Штучний інтелект – лише верхівка айсберга

На цьогорічній конференції Digital Horizons: Smart Banking, присвяченій цифровій трансформації фінансового сектору, чимало говорили про штучний інтелект. Зокрема директор IBA Ukraine Сергій Байбара у своєму виступі зосередився не на майбутніх можливостях, а на підготовчій роботі, без якої AI у банках і страховому секторі залишиться порожнім гаслом.

«Моя презентація – не стільки про штучний інтелект, скільки про підготовку до AI», – наголосив доповідач від самого початку. І далі розповів, як традиційним фінансовим установам доводиться адаптуватися до тиску фінтехів, регуляторних вимог та технологічного боргу, який накопичувався десятиліттями.

Варто підкреслити, що IBA Group вже понад 30 років розробляє інноваційні рішення для фінансового сектора та пропонує широкий спектр послуг: від розвитку дистанційного банківського обслуговування до систем на базі штучного інтелекту. Експертиза компанії підтверджена успішною співпрацею з великими фінансовими організаціями з Азії, Європи та Африки, зокрема банками Казахстану, Німеччини, Чехії та ПАР.

«Ми маємо багатий та різнобічний досвід упровадження рішень у банківському секторі: розробка мобільних застосунків, інформаційна безпека, роботизація бізнес-процесів та багато іншого. Тому вирішили поділитися кейсами та напрацьованою експертизою, яка допоможе українським фінансовим організаціям підвищити технологічний рівень», – зазначив Сергій Байбара.

Тож першим пунктом виступу стала система Camunda, яку IBA пропонує клієнтам як «оркестратор процесів». Йдеться про платформу, що здатна інтегрувати в єдину логіку людину, бізнес-застосунки, роботизовані рішення RPA й навіть агенти штучного інтелекту. Восьма версія Camunda, за словами Байбари, справді проривна: вона дозволяє не лише фіксувати й моніторити бізнес-процеси, а й гнучко керувати ними, виявляти «вузькі місця» й залучити AI-модулі.

За даними Forrester, впровадження Camunda у великих організаціях забезпечує понад 400% повернення інвестицій і приносить мільйонні вигоди завдяки зниженню витрат, швидшому запуску нових сервісів та підвищенню задоволеності клієнтів. «Сьогодні у фінансовому секторі конкуренція настільки висока, що виграє той, хто вміє змінюватися швидко. Camunda дає саме цю швидкість і гнучкість», – підкреслив спікер.

Друга частина доповіді була присвячена роботизації бізнес-процесів. Тут IBA пропонує не лише впровадження та інтеграцію сторонніх рішень, а й власні розробки. Платформа EasyRPA, яку компанія розвиває вже понад сім років, створена на основі практичного досвіду автоматизації тисяч бізнес-процесів. Її важлива особливість – відсутність ліцензійних платежів.

«Ми скасували плату за ліцензії спочатку для українських клієнтів, а згодом і для світових. Тепер кожна компанія отримує не лише платформу, а й код, документацію та повну підтримку. Якщо у клієнта є власні Java-розробники, вони можуть самі розширювати і модифікувати роботів», – пояснив Байбара.

EasyRPA включає модулі OCR і машинного навчання без обмеження кількості документів, підтримує сценарій Human-in-the-Loop, що дозволяє людині втручатися у критичні моменти процесу, і має вбудовані інструменти CI/CD для масштабування. У компанії працює понад сотня сертифікованих спеціалістів із RPA, а досвід охоплює проєкти у фінансовій, транспортній, страховій, державній сфері тощо.

Втім основна частина презентації стосувалася міграції в хмару. Тут доповідач дозволив собі трохи іронії: «Я запитав у штучного інтелекту, як часто банки змінюють свої ключові системи. Відповідь мене вразила – раз на десять-двадцять років. А деякі – взагалі ніколи. Більшість компаній фінансового сектору роблять модернізацію лише раз на три-п'ять років». Ця реальність пояснює, чому хмарна міграція сьогодні є чи не єдиним способом зробити застарілі системи готовими до нових викликів без повного переписування бізнес-логіки.

IBA пропонує три взаємопов'язані напрямки міграції, кожен з яких відповідає конкретним бізнес-потребам та рівню готовності організації. Перший напрямок – це міграція застосунків, і тут немає універсального рішення. Це набір стратегій, які можна комбінувати залежно від стану систем та бізнес-цілей.

Найшвидший варіант називається lift-and-shift, коли віртуальні машини просто переносяться до іншого хостингу. Якщо застосунки клієнта вже готові до хмари, цей підхід дає швидку економію на інфраструктурі з мінімальними ризиками та без порушення бізнес-процесів. Це короткострокова перспектива, але з відчутним результатом.

