По данным Avast, количество атак, для которых применяется вредоносный код для майнинга в браузере, меняется вслед за колебаниями курсов криптовалют. Киберпреступники планируют свою деятельность с учетом популярности цифровых активов, считают аналитики компании. За последние несколько месяцев число атак снизилось — вместе со стоимостью большинства цифровых денег. Одной из причин этого являются расходы киберпреступников: им нужно поддерживать собственные сайты, разрабатывать новые уловки и обслуживать командные серверы. Поэтому майнинг прибылен только в определенное время, рассказал директор департамента по исследованиям угроз Avast Михал Салат.

Майнер запускается в браузере, а потому заражению может подвергнуться практически любое компьютерное устройство. Вредоносная программа скрыто работает в фоновом режиме на любом устройстве, вне зависимости от того, обладает ли пользователь какой-либо криптовалютой. Часто злоумышленники добывают Monero, обеспечивающую большую анонимность и конфиденциальность владельцев по сравнению с тем же биткоином.

Между тем 41% россиян не обеспокоены тем, что их устройства могут использоваться для незаконной добычи криптовалюты, выяснили в Avast. 32% и вовсе считают, что они не могут стать жертвами криптоджекинга, потому что не владеют майнинг-фермами и не занимаются добычей криптовалюты. При этом 82% опрошенных о такой угрозе в принципе слышали.

Для защиты от криптоджекинга и других атак (в том числе, мобильных угроз, уязвимостей устройств Интернета вещей и др.), а также оптимизации производительности компьютеров в Avast представили новые версии Avast Cleanup для ПК и Mac. Улучшенные программы обнаруживают рекламные приложения, пробные версии программ, панели инструментов и другое лишнее предустановленное ПО.

Avast Cleanup для ПК формирует список всех установленных программ с присвоенным им рейтингом, составленном на основе эвристических алгоритмов, рекомендательного механизма Avast, а также облачного пользовательского рейтинга. Если какая-либо программа вызывает сомнения, ее можно поместить в «карантин». Функция «Спящий режим» временно замораживает всю фоновую активность приложения, что повышает производительность ПК. Avast Cleanup для Mac предлагает новую функцию Photo Cleaner, которая позволяет обнаружить некачественные фотографии и дубликаты и предлагает рекомендации по их удалению.

Также компания выпустила новую версию антивируса Avast 2019. Обновленная программа предлагает режим «Не беспокоить», защиту персональных данных и распознавание угроз с помощью искусственного интеллекта.

Функция «Не беспокоить» позволяет не отвлекаться на оповещения от различных сервисов во время работы. Благодаря ей вредоносный код не может просматривать и изменять файлы. Искусственный интеллект находит фишинговые сайты путем автоматической проверки URL-адреса сайта на наличие подозрительных маркеров, метаданных домена и проверки визуальных деталей сайтов. Интеллектуальное сканирование в состоянии отслеживать вирусы, сетевые проблемы и т.д. одновременно – процесс запускается одним щелчком.

Новая версия Avast 2019 доступна для Avast Free Antivirus, Avast Internet Security и Avast Premier. Avast Free Antivirus защищает от программ-вымогателей, криптоджекинга, шпионских программ, фишинга, вредоносных URL-адресов в Интернете и вложений. Программа предупреждает об угрозах безопасности в домашней сети с помощью Wi-Fi Inspector и предлагает управление паролями через Avast Пароли. Она тоже имеет режим «Не беспокоить» и использует искусственный интеллект для блокировки продвинутых фишинговых атак. Avast Internet Security помимо этого предоставляет расширенную защиту от программ-вымогателей, запуск файлов в безопасной среде, брандмауэр и защиту от спама. Avast Premier ко всему прочему дает защиту от слежки через веб-камеру.

Предприятия малого и среднего бизнеса могут заказать Avast Business Antivir, Avast Business Antivirus Pro или Avast Business Antivirus Pro Plus. Программы предолагают консоль управления Avast Business Management Console и управляемое рабочее место Avast Business Managed Workplace для удобной защиты корпоративных сетей.

С вождем (официальная должность) «Кнопки» Андреем Завьяловым мы встретились в интересное время. Компания, специализирующаяся на аутсорсинге бухгалтерских и юридических сервисов, готовится к выходу на новый для себя рынок продажи технологий. Хороший повод поговорить об автоматизации, применимости и масштабируемости облачного аутсорсинга, состоянии рынка бухуслуг и о том, что будет, если посадить на одном этаже офисного здания тысячу бухгалтеров.

- Если попробовать описать одной фразой, «'Кнопка' – это…»?

Прямо сейчас мне сложно ответить на этот вопрос. Мы работаем над тем, чтобы технологии, которые мы отработали внутри «Кнопки», – нейронные сети, роботы и прочие штуки – можно было продавать другим участникам рынка. Если раньше я бы сказал, что «Кнопка» – это бэк-офис для малого бизнеса, то теперь мы идем к тому, чтобы «Кнопка» стала бэк-офисом для аналогичного нам бизнеса.

- Бэк-офис для бэк-офиса?

Бэк-офис для другой аутсорсинговой компании.

- Применима ли эта модель для других видов процессов, например для оптимизации закупок, для ИТ, может быть, для чего-то еще?

Вероятно, да, но мы сфокусированы на бухучете. Мы автоматизируем ввод первичных документов в систему. Это не просто распознавание. Мы берем скан документа и в качестве результата возвращаем бухгалтерскую проводку. Возможно, похожие технологии можно использовать где-то еще, например, в закупках.

- Если говорить не про ИТ, а про бизнес-модель, кроме бухгалтерии, есть еще какие-то процессы, стоящие в очереди на аутсорсинг?

Конечно. Например, «Тинькофф Банк» на своих мощностях стал продавать клиентам услуги колл-центра. Если я клиент «Тинькофф» и мне надо обзвонить две тысячи человек, я могу заказать эту услугу у них.

- Существуют ли в России и мире компании, которые реализуют бизнес-модель «Кнопки» и про которые вы можете сказать, что вы с ними прямые конкуренты?

В России основные игроки на этом рынке — это, как ни странно, банки. Они идут в предпринимательский low-сегмент. Появляется новая категория клиентов — самозанятые, которые будут платить 4%. Это несколько десятков миллионов человек. Банки хотят оказывать им услуги по ведению налогового учета. ИП и малым предприятиям, которые платят 6%, они предлагают налоговый и бухгалтерский учет. Наше поле — устоявшийся, стабильный бизнес, у которого уже есть сотрудники. Этим компаниям мы предлагаем облачный бэк-офис.

Такого в мире больше нет. Облачные CRM, 1C-Bitrix – они решают узкие задачи. Мы решаем широкую задачу: закрываем бухгалтерские и юридические вопросы сопровождения бизнеса. Разница огромная. В отличие от CRM, здесь высокая ответственность, штрафы, регламенты. Никто не выставит бизнесу штраф за неверное использование CRM, но, если бухгалтер не сдал какую-то отчетность, заблокируют счета в банках.

- Воспроизвести вашу бизнес-модель никто не захотел, не догадался или не смог?

Мы недавно с ребятами вспоминали запуск «Кнопки» и поняли, что даже мы не готовы второй раз это сделать. Очень сложно. Тяжелая неблагодарная работа.

Бухгалтерия жестко зарегламентирована. Там работают очень странные люди. Они не плохие и не хорошие, они своеобразные, заточенные под определенные вещи. Пытаться из бухгалтерии сделать сервис, а потом еще объяснить бухгалтеру, что часть работы будет делает робот или нейронная сеть… Бухгалтер это воспринимает как вторжение в свое личное рабочее пространство. Типичная реакция: «Нет, мы лучше, чем ваш робот, знаем, как делать банковскую проводку». Иногда приходилось прямо-таки заставлять использовать эти технологии. Потому что за ними будущее, как бы банально это ни звучало.

Часто задают вопрос, почему вы вообще стали писать роботов, нейронные сети, распознавание? У нас не было изначально такой задачи. Мы обслуживали предпринимателей с помощью бухгалтерских рук. В какой-то момент число ошибок бухгалтеров стало очень большим. Мы пробовали разные подходы: правильное отношение к ошибкам, «бирюзовая компания»… В итоге стало понятно, что не ошибаться может только «нечеловек».

