов и каналов воздействия на принятие покупателями решений о покупке, оценивать, насколько велика сила бренда при продаже тех или иных товаров и многое другое.

Максимальный горизонт прогнозирования сейчас составляет 18 месяцев, при этом платформа пока адаптирована к достаточно краткосрочным прогнозам — на 14 недель вперед. К концу года их планируется расширить до 26 недель — такой функционал будет востребован у пользователей, которые отвечают за планирование поставок.

Предлагая рекомендации, подготовленные с помощью алгоритмов искусственного интеллекта, платформа обращает внимание на зачастую неочевидные тенденции и причинно-следственные связи между различными факторами и генерирует свои предложения по улучшению ситуации — например, провести промоакции или кампании по продвижению через наиболее эффективные для этого бренда и артикула каналы.

«Мы стремимся предоставить пользователям инструмент, который позволит перейти от прежнего индивидуального профессионального использования функций анализа рынка к широкому ежедневному», — пояснил Дорофеев.

Прежде большинство клиентов компании получали данные через автоматический интерфейс: они заранее определяли интересующие параметры и затем скачивали подготовленные отчеты с данными и диаграммами, которые обновлялись с определенной периодичностью. При желании клиенты могли запросить дополнительные отчеты, подготовленные на основе других срезов данных. Наиболее крупным клиентам GfK предоставляла возможность самостоятельно формировать произвольные отчеты. И если раньше основными пользователями систем компании были продвинутые аналитики, то основная аудитория платформы gfknewron — это бизнес-специалисты и менеджеры коммерческих служб, маркетинговых и финансовых подразделений.

GfK планирует активно развивать свою платформу как в плане наполнения данными (в настоящий момент в нее поступают данные о продажах потребительской электроники), так и в части расширения функциональных возможностей. В ближайших планах — реализация API для интеграции платформы с другими системами. С начала будущего года планируется включить в платформу данные маркетплейсов.

Рынок роботизации бизнес-процессов в России вошел в фазу активного развития. Компании ощутили преимущества этой технологии и готовы масштабировать проекты, начатые ранее. С чем им приходится сталкиваться и какие задачи решать? О проблемах роста — как технологических, так и культурных — рассказывает Светлана Анисимова, генеральный директор компании UiPath в России и СНГ.

- Сейчас рынок RPA уже не тот, что пару лет назад: зреют и технологии, и заказчики. Как изменяются потребности компаний в роботизации, какие ключевые изменения во взглядах происходят?

И российский, и мировой рынок быстро растет, что подтверждают независимые аналитики. Интерес увеличивается и у заказчиков, и у партнеров, которые приходят в эту сферу; на рынке появляются новые вендоры. Судя по нашим продажам, это быстрые темпы роста.

Изменения связаны с созреванием рынка. Если два года назад компании лишь присматривались к RPA, оценивали платформы и начинали первые пилотные проекты, то сейчас идет фаза масштабирования, когда компании осознали специфику технологии и ее преимущества и готовы развивать свои решения дальше. Это специфика нынешнего дня.

- Несмотря на более высокую зрелость, многие до сих пор воспринимают роботов как угрозу своим рабочим местам. Как можно справиться с этим, какие подходы вы можете рекомендовать?

Поможет только активное вовлечение сотрудников в проекты и просветительская работа. Более того, люди должны понимать, что ранний вход в работу с такими системами повышает их ценность для предприятия. Это то, над чем мы вместе должны работать. Важно формировать цифровую культуру внутри компании.

Цифровизация приходит во все сферы нашей жизни. Еще десять лет назад мы не могли представить себе, насколько зависимыми станем от смартфонов. С RPA происходит то же самое: сотрудники, которые чувствуют, что избавились от раздражающей рутины, становятся более мотивированными и превращаются в активных сторонников цифровых помощников. Из-за рутины люди вынуждены работать больше (например, задерживаться после окончания рабочего дня ради заполнения каких-то таблиц), но не получают за это больше денег.

- Культура нужна не только «внизу», но и «наверху». Насколько близки компании к восприятию концепции гибридной рабочей силы, где люди и роботы работают вместе — как единый ресурс? Что для этого нужно?

Мы к этому идем и обязательно придем — возможно, даже быстрее, чем можем себе представить. Конечно, организации различаются по уровню зрелости. Можно лишь утверждать, что пандемия и связанные с ней ограничения подтолкнули компании к цифровизации. Многим пришлось внедрять цифровых помощников и перекладывать на них часть задач.

Сейчас высшее руководство компаний довольно хорошо понимает суть технологии RPA. Остаются стратегические вопросы: как правильно внедрять, с какой стороны входить в проекты, где искать специалистов. Многие находятся в процессе написания стратегии, поиска ресурсов и вхождения в эту новую для себя технологию.

- Стратегия роботизации — насколько это важно? В каких случаях без нее не обойтись?

