Дмитрий Блинов, LogistiX: Искусственный интеллект – это, по большому счету, экспертная система, требующая больших усилий для правильного обучения. Но результат использования это с лихвой окупит

JSON.TV: Дмитрий, вначале хочу попросить вас рассказать о вашей компании: чем занимается, какие услуги предоставляет? Пожалуйста…

Дмитрий Блинов: Мы занимаемся автоматизацией в самой широком определении. Это автоматизация логистики, автоматизация операций. И помимо этого еще стараемся привлекать сопутствующие партнерские технологии, как робототехнику, машинное обучение и т. д. У нас есть свой, достаточно объемный, отдел R&D;, который постоянно занимается исследованиями. У нас есть большой круг партнеров, с которыми мы работаем. Вот, в целом, это наша деятельность.

JSON.TV: Давайте рассмотрим какой-нибудь пример. Приведите, пожалуйста, какой-нибудь кейс. Можете рассказать, какую проблему вы решили и как?

Дмитрий Блинов: Основная наша деятельность – это разработка и внедрение систем класса WMS, Warehouse Management System. Мы разрабатываем и внедряем системы управления для самых разнообразных складов, больших распределительных центров, и имеем довольно большое количество клиентов по этому направлению: то есть это порядка 170 завершенных проектов… даже уже, наверное, больше, за 200. Опять же, самые разные объекты: и маленькие, и большие, какие-нибудь там 1000 кв. м. или, там, 20000 кв. м.

JSON.TV: А клиенты где территориально? В России?

Дмитрий Блинов: Да, это Россия, Белоруссия, Казахстан, Узбекистан, наше ближайшее зарубежье.

JSON.TV: Допустим, не знаю, возьмем среднего размера склад в Подмосковье. Мне, как клиенту, к чему нужно быть готовым, если я хочу его автоматизировать? К каким затратам, срокам? Ну, я понимаю, что детали отсутствуют в моем вопросе, но тем не менее…

Дмитрий Блинов: Вы знаете, очень по-разному. Здесь первый вопрос: надо ли вообще его автоматизировать?

JSON.TV: Ага, то есть вы приходите и выясняете…

Дмитрий Блинов: Конечно. Потому что не каждому… Даже, наверное, никому не хочется иметь недовольного клиента, который заплатил за автоматизацию и ничего не получил. Есть склады, которые, допустим, работают буквально под управлением пяти-шести человек – «под управлением» я говорю глобально, но тем не менее… То есть это люди, каждый из которых, в общем-то, на своем участке выполняет какие-то функции, они хорошо коммуницируют… И на этом этапе, если они полностью справляются со своими обязанностями и их деятельность не подразумевает работу с большой номенклатурой и т. д., то внедрять систему… То есть новый сотрудник, вовлекаясь, адаптируется не месяцами, а сколько-то дней или часов… Здесь автоматизация может вообще ничего не дать.

Если же мы говорим о растущей компании, которая имеет большое количество номенклатурных позиций… Есть компании, в которых их несколько сотен тысяч, например, 300 тысяч… Человек уже с большим трудом справляется с поиском товара на складе, с выполнением операций в нужной последовательности и т. д. И вот как раз на этом этапе для того, чтобы получить соответствующий эффект, чтобы, во-первых, дать возможность людям быстрее адаптироваться, не зависеть от конкретных носителей знаний, и для того, чтобы повысить эффективность , внедряется система управления складом.

JSON.TV: Дмитрий, я правильно понимаю: то есть если количество позиций больше сотни тысяч, то…

Дмитрий Блинов: Даже больше, там, тысячи — порой, внедряется.

JSON.TV: Больше тысячи – стоит задуматься об автоматизации, да?

Дмитрий Блинов: Да, да.

JSON.TV: И как это выглядит на практике?

Дмитрий Блинов: На практике – приходят люди, которые проектируют процессы… На некоторых складах, помимо того, что проектируются процессы, еще и выдаются рекомендации по приобретению оборудования. Это могут быть различные конвейеры, карусели – то есть то, что обычно в настоящее время принято называть роботами: то есть, например, система, состоящая из нескольких манипуляторов. На выходе определяется некий бюджет этой автоматизации.

