Поделиться
Тигран Саркисов, X5: Генеративный ИИ компенсирует недостаток специалистов
Эффективность компаний сегодня все больше зависит от того, насколько быстро и качественно они умеют принимать решения, основанные на данных. Как сегодня к этому подходит российский бизнес? Откуда пришел тренд на Data LakeHouse и кто такие promt-инженеры? На эти и другие вопросы в интервью CNews ответил директор по управлению данными Х5 Tech (X5 Group) Тигран Саркисов.
«Хранить данные в облаке фактически стоит копейки»
CNews: Расскажите, какие вызовы сегодня стоят перед российским розничным бизнесом? Удается ли повышать операционную эффективность за счет новых технологий?
Тигран Саркисов: Иногда ритейл называют «monkey business» — кажется, что каждый может прийти в магазин, увидеть, что там есть, а затем повторить. На самом же деле ритейл стабильно входит в топ-3 самых цифровых российских отраслей.
Технологии и искусственный интеллект в магазинах видно невооруженным взглядом: это и касса самообслуживания, и электронные ценники, и умные полки. За кадром — платформы прогнозирования спроса и ценообразования, управления ассортиментом и многое другое. Все эти технологии повышают эффективность процессов и отличают одни компании от других.
Если говорить про данные, любой опытный инвестор понимает какую роль «цифра» сегодня играет в каждой компании. Эффективности удается добиться благодаря искусственному интеллекту, мощной ИТ-инфраструктуре и разработке онлайн-платформ — по крайней мере, в нашей компании.
CNews: Компании сегодня активно идут в облачную инфраструктуру. На ваш взгляд, как сейчас меняется подход к разработке приложений?
Тигран Саркисов: Сегодня развитие корпоративных сервисов на базе облачной архитектуры — это действительно тренд. В первую очередь он ускоряет разработку сервисов, повышает их надежность и снижает стоимость владения.
Кто-то пользуется большими российскими облаками, например, наш основной конкурент развивает свои сервисы, в том числе в сфере работы с данными, с облаком Яндекса. Мы как X5 развиваем свое частное облако Salt, за 2023 год мы мигрировали туда уже 141 систему корпоративных сервисов, включая нашу интеграционную платформу, ряд аналитических сервисов, которые касаются ценообразования или корпоративной авторизации. Безусловно, использовать облако удобно: мы получаем отказоустойчивость, гибко масштабируемся под нагрузку и не разрабатываем с нуля многие другие компоненты, это экономит и время, и деньги.
CNews: Есть ли сейчас на российском рынке специалисты, которые умеют правильно работать в облаке, или наблюдается кадровая проблема?
Тигран Саркисов: Разработка в облаке накладывает дополнительные требования к уровню компетенции ИТ-специалистов, в том числе на необходимость аккуратно управлять потребляемыми ресурсами, потому что биллинг идет в соответствии с ними. Кто-то учится по ходу, какие-то специалисты переходят из других компаний.
Мы остановились на собственном облаке и делаем ставку на собственные компетенции.
CNews: Можно ли говорить о том, что с Data Lake компании переходят на Data LakeHouse, начинают отделять хранение данных от вычислений? С чем это связано?
Тигран Саркисов: Это мировой тренд 2020-2021 годов, который сейчас догоняет нас, потому что мы начали активно использовать облака. Выгода достигается за счет разделения хранения и вычисления данных, мы получаем оптимизацию стоимости владения. Хранить данные в облаке стоит фактически копейки.
Приведу пример: то, как мы используем данные в субботу, сильно отличается от ситуации по понедельникам. Если брать классическую архитектуру, то мы платим одинаково и в субботу, и в понедельник. В случае с облачной архитектурой это принципиально другие цифры с точки зрения эксплуатации данных и вычислений.
Кроме того, архитектура LakeHouse позволяет нам минимизировать количество извлечений и трансформаций данных на пути их подготовки. Фактически мы платим меньше за производство данных и получаем результат быстрее, то есть существенно сокращается также «time to market».
