0: Итак, коллеги, добрый день. Я очень рада, что у нас быстро собралась внутренняя конференция, искусственный интеллект и все остальное. Почему здесь у нас появилось остальное? А потому что много с

1: Когда мы проводили рефлексию по итогам года, мы как бы увидели, что в очень многих функциональных областях коллеги видят потенциальное использование искусственного интеллекта, и мы не очень разделяем, где у нас мат модель, где

2: У нас генеративные модели, поэтому, чтобы не заниматься долгими обсуждениями определений. Поэтому искусственный интеллект и все остальное, ну и обязательное начало это минутка безопасности. Итак.

3: Коллеги, в случае каких-либо форс мажорных обстоятельств у нас 2 выхода, они открыты. 2 у нас пожарных этих, как они называются там, огнетушителя 1 вот у того входа и 1 у барной стойки.

4: У нас висит и ещё 1 основной выход, так сказать, помним, куда бежать и куда эвакуироваться.

5: Если беспилотная опасность.

6: Беспилотную опасность изучим дополнительно в дк.

7: А вот подвал, там ключ на вахте, кто-то бежит за ключом. Итак, коллеги, я рада ещё раз всех приветствовать. Здесь у нас присутствуют не только руководители и сотрудники группы пред.

8: Приятий по цбк у нас ещё есть. И ребята, студенты, учащиеся нашей школы. Про них тоже будет. Про наши совместные проекты отдельный слайд. Передаю слово Михаилу николаевичу, а сама быстро Иду.

9: Открывать голосовалку, да, и уже по ставшей некой традиции мы проведём голосование, а в начале нашей конференции б в конце, для того, чтобы потом можно было сравнить результаты и понять и оценить. А что-то мы поняли из

10: Тех сообщений, которые у нас будут из той темы сегодня или нет, что-то поменялось в нашем сознании или нет. Итак, привычный наш юни слайд, как вы помните, у нас с вами 2 года назад мы приняли решение пройти с самим этот путь, попробовать прикоснуться к искусственному интеллект.

11: Обучить, спросить, отрисовать, обработать данные видеопоток, все то, что все те фантазии, которые у нас с вами были, мы прошло 2 года, да, и вот сегодня как раз мы готовы этим с вами поделиться, но перед тем, как это сделать, давайте проведём голосование дальше.

12: Итак, вопрос при загрузке сырья на производственную линию система автоматически предлагает оптимальный режим работы. Кто фактически принимает решение с вашей точки зрения о выборе режима? Это оператор, он же человек, либо автоматизированная система управ.

13: Технологическим процессом.

14: Все кейсы, примеры мы взяли на производственную тематику, здесь не будет офисной. Ну потому что мы производственное предприятие с вами, и нас интересует больше применение искусственного интеллекта и всего остального на производстве.

15: 6 человек 5.

16: 3 ну да, видимо, выбор настолько велик, что тут сложно принять решение, да.

17: Давайте дальше.

18: На бумаг на бумагоделательной машине учитываются текущие параметры окружающей среды температура, влажность и корректируются настройки выпуска полотна кто управляет этим процессом оператор, человек или система стп?

19: На мой взгляд, это делает в моменте асутп.

20: Манипуляцияа выбор уже произведён.

21: Не последний.

22: Следующий вопрос чей алгоритм управления технологическим процессом эффективнее тот, который тот, что делает опытный технолог своими руками при помощи искусственного интеллекта, либо случайный набор команд?

23: При помощи искусственно искусственным интеллектом.

24: Никто не хочет.

25: На подсеваю на постучав х да, кто принимал решение, вспомните видео, кто видел. Лодка идёт по днепру, да, её идёт атака 2 Дронов пв.

26: Как вы будете работать? Какой, как бы, алгоритм там, там, управления, это я на подсеваю. Угу.

27: Давайте следующий вопрос.

28: Система на базе искусственного интеллекта предлагает вам оптимизацию производственного процесса. Принимаем её к использованию, да или нет.

29: Упорная борьба.

30: Где те последние 3?

31: Я уже проголосовал.

32: А надо выбрать.

33: Игорь Олегович, красная таблетка или синяя?

34: Следующий вопрос. В каких случаях, на ваш взгляд, можно поручить выбор управляющих действий? Искусственному интеллекту нужно выбрать не более 2 вариантов и там внизу у вас появится кнопочка их отправить?

35: Интересно следить, как знаете, на этих, на ипподроме, на бегах вперёд вырывается лошадка под номером 4.

36: Её преследует номер 1 и догоняет номер 2 кто же будет 2 на финише?

37: 30 человек, где ваши ответы? Да, кнопочка внизу кнопочка проголосовать зелёненькая. Обязательно нажмите, иначе ваш ответ не будет засчитан.

38: Во во во, а, вы говорите.

39: Обратите внимание на лошадей номер 1 и номер 2. Они приходят к финишу одновременно.

40: 5 человек мы вас ждём. Все, не все.

41: Давайте дальше.

42: Вопрос. Обращаясь к системе искусственного интеллекта за решением сколько альтернативных вариантов следует запрашивать, нужно указать 1 число цифрой, не прописью ваш варианты и нажать на зелёную кнопку отправить.

43: Это была теория, теперь практика.

44: Буквы и цифры это разные вещи.

45: Сердце это сколько, интересно.

46: Камеры, значит.

47: Ещё немного, 2 3 человека у нас стало больше, нас стало 94.

48: Кто-то решил присоединиться в конце, когда понял. А только 1 цифру надо ввести. Это я могу, да?

49: 2 поставил сердечко, 3 сделал цветочек 92 из 94 считаем, что все проголосовали, проголосовали. Вопрос, если оператор, следуя подсказкам искусственного интеллекта, внёс

50: Неверные настройки в оборудование. Говорит ли это о том, что он умеет грамотно пользоваться искусственным интеллектом? Повторюсь, следуя подсказкам искусственного интеллекта, но внёс неверные настройки.

51: Есть только 2, 2 варианта ответа да или нет?

52: Не подсказывайте.

53: Я считаю, что нет.

54: Давайте следующий вопрос. Результаты.

55: Итак, это мы с вами прошли некий опрос нашего мнения зала до начала нашей конференции. И потом повторим тоже самое. После я передаю слово.

56: Да, друзья, ещё раз всем привет. И я хотел бы представить нашу историю, которую мы разработали совместно с бум профи. Это цифровой двойник леса лес профи. По другому немного о нас мы предприятие являемся, входим, точнее в пятёрку.

57: Арендаторов крупнейших пермского края. У нас заключён долгосрочный договор аренды с региональным минприроды, где мы можем заготавливать порядка семиста тысяч кубометров по году и арендуем порядка 400000 гектар, ну и, конечно же, с развитием многих цифровых технологий.

58: Нам приходится также внедрять эту цифру нашу в лес. Если говорить вообще про то, чем мы занимаемся, то мы стали развивать эту технологию порядка с 2022 года и применяем различные беспилотные технологии.

59: И машинные алгоритмы зрения, обработки данных для усовершенствования наших знаний, наших познаний и для большего понимания нашего леса, который, с которым мы непосредственно работаем, если говорить про саму съёмку.

60: То мы используем в своей работе несколько аппаратов это специализированные беспилотные аппараты марки диджиай производства, Китай и дополнительно сканеры лидар, зенмус эл 1 и l 2 l 2 буквально куплен у нас полтора.

61: Года назад 1 из новейших оборудований вообще в мире представлено как раз с левой стороны на слайде. И также мы используем для съёмки ортофотопланов и съёмки непосредственно мультиспектральной. Это профессиональную камеру микасе ред ейдж и

62: Профессиональный квадрокоптер, на котором также установлена мультиспектральная камера с 7 различными каналами обработки. Дополнительно мы при помощи наших сканеров можем получать такую точность, как до 1 100 метра именно с

63: Высоты 150 метров при съёмке камерой элидар и примерно до 0 2 метров на пиксель с высоты порядка 300 метров при съёмке мультиспектральной камерой. Вообще, если говорить о цифровом двойнике лес.

64: Наша камера лидар позволяет пробивать подполок леса, полностью отсматривать наш Лесной участок в границах, определённых при помощи автоматизированного полётного задания, которое, кстати, не зависит от определённых беспилотных угроз, которые включаю.

65: У нас в последнее время в пермском крае довольно-таки часто, и также при помощи мультиспектральных камер и камеры лидара мы можем построить вообще сам цифровой двойник леса и в любой момент, в любую секунду обратиться к тем или иным характеристикам.

66: Которые мы можем получить с нашего леса для дальнейшего использования этого леса и в том числе можем получить планово высотное обоснование, рельеф, гидрографию для уже иных целей, предусмотренных нашим оборудованием впоследствии

67: Уже при камеральной обработке мы получаем при помощи склейки ортофотопланов и синтеза 7 каналов и дополнительного инфракрасного канала мы получаем различные таксационные характеристики, такие как высота дерева, объём дерева.

68: Ассортиментный выход древесины также мы научились в последнее время использовать для определения сухостойных деревьев, которые, в том числе мы смогли выявить того бушующего уссурийского полиграфа, который в том числе и пожрал наши пихты, которые высаживались.

69: Далеко от кбц. Ну и дополнительно мы, конечно же, строим сам цифровой двойник леса, который представлен прямо в центре. Мы полностью снимаем определёнными кварталами по 250 300 гектар за 1 съёмку и впоследствии обра,

70: Обрабатываем это все при помощи машинного зрения и алгоритмов. И впоследствии также можем определять, где нам выгоднее рубить, как нам выгоднее рубить и что мы можем получить с этих всех моментов. И дополнительно. Конечно же, мы при помощи создания 3 д моделей нау,

71: Учились анализировать объёмы на наших складах, что довольно-таки упрощает и ускоряет этот процесс. Как видно на слайдах, мы видим тепловую карту, которую впоследствии специализированный алгоритм обрабатывает, и получаем объёмы. Хотелось бы отметить,

72: Что погрешность в таких измерениях не более 5% от человеческого труда. Для примера, сейчас у нас на складах лежит порядка 35000, и мы можем в примерно за 15, 20 минут облететь и обработать всю эту информацию, чтобы получить

73: Относительно точный объём для наших условий.

74: Ручным это потребуется примерно. Ну, Юрий Валерьевич, если не даст соврать, наверное, часов 6 8 это все проходить, то есть ускорение в несколько Десятков раз. Ну и впоследствии, конечно, что мы получаем по итогу, мы получаем таблицу растущей древесины.

75: По определённым видам и целям, где видим объём, породный состав, высотный состав и выход ассортимента ликвида, который мы можем впоследствии либо привезти на комбинат, либо уже непосредственно реализовать, ну и основными, конечно же, преиму.

76: Данной системы вообще и данного оборудования является это, во первых, сокращение человеческого фактора ошибки, исключение, сокращение времени работы. Мы можем за день облетать 1500 гектар. Человеку потребовалось бы примерно 3 недели, чтобы отсмотреть это все.

77: Получить точность не более 50%. У нас точность порядка 95%. Ну и 1 из самых основных, конечно же, это структурирование данных, анализ этих данных и обращение в любой момент к тому или иному анализу, ну и

78: Что же мы и хотим далее это естественно, мы продолжаем развивать наши ии и математические модели для упрощения, ускорения и получения более достоверных сведений, которые получаем с наших лесов и с наших складов. Также это работа, конечно,

79: С большими объёмами, данными с их структурирования для также ускорения процесса обработки, ну, i, ввиду большого объёма данных, которые мы получаем, это же, конечно же, облачное хранилище, которое мы сейчас также развиваем для упрощения.

80: Для упрощения нашей работы у меня на этом все, спасибо. Угу. Оставайся здесь. Подожди, коллеги, на каждый доклад мы будем спрашивать экспертизу николая Протасова, да? Ну, человек, который отвечает за безопас.

81: О наших данных, Николай, есть риски, где тут быть?

82: Стой. Нет, подожди. Нет, подожди. Вряд ли кому-то нужны сырые данные о составе леса, который у нас в долговременной аренде, однако.

83: Алгоритмы и модели, которые мы используем. Скорее всего, это наше ноу хау. Их надо особенно охранять. И также тут, очевидно, напрашивается дальнейшая коммерциализация вот этой темы, как сервиса предоставления за

84: Деньги 3 лицам, и тогда уже появится дополнительная потребность в охране как данных, так и, собственно, самого сервиса и моделей, да.

85: А, Иван, ещё вопрос. 1 вопрос. Какова доля наших ***, которые вы уже облетели?

86: Ну, если говорить про, ой, не надо, сейчас 2, а если говорить про последние несколько лет, а именно 24, 25 года, это порядка 80%.

87: Хорошо, то есть ещё немножко и будет 102 вопрос. Вот использование технологий это все-таки больше искусственный интеллект, либо это все-таки математические модели, которые вы применяете в своих технологиях.

88: Да, я ожидал этот вопрос непосредственно от вас, Михаил Николаевич, но тут я скажу обтекаемо. Здесь синтез, коллаборация непосредственно и машинного зрения, и математических алгоритмов, и все-таки применение ии. Потому что ни ii, ни

89: Машинное зрение. Ни алгоритмы не могут сделать полный спектр работ, потому что он очень обширный.

90: Коллеги, вопросов много. Брейк останавливаю. Спасибо большое Ивану. Аплодисменты.

91: Да, всем добрый день. Карта макулатуры поставщиков. Изначальная цель, идея, с которой мы заходили в эту историю, была сформулирована в формате пользовательские истории, где Антон Андреевич видит текущую картину по поста.

92: Поставщика макулатуры с учётом стоимости логистики, вероятности брака, рейтинга поставщиков и может принять решение, где наиболее выгодно для нас приобрести макулатуру. Сегодня текущее состояние, прототип, текущее понимание.

93: Мы шаг за шагом двигаемся к цели, нащупываем пользу, пробуем, делаем выводы, и сегодня можно сформулировать такое понимание полезности на встрече с поставщиком, видеть цены региона, предложения конкурента.

94: И аргументированно вести разговор поставщик даёт цену выше рынка, но логистика из регионов может быть дешевле, в итоге стоимость может оказаться ниже, не хватает конкретной марки. На апрель быстро смотрим регионы, цены закрываем.

95: Потребность, ну и помимо поставщиков, известных видеть, кого мы могли не охватить, тем самым, ну, больше возможностей для манёвра и выявление закономерностей, и проверка гипотез.

96: Ich ага, то, как выглядит эта карта сегодня за основу была взяты наработки Плотникова максима слева у нас вся информация из учётной системы, ну, в виде табличной части справа сама карта и расположение поставщиков.

97: На ней, если мы выберем поставщика, то увидим актуальную информацию на сегодня по ценам, по логистике. И это только пока что на сегодня, для того, чтобы использовать уже эта карта, чтобы она начала приносить ценность, нам осталось преодолеть

98: Буквально 2 задачки к концу марта это наполнить её актуальными данными из учётной системы и сделать так, чтобы эта штука смогла быть доступна на мобильных устройствах.

99: Что в итоге получается видеть поставщиков сверху целостную картину по регионам, двигаться в условиях неопределённости. Если раньше мы задавали вопросы, а что именно нужно сделать? А как-то сегодня мы за

100: Задаём вопросы, что именно болит и какой из вариантов решения лучше?

101: Каждый шаг порождает новые идеи, такие как потенциал поставщиков, учёт конкурентов. Мы движемся вперёд, новые идеи появляются, значит, в нужном направлении идём, не получается автоматически получать актуальные цены и объёмы.

102: С рынка это единственное предложение на слайде, где есть точка, все все скрывают увидеть вероятных поставщиков по аквэт, насколько не получилось при регистрации юрлиц указывают как деятельность.