Окупаемость очень разная. То есть я могу вам привести пример, когда, допустим, затраты в 5 млн рублей окупались в течение семи лет. А другой пример – когда затраты в 120 млн рублей отбивались в течение буквально 2,5 лет. То есть очень большой диапазон. У кого-то окупаемость, там, получается буквально несколько месяцев, а то и несколько дней. Поэтому здесь каждый бизнес, как это ни банально прозвучит, уникален. У каждого есть свои особенности, их всегда приходится учитывать.

JSON.TV: А что потом происходит? Системы работают – вы как-то принимаете участие в жизни, в поддержании?..

Дмитрий Блинов: Да, работают, мы всегда держим контакт с нашими клиентами, периодически выезжаем, проводим аудиты, получаем какой-то feedback, обеспечиваем support. И, естественно, развиваем продукты, развиваем линейку. И как раз здесь мы сейчас и перешли в несколько иную сферу…

JSON.TV: Расскажите, интересно…

Дмитрий Блинов: Потому что у нас, помимо, знаете, классических складов, в какой-то момент появились производственные предприятия: сначала маленькие, потом большие производственные предприятия, там, где в цехах стоят несколько сотен единиц оборудования. И, так как мы привыкли оптимизировать – именно на уровне операций – процессы, искать какие-то их различные вариации, оснащение и т. д., мы обратили внимание, что даже большое предприятие всегда держится на людях, то есть на каких-то выводах, которые делаются конкретными людьми.

И бывает так, что буквально несколько человек на предприятии, где работают тысячи людей, являются такими очень важными составными элементами. И им очень тяжело транслировать эти знания, передавать кому-то еще, потому что это большая профессиональная подготовка… в общем, целый огромный объем, такой массив знаний и опыта, в том числе. И здесь, помимо средств автоматизации, мы как раз-таки начали развиваться в сторону экспертных систем. А экспертные системы – это как раз системы, которые подразумевают то, что мы говорим: машинное обучение, системы искусственного интеллекта. И сейчас начинаем их тоже достаточно активно использовать в своей деятельности.

JSON.TV: Очень интересно, Дмитрий. Расскажите, пожалуйста, есть ли какие-то примеры, иллюстрации?..

Дмитрий Блинов: Вообще мы всем этим направлением начали заниматься еще в 2006 году. Тогда задачи были очень примитивные. Например, к нам обратился один из заказчиков и говорит: у меня есть проблема, у меня работает много грузчиков, гигантское количество грузчиков. Я их могу регулировать посменно, там, набирать какие-то бригады… Но – говорит – у меня есть один незаменимый человек: это бригадир.

JSON.TV: «Замените бригадира?»

Дмитрий Блинов: Говорит: я попробовал заменить бригадира. Пришел новый. Он не знает, в каких отношениях грузчики находятся друг с другом, поставил каких-то двух людей, которые друг с другом находятся в большой ссоре – они ему там какой-то товар разбили…

JSON.TV: Потрясающе.

Дмитрий Блинов: Значит, у него получается такой чисто человеческий фактор. Он говорит: никак не получается у меня каким-то образом систематизировать этот процесс. Я пробовал какие-то галочки ставить, что-то еще делать… Что можно придумать? Для нас тогда это была больше такая, не коммерческая задача, а просто что-то такое новое и интересное. Мы решили, что было бы неплохо, наверное, попробовать решить эту задачу как раз-таки за счет нейросетей…

JSON.TV: Математически?

Дмитрий Блинов: Нет-нет: нейросетей. Почему? Потому что математически, вроде, всё понятно и очевидно. А нейросети на тот момент были инструментом, который только развивался. Фреймворка в 2006 году было практически ноль. Соответственно, мы сделали свой небольшой фреймворк, на котором как раз накопили определенный объем знаний, то есть: как, в каких комбинациях…

JSON.TV: Понаблюдали, как работают грузчики?..

Дмитрий Блинов: Просто взяли эти комбинации и прогнали через нейросеть, обучили ее, и она определила, какие комбинации грузчиков дают положительный или отрицательный результат. Соответственно, у нас вот это просуществовало какое-то время, мы сделали еще в 2006 году доклад о том, что вот, смотрите, как оно, действительно, работает, оно есть. Но понятно, что это могло быть заменено даже простой математикой. Просто мы убедились, что инструмент рабочий, его можно использовать.

JSON.TV: И какой результат? Стали использовать?

