Французская компания Dassault Systèmes, специализирующаяся на промышленном программном обеспечении, представила седьмое поколение своей платформы 3DExperience на ежегодной конференции для пользователей в Хьюстоне. Компания заявила о решении за за застарелой проблемы предприятий: зависимости от «военных комнат» и электронных таблиц Excel при принятии сложных бизнес-решений. Анонс сосредоточен на объединении данных из разрозненных корпоративных систем в унифицированные виртуальные представления, которые может запрашивать искусственный интеллект (ИИ). Этот подход подчеркивает фундаментальную проблему, стоящую перед корпоративными ИТ-системами, однако практическая реализация в масштабе потребует значительных архитектурных изменений. Морган Циммерман, генеральный директор 3DExperience в Dassault Systèmes, привел пример из отрасли электроники и цепочек поставок. Когда возник дефицит компонентов, выживание одной компании зависело от скорости. «Каждое утро в 6 утра у них была встреча с генеральным директором, и они проводили арбитраж на 100 миллионов евро, закупая товары заранее там, где, по их мнению, существовали риски, еще до того, как производители оригинального оборудования [OEM] просыпались», — рассказал он участникам во время сессии конференции. Принцип таков: кто принимает решение первым, тот и захватывает все доступное. Но для принятия таких решений требуется сопоставление данных о продуктах, поставщиках, запасах и рыночных условиях — информации, разбросанной по несвязанным системам. «Для наших клиентов ответы на такие вопросы, как “каково влияние тарифов на нашу продукцию или бюджет”, — это абсолютный кошмар», — объяснил Циммерман Computer Weekly. «Они создают военные комнаты, где люди манипулируют электронными таблицами Excel и повсюду делают приблизительные расчеты». Эта проблема не нова. Организации вкладывают миллионы в оцифровку процессов и внедрение корпоративных систем. Тем не менее, когда бизнес-лидеры задают вопросы, охватывающие несколько областей, эти системы не взаимодействуют эффективно. Команды собираются для ручной перекрестной проверки данных, тратя дни на получение приближенных результатов, а не точных ответов. Эксперты в области производства на конференции охарактеризовали это как десятилетия незавершенной оцифровки. «Мы на самом деле не решаем проблему, потому что нам все равно приходится собирать все части и фрагменты, чтобы прочитать всю эту другую информацию», — сказал он. Отделы становятся информационными силосами, замедляя принятие решений по мере роста сложности.
Унифицированные представления данных
Решение этой проблемы требует фундаментального изменения в структуре и доступе к корпоративным данным. Вместо того чтобы системы работали независимо с периодическим обменом данными, подход предполагает проецирование информации из множества источников на унифицированные представления, которые сохраняют взаимосвязи и контекст. Циммерман использовал аналогию с картой, чтобы объяснить концепцию. «Если вы возьмете электронную таблицу Excel с расположением ресторанов и другую электронную таблицу Excel с расположением цветочных магазинов и попытаетесь найти ресторан рядом с цветочным магазином, это сложно», — сказал он. «Если это на карте, это просто, потому что данные коррелируют по своей природе». «3D Вселенные» Dassault реализуют это посредством виртуальных двойников — цифровых представлений физических продуктов, систем или процессов, которые служат общей системой отсчета. Нажмите на компонент, и вы увидите историю качества, данные о затратах, информацию о поставщике и технические характеристики, независимо от того, в каких системах изначально хранилась эта информация. Сила заключается в объединении этих представлений. Сценарий с тарифами, приведенный Циммерманом, иллюстрирует это. «Чтобы понять влияние тарифа на ваш бизнес, вам нужно объединить несколько виртуальных двойников», — объяснил он. «Вам нужен виртуальный двойник продукта, потому что вам нужно знать, какие компоненты затронуты. Вам нужен виртуальный двойник производственной системы, потому что вам нужно понять, где и в каком объеме вы собираете. И вам нужен виртуальный двойник цепочки поставок, потому что вам нужно понять, что вы покупаете и у кого». Техническая задача заключается в сопоставлении данных, поступающих из разрозненных систем — спецификаций продуктов из систем управления жизненным циклом продукта, производственных графиков из систем управления производством, информации о поставщиках из систем планирования ресурсов предприятия [ERP] и показателей качества из систем тестирования. Подход Dassault использует структурированные модели данных, которые определяют взаимосвязи: как продукт связан со своими компонентами, как компоненты связаны с поставщиками, как поставщики связаны с производственными мощностями. Архитектура должна доказать свою эффективность в различных корпоративных средах, особенно в тех, где используются устаревшие системы и разнородные данные.
