Большой брат для большого бизнеса

IoT нам знаком по растиражированному в мире умному дому. Однако даже самое простое устройство в этой когорте — колонки с возможностью управлять температурой в доме, холодильником или светом — внедрено далеко не в каждую семью, а многие сценарии использования ограничиваются командами «поставь музыку» или «расскажи про погоду на улице». В силу специфики технологий развитие интернета вещей шло зигзагами, и на то было три причины.

 

Во-первых, умные устройства обеспечивают бытовое удобство и позволяют повысить эффективность операций, но в реальной жизни это скорее приятное дополнение, нежели необходимость. Другое дело — безопасность, которая является базовым кирпичом в иерархической системе координат современного человека. Когда речь идет о внедрении IoT не только в квартирах, но и в целых зданиях или территориях, возникает необходимость контроля доступа, мониторинга заполняемости баков с мусором, обнаружения задымлений — всего того, что мы относим к обеспечению базовых потребностей человека. И если для производства как системы безопасность так же важна, как и для члена социума, то вопрос с эффективностью операций приобретает решающее значение в конкурентной борьбе. Поэтому использование этих технологий в бизнесе — это не про бытовой комфорт, а про реальный экономический эффект. В случае автоматизации процессов на предприятиях главной целью становится повышение эффективности. При этом успех оценивается не только уровнем производительности, но и степенью финансовой выгоды: с каждого рубля инвестиций нужно получать два, а лучше — десять.

 

Тем не менее в контексте повсеместной цифровизации и развития IoT нередко возникает вопрос о выстраивании баланса между технологическим фактором и человеческим присутствием в бизнес-процессах.

 

Сегодня от задачи повысить продуктивность конкретных производственных или технологических операций и процессов все передовые компании стремятся перейти к следующему шагу — исключить человека из сложных технологических процессов на труднодоступных или опасных производствах. 

Однако при всем объеме технологий, чтобы исключить человека из процесса, потребуется немало времени и существенные инвестиции, поэтому необходимо сразу формировать будущие проекты с упором на «безлюдность», как делают, например, в «Сибуре».

Фокус на «безлюдности» и аналитике, которые сегодня стали актуальными для большого бизнеса, продолжается историей развития локальных независимых предприятий, которые находятся в непосредственной близости к конечному потребителю. Китайские предприниматели уже имеют опыт в этом вопросе. 

Пример компании Haier доказывает: кастомизация (индивидуальная настройка под клиента) может стать массовой. На заводах предприятия потребитель может заказать стиральную машинку «под себя», напрямую выбрав любую конфигурацию, а они ее произведут и доставят прямо к дому. 

Также перспективное месторождение по добыче полезных ископаемых на севере нашей страны сразу разрабатывается с упором на внедрение «безлюдных» технологий. Технические решения существуют, однако их важно применять, тестировать и улучшать непосредственно на действующих предприятиях. Нам активно предлагают сотрудничество специалисты из Китая и Латинской Америки. Но тут появляется вторая ключевая задача — научиться эффективно переносить научные достижения в повседневную практику.

Для реализации подобной модели необходима координация на государственном уровне: предприятия, цепочки поставок и сбыта объединяются общей цифровой сетью и информационной системой. Такая структура работает как прозрачная биржа мощностей — в реальном времени отслеживается загрузка, направляются чертежи на просчет, получаются данные по срокам и стоимости.

В большом бизнесе сегодня востребованы не только «базовый набор» в виде систем сбора данных и аналитические дашборды, но и полноценные платформы, работающие по принципу цифровых двойников. Здесь важно определиться с терминологией: помимо цифровых двойников существуют еще и «цифровые тени», и 50 оттенков цифровых форм. Для одних это визуализация объектов в 3D, для других — набор данных о технологических процессах, установках и системах, работающих в реальном времени. Есть и симуляционные модели — виртуальные модели для проведения испытаний (без натурных экспериментов), на которых тестируются гипотезы, особенно востребованные в аэрокосмической отрасли, где настоящие испытания слишком дорогостоящи. Первые разработки в этой области появились в России в 2010-х, активно развивались в 2015–2016 годах, а с появлением концепции цифровой экономики оформились в крупные национальные проекты к 2018 году. 

 

По сути, цифровой двойник — это копия физического объекта или процесса, помогающая оптимизировать эффективность производства и бизнеса. Мы можем собирать данные, визуализировать, анализировать и строить на их основе модели — вплоть до уровня городов. Эта технология развивается стремительно: сегодня девелоперы не могут получить разрешение на строительство без 3D-модели (BIM-модели), позволяющей проверить объект на коллизии и просчитать сценарии эксплуатации.

 

Ключевым вызовом в этом контексте является объединение цифровых двойников с моделями управления. За последние семь лет мир стремительно продвинулся в этом направлении: растут инвестиции, открываются новые предприятия, появляются новые, более совершенные и, самое главное, более доступные приборы и устройства. В России экономическая конъюнктура еще не сложилась, поэтому отечественных примеров цифровых производств пока что нет. Однако нам есть на кого равняться: в Китае сегодня есть предприятия, где роботы собирают роботов, а это уже практически киберпанк во плоти. 

Анализ данных вызывает сегодня все меньше вопросов: мы привыкли, что алгоритмы и приложения знают о нас все — они словно созданы под наши запросы и потребности. При этом защита персональных данных, которыми делятся пользователи, не столь критична, как вопросы кибербезопасности. Серьезная обеспокоенность связана не с тем, что «большой брат следит за нами», а с риском несанкционированного доступа, способного повлиять на работу системы, устроив локальный или глобальный апокалипсис.

 

Вездесущий искусственный интеллект пока не так активно участвует в сборе и обработке больших данных в сфере мониторинга, аналитики и поиска инсайтов. А именно это необходимо для любой оптимизации: крайне сложно выровнять дисбаланс энергопотребления без определения пиков или построить больницу в энергодефицитной области без понимания базового уровня потребления. Для эффективной работы ИИ и алгоритмов машинного обучения необходим большой объем электроэнергии, в которой также нуждаются школы, детские сады, больницы. В этом контексте актуальным становится этический вопрос распределения этих энергоресурсов между бизнесом и объектами социального значения.

 

При соотношении ролей человека и машины уместно говорить о �