Дмитрий Блинов: Ну, до использования было еще очень много времени. Потому что в 2010 году мы начали пытаться внедрять этот инструмент в свои программные продукты по автоматизации складов, по автоматизации производства. К сожалению, ни у кого из наших заказчиков не встречали ответного интереса. То есть выглядело это так: давайте мы вам поставим, там, искусственный интеллект, он будет у вас…

JSON.TV: …На исторических данных обучим его, и у вас будет такая выгода, вы не будете зависеть от бригадира, условно говоря.

Дмитрий Блинов: Да-да: …и посмотрим, как он будет выдавать вам рекомендации по организации процессов, например, или еще что-то… Но для всех это было что-то такое, на уровне черной магии. То есть говорили: да вы что? Какой искусственный интеллект? О чем вы говорите? Какой-то там космос, инопланетяне и т. д. И вот только сейчас, когда, фактически, мы пришли к нашему нынешнему времени с открытыми фреймворками – там, того же Google, Nvidia и т. д. с вот этим большим объемом технологий, мы начали реально использовать эти технологии и прямо демонстрировать своим заказчикам, что они работают, они дают эффект.

JSON.TV: Дмитрий, я правильно улавливаю мысль: то есть речь идет о том, что если у меня есть данные, я из них, как из руды, могу добыть ценность для себя и получить такого некоего рекомендателя, помощника в своем бизнесе, да? Допустим, у меня есть какой-то специалист, и он будет получать советы, рекомендации… Я правильно понимаю? То есть мы не заменяем человека?..

Дмитрий Блинов: Да, это только одна сторона медали, на самом деле. Потому что то, что вы говорите, как пример: на любом предприятии считаются KPI. Пожалуйста: куда вы ни пойдете, вам везде скажут – вот, система взвешенных показателей, KPI и т. д. Но те же KPI считаются на основании конкретных формул. То есть мы с вами поработали, имеем некую историю, мы посчитали – вот, получили показатель. А степень влияния неких косвенных показателей на этот KPI мы с вами не можем понять. Для того, чтобы понять, нам с вами нужно…

JSON.TV: Их просто нет в формуле?

Дмитрий Блинов: Их нет в формуле, нам нужно копаться, искать эти зависимости и т. д. А комплекс нейросетей, например, — ну, давайте будем в целом называть это искусственным интеллектом – если вы загружаете в него эти объемы информации, на выходе даете ему KPI и говорите: вот все косвенные факторы вот такие – вот такой KPI у нас на выходе… еще раз: вот все косвенные факторы, вся тысяча показателей вот такие, вот такой у вас на выходе KPI – то вы имеете уже целую систему, структуру влияния всех этих показателей на конечный результат. И бывают очень интересные результаты, когда мы видим, что, например, какие-то конкретные люди, какая-то конкретная техника, будучи задействована в определенных процессах, чуть ли не на 80% влияет на какой-либо показатель. Тогда мы имеем возможность…

JSON.TV: Так… А остальные проценты?..

Дмитрий Блинов: Остальные тоже распределяются, то есть можно посмотреть степень влияния. Но важно что? Пока у нас нет развитого Интернета Вещей, мы, например, не можем на складе сказать, что вот такая-то единица техники у нас работает плохо, хуже, чем другие – и насколько хуже. Это базируется только на знаниях механика, который, допустим, в ночную смену может не работать, и на личном опыте человека, который сидит за этой техникой и управляет ей. Ну, ТО не наступило – и не наступило, вроде работает – и работает. Но за счет постоянного сбора и анализа таких данных можно получать, соответственно, в упреждающем режиме какие-то определенные рекомендации, которые впоследствии использовать для выстраивания процессов. Но я говорю – это только одна сторона медали. Это то, что можно получить, там, из отчетных подсистем, аналитики и т. д.

JSON.TV: Дмитрий, давайте подведем небольшую черту и еще раз четко сделаем вывод. Итак, вы говорите о том, что мы можем найти закономерности между показателями процесса и KPI, да?

Дмитрий Блинов: Да.

JSON.TV: И, значит, оптимизировать нашу систему?

Дмитрий Блинов: Да.

JSON.TV: Во-первых, выявить, что влияет на KPI.

Дмитрий Блинов: Абсолютно верно. Не только прямые, но и косвенные показатели – вот это вот очень важно.