103: Продажу макулатуры и поддержку компьютеров и поддержку ядерных реакторов, ну и перейти на реальные данные.

104: Далее к исследованию. Это скорее ближайшие доработки, которые мы ждём. Вероятные поставщики по Квет 2. Да, мы ещё раз в эту историю заходим, переходим на реальные данные и дальше уходим в доработки истории. История и динамика по постав

105: Поставщикам рейтинги поставщиков, учитывая брак, расхождение объёмов, условия, поставка поставок, потенциал поставщиков, тонах поставщика в тоннах сейчас прорабатывается и помимо поставщиков видеть, у кого мы Забира.

106: Обрезь заготовщиков макулатуры также аналитические возможности. А что, если для проверки гипотез, ну и в конечном итоге мы стремимся к некому когнитивному ассистенту, который позволит задать вопрос и быстро получить

107: Ответ, даже не заходя на эту карту.

108: Где здесь ии, почему мы об этом разговариваем? Сегодня можно выделить такие 3 блока. 1 разработка и тестирование. Все, что связано с логикой математикой, это наши компетенции, это важно. А разработка визуальной части, по большей части,

109: Отдано, ну, генератору искусственной модели. Также используем искусственный интеллект для проверки качества кода, для выявления скрытых исключений, чтобы, ну, гарантировать качество продукта.

110: Исследование искусственный интеллект очень хорошо позволяет на старте погрузиться в предметную область, нащупать типовые боли, типовые решения, какие-то ответы, ну и отдельно хотелось бы выделить пункт прототипирования решений.

111: Не так давно мы начали использовать такой подход. Если раньше у нас возникали вопросы по математике, как, что правильно считать, как, что должно выглядеть. Мы это старались обсуждать. Ну, устно, ненаглядно и долго, то сейчас мы

112: Готовим вот как на картинке пример. Такие слайды под номерами с вариантами выбора выбрать всегда проще. По сути, мы тратим час времени на такую подготовку, зато там за 20 минут получаем ответ на 7 вопросов сразу.

113: И не переделываем код долго. В целом, я бы сказал, ну, обобщая, мы не разрабатываем инструмент, мы стремимся развивать само направление и шаг за шагом открываем для себя все новые возможности, все новую пользу.

114: Спасибо.

115: Насколько понимаю, работает это на наших мощностях, да, наружу данные никуда не уходят, Александр, и остаётся тогда только 1 вопрос. Мы хотим открывать внешний доступ к этому. Здесь нужно особое внимание, над чем мы уже работаем. Да, именно поэтому до конца марта прям пому.

116: Все, спасибо.

117: Так, у меня, у меня есть вопрос рабочий, да, такой вопрос не совсем касается ii да, но мы часто сталкиваемся в процессе производства, когда поставщик приобретает у другого, постав

118: То есть, по сути, поставка, к примеру, покупка идёт с Москвы, да, а поставка идёт со свердловской области. То есть это часто видно по самой упаковке. То есть это как для отслеживания. Очень важно. Инна.

119: По документам тяжело конкретизировать точку сбора, как здесь прорабатывалась какая-то идея внедрения учёта. Я думаю то, что предметно прям сейчас это как-то не прорабатывалось, но мы до этог

120: Дойдём и из того, что сейчас интересного как раз происходит, то, что сейчас дорабатываем, это, рисуем такую некую паутину поставщиков, где видим не только их, а ещё их Конечных их Конечников. Таким образом, можем видеть уже

121: Ну, полную картину для себя. А тут ещё коллеги. Владимир Васильевич, ну вот как раз это та боль, которую мы пытаемся решить, чтобы отследить кто откуда и куда. Да, и вот эти, эти риски.

122: Свести к нулю, по возможности используя вот эти наши решения.

123: Так, ещё вопрос был, да, 1. Угу. Добрый день. Хотелось бы узнать, вот исходя из того, из выступления, то есть есть некая карта надстройка, которая позволяет быстрее обрабатывать информацию, принима.

124: Решение. А если посмотреть в сторону, откуда поступают данные в учётную систему, на основании которой строится эта карта вот в этом направлении, есть ли у вас какие-то мысли наработки, как использовать там иин, чтоб, например, по каким-то косвенным признакам иска

125: Поставщиков и данные о них, то есть использование искусственного интеллекта самой учётной системы, ну, для обработки и поиска данных, которые в эту учётную систему попадают. Я думаю, да, когда мы нащупаем какую-то предметную уже об

126: Пользу, когда попробуем, мы это сможем интегрировать с учётными системами напрямую. Да, спасибо. Знаете, наверное, дополню ответ Александра. Действительно 1 из огромнейших сложностей в этой работе. Это первичные исходные данные.

127: Где их взять? Да, то, что генерируем у себя внутри, на комбинате. Да, конечно, это наши, наши данные, мы ими оперируем, управляем. Но как оценить ёмкость рынка, ёмкость, условно говоря, там, свердловской области, пермского края, да, с детализацией по местам генерации, местам сбора.

128: Вот эти данные, к сожалению или пока, к счастью, не могу сказать, рынок макулатуры сейчас в таком очень состоянии, таком диком, назовём его так, да, он не систематизирован до конца, не структурирован и не прозрачен, поэтому первичный

129: Данных да, мало, но постепенно, постепенно, шаг за шагом, трогая разные источники данных, погружаясь вглубь предметной области, я думаю, что мы в конечном итоге соберём тот массив данных, на основании которого мы уже сможем

130: Детально принимать какие-то решения. Угу. Услышав ии. Обычно потребитель ждёт какого-то чуда из разряда. Я задаю вопрос, я получаю ответ и, таким образом, следую. Наверное, здесь присутствующих очень много.

131: Людей, которые уже сняли эти розовые очки, ну, как минимум в вопросах инженерии, инженерия. И это такая очень действительно тонкая материя. Пару лет назад даже в пгу была конференция с темой. Может ли искусственный интеллект

132: Заменить инженера. И люди на полном серьёзе полчаса на эту тему спорили. Я предлагаю вам посмотреть на то, что предлагает нам рынок с точки зрения маркетинга, и снять розовые очки и посмотреть, что у нас существует на самом деле.

133: В идеальном мире, как что нам сейчас предлагает, допустим, интернет, да, то есть 3 д модель по фото. То есть мы сделали 10 фотографий, отдали на анализ какой-либо нейросети, и она нам даёт модель, либо ещё круче чертежи.

134: Под ключ, согласно стандартам, мы даём 3 д модель, получаем готовый результат. То есть труд конструктора где-то почти не нужен. Либо проверка и правка чертежей. Вот это вообще восторг. То есть это то, что сэкономило бы лично мне кучу часов, там моделиро,

135: С проработкой Десятков сценариев для того, чтобы выбрать лучший вообще шикарно по итоге по итогу, если собрать вообще все эти пункты, получается, сфотографировал, получил результат ещё и в нескольких итерациях шикарно.

136: Текущее понимание полезности как бы было здорово нам это применять. Если бы хотя бы 1 пункт удалось допилить и использовать его в нашей работе. Теперь снимаем розовые очки и разбираем все по пунктам. 3 д моделирование через камеру качество.

137: Решений нет, есть куча промо картинок, когда мы можем сделать действительно с фото моделей, но они годятся максимум для 3 д принтера, потому что говорить про точность с точки зрения замеров, там на 10 доля миллиметра, на

138: Миллиметры. Ну, пока, мягко говоря, рано. Здесь нужен очень большой ручной труд, который проще сделать сразу же самому. Создание чертежей. Я понял. Нужно быстрее создание чертежей, доступных решений нет, просто тогда без комментариев. Да, провер.

139: Документации к этому маленький пример. Так, а в какую сторону работает кликер?

140: У него есть задержка оо, предлагаем нейросети проверить чертёж, получаем потрясающий результат. Куча уточняющих вопросов, ряд замечаний и самое главное в конце. А давайте сделаем классно. Давайте сделаем по госту, тратим

141: 20 минут на диалог получаем, не получилось драмы, а можно переключить? Получаем вот такой результат. Предыдущая картинка это где-то уровень средней школы девяностых и

142: В чем хотелось бы получить помощь от и не в проверке вот таких вот вещей, а в каких-то сложных объектах можно переключить. У меня реально не работает. Допустим, взять литой корпус дефибратора, который создавали мы, и сделать чертёж, у которого

143: Там под 200 размеров ещё и без потерь цепочек. Ну, от человека проверить допуски посадки, чтобы это все действительно собралось. Можно дальше.

144: Итоги, промежуточные итоги. Получается пока только тратить время на то, чтобы как-то это применить. Здесь важно не свалиться в хайп, потому что это реально модно не получается. Ну вот все, что я перечислил далее к исследованию. Ну, наверное, стоит взять небольшую паузу и подождать пока

145: Какие-то ещё предложения у нас появятся, но критикуя, наверное надо что-то предлагать буквально полторы минутки, как у меня папа говорит, не знаю, что делать, посмотри уроки истории, а можно следующее как в ссср выглядел конструкторский отдел был.

146: Конструктор у него в подчинении был чертёжник, копировщик, корректор, техник с приходом пк и копировальной техники. Следующий слайд.

147: Отвалилось сразу g3 специальности, а чертёжник стал немножечко поближе к конструктору, чем они отличались? Конструктор это был уникальный человек, где-то 1 из 1000, который пространственно мог на 2 д разложить сложный объект. Так мы полетели в космос. Черт.

148: Художник это исполнитель, он просто отрисовывал то, что ему в общих чертах давал конструктор. Можно дальше следующая революция в сфере 3 д моделирования, которая обесценила, ну не совсем обесценила процентов на 80 вот это пространственное мышление.

149: И конструктором стал стать, мог, может теперь стать там условно каждый 50 более того, вчерашние чертёжники по типу мышления, не способные к созиданию, но способные освоить 3 д моделинг и черчение, тоже начали уходить в эту же сферу.

150: Здесь появился интересный конфликт, конфликт интересов, масло масляное, когда старое поколение встретилось с новым, потому что были те конструкторы, которые могли представить себе бум машину ещё на бумаге, и пришла молодёжь, которая

151: Умеют 3 д моделить. Ну им, допустим, не хватает опыта. И вот нам сейчас как поколению, которое пришло и умеет 3 д моделлить, нужно не свалиться в критику ии самоутверждение за его счёт, чтобы не оказаться теми старыми конструкторами, которые

152: Стали отрицать новые технологии, поэтому мы сейчас пока воспользоваться технологией практически не можем, но мы ждём и рассчитываем, и не расслабляемся на эту тему. Все, спасибо.

153: На этот раз успех вот так вот, значит.

154: Да, пока вижу, что ничего не взлетает. Когда взлетит, можно будет предметнее поговорить. Скорее всего, там будет какое-то появляться продукт интеллектуального труда, который надо защищать и не передавать там в третьи системы для обработки.

155: Прямо сейчас вижу угрозу, которую ты уже обозначил, деградация компетенций сотрудника, который начнёт слепо доверять рекомендациям моделей и потеряет свои компетенции. Позвольте.

156: У меня небольшой комментарий. Мы часто взаимодействуем и как работаем. Есть ряд простых решений, где конструктор теперь вовсе не нужен, и это меняется с помощью искусственного интеллекта. Дмитрий Анатольевич говорит, надо для сшивки сетки нарисовать.

157: Работать клипсу. Ну а мы её, ну подожди, давай я сейчас её сфотографирую, размещаю на яндекс маркет, говорю, найди. И он говорит, купи на вайлдберрисе вот такой артикул.

158: То есть, когда здесь задача была чуть сложнее и мы её дольше, конечно, решаем, но факт в том, что какие-то маленькие простые решения, может быть и не надо всего этого процесса теперь вообще. То есть встроенный искусственный интеллект по подбору каких-то

159: Простых вещей он теперь работает вот так шкиф проще сфотографировать и найти, где купить, чем его рисовать и надо прорабатывать и готовить по чертежу.

160: А в случае со шкивом нужно просто открыть стандарт и посмотреть, пока не подошли. Да? Так, ну я зафиксирую в микрофон, то есть через искусственный интеллект быстро нашли, купили.

161: Вот именно, по фотографии и она не подошла. Бинго, приехали. Так, коллеги, ещё вопросы.

162: Спасибо большое, Илья. Коллеги, здравствуйте. Немного теории. Когда мы говорим о том, что мы хотим как-то взаимодействовать с документами через искусственный интеллект, мы непременно затрагиваем рак, подобные системы. Что такое?

163: Рак, рак это генерация ответов языковой моделью, дополненная выборкой из документов, это как раз-таки и позволяет давать ответы на основе загруженных документов, давать цитаты и ссылки на первоисточник, чтобы человек мог сам проверить информацию меньше.

164: И больше фактов стартовое описание идеи и её полезности на протяжении всей истории компании каждый работник вносил и вносит вклад в общую копилку знаний. Но как мы эти знания используем, знания?

165: Являются активом только тогда, когда ими удобно воспользоваться в моменте. Если поиск затруднителен, тогда возможно проще принять новое решение. Это ведёт к потере опыта частичному.

166: Ой, прошу прощения, текущее понимание полезности скормить сразу все подряд это утопия. Так сделать невозможно. Но если реализовать подобную систему, мы как раз и получаем переиспользование опыта.

167: Лёгкость и быстроту, и качество поиска. Опыт построения подобных систем позволяет нам строить более сложные системы на базе искусственного интеллекта. Мультиязычность технологии очень интересный факт, если используемая большая языковая модель обладает

168: Поддержка нескольких Языков эти свойства автоматически переходят и в систему.

169: Системы построены по подобным технологиям, честно говоря, я не знаю, в отличие от больших генеративных моделей.

170: Наш 1 заход на территорию неизвестности. Красивая идея. Поговорили с архивом проектной деятельности. В качестве прототипа мы взяли часть проектной документации небольших проектов, загрузили её в систему, подключили искусственный интеллект и начали задавать вопросы, вопросы, ответы, мы

171: Получили достаточно хороший и было принято решение масштабироваться.

172: Когда мы взяли уже 10 крупных проектов, оказалось, что в 10 проектах 90000 файлов, из которых прототип смог прочитать 22000, несмотря на это, вскрылись характерные особенности подобных систем, разрозненность данных вела к потере контекста на стыке форматов.

173: Дублирование версий. Бывало такое, что 1 файл содержится в 20 редакциях. И какой файл считать актуальным для человека? Это простая задача для кода. Ну не так просто потеря точности. Противоречивые фрагменты вели к усреднению и

174: Галлюцинациям системы, помимо всего прочего, большим блоком в фундамент подобных систем заходит безопасность, а также необходимость поддержки и обновления данных. Если где-то файл в архиве изменился, соответственно, нам надо также

175: Оперативно его изменить и в нашей базе данных.

176: Мы проанализировали результаты и приняли следующее решение необходимо переходить к сегментации. Малые специализированные помощники по областям знаний. Их создавать гораздо проще, проще контролировать. Помимо этого надо сохранять принцип качественного входа. Текст.

177: Тинки, разбивка на смысловые блоки и вообще в целом подготовка документов к загрузке. Необходимо сохранить прозрачность данных. Человек всегда должен иметь доступ и ссылку к файлу для того, чтобы если возникли какие-то спорные моменты,

178: Самостоятельно принять решение ответ верный или нет. Помимо этого, дополнительное направление в исследовании и в разработке. Это проверка качества. Необходимо разрабатывать особые метрики и контроль экспертных групп, которые могут

179: Единогласно сказать, что система работает стабильно.

180: Если подвести итоги, что получается, подобные системы хорошо работают с чистыми данными, мы уже можем давать ответы ссылками на документ, чтобы человек мог сам ознакомиться вместо больших систем строим маленькие системы, которые проще контролировать, используем опыт постро.