Стратегия всегда важна, даже когда речь идет о небольшом предприятии. Это позволяет правильно расставлять цели и приоритеты, выстраивать ожидания от технологии, измерять достигаемые результаты. Продумывать свои действия на год или два вперед всегда полезно.

- Многие изначально позиционируют RPA как временную технологию, суррогат для более «серьезных» инструментов. Как это сочетается со стратегическим подходом?

Мне кажется, сейчас таких высказываний становится все меньше. Технологию воспринимают всерьез, и Gartner включает ее в число важнейших тенденций ближайших лет. RPA уже никуда не исчезнет.

Если приложения удалось быстро и дешево интегрировать с помощью RPA и полученное решение хорошо работает, то зачем его менять на что-то «более серьезное»? Часто от заказчиков приходится слышать об огромном количестве существующих у них систем. Компании сливаются и разделяются, у них появляются филиалы, постоянно разрабатываются новые приложения... Можно мечтать о том, что все это удастся привести к единому знаменателю, но жизнь показывает, что время на эти попытки тратится впустую. Расходовать ресурсы на что-то, не связанное с основным бизнесом, — непозволительная в нынешних реалиях роскошь.

- Какие компоненты должна включать платформа роботизации, чтобы закрыть все потребности бизнеса? Какова роль этих компонентов?

Мы видим себя в качестве единой платформы роботизации, которая умеет работать со всеми приложениями и может их интегрировать легко и быстро. Конечно, приходится активно развиваться. Например, если два года назад у нас было лишь два типа роботов и оркестратор, то сейчас появилась очень серьезная функциональность, включающая Process Mining, средства отслеживания эффективности роботов, инструменты вовлечения сотрудников в процесс роботизации. Это развитие продолжится и в дальнейшем. Как известно, аппетит приходит во время еды: как только бизнес распробует новую технологию, его потребности начинают расти.

И конечно, следует отметить искусственный интеллект, который постепенно встраивается в платформы RPA. Их синергия очевидна.

- Одни советуют начинать свой путь в RPA с простейших процессов, другие говорят о том, что в этом случае будет неочевидной окупаемость проекта. Как достичь золотой середины? Чтобы были адекватные риски и достойные финансовые результаты?

Мы с осторожностью относимся к установлению прямой связи между сложностью роботизируемых процессов и финансовым результатом проекта. Эффект от внедрения робота зависит не только от числа и сложности процессов, которые он на себя берет. Можно говорить об улучшении опыта внешнего взаимодействия с компанией, о снижении числа ошибок, об увеличении скорости процессов. Здесь много факторов, которые сложно просчитать. Кстати, у нас есть собственная методология для подсчета эффекта от внедрения роботов, которую мы рекомендуем заказчикам.

Если же выбирать между простыми и сложными процессами для пилотного проекта, то оба подхода имеют право на существование. Важно понимать цели, которые компания хочет ставить перед собой. И здесь мы возвращаемся к важности стратегического подхода.

- На какой показатель окупаемости следует ориентироваться в RPA-проектах?

Наши западные коллеги гораздо раньше выходят на окупаемость проектов — обычно в течение полугода. У нас сложнее структура предприятий, дольше проходят согласования, возникают вопросы, связанные с безопасностью. За рубежом решения принимаются гораздо быстрее, меньше бумажной волокиты. Но обычно в течение года отечественные проекты окупаются — конечно, если они реализованы качественно.

- На форуме RPA 2021 были дискуссии относительно целесообразности очеловечивания роботов, в том числе присвоения им человеческих имен. С одной стороны, имя способствует лучшему эмоциональному восприятию робота людьми и большему доверию, а с другой — мешает объективному отношению к нему, особенно если робота требуется «усыпить». Каково ваше отношение к роботам с именами?

Я все-таки являюсь сторонницей имен. Нам всем свойственно стремление очеловечивать своих электронных помощников. Многие даже роботам-пылесосам дают имена и разговаривают с ними. Преимуществ в этом гораздо больше, чем недостатков.

- Отечественный рынок RPA становится конкурентным. На нем появились новые амбициозные российские игроки, государство наращивает усилия по импортозамещению. Какие возможности для роста видите вы?

Нам приходится становиться все лучше. Безусловно, поддержка локальных игроков со стороны государства сильна и будет расти. Уверенно себя чувствовать помогает ощущение, что мы на три-четыре шага впереди. Важно иметь решения, которых просто нет у конкурентов. Только это позволяет сохранить позиции на рынке.

- Каким вы видите рынок решений RPA через несколько лет?

Мы придем к единой платформе автоматизации — некому хабу, через который все системы и сотрудники предприятия смогут обмениваться информацией. Естественно, такая платформа должна и «понимать» процессы, и измерять их эффективность, и уметь работать с живыми людьми. Сейчас такие решения уже существуют в виде отдельных компонентов, и они будут развиваться и объединяться в рамках единой системы. Все это мы увидим года через три, а может, и еще раньше.

