Tag: ГИГАНТ

Директор департамента обеспечения и развития компании «ГИГАНТ — Компьютерные системы» дал комментарий изданию TAdviser о том, какая самая распространенная стратегическая ошибка российских компаний при реализации проектов по разработке или внедрению ИИ

В своём комментарии он, в частности, отметил: “Главная стратегическая ошибка при внедрении ИИ — неверная постановка задач и отсутствие понимания, где именно технология действительно способна принести бизнес-эффект. Часто компании воспринимают искусственный интеллект как универсальное решение, тогда как он эффективен только при четко сформулированных целях и корректно подготовленных данных. Например, при создании интеллектуальных систем видеонаблюдения мы нередко сталкиваемся с тем, что заказчик не может сформулировать критерии «аномального поведения», ожидая, что алгоритм «сам поймет». В результате проект теряет фокус, а ресурсы расходуются впустую.

Вторая ключевая проблема — качество и полнота данных. Модели машинного обучения требуют объемных и репрезентативных выборок, а на практике компании часто ограничиваются фрагментарными наборами, собранными «для галочки». Без инженерной дисциплины в подготовке данных — разметке, нормализации, верификации — ИИ-система не выйдет за рамки пилотного проекта. Мы видим это, например, в проектах по промышленной аналитике: если датчики дают неполные или некорректные значения, никакой алгоритм не компенсирует искажённый источник.

Отдельно стоит отметить неверные ожидания по срокам и бюджету. Многие компании рассматривают внедрение ИИ как разовый проект, аналог автоматизации — «поставили систему, обучили модель, и она работает». На практике все иначе. Алгоритмы требуют постоянного сопровождения, обновления данных, регулярного переобучения и контроля качества результатов. В противном случае точность моделей начинает снижаться уже через несколько месяцев после запуска. Особенно это критично в динамичных предметных областях — например, в промышленности, логистике или системах безопасности, где исходные условия постоянно меняются.

Мы видим, что устойчивость решений достигается только при наличии долгосрочной стратегии поддержки: мониторинга метрик, переразметки данных, переобучения моделей и адаптации инфраструктуры под возросшие вычислительные нагрузки. Это требует не только финансовых, но и организационных ресурсов. Затраты на эксплуатацию и развитие ИИ-систем часто превышают первоначальные инвестиции, и если это не заложено в план проекта — система быстро теряет актуальность и доверие пользователей.

Не менее важен человеческий фактор. Любое внедрение ИИ затрагивает внутренние роли и процессы, а иногда — привычную зону ответственности сотрудников. Если проект воспринимается как попытка заменить человека машиной, это неизбежно вызывает сопротивление. На практике это проявляется не в открытом протесте, а в пассивном саботаже — задержках с предоставлением данных, формальном отношении к обучению моделей, игнорировании новых инструментов.

Чтобы избежать этого, критично выстраивать коммуникацию с командой: объяснять цели, показывать пользу ИИ для сотрудников, а не против них. Например, в наших проектах мы стараемся демонстрировать, как интеллектуальные системы снимают рутину, повышают точность анализа и сокращают человеческие ошибки, освобождая специалистов для более сложных задач. Такой подход формирует доверие и обеспечивает реальное принятие технологий в корпоративной среде”.

Руководитель направления интернет-маркетинга компании “ГИГАНТ Компьютерные системы” дал комментарий изданию “компьютерра” о том, зачем компаниям нужен умный чат и как его внедрение помогает улучшить клиентский опыт.

– Какие ключевые показатели вы отслеживаете, чтобы оценить эффективность умного чата и его влияние на удовлетворенность клиентов?

Мы оцениваем эффективность умного чата по скорости первого ответа, доле запросов, которые решаются без оператора, и уровню удовлетворенности клиентов. Ключевой показатель — клиенту не приходится обращаться повторно.

• Как команды чат-бота, аналитики данных и разработчики взаимодействовали при создании сценариев — были ли какие-то сложности или инсайты?

При разработке мы работали в связке маркетинга, аналитиков и разработчиков. Самый важный инсайт — пользователи ценят простоту и понятные сценарии, а не сложные ветвления.

• Какие сценарии оказались наиболее востребованными клиентами и почему именно они?

