Представляем одну из самых интересных экспертных дискуссий ХХ Всероссийского Форума-выставки «ГОСЗАКАЗ», который пройдет 23-25 апреля в Санкт-Петербурге. В третий день мероприятия эксперты встретятся на круглом столе под названием «Российские IT-решения и искусственный интеллект: результаты, перспективы, риски». Разберем проблему в двух ракурсах: нормативном и прикладном.
Давно востребован большой федеральный закон «О промышленных данных», который бы определил минимальные правила обращения с информацией на производстве, полномочия государства, границы интеллектуальной собственности и конфиденциальности данных, рамочные требования к их безопасности и защищенности. Ничего этого нет. А время не ждет и прогресс бежит семимильными шагами.
В 2022 году профессиональное сообщество предприняло первый подход к теме, при помощи Минэнерго разработав концепцию такого закона, однако она была принята с критикой за излишнюю централизацию полномочий в руках государства. За истекший период страна дозрела до второй итерации законопроекта о промышленных данных.
При этом предлагается применить разумную вариативность: вместе с требованиями обязательными для всех, оставить возможность отраслевым ФОИВам формировать внутренние правила игры, учитывающие специфику отдельно взятой отрасли.
Инфраструктура для внедрения новой нормативной системы уже готова – это индустриальные центры компетенций (ИЦК), созданные по поручению Правительства РФ во всех отраслях. Над гибкостью новой нормативной системы Правительство поработало весьма эффективно, приняв по 258-ФЗ перечень экспериментально-правовых режимов в сфере цифровых инноваций. То есть будущая регуляторика сначала отрабатывается в рамках цифровых песочниц.
теоретическими возможности и прикладным применением технологий ИИ в сопровождении процессов цифровой трансформации предприятий на научной основе занимается НИТУ МИСИС. Этот вуз справедливо назвать головным КБ по цифровизации промышленности в России. В рамках самого института этой задачей загружены три внутренних подразделения: 1) Центр исследования больших данных, 2) «Центр искусственного интеллекта» (ЦИИ), 3) «Инфраструктурный центр по развитию интеллектуальных транспортных систем» (ЦИТС).
Институтом разработана Микросервисная платформа, предназначенная для интеллектуальной обработки документов для произвольных предметных областей. *Потребителями данного сервиса уже являются «Газпромнефть», «Сибур», крупнейшие строительные компании страны.
У промышленного бизнеса огромный объем документации (административной, производственной, закупочной). Системную работу с этими документами может выполнять ИИ. А именно: тематическое моделирование, извлечение именованных сущностей, формирование баз данных, подготовка моделей рекомендательных систем.
Схематически эту работу можно представить в виде следующих шагов:
- Предобработка данных: оптическое распознавание символов, извлечение текстового слоя и его «токенизация» (перевод в машиночитаемый формат с построением синтаксического дерева).
- Построение системы разметки (активное обучение ИИ со сбором статистики и обратной связи).
- Построение языковой модели и ее дообучение.
- Построение классификатора и его обучение.
Заказчик приобретает у института готовый микросервис, оснащенный ИИ, готовый к встраиванию.
Так для «Газпромнефти» создан сервис рекомендаций в систему разработки нормативной документации. «Сибур» автоматизировал работу юридической службы, «Металлоинвест» – систему управления и балансировки производственных процессов через функционал Торгового дома.
Единая информационная среда предприятия
Самой очевидной и распространенной сферой применения ИИ на производстве являются поисковые системы и формирование единой информационной среды предприятия. Это осуществляется через объединение: облачных, локальных и сетевых хранилищ, профессиональных библиотек, каталогов и приложений разных программ. Но объединить еще не значит упорядочить.
ИИ-система должна уметь и должна непрерывно учиться извлекать знания из большого массива данных, структурировать собранную информацию под запрос, понимать нечеткие запросы и адаптироваться под каждого пользователя индивидуально (в зависимости от его профессионального статуса и даже от его умственных способностей). Ключевыми функциями здесь являются: контекстные расширения и подсказки, фильтры и сохраняемые шаблоны, персонализация поиска, рекомендательная поддержка и подписки.
