Можно подумать, что будущее прекрасно и всё под контролем, но это точно не так.
Про цифровизацию сейчас говорят все и по любому поводу. Кажется, что она теперь есть в любой отрасли или направлении деятельности: от сбора грибов до наблюдения за климатом. И со всех сторон нам говорят: «Цифровизация — это хорошо, потому что она делает нашу жизнь проще!».
Так-то оно да, но есть, как говорится, нюанс.
Цифровизация — это всего лишь применение технологий там, где их раньше не было по разным причинам: не дошел прогресс или просто не додумались. И как у каждой технологии, у цифровизации, кроме плюсов, есть свои минусы, о которых тоже полезно знать заранее.
Мы разобрали три популярных современных тренда цифровизации — через свой опыт работы в проектах, экспертизу и личные мнения тех, кто погружался в эту бездну технологий. И сразу спойлер: не всё так радужно и однозначно, но с этим можно справиться. Как справиться — читайте дальше.
Большие данные (Big Data) и аналитика данных
Big Data — это просто большие объемы данных. Их можно проанализировать и использовать для более эффективного и устойчивого развития бизнеса. А ещё можно использовать для обучения нейросетей — так появился ChatGPT, которому дали все популярные текстовые материалы в Интернете.
Одна из главных целей бигдаты и аналитики — создание «умных» систем, которые смогут сами анализировать данные и принимать решения. Например, в сфере продаж это используется в системах рекомендаций — какие продукты следует подбирать для конкретного потребителя на основании его предыдущих покупок.
С большими данными идет работа во многих государственных и частных проектах, и самое сложное с ними — не столько собрать их из разных источников, сколько обеспечить высокую скорость обработки данных, а также простоту и понятность вывода и визуализации результатов.
Например, разработка сервиса Big Data-аналитики в рамках одного крупного проекта (с обработкой порядка 1,7 млн. новых строк данных в день) потребовала повысить производительность ядра одной из самых мощных BI-систем на рынке на 40%. Команде специалистов потребовалось в режиме 24/7 оптимизировать работу BI-платформы, чтобы обеспечить необходимую скорость выполнения аналитических запросов.
Вот еще список проблем, с которыми вы можете столкнуться, работая с с большими данными самостоятельно.
Опасности, связанные с Big Data
1. Опасная небезопасность: если данные попадут в руки злоумышленников, это приведёт к серьезным последствиям — краже личных данных и финансовым мошенничествам.
По этой причине первое, что мы делаем в каждом проекте с бигдатой — обсуждаем безопасность хранения всех данных. При этом нужно учитывать эти аспекты и при получении данных при интеграции с внешними источниками.
2. «Как запрягли, так и поехали»: неверные исходные данные приводят к неточным и неправильным результатам и, как следствие — к неверным решениям. В переводе на обычный язык это звучит так: не все данные одинаково полезны, нужно понимать, что собирать и обрабатывать, а что будет мусором и мешать делать правильные выводы.
3. «Лихие
4. Вы что, следите за мной? Использование аналитических методов для сбора и обработки данных может привести к чувству слежки и нарушения личной жизни клиентов. От этого никуда не деться, и лучшая политика здесь со стороны компании — полная прозрачность и объяснение, что она собирает и для чего.
Искусственный интеллект и машинное обучение
Искусственный интеллект (AI, ИИ) — это алгоритмы, которые позволяют компьютеру обучаться и принимать решения. Проще говоря, ИИ — это когда сложная программа может научиться чему-то новому, а потом использовать это в своей работе.
Вот эти все модные нейросети, ChatGPT, Midjorney — это как раз тот самый ИИ, который сейчас максимально в тренде. Можно даже сказать, что это на ближайшие пару лет один из основных стабильных трендов, который будет всё время с нами.
Машинное обучение (ML, МО) учит компьютеры решать задачи, не задавая им явных правил и процедур. Оно идёт в связке с ИИ, но часто применяется и для других задач — например, в классификаторах и системах принятия решений. Машинное обучение — это теневая сторона нейросетей: без машинного обучения они не могли бы ничего из того, что умеют сейчас.