Re-platforming – середній рівень складності, коли потрібно замінити базові технології: наприклад, перехід з DB2 на Azure SQL або з AIX на Linux. Цей варіант дає не лише економію на ліцензіях, а й доступ до переваг хмари – автоматичного disaster recovery, кращої масштабованості, підвищеної безпеки.

Найглибша трансформація відбувається через refactoring та re-architecting, коли застосунки переписуються на мікросервісну архітектуру. Це довгостроковий проєкт, але саме він відкриває повний потенціал хмарних платформ: автоматичне масштабування, незалежне оновлення компонентів, інтеграцію з AI-сервісами. Як зазначив Байбара, такі проєкти замовляють рідше через їхню тривалість, але саме вони дають найбільший стрибок у продуктивності та гнучкості.

Далі доповідач навів кілька прикладів. Європейська рітейл-мережа, яка мала розрізнені версії застосунків у кожній локації, завдяки переходу на Azure SQL і Cosmos DB отримала 35% зниження загальної вартості володіння через централізовану підтримку, п'ятикратне прискорення випуску нових функцій, 90% скорочення часу синхронізації даних між системами та 99,9% доступності – стандарт для хмарних рішень.

Ще один кейс – великий європейський автовиробник, який мав власну систему на кожному заводі. Після міграції в AWS компанія отримала не лише гнучкість і масштабованість, а й можливість швидко впроваджувати єдині стандарти та зменшила витрати на утримання різнорідної інфраструктури.

Другий напрямок – це міграція даних, і тут мова йде не просто про технічне перенесення таблиць з одного сховища в інше. Це стратегічна трансформація, яка вирішує кілька критичних проблем одночасно. Коли дані розкидані між різними API, базами, ERP-системами, компанії витрачають величезні ресурси на ручне зведення інформації. Створення консолідованого сховища в хмарі дає єдину точку доступу до всіх корпоративних даних, що прискорює прийняття рішень та знижує ризик помилок.

Перехід з власних серверів на хмарні платформи – Azure, AWS, Snowflake, Databricks – дає кращу швидкість обробки запитів, автоматичне масштабування під навантаження та вбудовані механізми резервного копіювання. Відмова від дорогих ліцензій, особливо IBM DB2 чи Oracle, та використання власних серверних потужностей може знизити інфраструктурні витрати на 30-60%. Хмарні провайдери пропонують модель оплати за використання, що особливо вигідно для компаній із сезонним навантаженням.

IBA використовує інструменти на кшталт AWS Database Migration Service та Azure Data Factory, що дозволяють мігрувати дані поступово, без зупинки бізнес-процесів. Велика європейська агрокомпанія мала дані розкидані між API, власними базами, ERP та SAP. Це створювало такі проблеми, як: ручна обробка, низька якість даних з помилками та пропусками, неможливість зв'язати інформацію з різних джерел та вартість підтримки власних серверів, що постійно зростає.

Після міграції в Microsoft Azure компанія отримала єдину точку доступу до всіх корпоративних даних, що різко скоротило час прийняття рішень, можливість аналізу в реальному часі замість нічного завантаження звітів, відмову від купівлі та обслуговування власних серверів і плавний перехід без втрати функціональності наявних систем.

Інший кейс – великий провайдер IT-інфраструктурних послуг, якому потрібно було терміново мігрувати ETL-процеси з IBM DataStage на Microsoft Azure Data Factory через зміну власника. IBA розробила спеціальний конвертер, який автоматизував половину найчастіше використовуваних стадій обробки даних. В результаті міграція відбулася в півтора раза швидше, ніж планувалося, а інструмент згодом використали ще в трьох проєктах.

Окремо варто згадати роботу з legacy-системами. В одній державній установі IBA допомогла замінити застарілий мейнфрейм IBM на сучасну гібридну архітектуру. Завдяки збереженій в компанії практиці роботи з mainframe – IBA виросла з партнерства з IBM – фахівці змогли впровадити ZOWE як сучасний інтерфейс до legacy-систем, побудувати API-first архітектуру для інтеграції з новими сервісами, замінити ключові компоненти на модульні Java-мікросервіси та перенести дані з DB2 на PostgreSQL із впровадженням event streaming через Kafka. Результат: швидкість підготовки звітності зросла на 60%, а час обробки пакетних завдань скоротився на 40%.

Третій і найважливіший напрямок – це підготовка даних для штучного інтелекту. Ця проблема особливо гостра для фінансових установ, де дані накопичувалися десятиліттями, зберігаються в різних форматах, мають дублі, помилки, відсутні зв'язки між джерелами. Data scientists витрачають 80% свого часу не на побудову моделей, а на виправлення та очищення даних.