181: Помощников Госуслуг, нежели условного яндекса, пользователю не нужно подбирать правильные вопросы. Пользователь здесь не ограничен, потому что мы ищем по контексту, что что сейчас не получа, не полу,

182: Получается или получается не совсем идеально, ещё не пробовали распознавать текст с картинки и работать с изображениями это отдельное направление технологии известные, но в рамках прототипа мы их не использовали если загрузить все документы без разбора, система начинает путаться.

183: Если документы противоречат друг другу, создаются усреднения или галлюцинации, это просто нужно эти 2 пункта принять как факт.

184: Необходимо поддерживать актуальные данные, актуальность базы данных. Если документ где-то изменился, мы его перезаписываем и кто это делает, человек или условный код. И как мы хорошо умеем управлять правами сотрудников, но не ассистентов. Это

185: Новый вызов не только для нашей компании, но и для всех компаний, которые сейчас активно внедряют искусственный интеллект. Далее к исследованию сейчас чётко выделяются 3 направления. Это работа с подготовкой документов, это блок безопасности.

186: По моему мнению, 1 из самых важных. И также направление, связанное с метриками и экспертами, для того, чтобы оценить качество работы подобных систем. У меня все. Спасибо за внимание.

187: Заказ был от производства Дмитрия анатольевича сделать обработку информации о технологии производства бумаги. Я думаю, ну, это большая задача. Сейчас мы возьмём маленькую задачку, перечень, ну, документов.

188: По проектной деятельности потренируемся на хомячках. Мой вывод из наблюдения этого проекта хомячок оказался вообще вообще непростой и возможно, но гораздо сложнее стартовой задачи. Вот там, ну в чем моя иллюзия.

189: Разрушилось то, что внешне выглядело очень просто по внутренней структуре для как бы искусственного интеллекта оказалось очень сложной структурой. Николай.

190: Сергей уже отметил сложность, связанную с инфобезом, искусственный интеллект ну, пока мы не можем заставить учитывать контекст безопасности исходных докумен.

191: При выдаче ответов на которые будут выданы на их базе. Соответственно, пока не получается построить общекорпоративную систему поиска, которая учтёт и документы из Седа с файловых ресурсов, и ещё там с каких-нибудь систем.

192: Но здесь пока быстрый выход строить узкоспециализированные системы, как Сергей сказал, да, где более однородный контекст безопасности. Угу. Коллеги, вопросы.

193: Спаси. А так, микрофон сейчас.

194: Ну, вы правильно отметили то, что достаточно трудоёмкий процесс обработки и подготовки самих данных документов, ну и предложение, может быть, подумать над форматом тех документов, которые мы сейчас генерим для того, чтобы их использовать уже

195: Ну, гораздо проще и быстрее. То есть сделать некий формат, который бы позволил, ну, уже сейчас наполнять корректными данными новых помощников, которые будем быстрее делать меньше. И там с меньшими трудозатратами, да.

196: Действительно, если бы был 1 формат документов, было бы гораздо проще, но в наших реалиях, к сожалению, так не происходит документы разных форматов, обрабатывать их надо каждый документ по своему и, скорее всего, подогнать все под 1 for.

197: Мат не получится, и надо просто с этим смириться и учиться обрабатывать все документы, снижение нагрузки на поддержку пользователей. Дит Александр снова как продолжение темы сергея. На самом деле под капотом все те же технологии.

198: Ирак все тот же хомячок. Так, ага.

199: Стартовое описание идеи было таким футуристическим, где сотрудник звонит по телефону в it поддержку, и ассистент ему слушает его вопрос и отвечает приятно женским голосом, что он хочет.

200: Реальность нас достаточно быстро догнала, и то, как говорил Сергей, недостаточно просто подключить искусственный интеллект, накидать в него 1000 документов. Необходимо поэтапное построение инфраструктуры архитектуры и агентов, структурирование ба.

201: Знаний. На сегодня у нас уже есть какое-то понимание полезности, и это автоматическая маршрутизация обращений, когда заявка может сразу уходить в нужную службу автоответы.

202: На простые вопросы, если у меня не работает монитор или кончился картридж, можно не задействовать специалиста подсказки для 1 линии в фоне, выявление системных проблем, анализ частых обращений. Ну и опять же,

203: Мы стремимся по итогу к персонализированному инструменту поддержки как личному секретарю в кармане.

204: Что получается? Понимаем технологию, её реальные возможности и ограничения здесь на самом деле очень с большой натяжкой, я бы сказал, мы ещщще пристреливаемся внутри очень много разных вариантов, условностей, готовый прототип архива проектной деятель.

205: То, о чем рассказывал Сергей, позволило нам, ну, получить достаточно большой опыт работы с большим количеством документов, и нам уже становится виднее, куда дальше двигаться инфраструктура взаимодействия с искусственным интеллектом. Да, мы не

206: Строим у себя дорогие мощности на территории. Мы вместо этого научились работать с облаком, при этом имея доступ к передовым моделям, мощным мощностям и безопасно для нас политика информационной безопасности. Ну тут не

207: Николай сегодня, я думаю, раскроет тему, по сути, свод простых, понятных и, самое главное, Разумных правил, особенно если мы говорим про работу с документами, автоматически накапливаем опыт обращений по телефону в поддержку, пока не знаем, как для чего.

208: Мы это будем использовать, но мы формируем эти знания сейчас на будущее. И заявки, и история по обращениям поддержки переведены сегодня в битрикс. Это важнейший шаг. По сути, у нас вся база, вопрос, ответ.

209: Проблемы решения собраны в 1 месте и позволит нам дальше двигаться намного быстрее. Не получается сделать так, чтобы сотрудник спрашивал по простому, а система отвечала понятно, если у сотрудника

210: Достаточный опыт в тему. Он знает, как технически верно задать вопрос, и понимает суть этого вопроса. Да, система ответит качественно, но если нет, в ответ будет каша.

211: Автоответы по телефону, ну, естественно, требуют больших мощностей. И тут вопрос, надо ли оно нам качество распознавания по телефонам также, с 1 стороны, да, у нас цифровая телефония, все классно, но даже вот такие вот небольшие шумы, они пагубно влияют на распозна.

212: На пополнение базы и необходима реорганизация нашей с вами базы знаний wiki инструкций и приведение их в актуальное состояние. Это огромная тяжёлая работа, которая

213: Уже ведётся. И это нужно не только для

214: Далее к исследованию такими крупными масками для себя выделили в 1 очередь определение и подсказка сотруднику поддержки. К какой службе относится та или иная заявка. По сути, мы здесь ещё не влияем на процесс, мы просто подсказываем, тренируемся, делаем

215: Выводы. И когда накопим достаточную точность модели, сможем уже автоматизировать эту историю. Также подсказки для сотрудника 1 линии поддержки. В момент, когда заявка прилетает, мы можем брать опыт преды,

216: Дущих подобных проблем опыт инструкций и подсказывать ему, в фоне что происходит, и здесь уже как раз начинается автоответы какие-то на простые вопросы.

217: Периодическая аналитика выявление самых частых вопросов или, может быть, проблем, если они возникают от времени к времени и однотипны, это прямой сигнал к тому, чтобы пересмотреть инструкции, возможно провести обучение или скорректировать айти систему.

218: Ну, дальше пока туманно, особо не заглядываем.

219: А, ну и в принципе все, сейчас мы строим фундамент, пробуем, ошибаемся, исследуем и самое главное, накапливаем данные. И когда вся эта схлопнется история, у нас искусственный интеллект сможет уже в теме поддержки.

220: Приносить пользу коллеги.

221: Александр сказал, что мы пытаемся обрабатывать эти данные на внешних мощностях. И здесь важно хотя бы юридически подкрепиться, что соглашениями о неразглашении и финансовой ответственностью наших подрядных организаций, которые

222: Выполняют, собственно, для нас эту работу. Дальше, когда мы сюда будем подключать битрикс и обрабатывать информацию из него, нужно подумать насчёт обезличивания некоторых данных про персональные данные, например,

223: Да, все верно, также дружим?

224: Так, вопросы?

225: Так, 2. Сейчас, Михаил Николаевич, чуть чуть позже у меня такой, как бы, 2 вопроса. 1, наверное, касается того, для чего этот проект был инициирован. Какая цель, то есть снизить трудозатраты, повысить качество или повысить вовлечённость.

226: Наших сотрудников, то есть какая метрика? A2 вопрос, почему решили делать сами, а не купить готовые решения? Потому что с аудио ботами мы все сами сталкиваемся при звонках в банки нам звонят.

227: Поэтому вот такие вопросы. Спасибо. Ну да, а я как раз хотел дополнить. Сейчас, сейчас, секунду. Для тех, кто смотрит потом видео. В зале был нервный смех. Я как раз хотел дополнить Александра и моё дополнение.

228: Ответ на 1 вопрос, да, собственно говоря, а почему мы решили это делать и чего хотели добиться? Есть такая компания росатом, да, у них есть подразделение, называется гринатом, там, где собрано все айтишники. И вот гринатом для своих структур, для всех своих, та,

229: 100 500000 предприятий, у них экосистема тоже наша, российская 1 сная. Все хорошо и на поддержку. Если мы с вами там 2 года тому назад перешли на ирпи мужественно шестью юридическими лицами, то они в квартал

230: Переводят 20, 25 организаций. То есть у них это поставлено на поток, поэтому у них потоковая работа, потоковая работа с пользователями. Все стоит на потоке. И вот они для себя внутри разработали такой продукт. Называется атом точка зая. Это как раз помощник, который

231: Они говорят, наконец то мы нашли того, кто прочитал все наши инструкции пользователей, всю документацию, да, вот показывали эффекты от применения, сокращение работы службы поддержки примерно минус там 40, 50%. То есть это кратное сокра.

232: Щение работы службы поддержки. Соответственно, количество вопросов, которые туда прилетают, это удовлетворённость пользователей, это лёгкость работы, поддержки старта и запуска этих систем. Цель такова, да, если говорить, а можно ли использовать

233: Другие решения, снимая розовые очки, точнее, надев розовые очки, можно снимая нельзя первоисточник, что данные информация, на основании которых это все работает, только мы являемся владельцами наших данных, только мы их изначально формулируем, генери.

234: Структурируем и передаём для обработки искусственного интеллекта. Пока мы этого не поняли, мы тоже думали так, сейчас мы тут это все так быстро у и полетим. Нет, не полетели. Михаил Николаевич, помните, сколько лет росатом учил свою систему, сколько он потратил

235: Они этим, этим озадачились. Ну, примерно года 3, наверное, назад. То есть у них опыт огромный, да, я просто по, ну, помню, и тоже их спрашивала. 4 года они её обучали, то есть, 4 года. Угу.

236: Я бы хотел только добавить, что, ну, заявки принимаются, как мы будем называть своего помощника. Спасибо. Да, девочки про базы данных сейчас будут общаться, рассказывать. Вот как Михаил Николаевич проговорил, что волшебства не получалось.

237: Действительно, не получилось стартовое описание идеи её полезности. Коллеги, каждый из вас в любом случае когда-то работал с 1 из, например, рабочим сайтом, да и однозна.

238: Значно. Либо кто-то искал для себя соискателей, кто-то был в качестве соискателя да, заходил в базу данных, заполнял формализованный запрос. Как действительно повторяюсь, Татьяна Александровна уже проговорила, и получаем нужное резюме настоя.

239: Текущий момент ситуация меняется в связи с тем, что инструмент очень сильно заряжен, очень и формализованный запрос выдаёт действительно нерелевантные, неинтересные, ненужные варианты.

240: И в итоге мы, со своей стороны, уже не используем волшебные фильтры, например, фильтр, район проживания, да, который уже, к сожалению, не работает. Или, например, пол, возраст, или, например, цвет волос. Ну, я шучу, конечно. Вот, но в любом

241: Случае мы понимаем, что эти запросы и фильтры уже не работают, и поэтому мы выстраиваем определённые дополнительные действия, с помощью которых мы можем, можем действительно что-то из этого инструмента выжить первоначально.

242: Буквально несколько вариантов. Первоначально мы запрашиваем у вас заявки, да, на основании этих заявок мы выделяем ключевые слоги, да, слова теги и используем первоначально их, но в любом случае мы понимаем,

243: Что это может привести как к худшему, так и негативному результату. Каждый из вас, кто вместе с нами работает, однозначно. Мы выбираем с вашей помощью идеальные резюме. Понятно, что идеальных нет, но все-таки лучшие удачные резюме.

244: И на основании них как раз уже идём с этим запросом и уже программа выдаёт нам нужные варианты, с помощью которых можно работать. Что делаем ещё есть резюме, когда мы находим интересного

245: Кандидата есть поток определённых резюме, которые есть на дополнительный подбор, и мы эту цепочку выстраиваем и отрабатываем точно так же, точно так же есть идеальное резюме, которое мы составляем даже сами.

246: У меня был опыт, когда я сама зашла на сайт, нашла интересное резюме, ой, интересную вакансию, открыжила своё резюме именно идеально, по полной программе и через час со мной созвонилис.

247: И пригласили на собеседование. То есть для меня это уже результат. Можно следующий слайд, что же у нас получается, не получается. И далее к исследованию я считаю, что у нас получается адаптироваться под новые изменения платформы у нас

248: Действительно, получается находить и понимать логику данного интерфейса. Очень хороший момент, когда мы понимаем, что мы можем с помощью данных инструментов анализировать рынок. И если мы говорим про вот 4 пункт у нас

249: Изучать языки интересных кандидатов и находить к подходу к поиску через призму потребностей. Это как раз на моём примере, да, то есть все это действительно работает, но детально проработано и без фильтров констру.

250: Вакансии есть классный вариант, который в принципе внедрили разработчики. В настоящий момент мы им пользуемся, что он даёт размещая вакансию, мы генерируем.

251: Наполнение. Понятно, что полностью информацию мы не выставляем, мы выбираем определённые нужную информацию, и это позволяет нам быть, быть в теме в настоящий момент и можно сказать, что развивать

252: Себя немножко, ну и улучшать свою ситуацию, да, далее, что у нас получается, получается с помощью данных систем выстраивать цепочку взаимодействия между соискателем и работодателем, так как они

253: Находится здесь и сейчас в 1 ресурсе. Это очень важно, но есть нюанс минус. Потом я расскажу о нём, что не получается реально. Перегруженность инструмента, очень много различных настроек. То есть, если бы мы в настоящий момент не на

254: Находились на в этом инструменте и постоянно в нём работали. К сожалению, мы ничего бы вам не предоставляли, никаких резюме и кандидатов. Есть это боль. Да, я на 1 слайде проговаривала о том, что есть

255: Конкретно фильтры, которые работают и не работают. Наверное, лет 5 назад мы обращались к хэдхантеру с запросом о том, что нам нужно было добавить фильтр именно месторасположения. И действительно, они предоставили нам эту

256: Возможность произвели разработку, но в настоящий момент этот фильтр не работает, и тем самым мы увеличиваем срок работы. И, ну, трудозатраты большие. Что же ещё не получа.

257: Не, все кандидаты адаптируются под данные инструменты, не все любят ии да, есть, наверное вы все встречались с идеальными резюме, правильно, есть такие классно составе.

258: Резюме, а есть неидеальные, есть резюме, которые пустые, не наполненные. И эта ситуация усугубилась именно с лета прошлого года, и в настоящий момент мы видим

259: Тех, кто не видите, в эту систему попадают некорректные резюме с минимальной информацией, с нецензурной лексикой. Это все есть. Если кому-то будет интересно, я все это покажу, да.

260: И что все-таки вот, ну, я как бы видела, но там не только нецензурная лексика, там ещё и нецензурные фотографии, да, я тоже все это покажу.