JSON.TV: Хорошо. Это раз. А что еще, какие выводы мы можем сделать?

Дмитрий Блинов: Мы можем сделать такие выводы, что это работает. Оно есть, оно работает, это можно использовать. Это то, что можно использовать уже сегодня и сейчас.

JSON.TV: Итак, вы упомянули об искусственном интеллекте. Давайте дадим – как вы понимаете это понятие? Потому что у всех по-разному происходит…

Дмитрий Блинов: Вопрос такой, достаточно сложный…

JSON.TV: Ну вот вы приходите ко мне как к клиенту и говорите: Геннадий, я вам сейчас хочу предложить решение на базе искусственного интеллекта… И будет у вас всё…

То есть искусственный интеллект, на самом деле, — это очень мощный инструмент. Если его оснащать еще дополнительно какими-то сигналами датчиков, например, информацией со станков, с оборудования и т. д., то он способен обрабатывать огромные объемы информации, особенно с учетом нынешнего развития технологий.

Вот, пожалуйста, как пример: это даже происходит не за счет центрального процессора, а за счет GPU – в примере с той же самой Nvidia. И на выходе вы можете как раз выявить эту самую закономерность. То есть одно дело посадить человека или людей, которые будут анализировать своим мозгом, смотреть, думать, что-то записывать – а другое дело сделать это полностью автоматическим при помощи такого механизма.

JSON.TV: Дмитрий, давайте вот так вот честно: в жизни не бывает так, чтобы всё было бесплатно, за что-то я должен буду заплатить. Понятно, что окупить затраты, расходы… Какие еще подводные камни есть, если мы беремся решать задачу с помощью, не знаю, машинного обучения, нейронных сетей? К чему я должен быть готов?

Дмитрий Блинов: Подводных камней масса.

JSON.TV: Рассказывайте.

Дмитрий Блинов: Ну, смотрите… Помимо того, о чем мы с вами рассказали, есть еще то, что можно совсем пощупать руками. Например, это система классификации образов. Например, мы для своих заказчиков делаем одну из таких демонстраций: на телефон устанавливается приложение, которое отправляет на сервер… Допустим, мы фотографируем коробку, отправляем на сервер, и он в течение нескольких миллисекунд принимает решение и говорит: эта коробка мятая, или она не мятая, или насколько она мятая – на 10, 15, 20% и т. д.

JSON.TV: Качество можно контролировать, да?

Дмитрий Блинов: Да. То есть это может быть, в том числе, как элемент системы контроля качества. В чем здесь, скажем так, простота этого метода? В том, что мы можем использовать не только коробку, а можем взять абсолютно любой образ и каким-то образом его классифицировать, сказать, что вот эта тумбочка нам нравится, она красивая. Фотографируем: вот эта не нравится, она некрасивая. И система автоматически находит закономерность: что красивое, что некрасивое, сопоставляет и будет потом…

JSON.TV: Да, классифицировали, разложили на группы…

Дмитрий Блинов: …Можно что-то третье показать, и она скажет: это на столько-то красивое, на столько-то некрасивое. Вот. Подводные камни заключаются в том, что такие системы требуют, во-первых, очень правильного применения. То есть нельзя… Допустим, сейчас вот очень развито направление Big Data. Нельзя взять какой-то большой объем данных, массив, сразу загрузить его, там, в систему и сказать на выходе, например, курс доллара растет или падает – и ждать, когда она у нас выявит влияющие факторы и выяснит, как это происходит. Это может быть очень долго. Нужно выбирать правильные задачи.

JSON.TV: Постановка задачи…

Дмитрий Блинов: Да. Знаете, как… Была интересная статистика, что в 1980-е гг. тратили 20% времени на постановку задачи и 80% на реализацию. А сейчас всё наоборот. То есть технология настолько шагнула вперед, что мы тратим 80% времени на постановку задачи и 20% на ее реализацию. И тут…

JSON.TV: А вы можете помочь поставить задачу?

Дмитрий Блинов: Конечно, безусловно. То есть здесь очень важно выбрать правильное направление. То есть опять же есть вот какие-то определенные участки, где развит человеческий труд. Мы можем, например, получать изображения с камер, классифицировать действия людей, говорить о том, работает он по технологии или не по технологии… Мне кажется, что он как-то не очень скоординированно движется – значит, наверное, надо его проверить, там, отправить на анализ по алкогольному опьянению, или еще что-то. И, конечно, с одной стороны, вроде бы, кажется, что возьми всё это, поставь и выведи на один большой сервер – и он там будет принимать решения. На самом деле, конечно, это не так.

