О последних трендах интеллектуальных технологий, об искусственном интеллекте, который в будущем сможет решать абсолютно разные задачи, начиная от того, как бизнесу увеличить свою прибыль, и заканчивая тем, на каких производственных складах больше воруют, а также о других вызовах века цифровой экономики в интервью РИА Новости рассказал член генерального совета «Деловой России», гендиректор Clover Group Денис Касимов:

— Какие вызовы стоят перед российскими промышленными предприятиями в эпоху глобальной цифровой трансформации?

— Времена меняются, а вызовы остаются те же, что и сто лет назад, — быть конкурентоспособным, то есть выпускать востребованную продукцию для мировых рынков, а не только для нашей страны. При этом надо выпускать качественный продукт и недорого, то есть производство должно быть суперэффективным.

— Какие интеллектуальные технологии способствуют цифровой трансформации предприятий?

— Все спрашивают про технологии, но хочется говорить не только о них, но и переходить к бизнес-решениям, потому что сама по себе технология — это замечательно, но когда она «приземляется» на производстве, то перестаёт быть чистой технологией. То есть мы сейчас должны выпускать готовые адаптированные бизнес-решения, которые готовы решать современные производственные задачи. Если же перечислять технологии, то они известны — продуктивная аналитика, машинное обучение, нейронные сети, машинное зрение. Но, подчеркну, ориентироваться надо именно на бизнес-решения.

— О каких именно бизнес-решениях вы говорите?

— К примеру, есть задача управлять автопарком, контролировать исправность оборудования и делать прогноз его технического состояния. Решения этой задачи должны позволять, во-первых, руководителям компании видеть весь парк оборудования, ранжировать его с точки зрения риска. Кроме того, поскольку оборудование устаревает, им нужно правильно управлять. Например, руководитель автопарка может не заметить, что какой-то станок или любое другое оборудование стало хуже работать, больше потреблять энергии. Соответственно, ему нужно приложить управленческие усилия, чтобы поменять ситуацию. Мы можем предложить конкретное решение. Например, такое, которое позволит автоматизировано управлять программой ремонта с учетом текущего финансового состояния предприятия. Если у нас есть 100 млн руб. на ремонт, и при этом большой парк оборудования, стоит задача, в том числе, как эффективно распределить эти средства.

И мы можем с этим помочь. К примеру, в цехе формируется список оборудования, которое нужно ремонтировать, так как по техническому регламенту необходимо делать ремонт один раз в пять лет. Все данные собираются в плановых службах, например в Excel, после чего всё сводится воедино в управленческой компании. Так автоматизированная система ремонта с учётом его технического состояния позволит сэкономить средства, распределив их эффективно.

— Бюджет в 100 млн руб. на ремонт, например, не всем под силу. Кто может стать потенциальным заказчиком подобного контента?

— Давайте приведу обывательский пример. Есть компания, которая владеет автопарком на 100 легковых автомобилей. Это таксопарк или транспортное предприятие. У них есть заложенные деньги на ремонт. Они знают, что определённую сумму один раз в год на эти цели они обязаны потратить. Как они эти деньги распределяют? Иногда поровну, иногда и нет — средства получает тот руководитель подразделения, кто умеет лучше убеждать руководство, что в корне неверно с точки зрения экономической эффективности всей компании. Нужно смотреть на реальные данные. Например, этому автомобилю нужен ремонт прямо сейчас, хотя формально срок не подошел, потому что он «ест» слишком много бензина на 100 км, что означает денежные потери. Среди наших заказчиков как раз те компании, которые владеют большими станками, насосами, тепловозами, электровозами, электропоездами, карьерными самосвалами — это то, что работает и приносит деньги, но в то же время изнашивается, стареет и ломается. Поэтому я считаю, что здесь наш продукт более чем актуален, он необходим, чтобы предотвратить и поломки, в том числе.

По сути, наш продукт можно назвать неким искусственным интеллектом, точнее программой, которая способна отвечать на поставленные вопросы и решать необходимые задачи. Есть база данных пользователей и так называемый «центральный сервер» — «мозг», где собираются все сведения об оборудовании, температуре, токах, напряжении — все технические параметры. Далее математический «мозг» обрабатывает эти данные. Используется целый набор математических моделей, который имитирует работу нашего мозга, работу технолога, инженера.