261: Очень нецензурно. Нет, это мягкий вариант. И опять же, минус, что не получается. Вот когда мы говорим о том, что мы выстраиваем цепочку с работода,

262: Соискателем негатив с нашей стороны, в чем выступает? Во первых, диалог, выстраивается внутри системы, но кандидат не видит наших контактов, он не выходит к нам на связь, и тем самым снижается активность.

263: Кандидата, он просто нас ждёт, да? Ну вот так это как бы минус далее к исследованию, наверно, вы все слышали о том, что есть чат боты, ну, говорили уже об этом, есть автоматические опросы, ххру даже

264: В конце прошлого года добавился новый инструмент, искусственный помощник, но он только в тестовом варианте идёт и буквально через пару месяцев он выйдет на рынок. Мы все это поэкспериментируем, но большой риск. Вот даже чат Ботов, вот.

265: Представьте, опять же, возвращаясь к кандидатам, которые не умеют размещать, не умеют пользоваться 100 конструктором резюме. Мы понимаем о том, что мы их можем просто пропустить, и это большие риски, и

266: Вот, поэтому нам нужно экспериментировать по этому процессу. Возможно, ну, это такая моя идея. Возможно создать какой-то свой инструмент для того, чтобы понимать. Я бы не сказала, что ххру классный.

267: Платформа. Все чудесно, но, возможно, мы можем предложить что-то своё. Ну, надо подумать. Вот и действительно экспериментировать, ещё раз экспериментировать и просто находиться в этом инструменте, пользоваться им. У меня все

268: Николай, сейчас, сейчас. Нет, все не будет.

269: Правильно понимаю, что это все работает на мощностях хэдхантер? Ну или все верно подобных. Да, да. Ну, тогда все риски инфобеза несут они и рисков нет, вопросов нет, рисков нет.

270: Вопросы?

271: Небольшой комментарий действительно, Галина рассказала о том, что это огромная база данных, в которой есть, казалось бы, структурированная информация, но на самом деле по содержанию семантически не структурированная, и как работать с этой базой данных с точки зрения пользователя.

272: И буквально вчера, позавчера был хороший пример, да, те, кто начинает понимать, как эта штука работает показательный пример. Резюме было составлено на основании рецепта варки пельменей. Вот прямо берём кастрюлю, 1, берём кастрюлю, наливаем 5 литров ввод.

273: Там и так далее, и так далее, так далее, так далее, так далее. Это резюме абсолютно идеально прошло. Фильтры алгоритмов искусственного интеллекта в хэдхантере выдало как наиболее релевантное предложение работодателю.

274: Hr специалист пригласил этого сотрудника на собеседование, начали собеседоваться, открыла резюме и начинает читать, только потом до неё доходит, что это рецепт варки пельменей, то есть вот когда ты понимаешь, как это устроено, ты можешь быстрее пользоваться результатом.

275: И обходить какие-то определённые алгоритмы защиты.

276: Тут ещё 1 момент. Это идеальное резюме. А вот Галя, искусственный интеллект может вам нам помочь в обработке большого количества откликов? Ну, например, недавно была вакансия, на которую у нас пришло буквально там за короткий период времени 3.

277: 350 откликов. Здесь есть Надежда на искусственный интеллект. Ну, опять же, здесь есть, я считаю, что да, но есть большие риски. Опять же, как только что я проговорила, что есть нечёткие неправильные

278: Корректное резюме, их вышло очень много. И чаще всего это ритейл, да, потому что, к сожалению, они нет этого опыта создания. И хотя мы говорим о том, что есть искусственный интеллект, возможно, он помогает, но не на 100%. То есть, если у человека не

279: Будет информации, которую он готов вложить. Извините, ну, здесь мы бессильны, а есть риск, что искусственный интеллект откажет кандидату, даст обратную связь, что ваше резюме не подходит. Я считаю, что да, это пока

280: Этих рисков мы избегаем. Я почему на эту тему сейчас ушла в рассуждения? Потому что уже были обращения от наших же коллег, которые говорят, что хороший кандидат. Посмотрите резюме, но ему было отказано. Напла.

281: Платформе хх ру. И вот в этом большой риск сейчас точно есть, потому что мы с вами больше заинтересованы в кандидатах и в закрытии вакансии, чем в процессе, да, работы с искусственным интеллектом.

282: Коллеги, Галина, огромное спасибо. Аплодисменты вообще.

283: Итак, помощник соблюдения сис в режиме 24 на 7. Технология, видеоаналитика, уже всем знакомый Александр.

284: Да я в 3 раз уже вприпрыжку выбежал.

285: Изначально идея звучала вообще классно. У нас 500 камер на территории видеонаблюдения, а мы в них только смотрим, как сделать так, чтобы умные системы программы в них сами смотрели. А мы, ну и нам подсказывали, что делать.

286: Как делать, куда смотреть непонятно, ну тем интереснее этот вопрос задали чату gpt и там за пару дней поняли куда дальше двигаться, посмотрели на рынок, есть готовые решения, но внутри предлагается какая-то магическая

287: Коробочка без понимания, а что именно внутри и как масштабироваться потом самим, соответственно, быстро поняли, что волшебной таблетки здесь нет и все решения с рынка, они требуют адаптации на месте.

288: Также начав раскапывать эту тему, быстро поняли, что ложные срабатывания это нормальная особенность таких систем системы мыслят вероятностью. Ну, я с вероятностью 98% человек, а не столб. И если отойду подальше, то ну, будет ещё

289: Хуже тему с сизами взяли, как не просто простой, а, ну не только простой, а наиболее распространённый кейс на рынке, поэтому с него и начали. И поэтому сейчас в основном про него и говори.

290: И как увидели сегодня полезность, выявление системных нарушений, динамика от управленческих решений. То есть видим картину, где нарушения системны, понимаем, почему и делаем среду безопаснее. Что интересно, сотруд.

291: Сотрудники знают о наличии камер 24 на 7 и о том, что видеоаналитика активна, это само по себе повышает культуру охраны труда, техники безопасности. Ну и дальше мы попробовали двигаться дальше и попро.

292: Бывали такие темы или посмотрели использование привязи на высоте. Поисследовали, попробовали, не понравилось. С 1 стороны, это очень маленький, ну привязь это очень маленький объект для видеоанализа. С другой стороны, такую систему очень

293: Легко обмануть пересечение линий безопасности. Пробовали? Ну, не очень то понравилось здесь Михаил Кочергин пробовал другую технологию, более подходящую для этой области, это радио.

294: Метки, когда они сигнализируют об опасном сближении человека с автопогрузчиком, тепловые карты для оптимизации движения автопогрузчиков, складских операций, управление парковкой не пробовали? Классно, надо.

295: Обнаружение смещения одежды машин попробовали, понравилось время отклика нас устраивает, но это как хорошая отправная точка, как быстрое дешёвое решение для попробовать и понять эффект ценность от этого, прежде чем внедрять

296: Дорогое промышленное оборудование. Ну и крайняя строчка здесь выявление и классификация брака в потоке, по моему, самое выгодное, но в то же время спорное решение. То есть, да, с 1 стороны, мы можем на той же линии перера

297: Прям на скорости видеть, выявлять брак, смотреть на его виды с другой стороны, а готовы ли мы автоматически отбрасывать такую продукцию в брак, учитывая процент ложных срабатываний?

298: То, как выглядит инструмент, вычислительные мощности наши картинка с камер видеонаблюдения никуда наружу не выходит. По интерфейсу видим текущие события по датам, можем посмотреть.

299: Динамику в периоде работает сейчас на ццв и процент точности более 90%.

300: Тик ага, получается, инфраструктура готова и достаточно для прототипирования для исследований и каких-то маленьких кейсов.

301: Насмотренность и осознанный выбор. Мы понимаем, где эта технология. Целесообразно её применение, а где лучше остановиться на том, что нам уже всем знакома технология. Пилот контроля сис на участке ццв показал

302: Практический результат уже на старте. И решение на рынке не эталон. Реальные условия толкали нас находить более эффективные решения. Здесь хороший пример есть. Мы долго боролись с качеством изображения с нашей камеры, они

303: Цифровые классные, все вроде бы хорошо, но картинка иногда затормаживает, иногда там полосы, иногда что и было просто очень много ложных срабатываний по итогу нам пришлось создавать, обучать отдельную нейросеть, которая очища.

304: Для нас данные, только потом уже 2 нейросеть действует по цели. Такого на рынке я ещё не видел.

305: Не получается масштабировать решение контроля сис на все цеха, интегрировать события системы охраны труда. Ну то есть видеть больше в 1 месте не дожали добавление новой камеры в новом месте или перемещение старой камеры.

306: Почти всегда потребует дообучения модели. Это особенность таких систем. Очень сильно влияет внешняя среда. Освещённость. Чем больше объектов распознает модель, чем больше она их знает, тем выше вероятность сложных срабатывании.

307: И технология, ну, если мы говорим о технологии йола, самая распространённая в таких кейсах, она подходит для выявления тенденций, для аналитики, но не для реального времени.

308: Далее к исследованию здесь написали такие интересные мысли, которые точно хочется исследовать применение слоистой архитектуры распознавания как раз не учить всему и сразу 1 большую модель.

309: Опять же расколоть её на множество маленьких специализированных моделей, где каждая видит и знает только своё. Это увеличит точность, при этом не сильно то и повысит потребление ресурсов, применение карусели внимания, когда у нас

310: Мощности всегда ограничены, и система может выбирать каждый день новые случайные 20 камер. Таким образом, увеличивая охват и без увеличения мощностей. Ну и, соответственно, освоение технологии видеоаналитики, пригодной для

311: Для работы в реальном времени, в условиях производства.

312: В завершении хотелось бы сказать то, что сегодня не стоит вопроса, как, а что, скорее, где технология видеоаналитики будет, ну, на самом деле, для нас приносить пользу, где будет наиболее эффективно у меня все, спасибо.

313: Ну традиционно, покуда это все работает на наших мощностях это относительно безопасно. Единственный вопрос, кто имеет доступ к этой системе, потому что он будет видеть внутренние помещения, ну и наблюдать в целом к sister.

314: Видеонаблюдения будет иметь доступ если или когда мы захотим распознавать конкретных личностей на кадрах, то здесь возникают уже персональные данные. Скорее и дополнительно нужно будет подумать на эту тему, да, как раз

315: Распознавание тоже думали и вовремя остановились.

316: Да, я хотел бы сразу прокомментировать распознавание лиц, да, с помощью этих систем. Это уже не просто персональные данные, это биометрическая информация, которая существует уже законами Российской Федерации, она подлежит отдельному согласию гражданина. Все.

317: Находится в базе государственной и без этих вот данных обрабатывать такую информацию нельзя. Штрафы огромные, там просто катастрофичные. Поэтому, когда мы к этому подойдём, помимо того, что есть уже соответствующее оборудование, технологии, надо вот эти вопросы, тож

318: Будет обязательно учитывать, пока они на сегодняшний день всем говорю, вопросы были, мы биометрическую информацию не обрабатываем, фотографии на пропусках не являются биометрической информацией, является элементом диза.

319: Тайна пропуска скуд обрабатывает только информация цифровая, которая внесена в компьютер, не фотографии, поэтому успокойтесь, закон о персональных данных нами соблюдается в полном объёме.

320: Так, ещё вопросы?

321: Спасибо Александру. Спасибо.

322: Итак, коллеги, давайте поговорим предметнее об информационной безопасности, ну и, конечно же, начнём с минутки информационной безопасности. Буквально уже в этом году в 26 обнаружили

323: Возможную потенциальную утечку учётной записи 1 из наших коллег итшников. Конечно же, под угрозой вся наша инфраструктура, он работает удалённо, может подключаться, под ним могут подключиться и выполнять различные

324: Намерены действия, отреагировали. Какие выводы у человека работал антивирус, не помогло. Работает через vpn. Ну то есть доступ такой ограниченный недостаточно. Возможно, нас спасла в этой ситуации только двухфакторная аутентификация, кото

325: Которая была у него включена. Это важно, что ещё нужно сказать, в связи с этим ответственность за данные и за безопасность предприятий не заканчивается с выходом за территорию безопа.

326: Опасности много не бывает. Нужно сохранять хотя бы достигнутый уровень внедрённых информационных систем, не снижать его даже в тяжёлые времена. Ну и взорваться условно взорваться может любой, даже опытный человек. Итак,

327: Открываю к докладу, открываю новостные сайты, читаю новости. Пентагон. Нет, Юра, пока назад, пожалуйста. Пентагон внедряет искусственный интеллект в свои системы принятия решений.

328: И планирование действий. Китай испытывает автономных роботов на полигонах. Это Чёрная сторона искусственного интеллекта. Здесь мы ничего не можем поделать. Давайте обсудим тёмную сторону, где мы хоть какое-то влияние имеем. А вот теперь

329: Слайд итак, основные тенденции, текущие в целом в инфобезе последних нескольких за несколько лет во всю процветает кибер терроризм что это такое?

330: Злоумышленники не просто пытаются получить финансовую выгоду от взлома, от шифрования, получить выкуп, они стремятся разрушить инфраструктуру и прекратить бизнес остановить бизнес хакеры на госслужбе.

331: Ну, все уже наслышаны. Раньше, только северная корея, сейчас любая уважающая себя страна содержит прямо в армейских частях человек. Как водится, самое слабое звено, чем бы мы, какими бы мы системами защиты не обмазались.

332: Человек найдёт способ их обойти, проигнорировать, попросит службу поддержки. Отключите мне, пожалуйста, 2 фактор. Я больше не могу вводить эти коды. Есть такие случаи. Мы, как руководители, обязаны быть амбассадора.

333: Кроме безопасности так себя не вести, здесь нужно добавить больше 70% проникновений на в инфраструктуры предприятий начинается с банального фишинга. Говорим про это, говорим. Ну,

334: Здесь не только вина человека, сам фишинг становится сложнее. Скажу об этом дальше. Ну и злоумышленники в 25 уже взялись за эту тему, во всю используют искусственный интеллект в ходе атак.

335: Анализируют соцсети сотрудников, выявляют его интересы, генерируют фишинговые письма, так что на них, ну, почти невозможно не клюнуть, что и происходит. Войс фишинг, он же вишинг, голосовой фишинг по

336: В звонках и дипфейки видео подделки высокой достоверности уже вовсю, в ходу раньше нам только писал генеральный директор, теперь будет ещё звонить и участвовать в зумах пере.

337: В сомнительных случаях задавайте вопросы. Уже есть примеры атак, когда искусственный интеллект прямо на ходу подбирает тип и параметры атаки в зависимости от ответа от

338: Систем защиты это автономные атаки с помощью и, пожалуйста, уже человек не нужен. Также в ходе атаки софт атакующий может писаться прямо на лету. Он не скачивается. С каким

339: Каких-то серверов, он не хранится на диске. Антивирусы на него не среагируют. Естественно, обнаружить такое сложно. Используются вполне легитимные системы для написания кода. Надеюсь.

340: Разработчики вендоры защитных систем что-то придумают. Ну и всем интересно. Самая кровь, кто пострадал в последнее время винлаб и белуга взломали инфраструктуру простой.

341: Отгрузки 2 дня, ущерб полтора миллиарда. Ну, за эти 2 дня Гаскар групп производитель боевых Дронов очень весело украли всю конструкторскую документацию, стёрли её, остановили.

342: Процесс разработки и заблокировали двери в производственных подразделениях. То есть люди из цеха не могли просто выйти и пользовались аварийными выходами аэрофлот. Ну, самое, наверное, нашумевшее интересный кейс.