- Сколько сейчас клиентов у «Кнопки»? Какие планы роста?

У нас полторы тысячи активно работающих клиентов. Раньше мы планировали инвестировать в увеличение клиентской базы. Сейчас хотим двигаться в сторону продажи технологий.

- Из-за проблем с масштабированием бизнеса?

Благодаря тому, что мы создали методики бухгалтерского и юридического сопровождения, мы можем масштабироваться без особого увеличения штата. После ошибок это была вторая причина придумать технологии автоматизации. Мы просчитали бизнес-модель и поняли, что можем нанять хоть тысячу бухгалтеров. Даже при таких объемах модель будет работать и приносить прибыль. Но тысяча бухгалтеров? Это зомби-апокалипсис! Поэтому мы стали думать, как, не увеличивая количество сотрудников, обслуживать больше клиентов. Еще один путь — самим использовать аутсорсинг. За счет того, что мы очень хорошо знаем бухпроцесс, мы знаем каждый кирпичик и умеем некоторые из этих кирпичиков отдавать на аутсорс. Это тоже позволяет хорошо масштабироваться.

- Насколько далеко зашла автоматизация? Момент, когда не останется ни одного бухгалтера, а будет несколько инженеров, которые обслуживают сервера, уже появился на горизонте?

Быстро это не произойдет. Существуют ФНС, Росстат и Пенсионный фонд: государственные структуры не будут с разговаривать с бизнесом электронно. Конечно, электронный документооборот появляется. Лидер в этом отношении — налоговая инспекция: в девяти случаях из десяти с ними можно решить вопросы дистанционно. Но остается 10%, которые пока не решаются. Пенсионный фонд требует личного присутствия. Если возникает проблема, ее можно решить только голосом. Пока структурированного общения с госорганами не получается, перед нами стоит одна из самых сложных инженерных задач – перевод неструктурированной информации в структурированную.

- Какие метрики вы используете, как измеряете эффективность своей работы?

Мы фанатики метрик — измеряем вообще все. Мы начали с исследования структуры работы бухгалтера. Мы стали замерять его рабочий процесс, иногда буквально секундомером. Стало понятно, что надо на каждый процесс закладывать отдельную метрику. Сколько документов заведено, сколько не заведено, каким клиентам робот отправил расчет налогов, каким нет, скорость ответа: 90% ответили за час, 100% ответили за 18 часов, 50% ответов уложились в 15 минут. Вся «Кнопка» построена на метриках. Это наш фетиш.

- Какие из них ключевые? Если тебе надо за минуту понять, хорошо ли работает какое-то подразделение, на что ты смотришь?

Вот такого у нас вообще нет. Как бы странно это ни звучало, к KPI у нас очень негативное отношение. Как только ты ставишь человеку или подразделению KPI, они фанатично начинают их исполнять, фокусируются на их достижении и больше не видят ничего вокруг. Поэтому у нас KPI оценивают не человека, а процесс.

- Какие платформы для коллективной работы вы используете?

«1С». Мы используем ее как ядро. «1С» обладает лучшей компетенцией актуализации форм отчетов перед государством. Как только государство меняет внешний вид налоговой декларации – это делает «1С». Это первый и базовый инструмент, как и у всех бухгалтеров России. У нас есть Slack. Это важный коммуникационный инструмент внутри компании. Мы используем Jira и собственное мобильное приложение.

- Основной инструмент коммуникаций с клиентом – чат?

Да. Чат, который мы самостоятельно написали.

- Клиент пишет в чат, что ему надо что-то сделать, и ваши ребята садятся и делают?

Да.

- Насколько эти удаленные коммуникации эффективны, могут ли они заменить живое общение? Много говорят о новых технологиях коммуникаций, видеоконференциях с высоким разрешением. Скажутся ли они на эффективности аутсорсинга?

В нашем бизнесе ничего подобного не нужно. У клиента есть потребность заплатить минимальный налог из всех вариантов, которые ему позволены законом. Для этого нужно проделать определенные простые действия: вовремя подавать документы на льготы, вовремя предоставлять все первичные документы, сдавать выписки, чеки, вторичную документацию. Необходимо показывать клиенту, каких документов не хватает, какова будет сумма налога. Разговаривать с бухгалтером клиенту не нужно.

Чем меньше клиент думает о бухгалтерии, чем меньше он ее видит, чем меньше он вообще о ней задумывается – тем лучше. Поэтому чат интереснее.

Идеальный способ коммуникации – аналог игры «Веселая ферма». Ты включил приложение, у тебя моргает: сюда отправь пару сканов документов, потому что их требует бухгалтер, здесь мигает запрос по увольнению или приему сотрудника, тут тебе загрузили платежки в банк, зайди их подпиши. Это не совсем чат. Чат тоже есть – когда возникают вопросы, которые надо обсудить. Но в целом все сводится к графическому пользовательскому интерфейсу.

Развитие идет в сторону геймификации: человек открыл приложение, собрал золото, построил шахты. Так же можно управлять бизнесом.

- «Кнопка» – это стартап?

Скорее нет, чем да. Что такое «стартап»? Компания, которая что-то новое придумывает? Да. Убыточная? Да. Прибыльная? Да. И на те же вопросы можно ответить «нет».

По внутренним ощущениям? Да, мы — стартап. Когда мы задумались о продаже технологий, я снова почувствовал дух авантюризма. Мы опять стартап, потому что мы начали делать что-то новое, вышли на новый рынок с новыми клиентами.

- Сколько времени прошло с создания «Кнопки» до выхода на оперативную безубыточность?

Три с половиной, даже четыре года.

- Называли цифру 10 млн долл. инвестиций в «Кнопку» – она похожа на правду?

Да. Хотя, смотря по какому курсу? По нынешнему – меньше. Но порядок такой.

- Есть мнение, что все бухгалтерские сервисы в России собирают крошки со стола «1С». Это так?

По большому счету, да, они зарабатывают как минимум столько же, сколько все остальные участники рынка бухуслуг, вместе взятые.

Но что считать рынком бухуслуг? Если посчитать, сколько платит РЖД своей дочерней компании, которая ведёт их бухгалтерию, тогда «1С» – просто один из игроков на этом рынке. Если мы отбрасываем крупные компании и банки – это будет другой разрез.

Если брать сегмент мелких компаний, самозанятых и ИП и убрать верхний слой, где работают зарубежные системы, то на «1С» придется 99% софта, которым пользуются для бухучета. Но они же зарабатывают на лицензиях. А рынок бухуслуг гораздо шире. В том же РЖД работает 8 тыс. бухгалтеров, приплюсуем сюда еще какой-нибудь Магнитогорский металлургический комбинат. Бухуслуги гораздо дороже софта внутри. Поэтому, кто у кого подбирает крошки со стола, – не знаю.

- Ты знаешь, что происходит с малым и средним бизнесом? Расскажи об этом. Как меняется бизнес твоих клиентов?

Мы не делаем таких наблюдений. Наверно, если я сяду с парой аналитиков и посмотрю на ту информацию, которая у нас есть, я смогу рассказать, что происходит в каждой компании, кто как платит и какие есть тренды.

Точно есть общероссийская тенденция перевода сотрудников в ИП, чтобы снизить налоговую нагрузку. Видно стремление максимально снизить налоги, но при этом оставаться в рамках закона…

- Этой тенденции уже три тысячи лет...

Разница в том, что раньше это делали без царя в голове. Некоторые предприниматели говорят: «Я вообще не буду вести бухгалтерский и налоговый учет. Пусть налоговая сама, что хочет считает. Выставили претензию, я заплатил». И он ждет, когда его поймают.

Сейчас таких стало меньше. Все прекрасно понимают, что юлить, вилять – дорого. Многие переходят из черной бухгалтерии в белую, и уже пытаются в рамках правового поля придумывать какие-то схемы, патенты, ИП.

Исчезла тема «рисования» документов. Раньше регулярно спрашивали, можем ли мы это сделать. Сейчас этот вопрос даже перестали задавать.

