Марина Иванченко, «Центр 2М» - о методах «дрессировки» технологий видеоаналитики, которые служат бизнесу

Марина Иванченко: Действительно, практика внедрений показала, что технологии видеоаналитики требуют особого внимания при интеграции с бизнес-процессами заказчика. Однако в результате внедрения новых технологий бизнес оказывается выигрыше.

Марина Иванченко: Да. Необходимо донести до заказчика пределы возможностей промышленной видеоаналитики. В зависимости от типа задачи для улучшения качества алгоритма может потребоваться дообучение нейросети на данных, предоставляемых заказчиком. На данный момент существуют «универсальные» модели, которые применяются для первоначального показа заказчику. Однако стоит понимать, что нельзя создать универсальную модель для всех, необходимо отдельно подстраиваться под каждую задачу и дополнять набор данных для обучения или создавать новый под определенные требования.

Работоспособность такого подхода можно хорошо проиллюстрировать на примере задач, связанных с соблюдением техники безопасности. Различные компании имеют разные комплекты средств индивидуальной защиты для сотрудников (каски, жилеты, крепления), в разных помещениях есть разные возможности для установки камер. А это, в свою очередь, сокращает возможности использования одного решения на все аналогичные задачи. Необходимо тестировать и адаптировать алгоритмы «под заказчика».Дмитрий Бородачев, DатаРу Облако: Наше преимущество — мультивендорная модель предоставления облачных услуг

Видеонаблюдение сегодня переживает второе рождение, связанное с приходом нейросетевых технологий. Они изменили традиционный подход к визуальному контролю объектов, однако бизнес с недоверием относится к новым технологиям, не всегда понимая их практическую эффективность и экономическую целесообразность.

Марина Иванченко: Высокая цена видеоаналитики – это современный миф. Нейросетевые технологии, которые лежат в основе алгоритмов аналитической обработки видеоданных, уже перестали быть привилегией научных институтов и стали доступны не только для крупных, но и для небольших компаний. Конечно, все зависит от конкретного кейса, но в среднем добавление интеллектуальной составляющей увеличивает стоимость традиционного решения видеонаблюдения всего на 30%. Однако есть ряд других причин недопонимания между заказчиком и интеллектуальными технологиями. В частности, оценка экономической эффективности внедрения «в лоб».

Марина Иванченко: Есть такое ожидание – окупить любой проект и получить явный прямой экономический эффект, легко исчисляемый в денежном выражении. Не могу назвать это ошибкой. Зарубежные компании готовы рассматривать всерьез кейсы с окупаемостью 30 лет, с точки зрения стратегии развития инфраструктуры – это для них нормально. Российский бизнес относится с осторожностью даже к кейсам с окупаемостью в 3 года, что говорить о более долгосрочных инвестициях?

Однако интеллектуальные ИТ-решения зачастую с трудом проходят через этот фильтр, поскольку их ключевой эффект сегодня лежит в иной плоскости – они радикально улучшают бизнес-процессы и принципиально меняют качество принятия интеллектуальных решений. Ключевое назначение таких систем – улучшение процессов, что далеко не всегда можно подсчитать в виде прямой экономической выгоды или роста продаж её продукции.

Марина Иванченко: Конечно, тот или иной экономический эффект от внедрения интеллектуального решения компания обязательно получает. Но для того, чтобы его рассчитать, необходимо анализировать структуру бизнес-процессов, с точки зрения цепочки формирования добавленной стоимости, и решать, какие элементы могут быть автоматизированы – это даст прямую экономию на оплате труда соответствующих сотрудников. В других случаях точка получения экономии оказывается совсем в другой сфере. У нас есть отличный практический пример, иллюстрирующий этот тезис: компания «Центр 2М» выполнила проект для одного из крупнейших российских банков – мониторинг с помощью системы видеонаблюдения длины очереди в столовой и онлайн-оценка времени ожидания.

Марина Иванченко: С одной стороны, кажется, что деньги, которые были потрачены на математическую модель динамики очереди в столовой, банк мог бы применить с большей очевидной пользой для бизнеса. Однако, проанализировав поведение сотрудников, выяснилось, что раньше они теряли не меньше 30 минут рабочего времени каждый раз, когда добирались до столовой, расположенной на первом этаже многоэтажного офиса, обнаруживали большую очередь и возвращались на свое рабочее место. А если оставались там, то в час пик в среднем проводили в очереди час времени. После внедрения системы безрезультатные путешествия в столовую прекратились, а ожидание в очереди значительно сократилось. Это в свою очередь повлияло на время нахождения сотрудников на рабочем месте.