«Работа с данными становится компетенцией»
CNews: Как российские компании сегодня работают с большими данными, куда сместились акценты? Какие отрасли стали активнее применять искусственный интеллект в этой сфере?
Тигран Саркисов: Агрохолдинги, добывающие компании, на мой взгляд, сильно продвинулись в этом году по части работы с данными и внедрению искусственного интеллекта. Так, меня приятно удивила одна компания по производству сыров: по всей цепочке производства у них внедрены различные решения, в частности, видеоаналитика, которая контролирует как состояние полей, так и стада. У них есть мобильные рабочие места, куда приходит информация с камер. Отчетность консолидирована, содержит данные со всех этапов производства.
Вообще, когда мы говорим об управлении с точки зрения зрелости, мы выделяем три этапа. На первом мы управляем, исходя из собственных ощущений. На втором этапе создаем процессы, чтобы оптимизировать деятельность. На третьем — рекомендательную систему. А эта компания уже управляет бизнесом через моделирование.
CNews: Работа с данными, умение принимать решение на основе данных превращается в hard skill — это уже не профессия, а компетенция, которой бизнес-управленец должен обладать. Много ли на рынке сейчас таких специалистов, которые мыслят «цифрой»?
Тигран Саркисов: Работа с данными действительно становится компетенцией как управленцев, так и остальных сотрудников компании. В X5 за последние два года число тех, кто использует данные в процессе принятия решений, увеличилось более чем в два раза. При этом количество специалистов, которые участвуют в процессе подготовки данных, не поменялось.
Все больше сотрудников внутри бизнес-функции стараются использовать данные при принятии решений — хотя это все еще data driven подход. То есть данные и аналитика используются как рекомендации для принятия решений. До подхода model driven в этом плане еще далеко.
При этом внутри компании мы развиваем школу по работе с данными в рамках нашей «Цифровой академии». Сейчас примерно каждый второй пользователь аналитики умеет самостоятельно получать какие-то «инсайты» из аналитики.
В то же время цифровые компетенции у руководителей — это действительно проблема для рынка. Важно учиться принимать решения, основываясь не на своих ощущениях и на опыте, как привык, а на данных. Да, действительно бывают случаи, когда принятие решений на ощущениях оказывается успешным, потому что модель не может учесть всего, но в «среднем по больнице» решения, рекомендованные системой, приводят к лучшим результатам.
Насколько я знаю, HR-отделы некоторых больших компаний проводят оценку цифровых компетенций руководителей и разрабатывают индивидуальный план развития для каждого, который включает работу с данными, аналитикой и искусственным интеллектом.
CNews: Вы упомянули, что количество пользователей вашей системы аналитики Self Service BI увеличилось в два раза. С чем связан рост?
Тигран Саркисов: С тем, что мы интегрировались в программу онбординга сотрудников, начали активно обучать линейный персонал наших магазинов в регионах. Пользователи получают подготовленные данные в уже преднастроенном разрезе с готовыми выводами. Сейчас мы добавляем туда те инструменты, которые помогают прогнозировать и выдают ряд подсказок — это своего рода BI «на стероидах». Это очень удобно.
CNews: Как вам кажется, на каких участках вашего бизнеса заработает подход model driven и в каком горизонте?
Тигран Саркисов: Безусловно, такой подход проще запускать на диджитал-бизнесе, который цифровой «с пеленок». Где-то у нас уже есть отдельные процессы, которые можно было бы отнести к model driven, например? динамическое ценообразование или управление предложениями для клиентов.
«Маленьким компаниям уже становятся доступны решения в облаке»
CNews: Использование генеративных сетей в последнее время кристаллизуется вокруг отдельных бизнес-задач — расскажите как это происходит?
Тигран Саркисов: Сейчас все сфокусировались вокруг набора типовых задач, в первую очередь это оптимизация работы колл-центров, клиентской и ИТ-поддержки. Применение генеративных сетей тут дает понятный и хороший эффект.
Также с помощью ИИ генерируются картинки, которые вставляются в какие-то продукты, и отклик клиента на них выше. Это очень хайповая история в рознице.