343: Более 7000 серверов выведено из строя, отменено больше 100 рейсов, ущерб не разглашают, в чем причина пароли записывают в открытом виде, незашифрованном.

344: Слабосегментированные сети, нет двухфакторной аутентификации, устаревшая операционная системы уязвимые пожалуйста, результат у нас чуть получше, но не хотелось бы слишком сильно выпячивать грудь, чтобы потом не краснеть. Кого ещё мо.

345: Нужно отметить лукойл простой около месяца не пострадала, к счастью, добыча и розница может быть, поэтому не так сильно на слуху слайд.

346: Тенденции в цифрах. Ну видно что кратно растут утечки через и сервисы через chat gpt растёт тот самый целевой фишинг, сгенерированный искусственным интеллектом в полтора раза.

347: Кратно растут размеры выкупов, которые требуют злоумышленники люди привыкают, отвыкают гуглить и яндексить и начинают пытить, использовать генеративный поиск.

348: И соответственно, данные сливают из громких кейсов инженеры самсунг уже несколько лет назад допустили многократные утечки, ну секретного конфиденциального исходного кода своего софта, потом chat gpt.

349: И топай требовали удалить это со своих серверов. Не знаю, удалось. Нет, ну и не абы кто, исполняющий обязанности агентства государственного агентства по

350: Информационной безопасности всея сша допустил утечку выгрузку, просто выгрузил контракты в chat gpt со своими контрагентами, перед этим намеренно попросив

351: Доступ у них изначально он был закрыт в chat gpt, а потом использовал служебное положение, чтобы подчищать следы, чтобы его не поймали слайд.

352: Ну и да, вот я сказал, что люди привыкают пользоваться искусственным интеллектом, генеративными помощниками и настолько им начинают доверять, что перестают задумываться о безопасности их использования здесь.

353: Нужно людям регулярно напоминать через цифровой иммунитет.

354: Есть специфичные атаки конкретно на инструменты искусственного интеллекта, на машинное обучение и большие языковые модели. Атаковать можно данные на этапе обучения, данные можно украсть, это интеллектуальная собственность можно отравить и заставить тем самы

355: Результирующую модель вести себя непредусмотренным образом, но желательным для злоумышленника атаковать можно саму модель в процессе её работы тоже подсовывая ей специфичные исходные данные. Модель можно укра.

356: Через множественные запросы, вычислить её весовые параметры и тоже украсть интеллектуальную собственность. Тем самым можно её просто подменить. Можно атаковать инфраструктуру. Серверы, на которых работают эти модели, их перегрузить или исполь.

357: Взывать недостатки в реализации программных интерфейсов или процессов передачи данных между и агентами. Ну и все. Мы пользуемся, я надеюсь, языковыми моделями. Так или иначе здесь

358: Актуален актуальна атака подмены Промтов или промт инъекции, когда с помощью клиентского запроса промта систему заставляют игнорировать системный промт, который задаёт ограничения безо

359: Опасности. Ну то есть система начинает вести себя небезопасным образом. Слайд

360: А как же дела у нас? Мы провели беглый обзор обезличенных данных запросов наших сотрудников к языковым моделям, ну и slide пустой, не то чтобы нечего сказать.

361: Обнаружили при генерации кода 1 программы утечку апи токена, что эквивалентно утечке пароля доступа к информационной системе слайд.

362: У меня последний слайд. Не надо меня выгонять. Что мы можем со всем этим сделать? Усиливаться, конечно же, усиливаться, прежде всего, ну или, начиная с внутренней нормативной документации, мы разработали черновые варианты.

363: Документов. Это политика использования системы и очерчивает в общем виде Роли рамки и ответственность при разработке эксплуатации системы искусственного интеллекта, регламент работы с ii за.

364: Даёт конкретный алгоритм для разработчика и эксплуатанта, который он должен пройти, чтобы разрабатывать свою систему. И там же мы регламентируем использовать и прокси, который уже развернут руками Александра. Спасибо.

365: Как и центральную точку для решения искусственного интеллекта, и, соответственно, это становится точкой контроля и управления. Регламент оценки рисков выдержки из этого документа я привёл здесь с помощью него разработчик, может оце,

366: Допустимость применения системы, разрабатываемой он идёт в 1 таблицу, отвечает на несколько вопросов, суммирует полученные баллы с этими баллами суммой баллов, идёт во 2 таблицу цветастую и смотрит соответствующие колонки.

367: Какие данные он может обрабатывать данной системой? Какие-то может какие-то может только с использованием систем защиты, например, обезличив исходные данные, либо анализируя запросы в свою систему.

368: С помощью отдельной системы безопасности, либо вообще не может анализировать такие данные. Принятие таких документов уже выведет нас в лидеры внедрения систем искусственного интеллекта.

369: На российском рынке. В целом у меня все, спасибо. Угу. Я бы сейчас задала вопрос, да, Николаю, но вот, к сожалению, он здесь, коллеги, другие вопросы.

370: Саша не wally меня мы договариваемся человек, которого в самом начале Николай рассказывал взломали, угнали пароли, чьё имя мы ни в коем случае не раскрываем, на самом деле достаточно.

371: Глубокие знания. У этого человека информационная безопасность. Тем не менее, было очень грустно на 2 недели лишиться всех доступов и, по сути, полноценно работать. Тут Николаю спасибо огромное. Молниеносно быстро, чётко отреагировал. И потом

372: Постепенно и осознанно включал. Дальше возможность поработать. Спасибо. Безопасности много не бывает. Мы можем ещё обмазываться системами защиты. Николай, большое спасибо за ваш доклад. Знаете, я вот

373: Слушаю вас, как бы, футбольной терминологии, да, этот до перерыва у нас, значит, нападающие выступали, да, и сейчас перед нами стоит вратарь. Вот я к чему.

374: К тому, что вы очень важный аспект подсветили, что фантазировать, да и мечтать значит применять искусственный интеллект в практической плоскости для нашего предприятия нельзя. Нужно

375: Жить в тех ограничениях, вот о которых вы сказали, чтобы, значит, информбезопасность обеспечивала там стабильность, целостность, ну и весь периметр, доступность. Большое спасибо за ваш доклад. Вопрос.

376: Нет, да, здесь важно не перегнуть палку и не вставлять палки в колеса разработкам, что делают многие традиционного склада предприятия в нашей стране они просто не могут внедрять.

377: Системы искусственного интеллекта, потому что инфобез Ники им этого не дают сделать. Нам пока удаётся договариваться Александр.

378: Это, это я при пользовании вот чем-то ещё что нужно сделать для того, чтобы информация не была Слита по предприятию. Вот.

379: Просто её туда не предоставлять. А это какую информацию, где может быть это возникнуть, на каком этапе на этапе вашего запроса? То есть только вы можете её предоставить. Вот если говорить именно про языковые модели, то только вы задаёте исходный контекст, который будет

380: Моделью обрабатываться, то есть то, что вы в неё зашлёте, уже нельзя будет оттуда удалить, может ею дальше использоваться для собственного дообучения и всплыть в ответах другим пользователям. Если вы что-то расскажете излишнее, то есть

381: Откуда ты знаешь? Спасибо, но я думаю, по искусству не будет ещё многих.

382: Да, здравствуйте. Сегодня расскажу наш опыт нейросетевой обработки промышленной информации. Когда появились нейросети, мы подумали, что они умеют хорошо делать. Как нам заявлялось, что они умеют работать с tech.

383: Анализировать, обобщать, строить картинки, графики и много других штук. И мы решили всю эту мощь направить на наши, ну, на наши данные у нас на производстве есть

384: Система учёта Холостых Ходов и простоев это база данных большая, в неё попадают наши простои, а потом пользователи у нас анализируют эту информацию, технологическая служба и пишут комментарии к каждому событию и

385: Насчёт на основе этой информации генерится большое количество отчётности и для всех базовых каких-то штук. Есть шаблоны отчётов, но если какие-то уникальные нужно отчёт создать, то пользователь брал, ну берет и выставляет огромное количество фильтров.

386: Получает информацию, грузит в эксель и делает вот такую картинку. Дальше, пожалуйста. Вот. И мы решили обрушить вот эту всю мощь нейросетей на наши вот ранжированные данные. И что мы придумали? Пользователь пишет, хочу

387: Что-то, ну например вот хочу диаграммку и ему за 20 секунд хлоп и диаграммка на основании каких-то промышленных данных вырисовалась, он не использует эксель, он не использует фильтры никакие не пишет, он просто говорит хочу и все у него получается дальше.

388: Пожалуйста. Вот. А пользователь может быть не 1, а их может быть целая куча, и они туда могут писать не только построй диаграммку, а почему был простой? А предложи мне оборудование получше. А кто в этом виноват? Напиши письмо.

389: На службу, ответственную за простой, ну, в общем, массу, массу каких-то сценариев, он может использовать, но у нас что-то не получилось, потому что никто не слышал истории успеха, как нам нейросеть починила весь завод и как мы зажили, очень хорошо.

390: Дальше пожалуйста. А вот здесь те проблемы, с которыми мы ярко столкнулись вот здесь, вот на картинке, дипси пытается дотащить до пользователя весь тот контекст и всю информацию, которую в него загрузили все факты, он использует кучу математики.

391: Но успешно у него это сделать не получается. Дальше, на примере покажу, как это происходит. А ещё они галлюцинируют, придумывают ситуации из воздуха, которых не было. Они не знают, что есть в реальном мире. У них нету связи, они не знают, вот конкретные события это причина или

392: Следствие устранено, оно уже или нет, они тоже про это ничего не знают. А ещё в них критически мало данных детальных про наши бдм, про наше производство. То есть какие-то общие информации, как делается бумага, они знают, но в детали оборудования, ну нету там этих

393: Этой информации.

394: И вот на примере, как, как у нас это все получалось, у нас есть условный Вася и Петя, 1 начальник цеха, а другой начальник службы асутп, с утра Вася и Петя пишут запросы в ii аген.

395: Расскажи, какие у нас простои были за предыдущую смену. Ну, по стп, и начальнику стп. Она говорит, а не было никаких простоев. У тебя все, у тебя было хорошо, а начальнику цеха, она пишет, вот такие вот простои были 40 минут, да, и дальше они идут.

396: Общаются на оперативке, и у них случается конфликт на этой почве, потому что им предоставила разную информацию. И вот здесь вот, с другой стороны, пример запроса, да, и вот снизу показано, что нейросеть не учла, ну, половину событий выкинула просто из контекста, ну,

397: Как бы это очень критично.

398: Но, тем не менее, у нас получается работать с нашими базами данных, обрабатывать как-то, ну, какую-то производственную информацию, можно поговорить по душам с и о нашей производственной информации, что не получается, не получа.

399: Обеспечить стопроцентную гарантию того, что пишет ии. Оно является правдой, не получается у нас убрать галлюцинации ну ни у кого не получается, да, кто работает с ii ещё ни у кого это не вышло и обеспечить суверенитет наших данных не полу.

400: Получается, то есть наша вот эта, вот, внешние модели работают с копией наших данных во внутрь, они доступа не имеют, но мы вынуждены для использования и tester самых максимальных возможностей искусственного интеллекта использовать внешние модели и соответственно,

401: Какую-то часть нашей производственной информации мы им открываем. Далее к исследованию мы поддерживаем все вот эти штуки в тонусе и смотрим, когда же уже нейросеть превратится из студента в технического специалиста. Пока мы видим, что

402: До этого ещё пока далеко, конечно. И вот постоянно используем, мы видим вот этот вот тренд на улучшение качества, да, распознавания и взаимодействия с ii. А ещё мы сталкиваемся с такой проблемой, что если

403: Мы разработали софт, который работает с ии каким-то агентом. Не факт, что через 2 месяца он будет тоже работать, потому что все нейросети развиваются, методы всегда новые, и постоянно приходится переписывать весь этот софт. Это тоже

404: Как наше исследование, мы всегда в трендах остаёмся и пытаемся поддерживать наши инструменты в актуальном состоянии. Вот и ждём, когда наконец нейросети станут инженерами и кого-нибудь до заменят.

405: Спасибо. Аплодисменты. Так, сейчас нам Николай скажет, ну, часть проблем уже озвучена, что мы отправляем свои данные какой-то системе, у которой перед нами никаких обязательств, поэтому либо использовать

406: На своих мощностях, либо хотя бы те модели, у тех контрагентов, модели, с которыми хотя бы какие-то юридические отношения есть, и обязательства. Это раз. Во вторых, gpt у нас есть юридические

407: Во вторых, вот там на слайде теллеграм во всю используется, да, это тоже такой использовался. Теллеграм использовался ранее. Да, сейчас это, конечно, утопичная история. Переходим в православный.

408: Битрикс. Иван, у меня вопрос про хочу. Вот вы там показали, вот смотрите, вы не 1 из

409: Сегодняшних выступающих, которые обозначают вот эту проблему, глюнов ловите, да, это и в своём докладе вы показали скрин, да, как вы формулируете, запрос. То есть там, не здрасьте, не там, я ivan там.

410: Http, да, там, а сразу хочу и в атаку. Вот, потом вы говорите, это мусор кидает вам. Вот мой опыт, да? Ну, во всяком случае, меня так научили, я сначала позиционируюсь, да, то есть я говорю, я там

411: Инженер, я врач, да, потом формулирую запрос и добавляю там уважительное обращение, да, там уважаемый дипси, да, там, вот, и мне-ка,

412: Кажется, вот это работает. Ну, что называется, с вариантами. Там Голюнов уже гораздо лучше. Как считаете?

413: Надо было видеть лица коллег с производства. Да, да, мы все это прекрасно понимаем, но и это так и есть. Когда вы вкидываете какой-то контекст, кто, ну, по должности, например, он лучше позиционирует вам ответ, чтобы он вас больше сильно, ну, ещё

414: Более удовлетворил этот ответ вас, но когда мы пишем в telegram бот это только вершина айсберга, потому что вот мы написали, на самом деле, он, этот telegram бот отправляет в этот, в наш софт, наш софт ранжирует этот вопрос, он

415: Понимает примерно, о чем его спрашивает пользователь ещё до искусственного интеллекта. Потом он у искусственного интеллекта спрашивает, а напиши мне запрос в базу данных. Потом он пишет запрос в базу данных, оттуда эта информация достаётся. И вот такие вот

416: Фишки постоянный ПИН понг такой идёт и там уже все эти вот штуки учтены, что ты как инженер там, ну и весь контекст учтён уже. Поэтому в боте мы просто пишем. Хочу чтобы как раз пользователей не напрягать. Не, не, а я

417: Представляю, да. Ну, дежурного по цеху, да, который идёт и пишет. Я такой-то уважаемый дипси, не будешь ли так добр? Вот я просто представляю эту картину. Угу. Прошу не отказать. Будь добра, да, и так далее, да.

418: Да, да, да. Учти, что у Дмитрия анатольевича сегодня. Да. Коллеги, ещё вопросы.

419: Коллеги, добрый день. Ну, название короткое. Доклад достаточно тоже коротко выстроенный, обрезанный, я бы сказал, давайте посмотрим, что мы там подготовили решение на самом деле, классической ситуации. То есть мы как производители гофра упаковк.

420: Имеем у себя определённый набор гофра линий, производящих гофроупаковку, и в конце каждой линии у нас должен производиться процесс укладки, но прогресс не стоит на месте скорость.

421: Мощности растут и люди перестают справляться в определённых условиях. Они попросту устают. Решение, конечно же есть. Можно дальше решение это роботизация этих процессов, то есть берём, ставим определённые манипуляторы, заменяем частич

422: Персонал решение достаточно надёжное, безотказное. Дальше посмотрим, из чего же он состоит и состоит. Он из основных частей. Это захват для картона и подкладных листов. В нашем случае набор

423: Сервоприводов, непосредственно отвечающих за перемещение по осям. В нашем случае осей 4 и система управления, которая обрабатывает все процессы. Далее предлагаю

424: Живой кусочек, он даже со звуком получился.

