Содержание |
3 апреля в Москве прошла конференция от TAdviser, посвященная большим данным и искусственному интеллекту. Спикеры активно обсуждали новые реалии бизнеса, связанные с внедрением генеративного искусственного интеллекта, функционал современных платформ для управления данными, приводили кейсы, рассказывали о новых разработках, оценивали дальнейшие перспективы технологий искусственного интеллекта.
Конференцию посетили представители таких организаций, как Государственная Дума, ФГБУ ВНИИ ГОЧС ФЦ МЧС России, РАНХиГС, «АстраЗенека Фармасьютикалз», «Райффайзенбанк», Почта России, S7 Airlines, ФК «Спартак-Москва», РГУНХ Минсельхоза России, «Гознак», «Риттер Спорт», «Северсталь», Pirelli.
Первую часть мероприятия вел Глеб Шуклин, директор «Ассоциации Больших Данных», вторую — Михаил Малышев, эксперт по ИИ.
ИИ открывает новую эру в работе с данными
Глеб Шуклин, директор «Ассоциации Больших Данных», перечислил потенциальные возможности использования данных как нематериального актива (НМА). Таким образом можно наращивать капитализацию: увеличивать собственные активы за счет НМА и учитывать НМА в капитале. Можно привлекать инвестиции, увеличивать акционерную стоимость, снижать резервы, если речь о банках.
Данные надо передавать в «госозеро» и другие ГИС. Есть возможность страхования данных для возмещения ущерба. Однако фактическое положение дел иное: компании-участницы рынка больших данных обладают огромными объемами накопленных данных, но те не участвуют в капитализации компаний, поскольку не существует признанных методик оценки данных как активов и связанных с ней практик отторжения данных. Кроме того, для банков действует ограничение Банка России по учету НМА в капитале, отсутствуют рекомендации и стандарты по бухгалтерскому учету данных как активов.
 | Наша ключевая гипотеза: датасеты — это базы данных со всеми вытекающими последствиями, новый объект учета как нематериального актива, — сказал Глеб Шуклин. |  |
Он обрисовал, что нужно делать, чтобы изменить ситуацию к лучшему. По его мнению, необходимо разграничить понятие данных и смежных понятий (ПО, ПАК, цифровые финансовые активы), иметь возможность отражать данные (датасеты) в бухгалтерском учете как основные средства (проводки, лимит стоимости, переоценка), осуществлять амортизацию датасетов.Управление инцидентами и оркестрацией различных СЗИ. Обзор NG SOAR 
Борис Рабинович, старший управляющий директор департамента управления данными, SberData, уверен, что генеративный искусственный интеллект открывает новую эру в работе с данными. Прогресс в развитии такого ИИ приводит к радикальным изменениям ИТ-индустрии на всех уровнях.
Суть революции заключается в том, что масштабное внедрение ИИ-агентов и помощников требует пересмотра подходов к построению архитектуры и управлению данными. Переосмысляются и дата-платформы: идет автоматизация задач (копилоты, ИИ-ассистенты для пользователей), происходит изменение технологического стека (ИИ-совместимый стек данных). Данные обрабатываются в реальном времени во всех сервисах.
В основе ИИ-трансформации лежат данные, поэтому в управлении данными происходят революционные изменения. Самый важный момент в этой трансформации, по оценке спикера, — это появление новых клиентов платформ управления данными в виде ИИ-помощников и ИИ-агентов. Борис Рабинович обозначил разницу между ними.
ИИ-агент — это система на базе генеративного искусственного интеллекта, способная планировать и совершать автономные действия во внешней среде, реагировать на изменения и взаимодействовать с человеком и другими агентами для достижения поставленных целей. В свою очередь, ИИ-ассистент — система на базе генеративного искусственного интеллекта, направленная на автоматизацию рутинных задач аналитиков и инженеров, способная выполнять задачи быстрее и с лучшим результатом.