Таким образом, технологии видеоаналитики позволили найти изящное решение большой проблемы банка – потерь рабочего времени в результате длительного ожидания в очередях в столовой. Так, до внедрения системы длина очередей в пиковые часы составляла 50 человек. Иными словами, каждый «умный» проект нужно рассматривать как отдельный кейс, который дает вклад в улучшение связанных бизнес-процессов, так как основной экономический эффект зачастую находится именно там.

Марина Иванченко: Как ни удивительно, очереди до сих пор остаются проблемой многих организаций, однако ключевое слово здесь – «процессы». Собственно, процессное управление не случайно стало в последнее время популярной темой статей в СМИ и докладов на конференциях: наступило время достаточно сложных ИТ-проектов с большой долей интеллектуальной составляющей, которые меняют не просто функции отдельного рабочего места, а последовательность действий разных сотрудников. Внедрение процессного управления порой требует серьезных изменений в ментальности, зачастую – чисто психологических.

Марина Иванченко: Дело в том, что далеко не всегда сотрудники готовы работать в изменившихся условиях той прозрачности бизнес-процессов, которую обеспечивает видеоанализ. Да и руководители не всегда отчетливо понимают, какие бизнес-процессы будет пронизывать система видеоанализа, и к какой конечной точке принятия решений она приведет. А раз нет понимания происходящих процессов, значит, нет возможности оценить не только реальные эффекты, но и риски проекта. Очень часто причины неудач при внедрении умных систем находятся именно в этой точке.

Марина Иванченко: Да, конечно. В частности, для того чтобы упростить переход к процессному мышлению поставщики интеллектуальных ИТ-решений используют категорию сценария, то есть готового ИТ-решения, пред настроенного, с точки зрения бизнес-процессов, на решение определенного класса задач. Например, мы предлагаем набор типовых сценариев: контроль периметра, очередей, нарушения техники безопасности, распознавания маркировок на оборудовании. Всего около 30 сценариев.

По нашему опыту 80% всех запросов, имеющихся на рынке, связаны с этими группами сценариев.

Марина Иванченко: Проблема решается путём анализа бизнес-процессов заказчика и их последующей автоматизацией. Мы можем декомпозировать, компоновать и изменять сценарии под отдельные задачи. Фактически каждый кейс – это точка, в которой встречается несколько сценариев работы интеллектуальных систем. Например, контроль за средствами индивидуальной защиты не работает без распознавания человека, нарушение периметра – без детекции объектов. Проблема здесь в другом: создание нового сценария – это весьма непростой процесс, требующий серьезных интеллектуальных затрат со стороны специалистов компании.

Марина Иванченко: Сегодня лидирующие компании в области видеоаналитики формируют готовые библиотеки комплексных сценариев, которые имеют возможности гибкой настройки. Так, в портфеле компании «Центр 2М» около 30 сценариев работы системы видеоаналитики. Они разработаны таким образом, что, во-первых, имеют большой потенциал для тиражирования на различных предприятиях, и, во–вторых, оказывают влияние на эффективность бизнеса.

Марина Иванченко: Действительно, это одна из самых востребованных функций, особенно в клиентском обслуживании. У нас на базе CenterVision есть решение предиктивного управления очередями для оптимизации обслуживания. Изначально оно разрабатывалось в рамках конкретного проекта. Сегодня это полноценный и универсальный модуль с множеством функций: системой подсчета людей, прогнозирование параметров очереди, в частности, времени ожидания.

Однако подчеркну еще раз: отличные ИТ-продукты дают нужный предприятию результат только в связке с эффективными бизнес-технологиями. Мы как информационный оператор всегда выступаем на стороне заказчика, который хочет видеть реальные проблемы, мешающие его бизнесу развиваться должным образом, и возможности, помогающие решать ключевые задачи. В этом контексте передовые умные информационные технологии улучшают бизнес-процессы, обеспечивая такую прозрачность информации, которая необходима для гораздо более качественного контроля и управления.