Второй по популярности вопрос был: «Ведете ли вы черную кассу?» Потому что бухгалтер обычно ведет «черную» кассу. Сейчас такого понятия практически нет. Или совсем нелегальный кеш, либо все уже законно. Эта разница стала очень явной: «черное» стало совсем черным, а «белых» стало больше.

- Блиц, короткие вопросы, на которые ты можешь отвечать не обязательно коротко. Хороший формат, не я придумал. Agile работает?

Да. Прямо большими буквами — ДА.

- Выход на биржу или продажа стратегам?

Первое. Стратегов нет, потому что нет личностей. Мы обдумывали вариант не продавать бизнес полностью, но найти способ взаимодействия со стратегом с вероятным дальнейшим выкупом или что-то еще… Но говорить об этом не с кем. Либо получается такая же токсичная история, как сейчас у Сбербанка с «Яндексом».

- Если ты застрянешь в лифте с Нуралиевым, о чем ты с ним поговоришь?

Мы долго будем разговаривать: про технологии, про будущее аутсорсинга и бухгалтерии, куда это все идет. У него свой взгляд на ситуацию в бизнесе, очень интересный. Это человек, которого я по всем параметрам уважаю. Мне было бы интересно застрять с ним в лифте на подольше. И разговаривали уже не раз, и есть еще много о чем поговорить.

Практическая конференция Agile.DevOps.ITSM 2018, проведенная издательством «Открытые системы», собрала более 200 участников из разных сфер экономики и госуправления. Ее основными темами, кроме собственно опыта развития деловых информационных систем и соответствующих методик и инструментария, стали цифровая трансформация, специфике применения Agile при работе с государственными заказчиками и кадровые вопросы.

Трансформация и Agile

С рассказа о цифровой трансформации и началась конференция. Максим Григорьев, управляющий партнер Gartner, до относительно недавнего времени — начальник Центра финансовых технологий Банка России, показав, что меняет трансформация в продуктовой линейке (появляются новые продукты), каналах взаимодействия с покупателем (взаимодействия они становятся омниканальными и «мгновенными») и на производстве (оно становится «цифровым»).

Меняется и ИТ-система — она становится трехслойной. «Внизу», в основе всего, лежат маломеняющиеся монолитные транзакционные системы, «вверху» — быстроразрабатываемые сервисы. А между ними — промежуточный слой, который должен состыковать две столь разные модели разработки. И если на «монолит» в 2016 году приходилось 90% ИТ-бюджета, а на инновации — 1%, то уже в 2020-м, как полагают в Gartner — 50% и 15% (траты на промежуточный слой тоже вырастут — с 9% до 35%).

На эти 15% (а в немалой степени — и на 35% «промежуточных») могут претендовать Agile-команды. Без новых подходов к программированию, позволяющих быстро создавать новую функциональность, трансформация не состоится.

Как сделать государство гибче?

Государство у нас — один из крупнейших заказчиков, в том числе — в области ИТ. Об особенности работы с ним рассказали Дмитрий Матвеев, до недавнего времени возглавлявший развитие портала госуслуг, и Сергей Добриднюк из компании «Диасофт» (она провела в апреле-июне работы по переводу на «Перспективную платежную систему России» Центробанка и всех 480 банков страны).

Их основные выводы не удивительны — при работе с государством гораздо больше формальностей; иерархия заказчиков делает процессы согласования медленными; ошибку в техзадании практически невозможно исправить; со стороны заказчика (то есть — государства) не всегда есть специалисты нужной квалификации — а просто взять и нанять его невозможно. Также, как заплатить приглашенному на проект специалисту «выше среднего по региону».

Разумеется, на всякое государственное требование найдется более-менее хитроумное решение для его обхода или удовлетворения. Например, до руководителя высокого уровня зачастую проще «достучаться» через соцсеть, минуя фильтр из секретарей и референтов. Если у заказчика нет специалистов по каким-либо аспектам — можно взять соответствующую работу на себя, получится быстрее и, в целом, дешевле. А для того, чтобы в «критические» для госсектора ноябрь-декабрь, когда необходимо и продукт сдать и додписать большое количество документов, обеспечить большую длительность взаимождействия с заказчиком в течение рабочего дня, в «Диасофте» привлекли в команду сотрудников из территориально разнесенных филиалов, так что заказчик получал почти 15 часов работы команды над его проектом, вместо «пересечения» всех сотрудников всего на три-четыре часа в день.

Agile в бизнесе

Николай Кныш («Райффайзенбанк»), рассказывая об опыте трансформации компании отметил, что первые три года, с 2013-го по 2016-й, прошли практически впустую. Эксперименты с внедрением методологий Scrum и Kanban шли хаотически, глава банка в процессе не участвовал, в результате 95% организации остались на старых методах разработки.

В 2016-2017 годах CEO стал играть роль «владельца продукта», были созданы кроссфункциональные команды, процесс внедрения новых методов был упорядочен и в результате начали свою работу более двух десятков команд.

Начиная с этого года генеральный директор и члены совета директоров взяли на себя роль «команды трансформации» и трансформация пошла полным ходом, поменялась иерархическая структура, возникли новые роли, продукты стали запускаться гораздо быстрее.

Лина Чуднова («Неофлекс») рассказала о проектах в транспортной компании ПЭК, неназванном банке и Национальном клиринговом центре. Задачи в проектах были весьма различны, но во всех трех случаях заказчика (и бизнес-структуры, и ИТ-подразделения) удалось вывести из пресловутой «зоны комфорта» работы по старинке. Это потребовало некоторых усилий — «нельзя росто так взять, и внедрить DevOps», однако в итоге бизнес получил существенно большую гибкость и уменьшение времени вывода новых услуг в эксплуатацию. Основной вывод Чудновой таков: развивающийся бизнес готов платить за ИТ-решения, но «не знает», что ему нужен DevOps и, соответственно, не готов платить за перестройку процессов. Натолкнуть его на эту мысль можно вовлекая бизнес-заказчика в создание решений — и тогда он сам придет к мысли о необходимости DevOps.

DevOps и его команда. Как ее создать?

«Прийти к мысли» о необходимости перейти на новые методы разработки -это только часть дела. Необходимо создать команду, способную работать по-новому. О трудностях ее создания говорили многие выступающие.

Одна из причин, как отметил Олег Скрынник (компания Cleverics), все участники процесса разработки програмного обеспечения (аналитики, тестировщики и разработчики) — считают себя умнее коллег по ИТ-цеху и уж конечно умнее сотрудников бизнес-подразделений.

Для того, чтобы заставить их работать вместе, необходимо ломать административные барьеры и заставлять их сидеть и работать вместе, учить разговаривать друг с другом, «слушать и слышать».

Задача эта лежит на наставниках, scrum-мастерах. «А их нет», — резюмировал Скрынник. И откуда брать, непонятно, поскольку рынок труда в этом сегменте и перегрет («кандидаты в мастера» требуют больших зарплат) и пуст (результата дорогие специалисты зачастую не дают).

Выращивать в своем коллективе — но из кого? Менеджеры проектов в scrum-мастеров «перековываются» плохо. Они остаются менеджерами, которые привыкли не «зажигать глаза» у своих сотрудников, а «поджигать под ними стулья».

Scrum-мастер «из программистов» в душе остается программистом, его взгляд на мир, как считает Кныш, специфичен, да и с социализацией у программистов не слишком хорошо. В ходе обсуждения была высказана идея брать психологов и обучать их, поскольку обучить психолога «скраму» проще, чем делать менеджеров и программистов знатоками человеческих душ.

Идея эта многим показалась интересной, однако «девочка-психолог из HR» уже стала именем нарицательным в мире ИТ, так что реакция программистов на scrum-мастера из психологов может быть неоднозначной.

Олег Егоркин («Ростелеком») предложил создавать внутри компаний, особенно территориально распределенных, гильдии — профессиональные сообщества, объединяющие специалистов из разных филиалов, работающих над одним продуктом. Это даст возможность сотрудникам обмениваться знаниями о продуктах, повышать их квалификацию, создавать кадровый резерв.