Этот фактор порождает новые вызовы для платформы данных, подчеркнул спикер. Среди таких вызовов он назвал необходимость реализации интерфейсов взаимодействия с ИИ-агентами, многократный рост нагрузки, потребность в автоматизации типовых задач на базе генеративного ИИ.
| | Сейчас ИИ-ассистенты помогают аналитикам и дата-инженерам быстрее выполнять свои задачи, но в ближней перспективе ИИ-агенты возьмут на себя решение сложных задач «под ключ», — спрогнозировал Борис Рабинович. | |
Где взять деньги на ИИ?
Дмитрий Калаев, директор «Акселератора ФРИИ», привел данные по мировым инвестициям в технологии искусственного интеллекта. Сюда вложили свыше 100 млрд долларов по итогам 2024 года. Около 50% венчурных инвестиций пришлось именно на ИИ.
Однако в России ситуация другая. В аналитических отчетах искусственный интеллект как отдельная сфера инвестиций присутствовал в последний раз в 2020 году. Вместе с тем, в большинстве российских прикладных продуктов инструменты с использованием искусственного интеллекта присутствуют, хотя за последние два года рост потребления ИИ бизнес-заказчиками в ряде сегментов (синтез и распознавание речи, речевая аналитика, чат-боты, голосовые роботы) перешел от взрывного роста к умеренному.
Спикер перечислил возможные источники инвестиций в ИИ: гранты, акселераторы и инкубаторы, бизнес-ангелы, венчурные фонды (в том числе, ФРИИ), инвестиции от корпораций, банки, биржи. Дмитрий Калаев дал рекомендации по тому, где целесообразно искать инвестиции на разных стадиях:
- Стадия идеи. Только люди, знакомые вам лично: родственники, друзья, одногруппники, коллеги, руководители.
- Первая выручка. Бизнес-ангелы, клубы бизнес-ангелов, венчурные фонды.
- Выручка составляет единицы или десятки миллионов в месяц. Венчурные фонды и корпоративные инвесторы.
- Выручка более 100 млн за последние 12 месяцев. Краудфаундинговые площадки.
В России несколько десятков венчурных фондов, компаний-инвесторов, несколько сотен бизнес-ангелов, несколько тысяч частных инвесторов, вкладывающих деньги через краундфандинговые площадки.
| | Если продукт не использует ИИ, то возникают сомнения в его соответствии запросам рынка, — сказал Дмитрий Калаев.— Искусственный интеллект превратился в гигиенический фактор. | |
Александр Кулиев, CDO, «Бургер Кинг», обрисовал масштабы объемов данных, которые хранятся в ИТ-инфраструктуре сети ресторанов. Здесь более 100 Тб данных в классическом СХД (на СУБД Greenplum), 540 Тб — в озере данных (на основе Hadoop). Кроме того, «Бургер Кинг» имеет одну из самых крупных инсталляций Arenadata DB в публичном облаке.
| | Необходимо переходить от экспертного подхода к работе на основе данных — это краеугольный камень в изменении менталитета бизнеса. Для этого в компании разработан фреймворк, включающий единые подходы к работе с данными, — делится опытом Александр Кулиев. | |
Основные подходы к аналитике и работе с данными в рамках упомянутого фреймворка заключаются в том, что нужно все время искать инсайты и тестировать гипотезы на основе больших данных. Не стоит забывать об улучшении бизнес-моделей и о взаимодействии с целевой аудиторией. Обычной практикой становится постоянная разработка, анализ, оценка эффективности проводимых действий.
Спикер обозначил основные этапы эволюции работы с данными — нужны качественные данные, правильные процессы управления данными, искусственный интеллект с целью моделирования поведения клиентов, извлечения прибыли из бизнес-процессов. Он назвал и уровни работы с данными: работу с источниками (правильное хранение и обработка), построение отчетности (расчет и агрегирование показателей), автоматизацию принятия решений посредством сервисов ИИ.
Александр Кулиев признал, что сложности на старте перехода к управлению на основании данных были в компании традиционными. Отсутствие централизованной системы хранения и анализа данных, сложности масштабирования, ограниченные ресурсы — все как обычно. Флагманские направления дальнейшей цифровизации здесь — это «цифровой ресторан» (динамичное меню, персонализация предложений, автоматизация закупок, планирование необходимого количества сотрудников на смене) и «цифровой гость» (привлечение и первые заказы, регистрация в приложении).
