Технологии индустрии 4.0 в трендах

Небывалая скорость развития технологий меняет то, как мы общаемся, работаем, совершаем покупки и развлекаемся. Какой станет наша жизнь через несколько лет бок о бок с ИИ, большими данными и киберугрозами? Об этом — в нашем обзоре.

Тренд 1: Охота на данные

В 2019 году хакеры по всему миру атаковали пользователей, компании и государства каждые 14 секунд. А в следующем году атаки станут еще чаще — каждые 11 секунд.

Охотятся в первую очередь за данными: персональные данные, коммерческие и государственные тайны. Только в прошлом году 14 млрд конфиденциальных записей попали в сеть. Киберугрозы и мошенничество с данными входят в топ-10 глобальных рисков, по мнению экспертов Всемирного экономического форума. Уже в 2019 году мировой рынок ИБ достиг от $103 млрд до $124 млрд. К 2027 году он может вырасти до $281 млрд. И хотя на информационную безопасность тратятся миллиарды, согласно опросу Accenture, лишь 17% компаний готовы эффективно противостоять кибератакам.

Развитие систем безопасности неизбежно влечет за собой развитие арсенала хакеров. Поэтому в приоритете развитие киберустойчивости, а также скорости, с которой компании находят и нейтрализуют злоумышленников. Особенно важно это в связи с развитием тренда на целенаправленные или APT-атаки (от англ. advanced persistent threat). В 2019 году на них пришлось 60% всех атак. Защититься от них сложно по нескольким причинам.

Первая — высокий уровень атакующих. За подавляющим большинством атак стоят хакерские группировки, многие из которых объединяются для сотрудничества. Развитие технологий, в том числе искусственного интеллекта, позволяют киберпреступникам совершенствовать свой арсенал. Все больше атак совершается с использование целевого фишинга для кражи учетных данных. Например, в 2018 году Lazarus APT group с помощью фишинговой атаки получила доступ к сети Cosmos Bank, второго крупнейшего индийского банка. Изменив настройки при проверки денежных переводов, за три дня злоумышленники украли $13,5 млн.

Вторая — отсутствие совершенной защиты. Часто компании сами не знают, что стали жертвами злоумышленников, ведь взломать могут не только напрямую, но и через партнеров, провайдеров услуг связи, вендеров и поставщиков услуг. И количество таких атак будет только расти. В среднем компаниям требуется полгода, чтобы обнаружить следы атаки, а иногда вредоносное ПО может оставаться незамеченным годами. При этом SIEM системы (от англ. Security Information and Event Management) защищают от рядовых атак.

Третья — несовершенные бизнес-процессы. К успеху атаки приводит и не налаженная коммуникация между IT-отделами или необходимость согласования действий, когда надо принимать решения. На организацию обсуждения, ожидание профильных специалистов уходит в разы больше времени, чем на само реагирование.

Ущерб от кибератак за пять лет аналитики Accenture оценивают в $5,2 трлн. Более пессимистичны в прогнозах эксперты Всемирного экономического форума — уже к 2023 году они ожидают рост суммы ущерба до $8 трлн.

Тренд 2: Эра «слабых»

В 2016 году искусственный интеллект впервые победил человека в Го. Количество возможных комбинаций в этой игре превышает число атомов в наблюдаемой части Вселенной. Победа Alpha Go была ошеломительной, ведь, по всем прогнозам, технически возможным это должно было стать только в 2020-2025 годы. Но вместе с тем искусственный интеллект, сравнимый с человеческим, еще долго будет оставаться лишь уделом фантастов.

Мы живем в эру слабого ИИ, который обучен решать конкретные задачи. Свободная воля и сознание ему пока недоступны. В основе существующих сегодня систем ИИ лежит машинное обучение. И хотя часть алгоритмов известна с середины XX века, новый виток развития они получил благодаря большим объемам накопленных данных и наличию вычислительных мощностей.

Рынок ИИ один из самых быстрорастущих. По прогнозам аналитиков, уже к 2025 году его объем может достигнуть $390 млрд, а среднегодовые темпы роста инвестиций составят более 30%. Согласно подсчетам Gartner, уже в следующем году использование ИИ принесет бизнесу $2,9 трлн и 6,2 миллиарда часов производительности труда. Сбербанк, например, в 2019 году получил почти 42 млрд рублей от внедрения у себя технологий ИИ, в текущем году сумма может составить 66 млрд.