425: Скорость робота порядка 75%. Когда стоишь рядом и он начинает ускоряться в ту сторону. Невольно хочется отойти. На самом деле все безопасно. Существует ограждение. Здесь мы видим, что процесс

426: Цикличен коробки поступают по транспортной системе, по конвейеру, центруются, перемещаются по определённому алгоритму.

427: На палету в данном случае окладные листы также укладываются в определённом порядке.

428: Если обратить внимание сервопривода, здесь двигатели с обратной связью, кусочек минутный, он где-то, да, я думаю можно дальше основные процессы, которые хотелось бы посмотреть и поискать, где же

429: У нас искусственный интеллект в нашем роботе. Во первых, мы должны определить, что пачка продукции. Упаковка поступила для транспортировки. Она была выпущена линией искусственного интеллекта. Здесь нет никаких камер, ничего не используется. Это набор сен.

430: Датчиков, которые отдают сигнал на манипулятор и определённый алгоритм, даёт задание переместиться сервоприводам в нулевую точку при перемещении 0 точки срабатывает захват.

431: Срабатывает алгоритм, что я захватил. Давай дальше следующий шаг и следующее. Это у нас перемещение. Перемещение выполняется тоже без искусственного интеллекта. Абсолютно это просто вычисление определённых траекторий. И конечно же, мы должны

432: Понять, куда нам сложить нужную пачку интеллекта, здесь тоже нет. Как ни странно, оператор заранее определяет варианты укладки, как заказчик попросил изгото.

433: Наборов. Дальше оператор также вводит размеры пачки и математически вычисляется место каждой типа продукции. Ну и конечно же система управления, как ни странно, тоже без искусственного интеллекта это закрытый контроллер, в котором заранее

434: Определены все алгоритмы, все свойства, которые он будет выполнять, что немаловажно скорости перемещения все заранее занесены и высокоточно отстроены дальше.

435: По итогу искусственного интеллекта в роботе нету. Можно ли его там реализовать? Можно, например, сделать систему распознавания пачки продукции, там качество, да, но минусы у этой системы также будут, искусственный интеллект также можно применить.

436: К вариативности, размерам пачек и вариантам укладки тут действительно есть, интересно, чем подумать, но сейчас операторы с успехом справляются, просто выбрав готовые варианты укладки, по итогу скажу, что искусственный.

437: Интеллект это, конечно, интересно, но в производстве мы вынуждены использовать решение, которое позволяет нам выпускать продукцию 24 на 7 с высокой точностью без Сбоев. А искусственный интеллект это все же креативное решение, которое в производстве на сегодняшний

438: День применять опасно у меня все, спасибо.

439: Сейчас, Николай, у меня свой вопрос. А можно слайд с видео?

440: Вопрос, вот пусть он мне как бы показывает у меня вопрос. Вот я смотрю на это, и бдм, это робот не так кто, как бы, вот, вот для меня вот то, что я здесь видела, что я вижу, бд.

441: Для меня и то и то, робот, давайте проголосуем для кого бдм робот?

442: Так, нас мало. Хорошо. Не о, я, я не подготовилась, я только устно подготовилась. Для кого бдм, это как бы автоматизированный комплекс просто.

443: Александр, тебя.

444: Я скажу, что это автоматизированный механизм, который имеет элементы роботизации, скорее так с каждым годом роботизация.

445: Коллеги, у нас вот вышел мой подкаст, как бы сказать, Игорь интервьюировал, и скоро у ивана Тарасова выйдет подкаст. Его там тоже пытали. Что такое робот? Вот он крутился, как это уж на сковородке, пытаясь ответ.

446: Ответить на этот вопрос. У вас будет возможность послушать его ответы. Николай, ну, искусственного интеллекта нет, специфичных каких-то вопросов, с этим связанных, задать невозможно. Надеюсь, соблюдены традиционные меры безопасности. Он в

447: Промышленной сети без доступа в интернет для своей работы не требует доступа на сервер разработчика производителя, для работы он действительно не требует никакого доступа, он абсолютно автономен.

448: Есть определённая возможность техподдержки, удалённой от производителя, но нужный штекер в нужный момент подключается и отключается при необходимости.

449: Александр, я правильно понял, да, вот в своём докладе вы сказали, что когда подошли к этому роботу, да, невольно хотелось это там чуть чуть отойти, да, на безопасное расстояние. То есть, когда мы говорим о безопасности, да,

450: Что если не хочешь получить, да, вот, вот этой рукой, то без искусственного интеллекта. Ну и соответственно, наоборот, да, совсем так. Подожди, подожди, подожди, не совсем так в данном случае.

451: Я пытаюсь отойти, потому что ускоряется он достаточно быстро и движется на тебя с огромной скоростью просто, но он также быстро тормозит. То есть тело хочет отойти. Мозг понимает, сейчас он остановится, все хорошо, применив искусственный интеллект.

452: В данных манипуляциях его нужно применять ограниченно на движение, его не нужно применять. Это простые регуляторы, которые очень хорошо отточены на заводе, имеют определённые коэффициенты и искусственный интеллект сюда допускать не надо.

453: Так, коллеги ещё.

454: Александр, огромное спасибо. Аплодисменты.

455: Управление подходом грузового транспорта Минеев Алексей, Трошнев, Николай и Нелюбина Татьяна, это я, и я начну эту печальную, ну, для меня задачку, так сказать, мой слайд немножко печальный.

456: Хорошо будет, когда уже Николай выйдет. И, и Алексей, а я была свидетелем того, как перед тем, как у нас получилось 2 3 раза, этот проект помер.

457: Да, ничем не не реализовавшись. Какие у нас были иллюзии, 1 иллюзия формулируем расписание с окнами, назначаем каждой машине своё окно, информируем отправителя грузов. Все идёт по расписанию. Шикарно, с чем мы

458: Столкнулись реальность, транспорт выезжает заранее, подходит кластерами, группами и ранее назначенного времени загромождает подъезд и проезжую часть. Ну, все знаем, да, в голованово 2 иллюзия. Сейчас построим мат.

459: Подхода транспорта или подключим искусственный интеллект. Они будут учитывать вот уже эти окна на рампах, погоду, выпуск там, ну, готовую продукцию, время суток и будут давать нам правильный график отгрузки. Ну что

460: И, и мат, модель и искусственный интеллект. Ну, на самом деле, эффективны только первые несколько часов дней. Это опыт моей, ну, сказать, подобных проектов в других компаний. Мой там, ну, Николай ещё свой скажет.

461: Дальше начинаются расхождения, которые будут увеличиваться. То есть мат модели искусственный интеллект могут предсказывать только понятные и оцифрованные вещи. А вот просто вот сделай вот мне, ну, как бы прогноз по моей

462: Проблеме, да, вот у меня здесь не получается какое-то время она может работать, но потом она киснет. Николай Трошнев, можно сразу следующий слайд. Коллеги, здравствуйте.

463: Я сейчас сначала расскажу, когда начал, погружался в эту тему, решил, ну, просто в интернете посмотреть. А вообще есть ли успешный опыт каких-то транспортных компаний, да, логистических кто?

464: Действительно успешно внедрили искусственный интеллект, и на удивление было 3 лидера, то есть из них 2 отечественных, это был деловые линии и сдэк. И когда я посмотрел на эффективность именно их внедрения, то есть какие эффект

465: Они получили, то есть это 2 основных, то есть это снижение расхода топлива за счёт того, что они смогли оптимизировать саму логистику. То есть, ну, вывод такой как бы неоднозначный на самом деле.

466: Потому что сейчас любой, по большому счёту, навигатор, он способен это сделать. Вот. Но был, тем не менее, 1 интересный эффект, о котором я чуть скажу позже, что предлагают

467: Все, скажем так, компании, которые более или менее смогли разобраться с подобной проблемой, да, то есть это 1 глубокий аудит. Да, и здесь важно понимать нашу ееще проблематику.

468: Которая связана с тем, что мы работаем не только собственным транспортом, как, допустим, любая логистическая компания, тот же, те же деловые линии или сдэк, и кто бы то ни был здесь, мы сталкиваемся с проблемой собственного транспорта, транспорта, поставок сырья.

469: То есть макулатуры плюс древесного баланса. И эти потоки необходимо, грубо говоря, физически разделить. Либо это организационно, может быть это какими-то капитальными

470: Средствами, да, затратами. То есть это как бы очень важно при таких сложных проектах. Вот также когда делается

471: Кластеризация, про которую говорила Татьяна Александровна у этой кластеризацией тогда, возможно, будет частично управлять. То есть, если мы начнём делать воздействие на собственный транспорт, то мы уже сможем

472: Разбить на кластеры и запускать непосредственно по определённым в определённое время и, не загромождая весь основной грузовой поток. Ещё 1 из таких очень важных путей возможно.

473: Реализации. То есть это использование буферов, буферов, уравнителя для транспорта. То есть это использовалось даже на опыте. В другой компании это большое количество собственного, опять же, транспорта. Задача стояла

474: Ритмичного подвоза, сырья без загромождения кпп.

475: Было настроено расписание въезда и выезда, и в том числе были настроены, причём не 1 буферная стоянка, а их несколько по разным маршрутам для того, чтобы водитель, понимая, что он едет раньше времени, он мог

476: По маршруту встать и дождаться определённого времени. То есть у них прям были, ну, выстроена прям тоже как раз-таки модель вот настроить процесс диспетчеризации. То есть это основная, 1 из

477: Основных вещей, которые нужно делать, тем более что при собственным транспортом сейчас есть очень много инструментов для настройки. То есть это приборы слежения, то есть как как топлива, так и геолокации и, соответственно,

478: Чем мы уже лучше настроим физические потоки, то есть нам мы чем больше мы их превратим в какое-то статистическое состояние, тем проще и эффективнее внедрять те же мат модели и

479: Дальнейшее возможное использование искусственного интеллекта. Вот, и как раз само по себе использование искусственного интеллекта. Вот вернусь к тому, что читал из опыта внедрённых

480: В других компаниях как раз это, по моему, деловые линии были, они его используют в качестве подготовки документов к отгрузке, пока водитель находится в пути. То есть загружается вся информация.

481: Выдаётся в деловые линии, они загружают, и к моменту подъезда у него все уже непосредственно, документация вся находится на руках. То есть здесь они поймали от этого эффект и сократили время на оформление, на вход машины, в непосредственно на территорию. Ну и

482: И также ещё, в принципе, возможно какие-то другие решения, да, то есть это метки, некие подсказки, ну и предикция подхода транспорта. Далее Алексею передаю слово.

483: Коллеги, всем здравствуйте ещё раз, мы занимаемся, ну, я лично занимаюсь вопросом подхода транспорта. Там 3 год в этот проект вступил, ещё будучи там в продажах. Вот справочно несколько

484: Цифр, да, у нас в год поступает сырья 30 больше 30000 Фур и исходящего потока готовой продукции больше 40000 Фур. Этими фурами управляет около 6500 водителей.

485: Из них всего 90, ой, всего 5% приезжают к нам на комбинат 2 раза, 2 и более раз. Остальные приезжают 1 раз. И вот эти вот водители, управляя вот этим потоком Фур раз

486: Где-то находясь, выстраиваются в поток, да, и мы их структурируем в свою систему, да, учётную, как мы называем, это некий график подхода, это график, который мы видим там.

487: Занимаем окна, это все у нас настроено, и это работает только при условии, если этот график заполнен, ну, до 80%, как только превышает, ну, наполняемость графика больше 80 про

488: Все идёт, как говорится, не, не по плану. Мы информируем водителей, информируем транспортные компании наших клиентов о том, во сколько, когда, в какой день, на какой площадке.

489: Будет отгрузка, но, к сожалению, этот информационный поток, он немножко кривоватый. Транспортные компании не передают исполнителям своевременно время таймслотов. Да, водителям мы направляем СМС.

490: Уведомления, которые частично доходят, частично не доходят до них. Кто-то читает, кто-то не читает. Соответственно, информационный поток работает тоже не на 100%. Мы его оценили примерно так, 45 тире 50. Вот также мы организовываем

491: Продолжаем организовывать эти буферные стоянки на подходе к комбинатам на сегодняшний день отработана буферная стоянка Бродовский тракт 13, есть запасной вариант это птица на выходе из города.

492: В сторону героев Хасана. И дальше мы планируем организовывать эти буферные стоянки, потому что поток может быть очень разный. Ну то, что у нас

493: Не получается. Я уже сказал, да, что более 80% далее к исследованию. То есть мы планируем построить некую модель потоков, его эти потоки категоризировать, да, и с каждой категорией потока работать отдельно. Далее.

494: Про синхронизацию потока транспортного с потоком производственным, да, внутри у нас есть тоже скорость машин, скорость линий. И как эта скорость у нас соотносится со скоростью с пропускной способ

495: Ностью отгрузочных мест и самого потока транспорта.

496: Планируем создать некую модель, да, которая должна быть динамически устойчива к поведению водителей. Это вот как раз, наверное, история с искусственным интеллектом. Возможно, а может быть и нет.

497: Но пробовать стоит. Да, вот. И здесь мы хотели ещё проэкспериментировать и понять вот эту некую полезность диспетчеризации и понять её, как это называется, насколько она должна быть человечна. Человеко зави.

498: Да, да, да. Потому что мы как будто идём в цифру, в цифру, да, информацию даём, передаём все по электронному документообороту между транспортными компаниями, там и так далее. А тут мы начинаем звонить. Алло, Иван?

499: Иванович, и это возврат, мне кажется, там 2, 3 шага назад. Ну, по мне вот, ну и изучить. Мы написали опыт маркетплейсов. Ну, видимо, лучшие практики. Спасибо.

500: Аплодис, куда аплодисменты? Алексей, подожди, сейчас ты за нас троих это отдуешь. Я

501: Николай, насколько я понимаю, сейчас используются только наши внутренние системы, да, все верно, да, биржа грузов, где мы, у нас идёт обмен с транспортными компаниями, с внешними, да, только на нашем внутреннем контуре. То есть пока все более менее хорош.

502: При проектировании желаемых систем открываем регламент рисков, о котором я рассказал, и смотрим, что где можно размещать, исполнять и какие данные обрабатывать. Хорошо, аплодис.

503: Менты Николаю, подожди. Так вот видишь, вот так вот. Отлично. Алексей, а можешь повторить, вот в начале ты цифры назвал. 30 40, там, вот я че то, 30, 40, 50 сколько, да? Сколько приходит, сколько уходит?

504: Да, там сколько входящего, да, то есть это большегрузы, мы говорим, да, то есть лес и макулатура. 30, больше 30000 Фур входящего, исходящего потока. Готовая продукция гофра, ролевая 40000.

505: Плюс рейс, итого 70 машин, 70000 машин. Да, да, да, круговорот.

506: Ещё 30 зашло, 40 вышло, откуда 10000 наковыряли ещё водой и так далее. Ну, аналитика продаж. Игорь Шилов, директор по

507: Продажам. И Максим Плотников, руководитель группы перспективных проектов. Всем добрый день. Можно сразу включайте слайд, я расскажу коротко о проблеме. Да, анали.

508: Продаж нифига не хотим мы анализировать продажи, че мы хотим анализировать ценности. Мы часто говорим о том, что мы продаём решение нашим клиентам, но на самом деле мы торгуем до сих пор коробкой коробкой.

509: Марки т, 23, п 31 и так далее. Все это очень сложно анализировать. Мы сталкиваемся каждый месяц с тем, что, собирая пакет заказов на следующий месяц, мы видим набор цифр, большие данные в экселевской таблице. А как по ним принимать?