Ирина Долженко, руководитель проекта, главный эксперт департамента информатизации, ОАО РЖД, рассказала о том, что в компании реализуется более 50 проектов с применением ИИ. 28 систем используют искусственный интеллект. Это помогает создавать единое информационное пространство с партнерами, а подразделениям РЖД — успешно исполнять свои бизнес-функции.
Далее Ирина Долженко рассказала о платформе ИИ, вызовах при подготовке к массовому использованию ИИ для управленческой аналитики и том, как отвечали на эти вызовы. Из-за нехватки доступных данных тут развивали хранилища данных и глоссарий по аналитике данных. Приоритет был на безопасности данных. Чтобы избежать романтизации возможностей ИИ-аналитики, пришлось прибегнуть к популяризации, активному поиску и проработке кейсов. Недоверие к интерпретации преодолевали регламентацией ответственности аналитика.
Применяемые технологии ИИ в РЖД — это нейронные сети, методы деревьев решений, большие языковые модели и ряд других. Архитектура включает в себя хранилища, платформу управления данными и стек визуализации.
| | Чтобы подготовить компанию к работе с искусственным интеллектом и с большими данными, важно позаботиться о качестве этих данных, — подчеркнула Ирина Долженко. — Следует также помнить, что важны не только технологии, но и обучение людей, появление у них новых навыков. Здесь самое главное — системный подход. | |
Свои ИИ-агенты
Прежде чем рассказать о проекте, реализованном в группе компаний, Армен Амирханян, директор по развитию искусственного интеллекта, ГК «Московская биржа», привел прогнозы эффективности использования ChatGPT, сделанные аналитическими агентствами.
Так, сотрудники используют этот инструмент в три раза чаще, чем от них того ожидает руководство (по данным McKinsey). BCG прогнозирует снижение затрат на 20-30% на горизонте 2-3 лет, а Accenture пророчит прирост продуктивности ChatGPT. Также спикер привел результаты некоторых кейсов. По его словам, 40% кода в компании Goldman Sachs пишется автоматически. В Morgan Stanly на 90% сократилось время подготовки рекомендаций. На 40% снизились затраты на обработку документов в Deutsche Bank.
| | Весь прошлый год мы внедряли ИИ-платформу в контуре компании, в этом году пожинаем плоды, — поделился Армен Амирханян. — И мы угадали с тем, что внедрили именно GPT, а не какую-либо малоизвестную языковую модель. | |
Вариантов внедрения ИИ два: либо использование собственных GPU на базе открытых моделей, либо это будет GPU-решение от вендоров. Процесс внедрения в «Московской бирже» включал в себя следующие этапы. Начиналось все с анонса на корпоративном портале, где информировали о новой технологии. Потом создавали активное сообщество в корпоративном мессенджере, собирали обратную связь, проводили мониторинг пользовательского опыта. Кончалось все конкурсом на лучший кейс по использованию GPT.
Следующим шагом спикер назвал внедрение платформы для того, чтобы сотруднрки могли сами делать ИИ-агентов. В качестве релевантного примера такой платформы он рекомендовал обратить внимание на систему n8n.
Иван Иванов, директор по стратегии цифровой трансформации, «Альфа-банк», начал с того, что раньше процессы настраивали бизнес-аналитики, теперь же этим занимаются инструменты на основе ИИ, т.н. «копилоты» (CoPilot). Все крупные западные вендоры корпоративных приложений (Microsoft и др.) уже создали такие ИИ-инструменты для эффективного использования приложения, для работы сотрудников в почте, с презентациями, Excel и так далее.
Однако у банка нет возможности легально приобрести эти инструменты, поэтому были созданы свои копилоты для Jira, Confluence, Outlook с целью более эффективного их использования, что сильно изменило взаимодействие сотрудников в рамках корпоративных процессов. Спикер рассказал о том, как в банке переходили от копилотов к ИИ-агентам, которые способны полностью делать работу программиста. Он отметил, что таких ИИ-агентов в банке уже более пятнадцати. Они, в числе прочего, уже заменяют чат-боты и даже реальных операторов в общении с клиентами, причем отличить ИИ-агента от человека-оператора очень сложно.
| | Примерно три года назад мы начали проектировать новую организационную структуру, в рамках которой люди начинают взаимодействовать с копилотами, — рассказал Иван Иванов. — Мы создали копилот общего пользования «Смарти», имеющий безопасный доступ ко всем моделям. Второй копилот мы запустили для разработчиков, он работает только во внутреннем контуре. | |
Никита Аленкин, руководитель комплексных ИИ-решений, МТС Web Service, рассказал о проблеме описания больших данных внутри МТС, которая была решена при помощи ИИ-агентов.