Супер-разум требует супер-обучения. Представить себе, если приводить сравнения, что есть какой-то «живой организм», в кавычках, который не знает ничего. И ему надо рассказать, что такое хорошо, что такое плохо – и конкретно объяснить какие-то сценарии.

И это доступно только большим корпорациям. Поэтому мы с вами смотрим, как тот же Google выдает приложения: там, нарисуйте лошадку, то, сё… С одной стороны, мы говорим: какое это интересное приложение, какой инструмент, как здорово поиграться… С другой стороны, мы понимаем, что они накапливают эту информацию, аккумулируют эти знания, которые потом, впоследствии тоже смогут использовать.

И точно так же, думаю, что через 5-7 лет мы с вами будем говорить не о локально используемом искусственном интеллекте, а о таких больших, мощных сегментах этого искусственного интеллекта, которые будут иметь большой объем ассоциированной информации и использовать ее как раз-таки в промышленных целях... То есть, допустим, по анализу эффективности производства, выстраивания процессов этого производства, той же самой складской логистики, транспортной логистики и т. д. Целое направление.

JSON.TV: Дмитрий, какие есть еще «горячие» направления здесь? Вы упомянули про датчики, сенсоры… Интернет Вещей каким-то образом связан с вами?

Дмитрий Блинов: Обязательно.

JSON.TV: Расскажите, чем вы занимаетесь? Каких результатов добились?

Дмитрий Блинов: Промышленный Интернет Вещей развивается уже очень давно. Мы как бы привыкли, что Интернет Вещей бытовой, он рядом с нами: пылесос у меня ездит, он подключен к Wi-Fi, здесь у меня какие-нибудь датчики, заведенные в общую сеть… Промышленный Интернет Вещей – это станки, весовые комплексы. То есть это какое-то оборудование, которое подключено к общей сети и управляется в централизованном виде из какой-то точки. Вот как раз если мы с вами объединим эту информацию и вспомним то, что я говорил по поводу тех же камер, анализа поведения, то здесь Интернет Вещей в совокупности со всеми этими сопутствующими единицами оборудования, таких, как камеры, какие-то датчики, которые используются для различных операций, — они могут быть поставщиками информации для искусственного интеллекта, который будет эту информацию тоже обрабатывать, ассоциировать в правильном виде и использовать для того, чтобы как раз-таки классифицировать поведение людей, эффективность техники, энергоэффективность оборудования и т. д. Могу привести маленький пример.

JSON.TV: Расскажите…

Дмитрий Блинов: Сейчас на большинстве заводов активно развиваются проекты по мониторингу оборудования и увеличению его энергоэффективности. Для того, чтобы проводить мониторинг оборудования, достаточно подключиться через специализированный порт, например, к какому-то станку и получать информацию о том, какая программа сейчас выполняется, какие входные параметры программы и некие вариации значений параметров станка, как от сейчас работает. Что дальше с этим делать, по большому счету? Вот мы получили в одном месте весь этот большой объем информации.

JSON.TV: Ну, попытаться оптимизировать, чтобы энергии меньше тратить…

Дмитрий Блинов: Вот. Да, это один момент. Для этого как раз туда тоже ставится даже не софтовая, программная часть, а дополнительная аппаратная часть – если у станка ее нет, — которая анализирует энергопотребление, анализирует как раз какие-то определенные параметры. И мы можем, варьируя параметры работы станка, допустим, увеличивать его энергоэффективность. Но важный момент: как эта энергоэффективность влияет на конечный результат?

JSON.TV: Да, конечно.