При этом он подчеркнул роль рукоуодства компании в процветании гильдий. Без этой поддержки — как моральной (положительное отношение к тому, что специалисты общаются, а не разрабатывают «еще одну фичу»), так и материальной (выделение средств на конференции и прочие мероприятии, внешние и внутренние) — работа в гильдиях с большой вероятностью заглохнет.

В интернет-магазине Wildberries к кадровой проблеме подошли с другой стороны. Там классифицировали сотрудников «по Афанасьеву». Она заключается в том, что личность «разбивается» на «эмоции», «логику», «физику» и «волю», их «порядок» и определяет личность. Скажем ИТ-специалисты — это ЛВФЭ (Лао-цзы) или ЛВЭФ (Энштейн), а управленцы — ВЛЭФ (Сократ) или ВЛФЭ (Ленин).

При этом команды разработчиков Андрей Ревяшко, технический директор Wildberries, «раздал» по бизнес-заказчикам. Теперь главы подразделений сами определяют, какие задачи для них приоритетны и оплачивают заказы из «своего» бюджета. По словам Ревяшко, эта мера, помимо прочего, резко сократила количество проектов, в бизнес-структурах стали гораздо внимательнее смотреть на то, действительно ли им так уж нужно то или иное усовершенствование ПО, или лучше потратить деньги на что-нибудь другое.

Правда ли, что agile и проекты в госорганизациях – «вещи несовместные»? Доклады сессии «Опыт» практической конференции «Agile.DevOps.ITSM 2018», проведенной издательством «Открытые системы», демонстрировали, что это не так.

Цифровизация в госорганизациях стоит на повестке дня, меняется стиль госуправления, власть стремится реализовать взаимодействие с гражданами посредством электронных услуг, стать максимально открытой с помощью порталов и сайтов и совершенствовать свою деятельность, опираясь на современные ИТ-инструменты. Поэтому в соответствующие ИТ-проекты неизбежно проникают новые веяния. Правда, творческий подход, без которого немыслим agile, в таких проектах не всегда очевиден. Как заметил Сергей Добриднюк из компании «Диасофт»: «творчество в госорганизациях – явление, которое есть, но возможно у нас нет тех органов чувств, которые позволяют его заметить».

Полноценному проникновению гибких подходов в госпроекты мешает множество объективных условий, некоторые из них перечислил Добриднюк. Это необходимость долгой экспертизы и согласований любого изменения («в итоге, когда все сделано, реализовывать проект, возможно, придется другому поколению чиновников»), строгие правила финансирования (их нарушение исключено), фискированные рамки проекта, недостаток высококвалифицированных кадров, избыточная отчетность.

Тем не менее в реальной практике элементы agile, необходимые для успешного и оперативного завершения проекта, удается интегрировать с этими, казалось бы, «железобетонными» принципами госИТ. Добриднюк поделился некоторыми рецептами на примере запуска в июле этого года «Перспективной платежной системы России», инициированного Банком России, реализованного государственным «МСП банком» в партнерстве с компанией «Диасофт» и задействовавшего все банки страны.

В частности, оказалось, что современные чиновники и даже топ-менеджеры госкорпораций, как правило, не избегают присутствия в соцсетях, более того, дорожат своей репутацией там, и этот канал можно использовать как действенный инструмент оперативной связи. Для доходчивого описания заказчику бизнес-архитектуры решения применили удобные средства визуализации в стиле «комиксов», что позволило наглядно объяснить основные идеи проекта прежде чем они были формализованы в строгом ТЗ. Взаимной вовлеченности заказчика и исполнителя способствовал «перехват ответственности»: участники команды разработки брали на себя часть функций заказчика из госорганизации, на которые у последнего не хватало компетенций, и, наоборот, давали «порулить» заказчику в процессе выработки деталей технического решения и управления разработчиками, если это помогало лучше донести входные требования.

Сергей Добриднюк рассказал, что мешает проникновению гибких подходов в госпроекты и как их тем не менее можно там использовать

Департамент информационных технологий Москвы не может не быть примером показательного исключения из правил работы ИТ в госорганах, иначе столица не выбилась бы в лидеры мировых рейтингов цифровых городов. Михаил Потоцкий, руководитель продукта Service Manager в ДИТ, рассказал о придуманной им agile-схеме реализации запросов на изменения платформы, на которой базируется техподдержка всех информационных систем «электронной Москвы». «Мы просто обязаны показывать пример качественной и при этом гибкой работы другим продуктам, которые использует город», — отметил Потоцкий.

С платформой постоянно работают около 700 пользователей, в ней функционируют десятки взаимосвязанных процессов, что необходимо учитывать при проведении изменений («меняя одну функцию, нельзя сломать множество других»). При этом технологическое окно для вывода изменения в продуктив – несколько ночных часов, в рабочее время никакие простои не допустимы.

До недавнего времени удавалось выполнять три-четыре запроса на изменения в месяц, скопилась солидная очередь нереализованных изменений. Для того чтобы увеличить скорость выполнения запросов, работы были распараллелены. Но возникла проблема – как в этих параллельных потоках разработки организовать тестирование, чтобы в очередной итоговый релиз попадали только работоспособные функции. Решение оказалось на первый взгляд очевидным, но, как рассказал Потоцкий, оно потребовало серьезной трансформации не только процессов, но и культуры работы команд.

Теперь в параллель выполняется только рабочее тестирование, и за него отвечают команды разработки, а приемочное реализуется для релиза в целом и выполняется с минимальными затратами, поскольку в итоговый релиз попадают отфильтрованные рабочим тестированием, полностью готовые функции (а не компонуются технологически близкие, как это делалось раньше). В итоге скорость выполнения запросов на изменения выросла до 20-30 в месяц, очередь запросов сократилась почти на половину.

«Это было не упражнением по изменению технологий тестирования, но трансформацией подхода к работе, синтезировавшей несколько методологий управления. Из принципов Lean была взята нацеленность на результат – ускорение обработки запросов – и отсечение всего лишнего, что достижению этого результата мешает. Из ITSM – организация процессов, из Agile – коллективные методы работы. И очень важна корпоративная культура – проведение этих идей в жизнь стало плодом совместной работы команды, а не бездумным исполнением воли руководителя», – рассказал Потоцкий.

Большой бизнес становится эмоциональным.

Пользовательские интерфейсы и другие аспекты корпоративных компьютерных систем все чаще разрабатываются для распознавания эмоционального состояния и настроения пользователей, а также для имитации эмоций при взаимодействии с людьми.

В опубликованном в январе 2018 года отчете аналитики Gartner утверждают, что уже в ближайшие четыре года устройства «будут знать о вашем эмоциональном состоянии больше, чем члены вашей семьи».

Глубинное обучение помогло улучшить анализ эмоционального состояния и дополнить основные эмоции – счастье, удивление, гнев, печаль, страх и отвращение – еще двадцатью более тонкими оттенками, к которым относятся, например, благоговейный трепет, радостное удивление и ненависть. (Психологи говорят о том, что у людей проявляются 27 различных эмоций.)

В Университете штата Огайо разработана программа, позволяющая по фотографии и выражению лица распознавать 21 эмоцию. И вот что поражает: по заверениям исследователей, их система выявляет эмоции лучше человека.

Для внедрения эмоциональных интерфейсов на предприятии есть по крайней мере две причины: важная и очень веская.

Сначала о важной.

Эмпатия стимулирует бизнес

«Экономика эмпатии» – это денежная или деловая ценность, создаваемая искусственным интеллектом, который обнаруживает и имитирует человеческие эмоции, возможность, трансформирующая клиентское обслуживание, виртуальных помощников, роботов, безопасность на предприятиях, здравоохранение и транспорт.

В ходе опроса, проведенного Frost & Sullivan по заказу компании Cogito, 93% респондентов заявили, что взаимодействие со службой поддержки решительным образом влияет на восприятие клиентом компании. А эмпатия является одним из ключевых факторов качественного взаимодействия.