В компании насчитывается более 600 информационных систем, и до реализации проекта было множество плохо описанных данных, а традиционный путь, предполагающий использование аналитиков, очень долог и дорог. Аналитики в этом случае выполняют рутинную работу, анализируя десятки источников, витрин, разбираясь в структуре данных. В МТС был проведен эксперимент: при помощи системы Resource Inventory в течение трех месяцев 7 человек обработали всего 310 витрин. В итоге было решено создать интегрированный с каталогами данных ИИ-агент для автоматизации работы с данными, который автоматически генерирует описание схем, таблиц, столбцов, находит критические данные, строит физические и логические модели данных.
| | Сначала мы попытались запихнуть метаданные в большую языковую модель, но результат был плохим. Модель галлюцинировала, выдавала только базовые описания, которые необходимо много править, — говорит докладчик. — Мы пошли по пути углубления данных, классифицирования таблиц по способу их использования, а затем перешли к отраслевой и доменной классификации таблиц. И все это было выстроено в единый бизнес-процесс. Система внедрена в МТС, и уже предлагается другим компаниям из облака в MWS. Также возможна локализация системы на серверах заказчика. | |
Никита Аленкин обозначил сложность создания ИИ-агента для получения качественных результатов его работы, поскольку если просто закинуть в большую языковую модель данные, то ответ будет некачественным. Спикер представил технические характеристики получившейся системы: описание одной таблицы за 60 сек. (вместо 6 часов работы аналитика), причем 80% автоматически созданных описаний не требуют корректировки.
Не все помощники одинаково полезны
Вместе представили доклад Андрей Морозкин, директор по операционной эффективности, «Финам», и Иван Дашкевич, ведущий архитектор ИИ, «Финам». Они рассказали про этапы создания «корпоративного ИИ-мозга» в прошлом году. Первый этап состоял из исследования ИТ-ландшафта, потребностей сотрудников, формирования центра компетенций, обеспечения легкого доступа к большим языковым моделям. Нужно было вовлечь сотрудников, обучить и выявить таланты.
Второй этап включал в себя выявление проблем, сбор инициатив по внедрению ИИ, разработку решений, оценку потенциального эффекта от внедрения, а также защиту ИИ-решений перед акционером. Третий этап — это пилотирование проектов, поиск оптимального подхода к архитектуре LLM-решений, развитие экосистемы.
| | Платформа Finam Flow сегодня — это как будто ребенок, которого мы обучаем данными, насыщаем инструментами, протоколами, — говорит Андрей Морозкин. | |
Спикеры перечислили четыре важных компонента, на которых в компании фокусировались:
- GPT Boost — учебный курс и хакатон;
- Chat.AI — корпоративный доступ к большим языковым моделям;
- пилотирование ИИ-ассистентов;
- Finam Flow — экосистема для запуска ИИ-ассистентов.
| | Для платформы Finam Flow мы выбрали архитектуру «супервизор». То есть выделяем главного ассистента, который делегирует вопросы подчиненным агентам, а если те не справляются, направляет вопросы другим, — дополнил Иван Дашкевич. — Количество экспертов можно масштабировать бесконечно. Их можно разрабатывать одновременно, они не мешают друг другу. Прямо сейчас мы работаем над саморазвивающейся системой, когда агенты сами смогут изменять свои настройки. | |
Тимофей Русских, ИТ-директор, «Моситалмед», рассказал о некоторых ИИ-сервисах: как реализованных в компании, так и нереализованных. Здесь сделали транскрибацию входящих звонков и пересылку информации в сервис-деск. Наладили определение вероятности возврата пограничных пациентов. Возвращаемость клиентов повысилась на 10-15%. А вот ассистент врача по заполнению медицинской карты не понравился. «Не пошло, посчитали неэффективным», — поясняет спикер.