Согласно опросу PwC, 74% российских компаний заинтересованы во внедрении ИИ в ближайшие несколько лет. Вместе с тем, согласно опросу ВЦИОМ, 43% предпринимателей в стране не используют и не планируют использовать ИИ в работе. Кто же прав? По мнению экспертов, дело в финансовых возможностях. Основными потребителями умных решений пока остаются крупные компании, работающие с потребителями — банки, ретейл, телеком, здравоохранение. Так, банки, использующие ИИ, к 2023 году могут сэкономить $447 млрд. Технология позволит бороться с мошенничеством и отмыванием денег, а также повысит качество обслуживания клиентов. Например, во время звонка на горячую линию банка Citi, система показывать причину звонка, что в разы сокращает время разговора и повышает качество обслуживания. Благодаря ИИ шоппинг становится в разы проще и приятнее. Например, в сети супермаркетов Kroger в США появились умные полки. Открыв приложение в магазине, покупатель увидит товары, который скорее всего его заинтересуют. Другой пример — магазин без продавцов. Вы заходите в Amazon Go, берете необходимое и… выходите. А умная система из датчиков и камер, определив, что было куплено, сама снимет деньги с карты. В медицине ИИ поможет врачам анализировать медицинские снимки. Нейронная сеть, обученная читать снимки, находит аномалии на таких ранних стадиях, которые не доступны человеку. Внедрение умных решений в здравоохранении поможет снизить нагрузку на врачей и повысить точность диагностики.

Тренд 3: Новая нефть и пища для ИИ

К 2025 году человечество будет создавать 463 эксабайта данных или 212 765 957 DVD…ежедневно. Такой объем открывает бизнесу возможность глубже и точнее понимать клиентов — их желания, потребности и выбор. Большие данные становятся главным источником конкурентных преимуществ компаний. Использование технологий на основе Big Data помогает сокращать расходы на продвижение за счет прицельной рекламной выдачи, с высокой точностью прогнозировать спрос, предсказывать поведение людей и стимулировать покупательскую активность. Например, стриминговый сервис Netflix на основе больших данных и машинного обучения создал один из самых точных алгоритмов персональной рекомендации фильмов. С его помощью компания ежегодно экономит $1 млрд на удержание пользователей.

В 2018 году рынок Big Data, согласно отчету IDC, достиг $189,1 млрд, а к 2022 может вырасти до $274,3 млрд. Российский рынок к 2024 году может достигнуть 300 млрд рублей, а экономический эффект от внедрения обеспечит рост ВВП страны до 2,9 трлн рублей. Также по прогнозу IDC, к 2025 году почти 30% всех генерируемых данных будут анализироваться в реальном времени. Например, логистическая компания UPS на основе больших данных от датчиков с машин оптимизирует маршруты онлайн. Сокращение пути даже одного водителя на одну милю в день позволяет компании экономить 1,5 млн галлонов топлива в год и сокращать выбросы в атмосферу.

Технологии на основе больших данных используются практически во всех сферах. Магазины с помощью Big Data формируют ассортимент, точно соответствующий спросу в конкретном магазине. Операторы связи создают гибкие тарифные планы и эффективную инфраструктуру сети. Большие данные также стали инструментом управления городом. Так, в Москве на основе данных проездных билетов и графика передвижения горожан по городу, власти запустили новые маршруты общественного транспорта там, где это было востребовано. Усилия оценили и международные эксперты Deloitte, в 2017 году они назвали Москву мировым лидером по внедрению интеллектуальных решений для транспортной системы.

Big Data — инструмент, меняющий правила игры и облик целых отраслей. Однако есть проблема, сдерживающая развитие технологии. Речь о самих данных. Исходные данные неоднородны, в них изначально может содержаться ошибка или вообще отсутствовать информация, необходимая для принятия требуемых решений. А значит и аналитика, полученная на их основе, может быть недостоверной. Кроме того, данные —«пища» для обучения искусственного интеллекта. Но многие датасеты или закрыты, или не имеют необходимой разметки. Что это значит? Чтобы алгоритм ИИ работал исправно, он должен тренироваться верно выполнять определенную работу. В этом ему помогает разметка. Для простых операций, вроде «на этой фотографии изображена кошка, а на этой — собака», таких проблем нет. А вот чтобы научить ИИ чему-то более сложному часто требуется размечать датасет вручную. Поскольку речь идет о действительно больших данных, это требует много времени и усилий. И не каждая компания может позволить себе такие вложения.