Программное обеспечение искусственного интеллекта Cogito, построенное на основе результатов поведенческих исследований лаборатории Human Dynamics Lab Массачусетского технологического института, анализирует эмоциональное состояние клиентов и мгновенно пересылает соответствующую информацию сотрудникам контакт-центра, что помогает им лучше сопереживать клиентам.

Технология такого рода наделяет персонал контакт-центра сверхспособностями к сопереживанию, что в свою очередь заметно улучшает внешнее восприятие организации.

Компании Affectiva и Realeyes предлагают облачные решения, использующие веб-камеры для отслеживания выражения лица и частоты сердечных сокращений (распознавая биение пульса на коже лица). Такие решения применяются в том числе и в исследованиях рынка (потребители смотрят рекламу, а компьютер анализирует их отношение к видеоряду и рекламному тексту).

Предприятия рассматривают и экспансию в другие области, например, в сферу здравоохранения, где автоматизированные call-центры могут обнаруживать в голосе звонящего депрессию или боль, даже если он не выражает их вербально.

Робот Forpheus, созданный японской компанией Omron Automation и продемонстрированный в январе на выставке потребительской электроники CES, играет в пинг-понг. В арсенал его навыков игры в настольный теннис входит способность читать язык тела, анализируя таким образом настроение соперника и уровень его мастерства.

Впрочем, основным предназначением этого робота является не пинг-понг, а промышленные машины, которые, работая «в гармонии» с людьми, повышают тем самым производительность труда и уровень безопасности. Читая язык тела фабричных рабочих, промышленные роботы прогнозируют направление и характер их перемещений.

Роботы Sanbot, Pepper и 3E-A18, выпускаемые соответственно компаниями Qihan Technology, SoftBank Robotics и Honda, помогают людям воспринимать информацию на стендах аэропортов, торговых центров, гостиниц и в других местах. Они распознают и имитируют человеческие эмоции, выдавая благодаря этому полезный ответ на любой заданный вопрос. Эти роботы умеют читать язык тела, анализировать голосовые нюансы и выражение лица, распознавая чувства пользователя и моменты, когда он находится в замешательстве.

Другим крупным и очевидным направлением применения технологий распознавания эмоций являются автомобили и грузовики. Используя биометрические датчики и камеры на приборной панели, в сиденьях и ремнях безопасности, бортовые средства искусственного интеллекта распознают у водителя состояние стресса или усталости. Автомобили, распознающие эмоции, способны уменьшить количество дорожно-транспортных происшествий и удешевить страховку.

Компания Ford, например, в сотрудничестве с ЕС занимается разработкой подобной системы.

Создатели технологий распознавания эмоций не ограничиваются анализом фотографий, видео и разговорного языка.

Решение IBM Watson поддерживает функцию «анализатора тона», которая выявляет эмоции и даже сарказм при письменном общении.

Несмотря на то, что приложения эмоционального искусственного интеллекта очень широко применяются на предприятиях, впервые они были использованы в потребительской сфере и общественной жизни.

Недавно в Facebook зарегистрировали патенты на «фильтры селфи, распознающие эмоции». Идея заключается в выборе для селфи подходящей «маски» на основе выявленных на фотографии эмоций. Например, если человек на фотографии кажется грустным, в качестве фильтра по умолчанию используются мультяшные слезинки. А человек, который выглядит счастливым, получает фильтр «счастливого панды».

В видеоигре Nevermind биологическая обратная связь позволяет распознать настроение игрока и подстроить соответствующим образом уровень сложности. Игра становится тем сложнее, чем более испуганным выглядит игрок. (Здесь используется технология, разработанная компанией Affectiva.)

Все это тривиальные приложения, но они помогут обществу привыкнуть к идее программного обеспечения, распознающего эмоции.

В Великобритании правительство использует специально разработанный компаниями FlyingBinary и Emrays сервис G-Cloud 10, чтобы держать руку на пульсе настроений, которые определяются на основе эмоций, выявляемых в публикациях и комментариях в социальных сетях.

А для людей, живущих в Китае, первое столкновение с искусственным интеллектом происходит уже в школе. В марте классные аудитории в китайских школах начали оснащаться видеокамерами, которые используют искусственный интеллект для распознавания эмоционального состояния учеников. (Кроме того, система отслеживает, что делают дети в каждый конкретный момент.) Учащиеся ранжируются даже по тому, насколько они сосредоточены. Нужно не просто внимательно смотреть и слушать, но еще и демонстрировать свою сосредоточенность.

Эмоции и эмпатия во многих отношениях стимулируют бизнес. Это то, что касается важной причины применения таких технологий.

А теперь о веской причине.

Эмоции необходимы для общения

Искусственный интеллект и роботы – это машины, а люди – нет.

Согласно распространенному заблуждению, содержание наших слов есть суть человеческого общения. На самом же деле, люди общаются при помощи не только слов, но и интонации голоса, выражения лица, жестов и языка тела.

Вот почему общение по электронной почте чревато недопониманием. Без невербальных сигналов существенная часть смысла теряется.

В богатой истории вычислительной техники общая тенденция такова: по мере того, как компьютеры становятся все более мощными, существенная часть этой вычислительной мощности тратится на повышение качества взаимодействия между машиной и пользователем.

Когда-то давно в качестве интерфейса использовались переключатели, перфокарты и перфоленты. Общаться на двоичном языке компьютеров человеку было тяжело. Затем произошел довольно быстрый переход от командной строки к графическому интерфейсу и далее к интерфейсу голосовому. С каждым последующим этапом машине становится все тяжелее поддерживать интерфейс, упрощающий взаимодействие для человека.

Проблема в том, что сегодняшние голосовые интерфейсы не удовлетворяют существующие потребности, поскольку оперируют исключительно словами, а не невербальными сигналами. Когда вы разговариваете с голосовым помощником, произнесенные вами слова преобразуются в текст, и именно текст затем анализируется. В будущем для понимания смысла и контекста анализироваться будут как текст, так и голосовая интонация.

Главное преимущество эмоционального искусственного интеллекта заключается в том, что взаимодействие между человеком и машиной все чаще происходит как на вербальном, так и на невербальном уровне, что способствует улучшению понимания с обеих сторон.

Наиболее интересной сферой применения средств распознавания и имитации эмоций могли бы стать наши повседневные виртуальные помощники. В новых версиях Siri, Google Assistant, Alexa и Cortana взаимодействие будет интерпретироваться по-другому, на основе эмоций пользователя.

В октябре я уже говорил о том, что камера iPhone X и функции Face ID открывают путь к высококачественному распознаванию эмоций смартфонами. Теперь целая отрасль быстро продвигается вперед в деле создания телефонов с эмпатией.

Ведущий производитель телефонов в Китае, компания Huawei (у которой, по ее данным, в настоящее время насчитывается 110 млн пользователей), работает над модернизацией существующего виртуального помощника и его оснащением средствами искусственного интеллекта, умеющими распознавать эмоции пользователя.

Все крупные поставщики виртуальных помощников – Apple, Amazon, Google, Samsung – стараются улучшить голосовое взаимодействие за счет использования датчиков эмоций и имитаторов с искусственным интеллектом.

Суть в том, что эмоциональные машины улучшают конечный результат. Они добиваются этого самыми разными способами, но наиболее важным из них является улучшение взаимодействия между людьми и системами, поддерживающими бизнес.

Представители группы компаний «Черкизово» и «Открытых технологий» раскрыли детали проекта создания роботизированного завода по выпуску сырокопченых колбас, введенного в действие летом 2018 года в деревне Топканово городского округа Кашира.

По словам Дениса Горбунова, руководителя проекта «Черкизово», на новом заводе полностью исключено вмешательство сотрудников в автоматизированный цикл производства колбасных изделий — задействованы только водители автомашин и вилочных погрузчиков.

«ИТ-инфраструктура предприятия обеспечивает его бесперебойную работу, включая планирование, производство, логистику, закупки и ряд других бизнес-процессов, позволяет контролировать производственную ситуацию от поступления партий сырья до выпуска готовой продукции, предоставляет возможность увязывать техобслуживание и ремонты с финансированием и логистикой, а также оперативно формировать управленческую отчетность», — пояснил Горбунов.