Конвейер, реализованный в компании с использованием ИИ: кластеризация клиентов, прогнозирование возврата клиента, индивидуальные предложения, рекомендации врачу на приеме, в которых акцентируется важная информация.
| | В том числе мы использовали нашу модель LLM для кластеризации клиентов с целью разработки маркетинговых предложений, и это показало свою эффективность, — поделился Тимофей Русских. | |
Евгений Матафонов, руководитель направления базовых показателей отчетности, X5 Group, пояснил, что для аналитиков в компании уже реализованы дашборды и базовая аналитика. Тут активно используются технологии машинного обучения. В планах внедрение «дата-помощников» и принятие решений машиной.
| | Наш бизнес активно растет, и технологии должны это поддерживать. В частности, есть большая потребность в аналитике, с учетом новейших технологий, — отметил Евгений Матафонов. — Мы изучили рынок и поняли, что многие западные компании предлагают необходимые инструменты, но поскольку для нас они недоступны, то решили развивать внутренние компетенции и создали свой инструмент. | |
Спикер объявил новый этап управления бизнесом на основе данных, когда требуется, чтобы система отвечала на обычный человеческий запрос. Целью проекта стало создание универсального мобильного помощника, выдающего любую информацию в соответствии с ролевой моделью сотрудника, делающего запрос.
В X5 Group на базе продукта EasyReport был разработан помощник «ИКСИ», который позволяет доставлять аналитическую информацию как на компьютер, так и на мобильный телефон. Необходимая информация предоставляется в ответ на текстовый запрос на естественном языке, в соответствии с ролевой моделью сотрудника, делающего запрос.
Предварительные итоги выглядят так. Скорость получения информации в ответ на базовые запрос составляет 2-3 секунды. Количество пользователей выросло на два порядка, а количество сессий — в 467 раз. Инструмент переходит в формат ежедневного помощника.
ИИ снизит стоимость интеллектуального труда в тысячу раз
Илья Петухов, руководитель проектов развития ИИ-продуктов, Directum, констатировал, что в платформы Directum RX генеративный интеллект уже «под капотом». На основе платформы сейчас реализовано свыше 100 проектов по внедрению ИИ в промышленную эксплуатацию.
Докладчик привел данные исследования ВЦИОМ, подтверждающего нарастающую популярность ИИ как инструмента решения разных задач. 84% пользователей пробовали использовать ИИ. 78% компаний выделяют бюджеты на его внедрение, а 43% уже используют. Почти все опрошенные (97%) получили пользу от внедрения ИИ.
Илья Петухов обозначил эффекты от внедрения ИИ:
- снижение затрат и/или рост объема выручки;
- снижение времени транзакции/процесса;
- нивелирование рисков, выявление нештатных ситуаций;
- снижение доли человеческих ошибок;
- самообучаемость, улучшение системы без непосредственного участия человека.
В завершение спикер привел результаты кейсов в ряде компаний («СМ-Клиника», «Татспирпром», ОДК и др.), подтверждающие эффективность технологий ИИ, а также дал рекомендации по подготовке к их внедрению.
| | Один из стоп-факторов для внедрения ИИ — это отсутствие внутренних компетенций для поддержки внедренных ИИ-решений, а также нежелание что-либо менять в повседневной практике, — отметил Илья Петухов. | |
Константин Егошин, основатель ИТ-компании «Кеды профессора», обозначил жизненную необходимость ИИ-трансформации бизнеса и обозначил два подхода к трансформации. Можно либо разрабатывать собственные продукты, совместимые с ИИ, либо интеллектуализировать бизнес-процессы за счет внедрения ИИ-продуктов внешней разработки.