510: Решение. Ну кто-то смотрит на выгодность, кто-то смотрит на стоимость сырья в ролевую, кто-то смотрит на объёмы. Принять взвешенное решение. Поверьте, очень сложно, потому что там очень большое количество строк и

511: 2 глазами увидеть среди там 1000000 ячеек какие-то правильные или как мы считаем, да, оптимальные варианты решения. Очень сложно. Давайте следующий.

512: Ну, это то, о чем я говорил, да, на что смотреть? На выгодно, на полную загрузку оборудования, если это дёшево? Нет, наверное, стабильные клиенты, стабильные отгрузки. Если все это собрать, это все круто. Но среди наших клиентов собрать, вот, чтобы

513: Было выгодно. Полная загрузка, стабильный клиент стабильной отгрузки тоже сложно. Конкуренты не спят, дают дешевле, привозят быстрее, трансформы покупают быстрее и так далее. Давайте дальше.

514: Мы попытались ответить на вопрос а на что смотреть? Да через что найти эту оптимальность? Кликера? Нет, я бы вот удобнее сам бы листал, как умерли все работает. Вы.

515: Шли на 4 таких основных там критерия, да, среднее сходство корзины. Это говорит о том, какая номенклатура у каждого клиента из месяца в месяц повторяется, да, коэффициент вариации объёмов, сколько он берет количество месяцев.

516: С покупками, насколько клиент стабилен с нами и агрегированная выгодность, да, по всему периоду, который мы выбираем для анализа. Таким образом, у нас начал появляться рейтинг клиентов, где мы видим, кто для нас, кто с нами всегда с хорошей выгодностью. Вот как раз то, о чем мы говорили до

517: Этого, что влияет на оптимальность? Опять получился массив данных. Опять в экселе, опять сложно анализировать.

518: Мы бы хотели видеть это в каком-то 1 окне, где нам не нужны аналитики, которые будут там куча. Не, я ещё не листал, он работает, не спорь. 3 это значит за меня кто-то нажимал, то это тоже не

519: Работает.

520: А куда надо?

521: Так вот, хотелось увидеть это все в 1 окне, да, и не привлекать к этому большое количество аналитиков, потому что им же тоже надо объяснить, а что я хочу увидеть, объяснять никому не хочется. Хочется кнопки нажимать, и чтоб все вот как это искусственный интеллект нам выдал реше.

522: Давайте следующий, следующий. И вот когда мы смотрели в этот экселевскую таблицу, да, родилось решение, о котором Максим дальше там расскажет.

523: Но хочется сделать акцент на том, а помогает ли рейтинг принять оптимальное решение? Да, опять же нет, но он позволяет нам анализировать пул клиентов каждого клиента в условиях изменяющихся.

524: Каждый месяц растут цены, не растут цены там, не знаю, что-то происходит с рынком сырья, но нам становится хорошо видно, что нам делать дальше, как собрать пакет. Более того, система даже позволяет сама автоматически его

525: Собирать. И тут ключевое отличие от того, как мы работаем сейчас и как планируем работать завтра. Сегодня мы собираем потребности от клиентов. Завтра мы хотим им уже отправлять график отгрузок на согласование, не дожидаясь от них потребности. Вот

526: Это ключевое. Мы хотим работать наперёд, на их потребность. Они пусть подтверждают нам, нам останется только согласовать условия там, доставки, не знаю, цены, оплаты и так далее. Следующее.

527: Тут Максим подключился к нашей проблеме приветствую. Ну и зародилась гипотеза. Мы не те вопросы задаём. Да, вот попытка номер энная задать правильный вопрос.

528: Как увидеть целостную картину, надо на неё смотреть на всю, а мы смотрели вот только на 1 кусочек маркетинг и продажи, который нифига не в конце.

529: Находится и пришла идея. А давайте-ка мы, можно следующий

530: С каждой из из стадий нашей нашей создания ценности это график стандартный создания ценностей, который в учебниках. Соберём данные и постепенно будем эти данные анализировать и создавать модели, которые будут смотреть взаимо.

531: Взаимозависимости промеж данных. Вот. И человек у нас больше воспринимает визуальную информацию. Я говорить сейчас буду поменьше показывать, побольше, продемонстрирую, как работает.

532: Сейчас будет очередной технический шахермахер.

533: Да.

534: Это специально привезённый ноутбук с локально установленным сейчас будет белый экран, он будет достаточно долго. То есть кратко расскажу вообще, какие источники данных сейчас.

535: Модели есть модели, база данных о сделках за 5 лет. То есть это с 2021 года по 26, полных 5 лет 200000 строк. Модель качества измерения качества за 25.

536: Год по производству, то есть очень долго засовывали в model эту в модель эти данные, потому что журнал качества в экселе, он не структурирован, точнее, он структурирован по правилам людей, которые его делают, и они всегда разные. Очень долго приходилось

537: Приходилось их, эти правила вычислить. Все. Сейчас будет немножко юмора. То есть это финальный этап. Сейчас она Игорю олеговичу позвонит, Татьяна проконсультируется.

538: И подрегулирует, построит все математические модели. Да, да, Николай, вот смотрите, интернета нет.

539: Об этом я не подумал.

540: Да, пару секунд сейчас закончится и начну, да, то есть вот как Игорь говорил, мы сначала пришли к рейтингу, вот эта табличка непосредственно и показывает рейтинг, рейтинг суммарный. Здесь цифры это просто коэффициенты, то есть они ни на что не

541: Влияют. Никак вы из этих цифр не получите исходные цифры это просто коэффициенты модели, ну условно веса. Вот. И чем выше рейтинг, тем лучше совпадение критериев.

542: В демо режим переключу, чтобы мы не увидели чего-то не того, выбираем клиента. И то есть рейтинг это просто сухие цифры. Человек лучше понимает все, когда он это видит. Сейчас прогрузится графика, все деньги стали мутными.

543: Теперь мы их не увидим и осей тоже нет. То есть можно посмотреть в разных размерах, разрезах каждого клиента. То есть в данном случае это показатель выручки. По клиенту. Видно, что она скачет.

544: Выгодности объёма цены. Это все можно очень быстро получить для менеджера, который работает, и менеджер на основании своего опыта работы может этого клиента достаточно быстро понять, что это за клиент и как с ним себя вести.

545: Далее есть по объёмам коридор нормы, который вычисляется как средняя загрузка. И есть его корзина. Каждый цвет это определённая номенклатура. Ну и соответственно, есть вся номенклатура, есть прогноз насле.

546: Следующий месяц, сколько он возьмёт? Скорее всего, есть инструмент сделать кпп в эксельке можно не в эксельке. Вот. И в принципе, то мы попытались на основании этих данных. То есть, если у нас клиенты как-то по рейтингу их

547: В 1 очередь ставить в план. То есть модель умеет делать план на следующий месяц, делает это неоптимально, делает это просто на основании математики. Что этот клиент лучше я его возьму 1, а этот клиент хуже сделаю 2, пока в реальном бою не испытывали.

548: План сейчас она считает, скоро появится, все появилось. Она говорит, что на рынке у нас есть где-то 37000, 37000000 активного спроса, активный спрос. То есть это те клиенты, которые что-то у нас брали, вот это он все сложил и получилось.

549: Это мы боремся с другими за 37000000 1 слоем. Это трехслойное планирование. Здесь 1 слоем он наших ключевых клиентов засовывает и потом добивает остальных по критериям. Чем выше критерии, тем он первее.

550: Ну и соответственно, вот она попыталась заполнить. В данном случае мы мощности выставили где-то на 25000000, это обе площадки. Ну и вот синий, это 1 слой, зелёный и жёлтый, это 2 и 3 слой, точнее жёлтый. Это slow, когда не хватает на какой-то способ производства.

551: Полнить. Он из другого способа был, допустим, ящик со трансформой. Не могу заполнить. Заказов нет. На рынке он ставит ящики без трансформы, которые дешевле, но, соответственно, загружает мощность, ну, все равно неоптимально, да, подключили 2 слой данных, это качество.

552: И техкарты, то есть есть база тех карт у нас 5000 тех карт и есть база качества 40000 измерений, только без сети и в 2 раза как минимум больше измерений и сети. Вот появился журнал качества, который можно по клиенту

553: Посмотреть номенклатуру.

554: Берём его, берём какой-то ящик, берём конкретно эскью код, ну то есть артикул ну и все видно когда он делался какой профиль, какой из thirty by thirty выходил. Вот и так как данная разме,

555: Можно построить модель. Сначала построили модель такую, которая по воробьям бьёт, очень неточная. Точнее казалось, что она точная, но потом попользовались, попользовались. Оказалось, что не очень точная. Она может просто сказать, что вот на этом ящике можно

556: Сделать ящик полегче, но получить те требования клиента, которые мы сами для себя задокументировали, эта модель не очень хорошо работала. Пришли к выводу, что лучше сделать 2 модели. 1 модель из ролевой дела.

557: Сети, то есть не так немножко необычным способом. Просто мы берём громаи, которые ставили на гофроагрегат, берём и сети, и, соответственно, модель вычисляет нелинейным способом, что получается вот из Громашев и сети

558: Примерно 70, ну, около 80%. Точность получается спрогнозировать будущее сети и модель, которая из сети, исходя из геометрии ящика, ну и других разных условий, уже строит би сити би сити эт.

559: Прочность ящика, то есть то, что у нас, по идее, покупает клиент, она с точностью более чем 90%. Вот, и что это нам даёт, покажу просто, как 1 из кейсов, как можно пользовать подобного рода решения. У нас, допустим, есть клиент по рейтингу, у него все

560: Хорошо. Рейтинг достаточно высокий, 62 месяца из, там за последние 5 лет, а то 5 лет, 2 месяца база данных, то есть 62 месяца. То есть он каждый месяц на протяжении более чем 5 лет у нас брал выгодность положительная, объёмы нормальные.

561: Вот. 350000 метров берет. Вроде все хорошо. Да, дальше проваливаемся, смотрим, а я его не нажал.

562: Все смотрим.

563: Смотрим, че он берет, берет. Ну вот, в частности, допустим, вот этот зелёненький ящик, пока никто не работал с эргономикой использования model, потом поработаем, будет поудобнее. Ну то есть вот зелёненький ящик, давайте оставим только его.

564: Видим, что у него колебания спроса, а почему вроде как бы плюс минус? Я думаю, стабильно люди кушают, а ящик он стабильно не в наш пакует. Ну то есть мы сделаем гипотезу, иногда он берет что-то другое. Давайте попробуем понять, почему ящик

565: 201, 12. Идём в качество, смотрим. Номенклатура, какой там был? 201, 12, да? Так вот этот код. Ну, то есть вот достаточно часто мы этот ящик делаем и сети, все.

566: Да, выходит, можем провалиться в конкретную выработку, посмотреть на оливине, мы его выработали тогда-то, тогда-то такая, такие-то показатели качества были зафиксированы на шестёрке, выработали такие-то показатели качества зафиксированы. Ну и вот 1 следующий инструмент давайте уже

567: Пользуемся матмоделями, о чем мат модель скажет оптимально мы ему ли грузим?

568: Не пересыпали ли мы ему сырья?

569: Вот ящик такой-то ску, вот все Марка, все есть фактические данные сети в среднем получается на ящике 8 и 7 без сети. 3 0 4. Норма у нас 2 75 никогда ниже нормы мы не измеряли. То есть это о чем говорит ящик пере.

570: Креплён.

571: Теперь давайте воспользуемся мат моделей, сейчас она посчитает. Вот она посчитала, она говорит, если ты сделаешь тот же самый ящик на граммажа 120 100, 120 у тебя из сети должен выйти с 80.

572: Процентной вероятностью 6 и 34 и 10 из этого 10 получится. 3, 24 устраивает клиента у нас 2 75 устраивает. Но а кто сказал, что 20 75 тоже как бы здравый показатель и валидный. То есть мы провалились дальше, начали дальше.

573: Копать подняли опросный лист чтобы понять какой нужно bct надо понимать что в него кладут и в каком количестве и как оно едет для клиентов, с какой высотой штабеля оказалось что исити ну вот этот показатель мы не знаем 100% мы только знаем что в этот.

574: Ящик кладу 20 чего-то. И если это прикинуть, то 10 норма это будет поменьше, она будет в районе 2 с небольшим. То есть о чем, какое, какой вывод я хотел сказать. То есть когда есть инструменты, которые быстро позволят

575: Обрабатывать очень большие массивы данных. Вот такую работу можно проводить достаточно быстро и эффективно. И то есть вот такой кейс, он сразу может показать экономический эффект. Не все

576: Так, не, подожди. Да нет, не будет.

577: Ну и как результат такой работы мы, конечно, по этому ящику проведём работу, можно будет для клиентов тоже транслировать фишки использования современных методов обработки данных. И искусственный интеллект это современный

578: Методы обработки данных. То есть, допустим, мы переработали этот ящик и можно делать интерактивный журнал качества. То есть размер коробки, все технические показатели можно отдельно визуализировать коробку отдельно, поддон отдельно, как она фуре раскладывается и тоже

579: Клиенту предлагать. Давай мы тебе ящик на пару миллиметров сдвинем, но ты при этом сможешь больше увезти или меньше увести фуру, или влезешь в норматив по весу, чтобы тебе на фуре доехать. То есть такие сервисы тоже можно предоставлять для клиентов. У меня все

580: Аплодисменты. Так, пока, пока мы переключаем мониторы, коллеги, Николай нам даст обратную связь. Ну вот наряду с Максим тебя слушает, да, с докладом ивана полынского. Это тоже.

581: Какой-то космос просто для анализа, мне кажется, в продажах. Ну и вопрос правильно озвучили только 1. Почему это все умещается на ноутбуке можно взять подмышку. Такие случаи у нас бывали и хочется как-то избежать.

582: Я каждый день его подмышку беру. Ну, во первых, безопасность. Понятно. То есть я

583: Сам осознаю, что я делаю.

584: Вот сегодня начинался наш фестиваль с того, да, что говорили о том, что искусственный интеллект на некоторых предприятиях невозможен, потому что информационное

585: Безопасность не пропускает. Нам нужен этот инструмент, и мы готовы как-то исполнять требования безопасности. Подскажите нам, как мы сделаем это с удовольствием, но нам надо, чтобы этот инструмент был доступен всему департаменту продаж. У меня

586: Есть вопрос на протяжении всего времени мы постоянно бьёмся о стоимости упаковки, да о её запасе прочности, и были неоднократные попытки сделать.

587: Математические модели. То есть у нас есть много специалистов на предприятии, которые имеют экселевские, так, назову модели, которые являются несовершенными, да, то здесь бы

588: Раз хотелось бы задать вопрос, исходя из полученных результатов кого вы видите, кто является хозяином этого продукта, кто пользователь этого продукта, кому он, Максим?

589: Мально, ну то есть полезен будет, да, и исходя из того, что мы делаем, как сырье в виде ролева, где есть тоже свои затраты, свои потери, да, то здесь нужно однозначно учитывать

590: 2 составляющие это сырье и это саму упаковку. Вот когда я впервые увидел инструмент, я понимал, что заказчик основной, это продажи, но Максим тогда ещё не добавил вкладку качество.

591: Татьяна опять щёлкнула.