Дмитрий Блинов: То есть мы же с вами не работаем в производстве на одном станке… Ну, если производство маленькое – может быть, конечно, и работаем, но всё равно… И тут очень важно как раз весь процесс представить в таком едином, централизованном сквозном виде. Это и прослеживаемость производства, то есть: из каких материалов мы что начали производить, на каких этапах какие у нас операции совершились, там, с тем или иным сырьем или материалами, какие детали мы произвели и какой был результат контроля качества на каждом этапе. Потому что опять же если вы после станка, например, какую-то деталь выпускаете – что вы с ней делаете? Вы не просто несете ее на следующий станок, кладете и говорите: вот, давайте дальше производить с ней какие-то операции. Вы ее обычно проносите через ОТК, технический контроль. И технический контролер берет эту деталь, проводит визуальный осмотр, меряет что-то, применяет какие-то технические средства для того, чтобы проверить качество ее изготовления. И очень мало где вы встретите на этом этапе обратную связь, когда этот технический контролер говорит: «с ней всё хорошо». И чтобы вот это «всё хорошо», или «всё плохо», и насколько плохо спроецировалось обратно на всю цепочку. Оно обычно проецируется, но, например, до уровня единицы оборудования. То есть вот эта единица оборудования у нас выпустила хорошо или выпустила плохо. А вот с подсистемой мониторинга, энергоэффективности сейчас это практически никто не связывает. Соответственно…

JSON.TV: То есть глобально, как сеть станков на всём производстве…

Дмитрий Блинов: Да, технологии работают локально, а в целом результата нет.

JSON.TV: Сейчас уже есть какие-то результаты, чем можно похвастаться, о чем рассказать?

Дмитрий Блинов: Сейчас есть результаты, связанные как раз с успешным решением задачи классификации образов. Сейчас у нас идут несколько проектов, они пока… Это пилотные проекты.

JSON.TV: А образы какие? Одушевленные, не одушевленные?

Дмитрий Блинов: Те же самые, например, коробки. У нас есть интересные проекты, связанные с анализом поведения… То есть так… давайте я не буду говорить «поведения», это громко будет сказано – с анализом движения.

JSON.TV: Людей?

Дмитрий Блинов: Да. Допустим, человек выполняет какие-то движения. Мы можем анализировать эти движения, перехватывать их и понимать, насколько они, допустим, идут по тому или иному шаблону. Тоже очень интересная задача. Но мы эти две задачи решаем пока в основном для себя. Пилоты какие-то у нас идут параллельно в одном месте, в другом… У нас есть интересная задача, по которой мы уже два пилотных проекта завершили, уже получили данные и сейчас будем делать третий пилотный проект с достаточно крупной государственной структурой. Это проект по биотелеметрии.

JSON.TV: Так… интересно…

Дмитрий Блинов: Он, с одной стороны, вроде, никак не связан с искусственным интеллектом. Чуть-чуть предыстории… Что мы хотели получить? Мы фактически хотели изначально надеть людям на руки фитнес-браслеты. И так как мы имеем возможность управлять операциями, то есть говорить человеку: иди вот сюда, возьми вот такую коробку, например, теперь иди с ней вот сюда и т. д. – мы могли связать частоту сердечных сокращений с текущими операциями, выполняемыми человеком. То есть: ходит ли он, с грузом ли он ходит, пустой ли? И потом поняли, что у всех людей абсолютно разный пульс.

JSON.TV: Свой пульс в покое и движении…

Дмитрий Блинов: Да. Причем и в покое, и в движении. Пойдет, допустим, неподготовленный человек на беговую дорожку. В первые несколько дней его пульс будет зашкаливать. Потом он начнет у него успокаиваться.

JSON.TV: Адаптироваться.

Дмитрий Блинов: Да, адаптироваться. И потом в результате мы придем к тому, что человек адаптировался, у него всё в порядке, пульс уже находится в нормальном виде. И когда мы начали анализировать все эти зависимости, их оказалось так много, что оказалось проще, даже элементарно на техническом уровне, всё это просто загрузить в нейросетевой комплекс, опять же назовем грубо – в некий искусственный интеллект - и оттуда получать конечный результат.

JSON.TV: Дмитрий, я не уловил: а зачем нам знать пульс человека? Что это? Сигнал о чем?