Мониторинг состояния производства осуществляется на основе данных, формируемых контрольными точками; каждая из них предоставляет сведения о ситуации в одной из пяти зон, на которые разделен производственный процесс.

Эти сведения поступают в приложения планирования ресурсов предприятия (Enterprise Resource Planning, ERP) и управления производственными процессами (Manufacturing Execution System, MES). Оба решения созданы на основе платформы SAP S4/HANA. Система MES разработана чешской компанией Sabris на базе ее продукта Sabris SAP for Food.

Один из важнейших компонентов системы управления автоматизированным производством — это сетевая инфраструктура нового завода, площадь корпусов которого превышает 35 тыс. кв. м. Ее разработкой и вводом в действие занимались специалисты компании «Открытые технологии».

Специальными требованиями к сетевым решениям, которые наши применение на новом заводе, стали значительный объем беспроводных коммуникаций в соответствии со спецификациями робототехнических комплексов и высокий уровень готовности сети Wi-Fi, которая обеспечивает работу производственного оборудования. Наряду с этим, требуются устройства в защищенном исполнении; некоторые их них размещаются в «чистых» зонах, где производится ежедневная мойка оборудования.

Сетевая инфраструктура завода в Топканово – не первый опыт сотрудничества «Открытых технологий» и группы «Черкизово». Так, три года назад была создана корпоративная сеть передачи данных на базе оборудования Cisco Systems, объединившая две сотни производственных объектов группы.

Поэтому вполне логичным выглядит использование решений Cisco и в сети нового завода, хотя, как подчеркивают ее создатели, все продиктованные условиями соответствующего тендера условия были соблюдены.

Суммарное количество портов заводской сети превышает четыре сотни, причем 250 из них выполнены в соответствии с требованиями защиты от пыли и влаги IP68, отметил Дмитрий Горчаков, ведущий инженер-конструктор «Открытых технологий»; все 80 точек доступа беспроводной сети размещены в герметических боксах.

Использование единого бренда телекоммуникационного оборудования на предприятиях группы «Черкизово» упрощает эксплуатацию, а также оптимизирует затраты на администрирование и сети, считают в «Открытых технологий».

Кабельная инфраструктура завода создана на базе продуктов группы компаний Telegartner, специализирующейся на производстве коммутационного оборудования для систем связи и передачи данных, и отечественного производителя ДКС, выпускающего конструктивы для кабельных трасс.

Высокий уровень автоматизации производственных процессов на базе роботизированных комплексов и поддерживающих их ИТ-решений обеспечивает выполнение широкого спектра требований биологической безопасности, в том числе действующих в странах Евросоюза, утверждают в «Черкизово».

Для прослеживания прохождения различных видов сырья по технологической цепочке вся тара снабжена RFID-метками производства Texas Instruments, позволяющими детально контролировать его температурные режимы и ряд других параметров.

Автоматизация и роботизация, по словам Горбунова, позволили уменьшить численность персонала на заводе до 200 человек; на соизмеримых же по мощности традиционных производствах занято около 700.

Проектная мощность завода, инвестиции в создание которого составили около 7 млрд руб., — 80 тонн продукции в сутки или почти 30 тыс. тонн в год, что, как считают в «Черкизово», позволит в 2019 году выйти на треть емкости российского рынка сырокопченой колбасы.

В мае на Петербургском международном экономическом форуме было объявлено о планах «Черкизово» реализовать совместно с Минсельхозом крупный инвестиционный проект «Кашира-2», в рамках которого в Каширском районе планируется еще один производственный комплекс в области мясопереработки.

По словам эксперта по искусственному интеллекту, профессора Университета Нового Южного Уэльса и руководителя исследовательской группы Data61 (CSIRO) Тоби Уолша, ИТ-директорам необходимо избавиться от навеянной голливудскими фильмами боязни того, что машины завоюют весь мир, а дни человека уже сочтены.

«Мы еще очень далеки от создания машин, которые могли бы сравниться с человеческим мозгом, – заявил он в ходе своего выступления на конференции CIO Summit. – Мы можем разрабатывать машины, способные решать определенные узкие задачи (и они решают эти задачи на сверхчеловеческом уровне), но пройдет еще, наверное, 50 или 100 лет, прежде чем нам удастся наладить выпуск машин, обладающих всеми возможностями человека. И мы, конечно, не создаем машины, у которых есть собственные сознание, чувства и желания. Они делают в точности то, что им скажут. И это действительно серьезный недостаток – компьютеры воспринимают все слишком буквально. На планете есть масса насущных проблем (изменение климата, например), которые требуют первоочередного внимания и поиска решений, прежде чем мы начнем задумываться об экзистенциальной угрозе со стороны искусственного интеллекта».

Тем не менее, Уолш рад тому, что эта тема стала предметом обсуждения в сообществе ИТ-директоров и находит отражение в их стратегических бизнес-планах.

«Искусственный интеллект сегодня – любимая тема всех и каждого, – подчеркнул он. – Это и моя любимая тема еще с юных лет. В детстве я читал много научной фантастики и мечтал о будущем засилье компьютеров умнее человека и роботов. Похоже, что будущее это наступило довольно быстро, и можно лишь приветствовать, что некоторые из вас воплощают в жизнь мечту, которая появилась у меня в свое время после чтения книг Артура Кларка и Айзека Азимова».

Четыре ключевые тенденции

Уолш назвал несколько причин, объясняющих прогресс искусственного интеллекта, который происходит сегодня и будет происходить в перспективе.

«Искусственный интеллект определенным образом начинает проникать в нашу жизнь, – указал он. – В чем-то это хорошо, а в чем-то плохо. Но почему это происходит именно сегодня? Не десять лет назад и не еще через десять лет? Ответ следует искать в четырех экспоненциальных тенденциях. Первой из них является закон Мура, который фактически уже исчерпал себя из-за технических проблем, связанных с физическими квантовыми ограничениями. В Intel официально объявили о том, что не в состоянии удваивать число транзисторов через каждые два года. Меня не беспокоит то, что это станет сдерживающим фактором. Конструкторы чипов за последние 20 лет изрядно обленились. По сути, они продолжают уменьшать в размерах архитектуру x86. В конструкции процессоров практически не было революционных инноваций. Одной из немногих, пожалуй, является DPU (data processing unit). Специализированное оборудование обещает немало интересного при решении конкретных задач (в том числе машинного обучения), что позволит получить более высокую вычислительную мощность при том же количестве транзисторов. И несмотря на то, что с технической точки зрения закон Мура мертв, есть достаточное количество инноваций, которые готовы предоставить нам постоянно растущую вычислительную мощность».

Второй тенденцией является непрерывно растущий объем данных. «Компании начинают понимать, что одним из наиболее важных ресурсов в бизнесе становятся имеющиеся у них данные – об операциях, о клиентах, – отметил Уолш. – Объем доступных данных удвоился, и это очень полезно для искусственного интеллекта, поскольку многое из того, что мы делаем сегодня, особенно в области машинного обучения, основано на данных. Но есть одно ограничение, которое стоит отметить применительно к искусственному интеллекту. Машины обучаются невероятно медленно в отличие от людей, которым иногда достаточно всего одного примера. Машинам и современным средствам машинного обучения для обучения нужны сотни тысяч, а иногда и миллионы примеров. Отрадно, что данные эти собираются регулярно, и зачастую у нас уже есть наборы данных, из которых можно извлечь эти примеры».

Третья тенденция – прогресс на алгоритмическом фронте. «В последние несколько лет, с появлением глубинного обучения, во многих случаях мы видим экспоненциальные улучшения производительности подобных алгоритмов», – подчеркнул Уолш.

Четвертая тенденция связана с вкладываемыми в эту область деньгами. «Посмотрите на объем венчурного капитала, поступающего в эту сферу, – заметил Уолш. – На активность в этой области – число людей, число компаний, число стартапов. Все эти цифры за последние пару лет удвоились. Бросьте четыре этих компонента в одну кастрюлю, и вы получите рецепт для достижения значительного прогресса».