Если говорить про нашу компанию, есть типовые кейсы, которые решаются с помощью генеративных сетей: работа с документами, автоматизация подачи претензий. Так, сейчас нам требуется большое количество бизнес-аналитиков и системных аналитиков, которые проводят бизнес-интервью, рисуют блок-схемы, составляют внутренние нормативные документы и генерируют предложения по улучшению. Год к году потребность компании в таких специалистах растет на треть.
Генеративная сеть же может сама выбрать ключевые тезисы по итогам интервью, нарисовать блок-схему, создать требования и внутренние нормативные документы. Искусственный интеллект помогает оптимизировать потребность в высококвалифицированных специалистах, которых на рынке сейчас не так много.
Что касается системного анализа, например, бывает необходимо спроектировать взаимосвязанные таблицы, отчеты и визуализацию — это тоже можно сделать с использованием генеративного искусственного интеллекта.
Кроме того, мы хотим сделать платформы самообслуживания более доступными, добавив возможность работы с естественными языками. Мы уже пропилотировали эту историю, это принципиально другой пользовательский путь. «Спрогнозируй продажи на следующую неделю» — примерно такой вопрос можно будет задать системе.
CNews: Какие еще есть сложности в области внедрения генеративных сетей в бизнес-процессы?
Тигран Саркисов: Самой большой сложностью, пожалуй, являются слишком большие ожидания.
Адекватные ожидания и управление ими — вот на чем стоит сфокусироваться.
CNews: Как вы оцениваете имеющиеся российские решения в плане генеративного ИИ?
Тигран Саркисов: Мы активно взаимодействуем со многими российскими компаниями. У нас есть своя модель, которую мы обучаем: что-то стараемся делать сами, но так же успешно взаимодействием с разработчиком Just AI. Есть совместные проекты с GigaChat, с Яндекс GPТ и с другими. Количество кейсов растет.
CNews: Несколько месяцев назад все заговорили о появлении новой профессии — promt-инженерах, которые обучают генеративные сети. Хайп уже прошел или вакансии все еще открыты? Кто сейчас занимается обучением моделей: ML-специалисты или специалисты в области Data Science?
Тигран Саркисов: В начале года запросы на поиск promt-инженеров были единичными, сейчас их больше. Острого дефицита кадров, на мой взгляд, нет, вход в эту профессию низкий, и уже наблюдается заметная тенденция переквалификации отдельных сотрудников: в первую очередь, контент-менеджеров и специалистов поддержки. С одной стороны, мы оптимизируем их работу, с другой — фактически можно переквалифицироваться в новую профессию promt-инженера.
На мой взгляд, такой подход будет востребован, потому что специалист в области data science, который разрабатывает модель — это все же математик, высокооплачиваемый специалист. А promt-инженером может быть и гуманитарий, который должен понимать запросы пользователей и повышать качество их взаимодействия с нейросетью.
CNews: Что замедляет сейчас развитие сферы ИИ в России? Чего нам не хватает? Хватает ли финансирования со стороны государства, частных компаний?
Тигран Саркисов: Все, что имеет экономический смысл, находит свою инвестицию. Одним из препятствий, на мой взгляд, является пока все еще высокая стоимость входа: приходится серьезно потратиться на подготовку данных, обеспечение их качества, найм специалистов, разработку модели, ее внедрение.
Не забываем и про стоимость ее последующей поддержки. Мало создать рекомендательную систему, нужно будет тратиться на ее поддержку, так как зарабатывать можно будет лишь в том случае, если процесс выстроен эффективно. Для небольших компаний все это очень дорого и является непреодолимым барьером.
Развитие облачных сервисов может снизить этот порог входа, и это уже происходит. Сегодня многим маленьким компаниям уже доступны платформенные решения в облаке, которые существенно уменьшают стоимость последующей поддержки.
CNews: А как сказывается на отрасли отсутствие инфраструктуры, вычислительной техники, технологических платформ?