Наиболее востребованы автоматические ответы по статусу заказа, вопросам доставки и подбору товаров и решений. Именно они закрывают до 70% всех обращений. Клиенты получают ответы за секунды, без ожидания на линии. Благодаря умному чату средняя нагрузка на операторов снизилась примерно на 35%, а время решения типовых вопросов стало практически моментальным. Это освободило сотрудников для обработки более сложных запросов — за счет перераспределения нагрузки операторы стали обрабатывать такие кейсы в среднем на 25–30% быстрее.

Для бизнеса это выражается в росте удовлетворенности и лояльности, а также в повышении эффективности команды. Таким образом, умный чат становится не просто удобным каналом поддержки, а инструментом, который помогает компании достигать конкретных показателей и поддерживать высокий уровень сервиса.

• Какие новые функции или сценарии поддержки вы планируете внедрить в ближайшее время, чтобы улучшить клиентский опыт?

Дальнейший фокус — углубить персонализацию, добавить сценарии по выбору техники и услуг и проактивные уведомления, чтобы клиент получал не просто ответы, а полноценное сопровождение.

Генеральный директор компании “ГИГАНТ Компьютерные системы” поделился мнением со СМИ о том, что перевод государственных информационных систем на платформу «ГосТех» — это полный разрыв с прошлым: нужно объединить десятки разнородных систем в единую платформу с общими правилами, что требует переписывания API, нормализации данных, борьбы с устаревшими технологиями и перехода на автоматизированную DevOps-модель эксплуатации.

По вашему мнению, в чем главные сложности перевода ГИС на ГосТех?

Перевод ГИС на «ГосТех» — это не копипаст кода с одного сервера на другой. Это слом старого зоопарка технологий. У государства десятки систем, каждая писалась в свое время, своими подрядчиками, на своем стеке. Где-то монолит на Oracle двадцатилетней давности, где-то модные микросервисы на Kubernetes. Все это надо включить в единую платформу с общими правилами. И вот тут начинаются нестандартные задачи: переписывание API, нормализация схем данных, борьба с легаси, и т.д.

Плюс безопасность. Раньше каждый варился в своем котле, свои правила, свои фаерволы. Теперь надо вписываться в централизованные стандарты, где шифрование, доступы и SOC работают по одним и тем же протоколам. Для многих систем это не апдейт, а фактически пересборка.

Интеграции — отдельная проблема. Исторически все привыкли к связям «один к одному»: у одного ведомства своя шина, у другого своя, у третьего вообще XML по FTP. «ГосТех» требует нормальной шины взаимодействия, чтобы всё работало в едином ритме. Значит, надо заново переосмысливать точки интеграции и перепрошивать бизнес-логику.

И ещё эксплуатация. Платформа живёт в облачной модели. Это значит контейнеры, оркестрация, CI/CD. А у многих систем до сих пор «железо» стоит в подвале министерства и админ по SSH руками перезапускает сервис. Для перехода нужна не просто миграция, а культурная революция: команды должны научиться жить в DevOps-среде, где всё автоматизировано и проверяется на лету.

Чем может быть полезен искусственный интеллект на ГосТехе при работе с ГИС?

ИИ на «ГосТехе» — это способ навести порядок в хаосе. Представьте гору нормативки и ТЗ, написанных разными людьми на бюрократическом языке. Человек будет неделями в этом копаться, а большая языковая модель за секунды вытащит требования, сопоставит их с архитектурой платформы и скажет, что у вас здесь дыра, а здесь можно использовать готовый модуль.

При разработке ГИС ИИ реально помогает строить архитектуру: он умеет подсказывать паттерны, генерить тестовые сценарии, работать в связке с CI/CD и заранее предупреждать о том, что пайплайн упадёт. На эксплуатации — ещё интереснее. Модели анализируют логи, ищут аномалии, предсказывают нагрузку. То есть система сама понимает, что у неё завтра будет перегрузка, и заранее раскатывает больше ресурсов.

В безопасности это вообще must-have. Машина анализирует трафик в реальном времени и видит то, что человек заметит через час. А час в ИБ — это катастрофа.

И на фронте для граждан ИИ делает то, чего всегда не хватало госуслугам: умный поиск, нормальные подсказки, голосовые и текстовые ассистенты. Не бестолковая форма с тридцатью полями, а сервис, который сам понимает, что тебе нужно, и помогает это оформить.