И кажется, что с нейросетями уж точно всё в порядке: ну что может быть плохого в том, чтобы генерировать красивые картинки и прекрасные тексты. Но в реальной жизни у ИИ есть свои опасности, которые приходится учитывать:
Опасности развития ИИ
1. Ничего личного: ИИ нужно иметь доступ к большому количеству информации. Если на этапе проектирования продукта не подумать о защите баз данных, моделей и передаваемой информации, это может вылиться в неприятности, особенно в свете свежего закона об оборотных штрафах за персданные. При чём здесь персданные? Всё просто: часто ИИ-системы встраивают в сервисы как интеллектуальных помощников и дают им доступ к клиентским базам. А в публично доступных ИИ (например ChatGPT) вообще интересно: всё, что в них попадает как запрос, точно где-то хранится, но обычные пользователи часто не имеют к этому доступа. Но вот имеют ли доступ разработчики — возможно, да, но пока никто не может точно сказать, как работают такие сложные системы.
2. «Поймай меня, если сможешь»: системы ИИ-аналитики сотрудников используют разные данные о поведении сотрудников: скорость ответа на письма, рабочие активности, время начала и конца рабочего дня, количество закрытых сделок и так далее. На основании этих данных система выносит предложения о премировании сотрудников (или депремировании, как повезёт). Но бывает так, что сотрудники специально манипулируют данными и показателями, чтобы создать у системы «хорошее впечатление» о себе.
3. «Мы все останемся без работы»: ИИ и автоматизация могут заменить многие рабочие места, особенно в креативной и транспортной сферах, что может привести к повышению безработицы и другим социальным проблемам. Мнения на этот счёт расходятся, но то, что ИИ отойдут определенные функции (и это приведет к сокращению количества задействованных людей в профессиях) уже ни у кого не вызывает сомнений.
Блокчейн-технология
Если вы думаете, что блокчейн — это только про биткоины, эфир и прочие цифровые деньги, то вы сильно ошибаетесь.
В 2008 году Сатоси Накамото (псевдоним разработчика/группы разработчиков) явил миру первую криптовалюту в истории и общий алгоритм работы с ней под названием «блокчейн». Начало эры криптовалют закрепило в общественном сознании неразрывность этих понятий, однако блокчейн — не более, чем усовершенствованный вариант уже существующих технологий, сфера применений которых намного шире.
Первый протокол, аналогичный блокчейну, был описан еще в 1982 году Дэвидом Чаумом (еще задолго до появления криптовалют), а в 1991 группа математиков добавила к теории криптографически защищённую цепочку блоков и создала сервис временных меток, который исключал возможность их подделать. Блокчейн — до того, как он стал блокчейном — придумали для обеспечения безопасности и управления цифровыми сертификатами, однако только благодаря крипто-революции уже сейчас алгоритм применяется в самых разных областях жизни и экономики.
Общий смысл блокчейна — в гарантиях того, что каждой записи можно верить. Если добавить сюда распределённое хранение всех записей и то, что каждый участник может получить доступ ко всей цепочке блоков, то мы получим идеальное хранилище, которому можно доверять. Например, уже есть примеры блокчейн-хранилища важных документов, которые невозможно подделать или изменить. Добавьте сюда возможную приватность, защищённость, децентрализованность и простоту вхождения — и получите практически идеальную среду для хранения важных данных.
Вот с чем мы ещё столкнулись при обсуждении и внедрении блокчейн-технологий:
Опасности блокчейна
1. Тёмная сторона силы: порой он используется для незаконных операций, например, продажи наркотиков или оружия в Интернете. Не покупайте нелегальное оружие и наркотики, мы тоже против этого.
2. У всех на виду: блокчейн позволяет создавать публичный реестр, доступный для всех участников сети, где может храниться информация о личности пользователей и других конфиденциальных данных. При взломе или уязвимости это может привести к катастрофе. Даже не так: к КАТАСТРОФЕ
3. Нужно больше розеток: для реализации блокчейн-контрактов нужно много вычислительных мощностей и энергии. Чем больше и сложнее блокчейн — тем больше энергии нужно. Знаем примеры, когда компании покупали у энергосетей собственные подстанции, чтобы запитывать серверы и фермы.
4. Закупаемся по полной: блокчейн-технология требует от участников системы значительных инвестиций в инфраструктуру, что может быть неоправданно для небольших компаний или пользователей.
5. Слон в посудной лавке: для примера, размер биткоин-кошелька с данными обо всех транзакциях составляет примерно 500 Гб. Представьте себе гонять туда-сюда по сети такой файл при добавлении нового участника, который тоже захотел себе всю цепочку.
6. «Я вам не осьминог»: у блокчейна ограниченная масштабируемость — он не позволяет обрабатывать большое количество транзакций за короткое время. Это может привести к задержкам в обработке платежей (на практике — точно приведёт, проверено).