Дмитрий Блинов: Знаете, тут два момента. Изначально мы планировали… знаете, как в фитнес-зале человек ходит, тренируется. Мы предполагали, что увеличим производительность за счет того, что будем нагружать человека плавно. На складах, где идет работа с разнородными грузами, человек, сотрудник, может получить задание, допустим, как «возьми какую-то пластиковую легкую деталь и неси ее из точки А в точку Б» — в этом случае ему это дается легко – так и, например, «перекантуй-ка мне двухсотлитровую бочку». И понимаете, когда сотрудник…

С чего всё пошло: у одного из наших заказчиков мы видели картину, когда день начинается, бригадир выходит и говорит: так, сегодня ты и ты кантуете бочки, ты и ты на пластик, ты и ты на «мелкоштучку». И получается очень интересный результат: люди, которые кантуют бочки, — они перекантовали их какое-то количество и просто выдохлись. Они после этого очень долго восстанавливаются, и, скажем, работать им довольно трудно. Мы для начала попробовали чередовать задачи чисто в таком математическом режиме – лучше сказать, алгоритмическом. То есть на какое-то количество тяжелых заданий – какое-то количество простых. Дает свой эффект. Но среди этих людей были те, кто очень хорошо подготовлен, в хорошей физической форме и которые говорят: мне всё равно, я вам эти бочки хоть целый день буду кантовать. Тут мы поняли, что нужно еще дополнительно…

JSON.TV: Какой-то более тонкий инструмент классификации рабочих для выполнения заданий?

Дмитрий Блинов: Да. И пошли в этом направлении. В результате мы получили прирост производительности примерно 10% на исполнении пилотных проектов. А в перспективе, когда мы консультировались… У нас были консультации с врачами, тренерами – они, конечно, говорят о том, что в перспективе можно повысить производительность на 30-40%. То есть, понятно, здесь мы просто тренируем человека. То есть он, например, пришел неподготовленный, мы ему дали простые задачи, потом сложнее, сложнее – и он тем самым улучшает свою физическую форму, может работать быстрее, производительнее, качественнее и т. д.

JSON.TV: Мне кажется, вашим следующим шагом будет пойти в фитнес-центр?..

Дмитрий Блинов: Я хожу.

JSON.TV: Я имею в виду – предложить им решения… То есть вы ходите просто так, а у нас есть искусственный интеллект, который за вами понаблюдает и скажет, какую нагрузку вам, как ее распределить…

Дмитрий Блинов: Кстати, да. Вот тут вы очень правильно на это обратили внимание, потому что вообще медтех… они связаны – фитнес-центр, вот эти физические нагрузки и медицинские технологии. Они как раз-таки достаточно хорошо могут быть охвачены при помощи системы искусственного интеллекта, это факт.

JSON.TV: Итак, биотехнологии – на этом заканчиваются ваше…

Дмитрий Блинов: Биотелеметрия?

JSON.TV: Да, биотелеметрия.

Дмитрий Блинов: В принципе, да. Это то, что пробовали, что получилось, что мы смогли применить. Так же есть у нас совершенно работающий проект с оценкой воздействующих факторов: когда мы берем отчетную подсистему и говорим, что хотим – как я вот рассказывал – понять, насколько у нас такие и такие косвенные факторы могут влиять на такой вот конкретный результат. Тоже система у нас может это делать, анализировать, показывать результаты. Тоже получается достаточно хороший инструментарий, но – для знающего человека. Потому что понятно, что если я скажу, что я хочу понять, как у меня, допустим, влияет товароноситель, какой поддон используется на результат отгрузки, то вряд ли я получу сколь-либо вменяемые результаты за счет такого анализа.

JSON.TV: Дмитрий, одна из тревог, которые сегодня так активно обсуждаются, — это то, что специальности среднего уровня будут «вымываться» за счет автоматизации. Вы с этим прогнозом согласны, не согласны?

Дмитрий Блинов: Обязательно.

JSON.TV: Произойдет, да?

Дмитрий Блинов: Безусловно, конечно.

JSON.TV: И что делать в такой ситуации?

Дмитрий Блинов: Катастрофического-то ничего происходить не будет. То есть… Сейчас, допустим, приходишь куда-нибудь на склад – до сих пор встречаешь предприятия, где работает, допустим, человек, сотрудник, какая-нибудь бабушка, которая еще в 1960-х пришла на работу. Она помнит, где какая деталька лежит из всего огромного номенклатурного ряда, который у них имеется. И ясно, что, с одной стороны, они, конечно, за нее держатся и говорят: она такая молодец, она нам помогает… Но с другой-то стороны, они понимают, что возраст уже достаточно серьезный, а никто больше этого не знает. Ну куда – в ломбардные книги это записывать? Нужно автоматизировать склад, например. Точно так же и здесь. Если человек выполняет какую-то работу, которая может быть автоматизирована, это можно… Как вот, знаете, была новость: тут сократили юристов, тут сократили, там, операторов, которые ведут телефонные переговоры… Но давайте не забывать, что в любой профессии есть тот или иной уровень… скажем так, как это выразиться… и профессионализма, и нагрузки.