Константин Егошин представил дорожную карту ИИ-трансформации: принятие соответствующей стратегии, выбор ИИ-продуктов, проектирование архитектуры, реализация дизайна, дообучение LLM, промпт-инжиниринг, интеграция ИИ в ИТ, нейрощит, обучение и поддержка, ИИ-мониторинг. Специальности, задачи которых можно решать с привлечением ИИ, — это оператор поддержки, программист, переводчик, специалист по кадрам, менеджер по работе с клиентами, юрист и ряд других.
| | В ближайшие годы искусственный интеллект снизит стоимость интеллектуального труда в тысячу раз, — уверен Константин Егошин. — Вместе с тем, нам нравится то, что происходит. Искусственный интеллект будет многое изменять к лучшему. Нашей экономике будет легче создавать добавленную стоимость. | |
В завершение докладчик привел несколько кейсов, связанных с решением разных задач: ИИ-помощник финансового консультанта, инструмент для персонализации поиска, для сервисов поддержки клиентов, для видеомониторинга и ряд других.
Илья Иванов, директор по развитию, «Лаборатория Наносемантика», научный сотрудник «Лаборатории нейросетевых технологий и прикладной лингвистики» МФТИ перечислил основные направления разработок компании. Тут делают виртуальных ассистентов, цифровые аватары. Занимаются речевыми технологиями, компьютерным зрением, анализом и генерацией текстов. Не чужды компании и робототехника, и заказная разработка.
Тут, в общей сложности, реализовано 230 проектов. Линейка вендора включает в себя десять продуктов. О некоторых из них спикер рассказал. Так, DialogOS — платформа для создания, обучения и тестирования разговорного ИИ. Она предназначена для создания чат-ботов в мессенджерах, соцсетях и на сайтах, или для голосовых помощников в контактных центрах. Платформа способна создавать продукты, работающие на 40 языках, она содержит 5230 словарей.
Рассказал докладчик и о некоторых кейсах. Для ВТБ на базе платформы DialogOS был создан голосовой бот, который обрабатывает 75% обращений клиентов из сегмента СМБ и проводит 72 тыс. диалогов ежемесячно. Доля обращений за 1,5 года выросла на 16%.
| | Люди меняются, чат-боты уже не вызывают негатива, — сказал Илья Иванов. — Важно, чтобы звучание голоса чат-бота вызывало интерес у клиента, желание пообщаться, что-то выяснить. Тогда его конверсия становится более вероятной. | |
Иван Мугалев, генеральный директор, ОТ-ОЙЛ, перечислил направления деятельности вендора. Компания занимается разработкой и внедрением ИТ-решений для повышения экономической и технологической эффективности производственных процессов в ТЭК (добыча нефти и газа, сервис на скважинах), горнодобывающей промышленности и в электроэнергетике. Также в фокусе ее внимания управление данными и цифровыми паспортами объектов, цифровизация архивов инженерных данных и проектных документов, и, конечно же, импортозамещение. ОТ-ОЙЛ помогает с миграцией систем на российское ПО и технологии.
Докладчик напомнил о масштабах нефтедобычи в России: 30% бюджета России — доходы от нефтедобычи. В 2024 году добыто 500 млн тонн, а общие запасы нефти составляют 19 млрд тонн.
Спикер перечислил основные цели руководителей отрасли: соблюдение лицензионных обязательств, снижение себестоимости добычи нефти, аварийности и ЧП, выполнение социальных обязательств. Подходы к достижению этих целей состоят из формирования планов и методик оценки, контроля за фактическими показателями, прогноза критичных отклонений от плана, изменения интегрированного плана.
Инструмент достижения целей — единая информационная среда, основные параметры которой: описание глоссария как части каталога данных, единая версия правды основных данных, управление информационными потоками (ETL) и ряд других.
| | Без необходимых данных никто не примет правильного решения — ни государство, планирующее бюджет страны, ни руководитель нефтедобывающей компании, думающий о прибыли и выполнении социальных обязательств, ни рядовой сотрудник, которому нужно выполнять определенные действия, — перечисляет Иван Мугалев. — И здесь основа успеха — отраслевая экспертиза при работе с данными, создание на ее основе правильных моделей с расчетом на будущее. | |
В завершение спикер рассказал о платформе «АТОЛЛ» — функционале, бизнес-эффектах использования, технологическом стеке (открытый код, СУБД PostgreSQL).
В перерыве и по завершении конференции участники общались в неформальной обстановке.