592: Но когда увидел вот эту вкладку качества, я понимаю, что опять заказчик продажи, потому что я вижу запас, и я могу и вот на основе этой вкладки, да, вот этой информации у нас родилось вообще предположение, что действительно

593: Вот это позволит нам уйти от продажи коробки, от продажи марки к мы можем перейти с этим инструментом к продаже упаковочного решения. У нас есть визуализация, мы можем приехать к клиенту, показать

594: Дорогой, ты вот видишь, в какой зоне ты находишься? Мы готовы тебе обеспечить снижение цены на 10% условно, да, при снижении качественных характеристик, но оно будет в рамках тобою запрашиваемых. Сейчас. Мне сложно это показывать. И для того,

595: Чтобы вот собрать эту информацию, мне нужно чуть ли не совет по качеству собирать каждый раз с каждым клиентом. А это академия упаковки. Главный технолог, директор производства. Сидим, обсуждаем 1 клиента, тратим очень много времени, глядя в это. Да, можно

596: Задавать вопрос, но у меня есть следующий вопрос. Эта модель показала. Теперь хочется попробовать в реалиях, насколько она совпадает. Ну, как бы с возможностями нашими физическими.

597: I ещё вопросы ещё? О, а у меня ещё вопрос. Вот 1 часть, которая про пакет заказов не пробовали сравнить с фактом? Ну то есть вот у нас сейчас март, да, то есть.

598: По модели, по данным по январь включительно, построить прогноз на февраль и сравнить с фактами февраля, который нам уже известен, и на адекватность посмотреть.

599: Тут, наверное, надо будет не с фактом согласовывать, сравнивать, а с пакетом, который мы собрали через export, ну, в смысле, да, то есть взять вот в таком разрезе, то есть, по прошлым данным спрогнозировать и с известным уже случившимся сравнить.

600: Совпало, не совпало. Ну, попробуем. Да, не делали ещё, нет, ещё не делали ещё, да. Ну и маленький комментарий, как бывшего сотрудника жиркомбината. 20 чего-то. Это, наверное, 20 килограмм Маргарина молочного. Это монолит, это не майонезы.

601: Более не нужна, когда очень маленькие.

602: Так, ещё вопрос, это действительно добавило нам, нам действительно это, ну, как бы там не раскрыло глаза, да, а подтверждает важность точного и более конкретного, как сказать, полноценного заполнения.

603: Опросного листа, потому что мы как сейчас сделаем, мы приехали к клиенту, чтобы быстро заключить сделку. Взяли у него техкарту. Не знаю, другого производителя, скопировали её и опросный лист, он не заполнен.

604: Макс, ну, во первых, спасибо за вот это решение. Когда ты его неделю назад показывал, я тогда был загружен и не понимал, что это, зачем это и с чем это едят.

605: Да, как Владимир Васильевич правильно сказал, где он, а кому это нужно, тут это нужно и продажам. Но я уже эту модель накладываю на наши потребности по поставкам макулатуры. Нам сейчас не хватает вот этой

606: Retrospective мы не понимаем, кто когда что привёз, ну или мы начинаем очень много времени и ресурсов тратить на то, чтобы разобраться, а что было тогда, да. И вот если вот эту наработку сейчас взять и попробовать, как вот калечку наложить на наши потребности, на наши боли.

607: Супер решение. Я вот сейчас уже начинаю видеть вот эти возможности, да, которые дадут нам, которые даст нам ретроспектива по части поставок. Поэтому давай на след. А Макса глория нету, да, у нас тогда

608: Саша Круподёров тут, да, мы эту историю тоже возьмём также в оборот. И ты сейчас участвуешь в рабочей группе. Вот сейчас дошло. Спасибо. Угу. Коллеги, аплодисменты больше не дам. Слово. Времени больше нету. Спасибо, коллеги гума.

609: Робот на производстве, кто будет отстреливаться? Можно можно назад, мы улетели вперёд. Но коллеги, есть действительно идеи, витающие где-то в облаке, они доходят и до нас. Это

610: Использовать гуманоидов у нас на производстве и поисследовать рынок, рынок. Мы на самом деле посмотрели, есть решения, которые, а направлены на маркетинг. Это целиком и полностью решение оттуда.

611: То есть это половина тех докладов, которые мы сегодня посмотрели, то взаимодействие, которое строится через боты, через окна запросов, можно выстроить через гуманоида. Аналог полноценный будет того же промо бота, который там ездит в банк.

612: Как видели многие, да, тут полноценный гуманоид. И по производству, по производству решения тоже есть. В 1 очередь, это погрузочные работы, перемещение определённых грузов. Да, скажи, мы пытаемся его купить. Я ду,

613: Да, мы пытаемся, может быть, у нас получится из действительно производственных задач, которая видится. Это применение гуманоидов в сложных производственных процессах, там, где жарко.

614: Модели меняются, да, созрели покупатели, там новая модель. Юрий Валентинович нам поставляет информацию.

615: Давайте я продолжу по производству. В 1 очередь именно производственная задача. Это там, где человеку тяжело, жарко, холодно, опасно. Вот там применение гуманоида, особенно современных, которые имеют

616: Огромное количество степеней свободы полностью имитирует кисти рук, наборы сенсоров, которые мы видим. Там просто колоссальная стоимость у них упала действительно, там год, 2 года назад. И сейчас эта стоимость упала в разы.

617: Будем дальше смотреть. И, может быть, через месяц, полгода мы увидим у себя нашего помощника, назовём его, подумаем как бобрёнок какой-нибудь. Да, спасибо, бобр. Подожди, Александр. У нас Николай ещё не высказался.

618: Николай прогноз рисков.

619: Он думает, мечты, он пока, идя на работу, не столкнётся, не поверит. Угу.

620: Кстати, из гофры про гуманоида завод фосбер китайский выгнали с площадей, где он занимал, ну, на другое место переехал. Сейчас там делают гуманоидов, закрыли стеной и секретные предприятия китайское, потому что Китай видит, у них кризис демографический, они вот туда идут.

621: Так, коллеги, совместный проект с политехнической школой. Коллеги, вы заметили, у нас здесь присутствуют очень молодые коллеги наши, да, которые, так сказать, не очень походят на наших работников.

622: По возрасту, да, это наши ребята из школы, значит, 3 проекта в работе. Упаковка расскажет Валерия Гринченко и как бы Александр Круподёров, да, вот ручкой. Ну, все, уже посмотрели. Валерия тоже ручкой помахала.

623: Роботизированное рабочее место слесаря ремонтник Леонид Лузин вот сегодня тоже выступал. Так Вячеслав тоже.

624: Где вот, вот махни рукой, так и разработка учебной модели асутп ивана тоже сегодня видели. И, ну, плюс ждёт его подкаст публикации. Итак, команды защищают проекты 9 апреля в рамках конферен.

625: Химия и экология на на форуме парма тех. И следующий слайд, последний перед, перед завершающей голосовалкой. Валерия. Итак, я

626: Есть, чтобы зафиналить, да, фестиваль, как уже сказали.

627: Почему здесь как бы слайд, да, и заголовок, курс и инструменты в корпоративной среде он появился потому что вот несмотря мы здесь с вами сидим такие все умные, рассуждаем как бы о высших материях, да, но

628: В департамент т профи все равно регулярно поступают запросы. Расскажите про искусственный интеллект. Как начать, что делать, что это такое, как к нему прикоснуться. Мы сделали некоторую сводку н.

629: Инструментов уже которые у нас есть, поняли, что есть теоретический материал, есть практические инструменты и собрали все это собираем в единый курс, который как раз поможет ответить на вопрос, как начать работать с искусственным.

630: Интеллектом предполагается несколько модулей. 1 подготовительный на самостоятельную работу направлен. Это работа с материалами, которые уже есть на пцбк класс. Это курс.

631: По информационной безопасности и по основам искусственного интеллекта. Всех предлагаю туда всем сходить, всем пройти, кто ещё там не был. И следующие модули это знакомство, собственно, с нашими корпора

632: Активными инструментами, которые уже есть, в том числе на нашем портале битрикс. Также туда заходите. И далее, конечно, предлагаем много практики, попробуем работать с нейросетями и

633: Финалим все это применением искусственного интеллекта непосредственно в работе. Попробуем разобрать бизнес процессы и куда этот искусственный интеллект можно применить. У меня все вопросы, вопросы

634: Слава Богу, нет, коллеги, аплодисменты Валерии. Так, следующий слайд вместе к успеху, сохраняя самое ценное. И мне кажется, что сегодня

635: Роль естественного интеллекта была подсвечена ничуть не меньше, чем роль искусственного интеллекта.

636: А все как бы имплицитно было. Михаил Николаевич, пока я, ну, настраиваю голосовалку, выводы, ну, вы как руководитель нашего it направления. Ну, я надеюсь, в рамках нашей конференции

637: Удалось познакомиться с тем опытом, который мы приобрели разными командами по разным направлениям. Он действительно многогранный. И для меня в этом есть несколько важных пониманий. Да, 1 понимание, вспоминаем наши принципы и подходы, да, мы компания, которая созда,

638: Даёт и быстро реализует возможности. Это как раз вот про это, да, мы 2 года назад приняли решение, несмотря ни на что, будем пробовать, как получится, чтоб получить какой-то опыт. Во вторых, мы действительно получили огромный опыт и по

639: Что это не искусственный интеллект, это не панацея, это всего лишь инструмент, да, а как любым инструментом надо учиться пользоваться. Да, и вот за эти 2 года у нас с разных

640: Сторон. Да, мы попробовали пользоваться этим инструментом. И для меня в этом чем больше практики, тем лучше ты становишься мастером, да, и в рамках этой работы. 2 немаловажное там или 3 открытие, это то,

641: Что? А пока у тебя нет достоверных, вырезанных, чётких, актуальных структурированных данных, тебе никакой искусственный интеллект, никакая мат модель не поможет. Да, поэтому данные это наше все. Да, вспоминаем про подход дейта менеджмент управле.

642: Не основаны на данных данные нам нужны, причём в идеале с глубокой историей исторические данные структурированные, разложенные по полочкам. И есть такое выражение данные плюс

643: Интеллект это наше конкурентное преимущество. Да, действительно, это так и есть. Мы к этому идём, и мы к этому придём. Вот хорошо.

644: Сейчас, секунду. Вот и на.

645: Ещё раз давайте запомним данные плюс искусственный интеллект это наше с вами конкурентное преимущество. Давайте держать это где-то всегда у себя в голове. Дмитрий Анатольевич, безусловно естественный интеллект в этом, в этой аудитории сегодня просто зашкаливает. Это меня радует отлично, что 2 раз прозвучал

646: Искусственный интеллект. Вот я боюсь в этой всей истории, чтоб мы его не потеряли, да, чтоб не расслабились и раньше, хоть гуглили, хоть как-то думали сейчас, что сделали там поджили, да там и скопировали, и отправили. Некоторые даже не читают, чт.

647: Не отправляет. Поэтому здесь вот нужно очень аккуратно, да? Ну, уже реально видно, коллеги, когда мне присылают письмо от искусственного интеллекта, уже лишний раз и читать не хочется. Не буду говорить, кто, кто, кто любит это делать, да, что ещё, да, там, хочу отметить.

648: Ну, все проходили через какие-то модные темы. Я помню, 2008 год, это нанотехнологии все натягивали на этот любой процесс, потом 2000. Какой там 5 год, наверное, 15, 10. Это цифровые модели. Все.

649: Это цифровая модель. Что тут чего? Умное слово, цифровая модель. Вот мне сейчас кажется, многие вопросы, которые мы посмотрели, мы натягиваем сейчас на искусственный интеллект. Просто это те активности, это те мероприятия, которые мы все время делали, которые, которыми мы развивались, мы пытаемся их на

650: Вот это искусственный интеллект нам поможет. Мы все время развивались, вместе, шли к успеху, поэтому искусственный интеллект это инструмент. Через 10:15 лет будут другие инструменты. Про искусственный интеллект будем вспоминать хорошим словом.

651: Итак, получив большую порцию знаний и нашего опыта, переходим к голосованию.

652: У меня там и код сейчас.

653: Так, код 1, 1, 7, 3, 9, 6.

654: Что-то менно хочет.

655: Искусственный интеллект не хочет.

656: Так, ещё раз, 1, 1, 7, 3, 9, 6.

657: Нас было 94, в пике осталось 88.

658: Давайте начнём. Итак, принятие решений человек или все-таки искусственный интеллект?

659: Про 2 года мы уже говорили давайте дальше при загрузке сырья на производственную линию система автоматически предлагает оптимальный режим работы. Кто фактически принимает решение о выборе режима. Это человек или система?

660: Да, кстати, сегодня в России день искусственного интеллекта, 13 марта, 2 года тому назад, в 2024 году, этот

661: В этот день на Москве на выставке вднх было посвящено все полностью темам. Все верно.

662: С моей точки зрения, решение принимает система асутп.

663: На бдм учитываются текущие параметры окружающей среды температура, влажность, запах и корректируются настройки выпуска полотна кто управляет этим?

664: Процессом.

665: Дай подсказку, пожалуйста, тут Дмитрий Анатольевич лучше подскажет, чем я.

666: А вот тут асутп.

667: И в этом наша роль.

668: Давайте дальше. Ага. Чьи алгоритмы управления технологическими процессами эффективнее. Опытный технолог управляет тех процессом искусственный интеллект или случайный набор команд?

669: Люминий, команда есть, да.

670: Что у нас было ранее ранее был опытный технолог 71 искусственный интеллект, 20. Случайный набор команд 0. Немножко пропорция изменилась. Случайный набор команд. Даже сегодня уже 3 человека после

671: Всего услышанного люди доверяют случайному набору команд. Это

672: Давайте дальше.

673: Система на базе искусственного интеллекта предлагает оптимизацию производственного процесса. Принимаем к её исполне, её к исполнению, да или нет?

674: Хочется добавить ответ. Да, но да.

675: Да нет.

676: Раз.

677: И все-таки большинство, особенно после сегодняшней серии, не верит на 100% результаты работы искусственного интеллекта.

678: Да.

679: Снимаем очки.

680: В каких случаях, на ваш взгляд, можно поручить выбор управляющих действий искусственному интеллекту не более 2 вариантов. И напомню, что в конце нужно там внизу нажать зелёную кнопку.

681: У нас лошадка под номером 4 в фаворитах, как и раньше.

682: У нас лошадки под номером 1 и 2 финишировали одновременно в прошлый раз. На 2 месте сейчас лошадка номер 3 про требуется сверхбыстрое реагирование. Да, номер 3 ой, номер 2, прошу прощения.

683: Доказано, что и в этой ситуации ошибается. Реже человека вырывается вперёд относительно лошадки номер 1 и обучен на большой и достоверной базе данных все проголосовали. Ну, 10 человек не нажали зелёную кнопку, 10 человек. Нажмите

684: Зелёную кнопку о

685: Случайный набор команд.

686: Совсем другие результаты. Давайте дальше. Обращаясь к системе искусственного интеллекта за решением. Сколько альтернативных вариантов следует запрашивать 1 число цифрой цифра? Это это не буквы.

687: И не забываем нажать кнопочку отправить. У нас было сердечко и ромашка или что это за цветок лютик?

688: Вот, судя по всему, пятница, 2 половина дня, да, начинает оказывать влияние.

689: И Канатчиков власти колят нам 2 укол, да, если оператор, следуя подсказкам искусственного интеллекта, внёс неверные настройки в оборудование, говорит ли это о том.

690: Что он умеет грамотно пользоваться искусственным интеллектом?

691: Очков осталось человек в розовых очках осталось всего 5, нет 6.

692: Плохо слышно так?

693: А он создатель такой хитрый.

694: Ну и вместе к успеху, сохраняя самое ценное, не забываем об этом.

695: В завершении я бы, наверное, хотел ещё раз напомнить замечательную фразу, которая действительно, которую мы должны вспоминать и помнить о том, что искусственный интеллект никогда не заменит человека, но человек, умеющий использовать искусственный интеллект, замен,

696: Не то.