Очередная встреча дискуссионного клуба «Цифровая реальность» была посвящена регулированию в сфере искусственного интеллекта. Участники встречи обсудили проблему гиперперсонализации и связанные с ней риски, а также вопросы установления рамок приемлемого применения искусственного интеллекта. Они согласились с тем, что искусственный интеллект сегодня стал одним из драйверов изменений информационного пространства, однако последствия его проникновения в цифровую среду не всегда носят позитивный характер.

За последние несколько лет информационное пространство сильно поменялось. Во многом это связано с популярностью соцсетей: в них появляются новые инструменты, а искусственный интеллект становится основой для множества информационных сервисов, и в первую очередь выдачи контента.

«Для пользователей это происходит незаметно и делает более комфортным использование социальных платформ. Самое главное, что принес искусственный интеллект, — это именно гиперперсонализация, делающая пользование платформой более интересным и заставляющая проводить в ней больше времени», — подчеркнул Юрий Колотаев, член молодежного совета Координационного центра доменов RU/РФ.

Термин «гиперперсонализация» подразумевает существенную разницу в объеме данных, привлекаемых для персонализации контента, и используемых для этого инструментах. Персонализация выполняется не только по гендерной принадлежности, семейному положению и предпочтениям, но и по последним действиям потребителя сервиса, геолокации и т. п. Однако проблема заключается в том, что такой подход влечет создание длинного цифрового следа каждого пользователя. Это может быть довольно чувствительная информация, о раскрытии которой человек даже не подозревает. И возможность ее нечистоплотного использования уже стала реальностью. Самая большая проблема — возможность точно таргетировать информационные атаки. Персонализированная выдача информации — первое, что может нанести вред.

«Цифровая реальность ставит ребром многие вопросы. Часто возникают ситуации, когда людьми легко манипулировать», — констатировал Колотаев. То, что мы видим в Сети, не всегда прозрачно, иногда сложно заметить границу между реальностью и эмоциональной составляющей информации.

Данные в руках террористов

Как отметила Дарья Базаркина, ведущий научный сотрудник отдела исследований европейской интеграции Института Европы Российской академии наук, информационные атаки активно берутся на вооружение террористическими организациями.

Террористы манипулировали аудиторией и до появления искусственного интеллекта. Они всегда использовали психологические приемы, позволявшие создать видимость широкой поддержки их действий и массовости сторонников. Однако искусственный интеллект расширяет возможности пропаганды. Террористы, несмотря на архаичность взглядов, готовы использовать в работе самые продвинутые инструменты. Например, вербовщику всегда требовалось значительное время, чтобы войти в доверие к человеку, определить его сильные и слабые стороны. Анализ тональности поведения жертвы на различных ресурсах может радикально ускорить этот процесс. Для убеждения людей начинают применять технологию дипфейков, когда для продвижения идей используют наиболее привлекательную для конкретного человека персону. Именно поэтому террористические организации активно привлекают в свои ряды разработчиков инструментов манипуляции сознанием.

Удобство имеет свою цену

«Мы часто готовы платить высокую цену за удобство — это черта человека, о которой многие забывают», — напомнила Наталья Клюева, доцент философского факультета МГУ. Скажем, распознавание клиента по лицу и оплата товаров одним касанием подразумевают довольно большой объем раскрываемой информации.

Тем не менее гуманитарные аспекты развития и применения технологий становятся все более актуальными, и это говорит об их развитии: общество ждет новых ориентиров их использования. Очевиден общественный интерес к этическим вопросам в сфере искусственного интеллекта. И этика присутствует в национальных стратегиях развития искусственного интеллекта, хотя во многих случаях такая тема не раскрывается подробно, а документы носят рекомендательный характер. Тем не менее достигнуто общее понимание того, что принципы действия искусственного интеллекта должны соответствовать моральным установкам общества.

Андрей Игнатьев, руководитель аналитического направления Центра глобальной ИТ-кооперации, говоря о регулировании искусственного интеллекта, заметил, что человек борется со злом на протяжении всей истории и одним из важных элементов этой борьбы является поиск морально-нравственных ориентиров внутри себя. «Искусственный интеллект не этичен по определению. Говоря о его этике на нынешнем этапе развития, надо подразумевать именно этику людей, принимающих участие в создании и эксплуатации таких систем», — заявил он.

Выбирая между удобством и безопасностью, следует оценивать, насколько велики побочные эффекты этого удобства: доступность результатов нашей жизнедеятельности в цифровом мире может быть использована против нас. В идеале мы должны сами определять рамки своей прозрачности. Это можно сравнить с выходом человека в море на судне: он расширяет свои возможности, но принимает сопутствующие этому риски.