Но несмотря на прогресс Уолш предупредил, что предстоит пройти еще долгий путь, прежде чем отрасль сможет выпускать машины, выполняющие широкий круг задач, подвластных человеку.

«Мы можем создавать узкоспециализированных роботов, – отметил он. – Готовы обучать их решению конкретных узких задач наподобие игры в Го, интерпретации рентгеновских снимков или диагностики глазных заболеваний. Мы способны на многое, но еще больше сделать не можем, и перед нами сегодня стоят многочисленные и очень серьезные вызовы».

С учетом существующих ограничений искусственный интеллект сегодня в состоянии решать задачи, которые требуют моментальной реакции.

«Вы можете распознавать лица в мгновение ока, и мы способны научить этому компьютеры, – указал Уолш. – Да, их можно этому научить, но следует быть очень осторожным, потому что компьютерам присущи те же самые предубеждения, что и нам. Итак, что же будут делать машины? Конечная цель заключается в том, чтобы охватить так называемые 4D – dirty, dull, difficult, dangerous (грязная, скучная, сложная и опасная работа. — Прим. перев.). Все, от чего хотелось бы освободить человека. И в этом смысле можно только порадоваться тому, что у нас есть машины, способные взять на себя решение таких задач».

Уже сегодня некоторые из этих задач предусматривают увеличение объемов автоматизации и привлечение искусственного интеллекта. Хорошим примером практического использования искусственного интеллекта являются чатботы.

«Все это начинает проникать в нашу жизнь, а мы даже не подозреваем об этом, – подчеркнул Уолш. – Искусственный интеллект – это нечто гораздо большее, чем просто машинное обучение. Искусственный интеллект помогает компьютерам принимать решения, которые принимает человек. И делать это гораздо более тщательным, систематическим и оптимальным образом».

Технологии искусственного интеллекта довольно быстро преодолели дистанцию от «про них говорят» до «их используют». На конференции «Технологии машинного обучения», организованной издательством «Открытые системы», было представлено около дюжины работающих проектов в самых разных областях.

«Райффайзенбанк» использует машинное обучение для оптимизации процесса обслуживания сети банкоматов — предсказания спроса на выдачу наличных в банкомате (на основании как исторических даннх за три года, так и текущих), оптимизации процесса инкассации («лишние» деньги будут лежать в банкомате мертвым грузом, а их отсутствие приведет к простою устройства и недовольству клиентов банка). Горизонт ежедневно обновляемого прогноза — 14 дней.

Компания Rubbles представила Customer Insight — инструмент создания персональных предложений для клиентов розничных банков, которые основаны на анализе их трат, как текущих («Вы часто ходите в кино — сэкономьте, купите абонемент»), так и будущих («Вы собираетесь в отпуск в Европу? В прошлый раз расплачиваясь с рублевой карты вы потратили лишних 12 тысяч»). Для этого необходимо правильно определять события в жизни клиента и оптимальную частоту обращения к нему. Но зато правильно обученная система, подсказывающая клиенту, где и на чем он сможет сэкономить, надежно привяжет последнего к банку. Если не напугает излишней осведомленностью о его личной жизни.

Бизнес CarPrice состоит в продаже автомобилей клиентов дилерам на онлайн-аукционах. Дилеров у сервиса около 40 тыс.; для того, чтобы не рассылать всем им предложения обо всех имеющихся автомобилях (в день осматривается около 500 машин, по каждой собирается 500 параметров и делается 150 фотографий повреждений), компания при помощи средств машинного обучения выбирает из общего списка тех дилеров, которые должны заинтересоваться машиной. Критериев много — интересуется ли дилер данной маркой, данной ценовой категорией, комплектацией и т. д. А 15 самым перспективным дилерам рассылается персональное оповещение — push-уведомление или, если оно не прошло, через SMS. Как результат — на аукционах, использующих механизм приглашения, удается продать машины дороже; лишь каждый десятый победитель интернет-аукциона был оповещен о нем в офлайне.

«Яндекс.Такси» использует средства машинного обучения для выдачи прогнозов по многим производственных вопросах. Например, предсказывает вероятность того, что конкретный водитель уйдет из сервиса (среди примет этого — маленький средний чек и большое количество жалоб). И дает рекомендации, кому из постоянных клиентов предложить перейти на машины бизнес-класса. Затраты компании — «один аналитик на полставки и 10% рабочего времени одного менеджера». Прототип был создан за неделю и две недели дорабатывался.

Компания Worki спенциализируется на поиске линейного персонала для различных сфер бизнеса. Первоначально информационная лента с перечислением вакансий была «просто лентой» с простым механизмом рекомендаций, однако в Worki решили, что использование данных о соискателях и работодателях сможет повысить ее эффективность.

Сейчас алгоритм построения ленты на базе средств машинного обучения использует около 140 переменных — данных и о соискателе и работодателе. Количество откликов увеличилось на 17%, появилась возможность выдавать обеим сторона процесса более релевантные рекомендации, и даже предлагать рекрутерам конкретных кандидатов.

Рост количества откликов от кандидатов, помимо прочего, уменьшает отток компаний, размещающих вакансии, а, стало быть, и траты на привлечение новых клиентов из числа работодателей.

Глубинная аналитика может применяться и там, где целевая аудитория для продукта составляет 200-500 человек, такую задачу приходится решать в «индустрии красоты». Покупки в этой сфере часто делаются под насроение, поэтому кроме решения обычной задачи — выбора оптимальных каналов коммуницирования и частоты коммуникаций, необходимо подбирать еще и наилучшее время для отправки сообщений. Как утверждают в CleverData, это возможно, при грамотном подходе к рассылкам количество открывших письмо растет на 70%, конверсия (доля купивших) — на 83%, повторные продажи в целом — в 3,5 раза.

В целом складывается впечатление, что технологии искусственного интеллекта из стадии повышенных ожиданий на кривой Gartner почти сразу перешли на стадию «совершенствования и адаптации» и даже плато продуктивности, быстро миновав впадину разочарования (возможно, зато, крайне глубокую у тех, кто ждал немедленного пришествия «Скайнета»). И дальнейшему продвижению «вглубь и вширь» мешает лишь отсутствие необходимого количества релевантных размеченных данных, пригодных для организации машинного обучения. Ну и, конечно, неизбежный кадровый вопрос.

На ключевых московских мероприятиях по управлению ИТ, прошедших на протяжении последнего года, — осенних конференциях itSMF России и весенних форумах ITMF издательства «Открытые системы» — значительное внимание привлекли выступления Романа Журавлева, работающего сейчас в Лондоне в штаб-квартире компании Axelos (владелец библиотеки ITIL, представляющей собой свод знаний по управлению ИТ-сервисами). Axelos ведет работу по подготовке крупного обновления ITIL, и российское профессиональное сообщество имеет уникальную возможность получить самые актуальные сведения об этом процессе из первых рук.

На конференции, проведенной в конце сентября Ассоциацией организаций и специалистов в сфере управления ИТ – itSMF России, Журавлев сообщил, что первая книга ITIL 4 (такое название получает новая версия) и первые учебные курсы и сертификационные экзамены будут доступны уже в начале 2019 года. Являясь одним из руководителей процесса обновления, Журавлев рассказал о том, по каким основным направлениям оно происходит.

В частности, ведется работа над тем, чтобы язык и объем свода знаний стали более доступными. «Мы хотим достучаться в том числе до нового поколения ИТ-менеджеров», — отметил Журавлев. Делается акцент на то, что ITIL – не эталонная модель, а набор инструментов, с помощью которого компания может организовать управление своим ИТ-департаментом и другими сервисными подразделениями, чтобы они соответствовали задачам изменения бизнеса в цифровых реалиях. В новой версии обещаны целостный подход к описанию жизненного цикла сервисов (без пробелов, которыми грешит текущее изложение) и равное внимание всем основным компонентам управления сервисами – людям, процессам, партнерам и продуктам. Фактически ITIL 4 уходит от привычной для сервис-менеджеров процессной модели, провозглашая комплексную модель управления ИТ, в которой одинаковое значение имеют все составляющие.