При чем здесь ИИ, и в чем главное отличие от простой как гвозди электронной бухгалтерии? При том, что у пользователя есть возможность найти любую информацию по контексту, не зная точного названия файла или содержания. Это интуитивный помощник (рабочего, инженера, директора…).
Имея готовую матрицу данных, вооруженную искусственным интеллектом, можно переходить к более сложным задачам, чем просто поиск нужной информации.
Например, к анализу и разработке документации. В онлайн-редакторе при написании документа рекомендовать конкретные фрагменты текста, выявлять отклонения в терминологии (что значимо ускоряет процесс разработки). Открываются возможности совместного редактирования, контроля сроков согласования и ревизии документов, поиска пересечений и дублирований. Практика показывает, что бюрократические процессы компаний, которые внедрили ИИ в документооборот, удается оптимизировать с одного месяца до 2-3 дней. При этом, внутренние трудозатраты на разработку и анализ документации снижаются на 25% рабочего времени. Очень экономит ресурс на согласование и подготовку единой позиции. Время на экспертизу и согласование контрактов сокращается на 70%.
Ключевые функции ИИ-помощника:
- Автоматизированный анализ текста, выделение атрибутов, связей с базой документов компании (как правило, не менее 50% договоров компании типовые).
- Настройка маршрутов по рекомендациям, основанным на анализе базы документов компании.
- Аналитика, отчеты, метрики качества и дашборды.
ИИ сам распознает тип документа, подбирает пошаговый алгоритм работы и отправляет нужный файл сотруднику. В отличие от человека (даже если это очень эффективный менеджер) ИИ проводит данную операцию в разы быстрее. Дело в том, что только получив документ, нижестоящий сотрудник будет знать о чем он, и как с ним работать. Время, обычно теряемое до получения документа, можно смело записывать в чистые издержки человеческого фактора. Теперь их нет.
ИИ-система такого рода внедрена «Сибуром». Грубо говоря, – это система, которая автоматически проверяет договор, подсвечивает нежелательные формулировки, отклонения от стандартов компании и дает рекомендации по минимизации рисков.
Что мешает внедрять ИИ на производство?
В первую очередь, отсутствие на предприятии квалифицированных специалистов, способных интерпретировать задачу. Инженерный анализ – одна из самых уязвимых компетенций в российской промышленности. Огромное количество усилий и времени тратится на пропаганду очевидной пользы. Промбизнес не занимается цифровизацией, потому что банально не может просчитать выгоду. Нет информационной среды, позволяющей объективно оценить реальные активы компании и создаваемую ей прибавочную стоимость. Все процессы считаются в лучшем случае в пределах двухлетнего цикла планирования. Нужна внутренняя инфраструктура – почва для внедрения сервисов ИИ: чтобы данные можно было собирать, чтобы модели были понятными и интерпретируемыми, чтобы они могли встраиваться в регулярные процессы компании, а не висели в воздухе. Цифровой двойник, который не влияет ни на какое регулярное действие, действительно бесполезен.
Разработчик ИИ должен одновременно брать на себя функции внутренней маркетинговой службы (то есть получить доступ к информации, которая является коммерческой тайной). Что уже само по себе является барьером. А следовательно, нельзя просто отдать цифровизацию предприятий на откуп рынку, рассчитывая на какую-то коммерческую самоорганизацию. Ее просто не будет, потому что она исключена. Адекватным способом являются именно Центры компетенций поскольку они позволяют редуцировать проблему коммерческой тайны. Если интегратором выступает не какая-то левая IT-контора (пусть и с отличной репутацией), а уважаемая научная организация, уровня Бауманки, МГУ или МИСИС, то доверия к такому разработчику значительно больше. Как и уверенности в том, что цифровизация принесет запланированный коммерческий эффект и окупаемость.
Среди разработчиков IT-продуктов с искусственным интеллектом, традиционно встречаются проходимцы. Много команд, способных сделать на коленке красивый прототип (кликабельный макет на базовых технологиях). Но довести его до результата промышленно работающей системы, которая гарантировано будет обслуживать 10-30 тысяч пользователей, и она будет давать интерпретируемый эффект, они не могут.
Автор: Андрей Троянский
Комментариев пока нет