Тигран Саркисов: Отсутствие инфраструктуры, вычислительной техники и технологических платформ во многом спровоцировало развитие облаков. Ведь в случае с облаками мы берем столько «железа», сколько надо, за сколько готовы платить, и получаем его в то время, когда нам надо. Если мы говорим не про научную и исследовательскую деятельность, а про прикладную, внедрение в коммерческие процессы. В этой части проблем с «железом» сейчас нет.
CNews: Расскажите, как у вас обстоит ситуация с роботизацией складов?
Тигран Саркисов: Наше подразделение инноваций уже несколько лет присматривается к разработке роботов для складов различного бизнеса. Раньше экономическая эффективность внедрения полностью роботизированных складов вызывала вопросы, но сегодня с учетом активного найма и роста стоимости труда, мы начинаем иначе оценивать финансовую модель таких инновационных решений. Если брать частичную автоматизацию складов, это серьезная помощь сотрудникам, и мы планируем ее внедрение.
Полная автоматизация складов — это вполне реальная задача, в мире уже есть примеры. Надеемся, что через несколько лет у X5 появится первый полностью автоматизированный склад в стране.
«Можно было начать импортозамещение даже раньше»
CNews: Какие тренды в сфере импортозамещении западного софта и «железа» можно выделить? Получило ли распространение замещение западного оборудования и софта китайским?
Тигран Саркисов: Если говорить про ERP-системы, реальных альтернатив, возможно, и нет. Что касается инструментов управления данными, тут у нас все достаточно неплохо с отечественными решениями, особенно в области систем управления базами данных: есть российский ClickHouse, Tarantool VK, Аренаdata DB. Это проверенные решения с множеством успешных внедрений, и они хорошо себя показали в Х5. Что касается каталогов данных, мы используем решения Open Source, их много. Еще мы переехали с IBM на OpenMetadata и, в принципе, довольны.
Если брать опыт миграции на китайское программное обеспечение, такая практика широкого распространения не получила. Из известных мне успешных примеров: в каком-то виде удалось адаптировать только китайские BI-системы, которые, по сути, являются копией известного западного аналога. Они достаточно хорошо прижились и внедряются в ряде больших российских компаний.
CNews: Полтора года назад тема импортозамещения сильно всех пугала, особенно когда поставщики ключевых решений уходили из России. На текущий момент, как вам кажется: это все же был вызов или возможность?
Тигран Саркисов: Да, какое то время назад казалось, что мы к этому не готовы. Потом выяснилось, что и внутри нашей компании, и в целом на рынке у нас есть много всего. Наверное, можно было начать импортозамещение даже раньше.
К примеру, объем нашего импортозамещенного хранилища с учетом проекта миграции за последние два года вырос всего на 2-3%, а ассортимент данных увеличился примерно в три раза.
Все это достигается благодаря более грамотному управлению данными и эффективному технологическому стеку. Это позволяет нам управлять данными, учитывая, как они используются, подходить к этому гибко.
CNews: Как вы считаете, в перспективе большие генеративные модели могут заменить какой-то слой корпоративного ПО, в частности, BI-инструменты?
Тигран Саркисов: Да, есть такая вероятность. Понятно, что какие-то сценарные дашборды останутся, но массово будет удобнее работать с текстом, языком. Удастся ли заменить генеративными моделями какие-то другие инструменты, время покажет. Это точно должно упростить работу многим специалистам.
CNews: И напоследок: какие изменения, связанные с технологиями и инновациями, могут произойти в работе с данными в ближайшее время?
Тигран Саркисов: В работе с данными открылась прекрасная возможность перехода в Lakehouse архитектуру, что позволит существенно сократить время и стоимость импортозамещения. Можно будет шире переиспользовать как данные, так и модели данных, которые хранятся в облаке между компаниями — применять своего рода Data Fusion подход.
Безусловно, классический фреймворк, набор ИТ-инструментов, который упрощает разработку и поддержку сложных и высоконагруженных проектов, будет упрощаться. Аналитикам не нужно будет проводить интервью, писать технические задания, под которые разработчик потом что-то разрабатывает и тестирует — стоимость производства в итоге будет снижаться.
Короткая ссылка