Кроме того, в новой версии будут даны практические рекомендации по применению актуальных технологий (например, искусственного интеллекта) в процессах управления. Журавлев также сообщил, что c выходом ITIL 4 планируется изменить подход к обновлению свода знаний: вместо редких масштабных релизов будут проводиться регулярные изменения, отражающие развитие дисциплины управления сервисами и происходящие в постоянном взаимодействии с сообществом, как это было в процессе подготовки новой версии.

Изменится и модель сертификации, но для тех, кто уже прошел обучение и сдал экзамены по предыдущей версии ITIL, процесс перехода к новым «знакам отличия» болезненным не станет – их текущие заслуги будут учтены.

Помощь ДРУГа

Примером того, как надо использовать ITIL (а не «внедрять», от чего настойчиво предостерегает Журавлев) в качестве мощного инструмента для достижения практических целей, стал проект создания Единой сервисной организации в Сбербанке – победитель конкурса «ITSM-проект года», итоги которого itSMF России традиционно подводит на своей конференции.

Проект длился почти пять лет и затронул весь банк, но, как отметили организаторы конкурса, «главный приз вручен не за масштаб, а, в первую очередь, за глубокое использование подхода ITSM за рамками ИТ и перевод практически всех обеспечивающих видов деятельности на сервисные принципы».

Как рассказал старший вице-президент Сбербанка Теймур Штернлиб, стимулом к реализации этого проекта стало осознание того факта, что между бизнес-процессами банка, которые активно модернизировались, и процессами обеспечивающих подразделений (снабжение, недвижимость, эксплуатация оборудования, информационная безопасность, управление персоналом, ИТ и др.) образовался серьезный разрыв. Цели ставились вполне определенные: добиться существенной экономии в предоставлении сервисов, сделать сервисные подразделения клиентоориентированными, обеспечить высокое качество сервисов, соблюдая при этом баланс с их экономической эффективностью, повысить управляемость обеспечивающих процессов. Главной же целью – «мечтой», как подчеркнул Штернлиб, — было создание самоуправляющейся, самосовершенствующейся единой сервисной организации.

В Сбербанке считают, что мечта во многом оказалась воплощена в жизнь, а ключевые планы проекта по затратам и качеству даже перевыполнены: например, реальная экономия в год превысила 96 млрд руб. вместо запланированных 66,9 млрд. На единых принципах управления сервисами по ITIL трансформировано 16 обеспечивающих подразделений, услугами которых пользуется около 300 тыс. сотрудников – весь персонал Сбербанка. Управление всей сервисной деятельностью сосредоточено во вновь созданном департаменте распределенных услуг с «говорящей» аббревиатурой ДРУГ. При этом основной идеологией изменений стало то, подчеркнул Штернлиб, что услуга теперь рассматривается как ценность, которую сервисная организация несет своим клиентам, и исходя из этого определяется суть услуги, оценивается ее качество, измеряется доступность.

«У банков огромные возможности и очень много данных, но большинство до сих пор не научились с ними ничего делать. За клиентами тянется длинный шлейф данных, но пока в большинстве случаев он пропадает зря», — признал Антон Рудь, вице-президент «МИнБанк», в ходе форума Data Talks 2018, проведенного компанией Navicon в конце сентября.

На прошлогоднем форуме активно обсуждалась тема искусственного интеллекта, и выяснилось, что в большинстве случаев интерес компаний скорее теоретический. Главной темой нынешнего мероприятия стала не менее хайповая цифровизация бизнеса, и здесь действия компаний носят более практический характер, хотя каждый по-прежнему подразумевает под цифровизацией что-то свое.

«Мы начали все оцифровывать, в том числе процессы работы с сотрудниками и клиентами. Большие данные, Интернет вещей, цифровые каналы – не заниматься этим нельзя», — продолжил Рудь. Причина, по его словам, очень проста: «захотели больше денег». Будущее финансовых сервисов очевидно: банк в телефоне и люди в телефоне, и они по сути уже встретились. Ключевым моментом, по мнению Рудя, станут массовые продажи машин и квартир через электронные каналы – именно это радикально должно изменить банковский сектор.

«Компания становится цифровой, если у нее хотя бы 10% продаж происходят через цифровые каналы», — таково мнение Дениса Яклакова, заместителя генерального директора «Сбербанк Лизинг». Еще два года назад компания занималась продажей самолетов и вагонов, а сейчас стала универсальной и поставила цель охватить мелкий бизнес. Её клиентам нужны две вещи: скорость и сервис, они видят это вокруг и хотят того же от лизинговой компании. Если раньше для работы вполне хватало возможностей Excel, то теперь приходится использовать более современные инструменты и каналы продаж. «Помогает то, что мы находимся на орбите Сбербанка, поэтому многие технологии имеем в готовом виде. Но надо отметить, что многие заказчики сами не рвутся ‘в цифру’», — подчеркнул Яклаков.

Однако без искусственного интеллекта в обсуждениях тоже не обошлось.

«Человеческий интеллект всегда был двигателем прогресса, а сейчас становится тормозом. Именно поэтому и растет популярность искусственного интеллекта – человеку все сильнее нужны помощники», — отметил Илья Народицкий, директор по развитию международного бизнеса Navicon. Однако важно понимать, что искусственный интеллект к реальному интеллекту отношения не имеет – это технология, которая способна самообучаться, не более того. Исследование IBM выявило три архетипа предприятий: 27% — инноваторы, собирающиеся строить новый бизнес, адаптируясь под потребности заказчика. У них очень большой ИТ-бюджет, и они ведут огромную работу по перестройке своих процессов. 36% компаний относятся к консерваторам, они считают себя стабильными и желают сохранить нынешнее положение вещей. 37% можно причислить к «практикам», имеющим амбиции быть инноваторами, но не имеющим для этого достаточных ресурсов. Тем не менее они активно используют в принятии решений данные и обсуждают, куда идти дальше.

Самая многочисленная публика собралась в секции, посвященной эффективному использованию данных для маркетинга и продаж.

«Главная проблема — выявить задачи, которые можно делегировать роботам. Хотят многие, но не все знают, как это сделать», — заявил Евгений Голубицкий, руководитель продуктов департамента инноваций Navicon. Выяснилось, что 14% задач маркетинга можно отдать автоматизированному инструменту. В целом же по компаниям доля таких задач составляет примерно 20% — именно столько корпоративных процессов выполняются и повторяются по определенному алгоритму.

По мнению Голубицкого, процесс можно считать готовым к роботизации (Robotic Process Automation, RPA), если он описан, управляем и прост. В целом RPA применима во всех отделах компании: в бухгалтерии (проверка договоров), закупки (заведение новых поставщиков), HR (первичный отсев кандидатов). Если же говорить про маркетинг, то три наиболее частых процесса, передаваемых обычно роботам, — это сбор данных из писем и с сайтов, проверка собранной информации и ввод информации в системы.

«Очень часто роботизируются те процессы, про которые стыдно признаться коллегам, что они до сих пор выполняются вручную», — иронизировал Голубицкий.

Роман Баранов, директор по развитию бизнеса Navicon, рассказал об определении оптимального времени и канала общения с клиентом. Часто коммуникация происходит не вовремя и из-за этого оказывается смазанной даже в случае полностью лояльного клиента.

Надо понимать, что голосовой канал – самый дорогой и для компании, и для клиента, поэтому его следует использовать только там, где это оправданно. Кроме того, он наиболее критичен к выбранному времени. Однако и с более дешевыми цифровыми каналами можно тоже сильно не угадать.

По словам Баранова, подход Best time & channel гораздо полезнее для компании, чем Next best offer (выбор оптимального предложения для каждого клиента), который сильно разрекламирован, но не очень хорошо работает. В идеале нужны наборы «клиент-канал-время», а окончательное решение о коммуникации должно приниматься, исходя из маркетингового плана, бюджета и рейтинга клиентов. Для анализа можно использовать логи предыдущих телефонных звонков, бизнес-результаты общения с клиентами из CRM, статистику по доставке и откликам на SMS. Как минимум компании надо «слышать» своих клиентов – то есть собирать историю взаимодействия с ними с целью дальнейшей оптимизации, и понимать их потребности.