IBA пропонує комплексний підхід, який включає п'ять ключових етапів. Перший – це консолідація джерел даних через створення єдиного сховища, data lake чи data warehouse, куди стікаються дані з усіх систем: транзакційних баз, CRM, ERP, зовнішніх API, файлових архівів. Це дає можливість AI-моделям бачити повну картину, а не фрагменти.

Другий етап – побудова common semantic layer, єдиного семантичного шару. Це свого роду «перекладач», який приводить дані з різних систем до спільної бізнес-мови. Наприклад, поле «Client ID» в CRM і «Client ID» в SAP можуть означати різні сутності – семантичний шар розв'язує цю проблему, створюючи єдиний бізнес-глосарій та онтологію.

Третій – це робота з метаданими, які є «паливом» для AI. Метадані – це «дані про дані»: опис структури, походження, контексту, правил якості, зв'язків між таблицями. Для великих мовних моделей метадані критично важливі, бо саме вони дають контекст і розуміння. IBA впроваджує data catalog з описом усіх джерел даних, data lineage для відстеження походження кожного поля – звідки дані прийшли, як трансформувалися – та data quality rules, правила перевірки коректності, повноти й актуальності.

Четвертий етап – це технічна робота з очищення та гармонізації: видалення дублів, виправлення помилок, стандартизація форматів, заповнення пропусків, нормалізація значень. IBA використовує методи data profiling для аналізу структури та якості джерел, data elimination для видалення зайвих та нерелевантних даних, data standardization для приведення до єдиних форматів дат, адрес, валют, і data cleansing для виправлення помилок та перетворення в AI-ready формат.

І нарешті – оркестрація даних та AI-моделей, тобто управління потоками даних між джерелами, сховищами та AI-моделями. Це автоматизація оновлення, моніторинг якості, механізми рекомендацій – які дані краще використати для конкретної задачі, як оптимізувати запити.

Варто зазначити, що IBA працює з усіма провідними хмарними платформами та інструментами. До прикладу, одна з великих виробничих компаній мала застарілі додатки Oracle Forms для планування виробництва, управління запасами та обробки замовлень. Перед впровадженням AI для прогнозування попиту та оптимізації ланцюгів постачання потрібно було замінити Oracle Forms на сучасний Angular-інтерфейс, перевести бізнес-логіку в мікросервіси Java Spring Boot, мігрувати процедури Oracle DB в RESTful API та впровадити CI/CD для автоматизованого тестування. Результат: створено AI-ready шар даних, час синхронізації бізнес-даних між системами скоротився на 90%, час виходу на ринок нових функцій знизився на 35%, покращено користувацький досвід.

Окремим цікавим рішенням IBA є власна розроблена платформа ICDC – повнофункціональна приватна хмара, яка має більшість можливостей великих комерційних платформ: управління віртуальними машинами, мережами, сховищами, Kubernetes-оркестрацію, DevOps as a Service, моніторинг безпеки. «Її можна встановити на серверах клієнта за два-три тижні, якщо вони не дуже застарілі», – пояснив Байбара. Це рішення особливо популярне в регіонах, де є питання з data governance та суверенітетом даних.

Яскравий приклад – Казахстан, де після відмови від російських хмар два оператори вже пропонують сервіси на базі ICDC, а два банки встановили платформу на власні сервери, щоб мати «свою хмару під столом». Це дозволяє краще захищати чутливі дані, зберігаючи частину інформації під власним контролем, а решту застосунків тримати у публічних хмарах.

Три напрямки міграції – застосунків, даних та підготовка даних для AI – це не окремі проєкти, а послідовні кроки єдиної стратегії. Неможливо підготувати дані для штучного інтелекту, не оптимізувавши спочатку їхнє зберігання. Неможливо ефективно мігрувати бази даних, якщо застосунки залишаються монолітними та застарілими.

Завершуючи виступ, Байбара повернувся до теми впровадження AI. За оцінкою Gartner, до 85% проєктів штучного інтелекту зазнають невдачі, і причина – не в недосконалості моделей, а в поганій якості даних. «Коли погані дані зустрічають гарний AI, зазвичай виграють погані дані», – процитував доповідач CEO Invisible Technologies Метта Фіцпатріка.

«Тож якщо ви хочете, щоб AI приніс реальні результати, почніть із процесів, систем і даних. Без цього штучний інтелект залишиться лише красивим словом у презентаціях», – резюмував свою доповідь Сергій Байбара.