Программа определённым образом выводит пользователю, будь то машинист или инженер, информацию об оборудовании за несколько дней до его ремонта. Если пользователю нужно поменять запчасти или заказать бригаду, ремонтную позицию, программа сообщит ему об этом. Другому пользователю, например, важен контроль энергоэффективности оборудования, и он должен принять решение – вывести его в резерв или разобраться в проблеме и оперативно решить её.

— Насколько российские компании сегодня готовы к внедрению таких интеллектуальных технологий?

— Мы видим, что клиенты всё больше готовы к такому продукту. Подобные предложения есть и у конкурентов, и это здорово, так как формирует новый рынок. Если оценивать объём бизнеса сегодня, то вернее говорить не о количестве контрактов, а о единицах подключённого оборудования к математическому «мозгу», поскольку у одних клиентов контракты на 5 млн руб., у других — на 200 млн руб. Например, у нас подключены к продукту 6,5 тыс. локомотивов, при этом в каждом из них — по 10-12 узлов, которые передают информацию, таким образом, получается 65 тыс. устройств, передающих информацию.

— Каковы ваши прогнозы по увеличению объёма рынка?

— Потенциальный рынок для такого рода решений огромен, рост может быть в сотни раз — в России и не только. Ремонтные предприятия часто находятся внутри больших компаний, и эти работы у них пока никак не оптимизированы. По сравнению с прошлым годом число единиц подключенного оборудования у нас выросло в пять-шесть раз. Но надо понимать, что эти решения не лёгкие и не быстрые. Просто подключиться — одна из задач. Но нужно ещё сделать много интеллектуальных математических решений, на которые уходит много времени. К примеру, для создания продукта для абсолютно нового вида оборудования может потребоваться два месяца, при этом на подключение оборудования к уже существующей модели может занять меньше недели. Поэтому чем дальше мы развиваемся, тем больше подключаемых устройств у нас будет.

— Интересен ли ваш продукт регионам?

— Нам повезло с заказчиками, так как они присутствуют во всех регионах. Железнодорожная сеть, например, есть в каждом регионе. Активно интересуются такими решениями горнорудные предприятия, в электроэнергетике и «нефтянке». Именно в этих отраслях есть большой парк специализированного оборудования, например карьерные самосвалы, которые с точки зрения эксплуатации потребляют много денег и парком которых нужно эффективно управлять. Наш продукт сюда легко ложится, в частности, на площадке ИННОПРОМ-2018 в Екатеринбурге мы провели ряд успешных переговоров.

— То есть, ваши ожидания от этой выставки оправдались?

— Да, безусловно. Во-первых, замечу, что всё больше наших клиентов оперируют терминами, которые мы используем в своей деятельности. А ведь ещё два-три года назад «предиктивная аналитика» или «прескриптивная аналитика», которая, по сути, является главным продуктом с точки зрения бизнес-процессов, были почти что ругательными словами. Объяснения начинались с азов. Если предиктив — это уровень оборудования, то прескриптив — это уровень бизнеса. Задаётся новый тренд, и сейчас мы разговариваем на одном языке. Во-вторых, растёт наша узнаваемость, и это тоже наша цель. Я иду, встречаю людей, которые говорят: «Мы вас знаем, были на вашем стенде». Это здорово, значит, мы посильно вкладываем свои знания и умения не только в рынок, которым занимаемся, но и в целом в российскую промышленность.

— Какое бы вы дали название рынку, которой сейчас формируется и в чём его главная особенность?

— Это в целом рынок искусственного интеллекта. В нашем конкретном случае — рынок предиктивной аналитики. Искусственный интеллект — это более широкое понятие. Мы делаем искусственный интеллект, отвечающий, например, на вопрос «Когда сломается оборудование?». Но в ближайшем будущем этот искусственный интеллект будет способен обрабатывать самый широкий круг вопросов. Наша цель — чтобы любой сотрудник компании мог задать вопрос по своей специализации. Например, инженер спросит: «Где у меня оборудование с высокой степенью риска?», бухгалтер: «А где мы больше всего теряем?», директор торгового дома: «А где больше всего на складах воруют?», руководитель бизнеса: «Как мне увеличить объёмы продаж?» и так далее. И наши программы будут способны отвечать на эти вопросы. Всегда всё начинается с малого, но будущее за искусственным интеллектом, способным автоматически решать широкий спектр задач.

РИА Новости