JSON.TV: Цикл жизни…

Дмитрий Блинов: Да, скорее так можно сказать. Потому что тот же юрист, например, может быть как юрист, который занимается перекладыванием бумажек где-нибудь, так и человек, который анализирует, действительно находится внутри бизнеса и разрабатывает сложнейшие договора с клиентами. Здесь как раз то, что касается творческой работы, работы человека на уровне его интеллекта, оно никуда не уйдет. Заменить можно такие достаточно простые, не побоюсь сказать – нудные…

JSON.TV: Повторяющиеся…

Дмитрий Блинов: Да, повторяющиеся, какие-то методичные действия, как, например, разговор оператора с клиентом в колл-центре. Вот если я, например, звоню в колл-центр, мне все равно, если я разговариваю с оператором и он мне не может сказать ничего, кроме сценария, который у него висит на доске перед глазами – ну, почему вместо этого не поговорить с роботом?

JSON.TV: Дмитрий, если не секрет: что вас вдохновляет в работе? Вот вы каждый день приходите, занимаетесь проектами… В чем кайф лично для вас?

Дмитрий Блинов: Вы знаете, очень приятно видеть какой-то результат. То есть одно дело – когда ты что-то там придумываешь на уровне архитектуры... Потому что, по сути, архитектуру решений прорабатываю именно я: что мы будем использовать, как и где. Другое дело, когда ты получаешь готовый результат. А когда этот готовый результат еще и пользу приносит, то это, конечно, огромное удовольствие: наблюдать, что действительно…

JSON.TV: …Это работает.

Дмитрий Блинов: Да, вся сложная штука, которую планировали, делали, проектировали, работает, приносит пользу – и действительно люди говорят: да, смотрите, помогает! Очень хорошо!

JSON.TV: Отлично. Дмитрий, и в завершении программы буду признателен: несколько слов о том, к чему нам готовиться и что нас ждет в плане искусственного интеллекта, в плане автоматизации?

Дмитрий Блинов: Сейчас эти области, к сожалению, немного отвязаны друг от друга. И если вы посмотрите на то, как, например, ведущие поставщики программного обеспечения работают с инструментами машинного обучения и искусственного интеллекта, то это можно описать, наверное, только как «почти никак».

JSON.TV: Ого! А казалось бы... Интересно.

Дмитрий Блинов: Поэтому я думаю, что слияние это рано или поздно произойдет. К чему готовиться? Готовиться к появлению совершенно нового уровня экспертных систем, совершенно нового уровня автоматизации, когда система будет позволять не только автоматизировать на уровне каких-то шаблонных процессов...

JSON.TV: Скриптов, да?..

Дмитрий Блинов: Да. Система будет способна анализировать, перестраивать процессы. И даже больше того, формировать то, что мы называем техническим заданием. Но именно профессия аналитика всё равно никуда не денется, она перейдет на еще более высокий уровень. Он будет анализировать именно закономерности в процессах — для того, чтобы настраивать систему правильным образом. Это как раз вовлечение системы искусственного интеллекта в нашу бытовую жизнь.

Потому что бытовой Интернет Вещей тоже никуда не делся, он будет развиваться, будет аккумулировать в себе дополнительные технологии Индустриального Интернета Вещей. Сейчас... Я думаю, что у нас... не будем это называть революцией, скорее — эволюцией. Мы эволюционно накопили такое количество технологий, которые сейчас должны у нас каким-то образом слиться вместе и дать единый синергетический эффект. И вот всё это выльется во что-то очень хорошее, очень полезное — то, что мы сможем использовать и дома, и на работе, и в жизни.

JSON.TV: Дмитрий, огромное спасибо, что нашли время, пришли к нам в студию, рассказали о компании и таких выдающихся технологиях, о своих результатах. Искренне желаю развития вам и компании. Мне очень приятно напомнить, что сегодня у нас в гостях был технический директор группы компаний Logistix Дмитрий Блинов. Всего доброго, до свидания!