Разговорный доступ
Наличие унифицированных представлений данных решает часть проблемы. Доступ к ним требует интерфейсов, которые не заставляют пользователей понимать сложные структуры данных или перемещаться по нескольким приложениям. Подход с использованием разговорного ИИ — который становится все более распространенным в корпоративном программном обеспечении — направлен на то, чтобы позволить пользователям задавать вопросы естественным образом, а не конструировать запросы к базам данных или переходить по меню приложений. Реализация Dassault включает то, что она называет «виртуальными компаньонами», запуск которых запланирован на середину 2026 года. Компания представила трех ИИ-агентов с различной отраслевой экспертизой. Аура функционирует как бизнес-аналитик с возможностями управления программами и стратегического планирования. Лео фокусируется на инженерии, проектировании и производстве. Мари занимается научными дисциплинами, включая материалы и тестирование. «Они будут отвечать с большей или меньшей точностью на заданный вами вопрос», — сказал Циммерман. Для сценариев, требующих внешней информации — например, изменений тарифов или сбоев в поставках — Аура может интегрировать новостные ленты и рыночные данные для выявления соответствующих событий. Но фактические расчеты воздействия используют собственные корпоративные данные клиента. Когда Аура определяет, что тариф будет стоить 3,3 млрд евро, эта цифра получается в результате анализа конфигураций продуктов клиента, объемов производства и отношений с поставщиками, а не из внешних источников. Dassault создала библиотеки проверенных новостных источников по отраслям, хотя организации могут расширять их собственными предпочтительными источниками. Демонстрации на конференции показали ответы на такие запросы, как «Каков статус заказа? Когда он будет отправлен? Сколько это стоит?», полученные путем извлечения данных из систем ERP и систем управления производством. Менеджеры проектов спрашивали: «Где мой проект? Что блокирует выпуск?» и получали сводки. Процессы управления изменениями обрабатывались в режиме диалога, а не через формы и рабочие процессы утверждения. Эффективность зависит от того, насколько хорошо модели ИИ понимают терминологию и контекст, специфичные для предметной области — например, распознавая, что «скорость подачи» означает нечто иное в производстве, чем в сельском хозяйстве. Dassault утверждает, что ее компаньоны используют десятилетия отраслевых знаний, закодированных в их программном обеспечении, а возможности расширяются ежемесячно за счет новых «навыков». Производственные среды проверят, насколько хорошо эти ИИ-агенты справляются с неоднозначными запросами, противоречивыми данными или запросами, выходящими за рамки их обучения.
Требования к платформе
Циммерман утверждает, что этот подход требует большего, чем просто подключение существующих систем. «Управление данными о продуктах — это узкий взгляд на то, что мы делаем на платформе 3DExperience», — сказал он. «Самая большая сила Dassault Systèmes — это ее способность абстрагировать и представлять сложность наших клиентов». Различие заключается в моделировании не только компонентов, но и полных конфигураций продуктов, производственных систем и их взаимосвязей. «Мы считаем, что то, что мы позиционировали с точки зрения способности абстрагировать и представлять сложность продукта, является фундаментальной базовой системой проекции для масштабирования ИИ», — сказал Циммерман. Эта стратегия платформы направлена на «демократизацию» информации — обеспечение доступности корпоративных знаний для всех ролей и отделов без необходимости того, чтобы каждый понимал каждую систему. Инженер-технолог запрашивает стандарты компании для конкретных процессов и получает ответы, программирует ли он оборудование или проектирует компоненты, используя одни и те же базовые данные. Техническая задача заключается в поддержании согласованности данных, когда информация поступает из систем учета, которые продолжают работать независимо. Обновления в одной системе должны точно отражаться в унифицированном представлении, что поднимает вопросы о задержке синхронизации и разрешении конфликтов.
Барьеры защиты интеллектуальной собственности
Практическое препятствие возникло во время обсуждений на конференции, касающихся интеллектуальной собственности. По мере того как организации все чаще делятся подробными данными с поставщиками и партнерами, возникают вопросы о разрешениях на обучение ИИ. «В эпоху ИИ самое важное — это данные», — сказал Циммерман. «Если вы производитель, и все ваши поставщики делятся с вами данными, возникает вопрос: если вы начнете использовать эти данные для ИИ, имеете ли вы на это право?» Dassault представила управление жизненным циклом интеллектуальной собственности для решения этой проблемы — отслеживание не только доступа к данным, но и того, могут ли модели ИИ обучаться на определенных наборах данных и кому принадлежит производная интеллектуальная собственность от этого обучения. Циммерман привел пример обсуждений, в ходе которых производители оборудования в регулируемых отраслях соглашались делиться подробными проектами только при гарантии того, что данные не будут использоваться для обучения ИИ без явного согласия. «Защита интеллектуальной собственности теперь означает не просто ее обеспечение», — сказал он. «Это означает обеспечение того, что вы не будете учиться на данных, на которые у вас нет прав». Система поддерживает отслеживание происхождения — когда поставщики предоставляют данные с ограничениями согласия, платформа обеспечивает соблюдение этих ограничений для обучения ИИ и отслеживает производные модели. Предприятия со сложными сетями поставщиков потребуют надежных систем управления, определяющих права на использование данных в межорганизационных границах — одних только технических средств будет недостаточно. Сдвиг, который предвидит Dassault, заключается в переходе от команд, вручную сопоставляющих информацию, к разговорному ИИ, запрашивающему унифицированные среды данных — от дней получения приближенных результатов до секунд расчета сценариев; от ведомственных силосов к тому, что Циммерман называет «единой точкой понимания ландшафта данных». Запуск виртуальных компаньонов запланирован на середину 2026 года, только в облаке из-за требований к вычислительным ресурсам. Этот подход требует значительных архитектурных изменений — не просто внедрения нового программного обеспечения, а переосмысления того, как структурируются, используются и управляются корпоративные данные. Успех зависит от факторов, выходящих за рамки технологий: сложности интеграции, управления изменениями, управления данными и доказательства того, что улучшения скорости выдерживают столкновение с реальной корпоративной сложностью. Анонс, как минимум, свидетельствует о том, что индустрия корпоративного программного обеспечения признает необходимость решения проблемы «военных комнат». Осталось дождаться более широкого внедрения, чтобы понять, предложат ли унифицированные виртуальные представления и разговорный ИИ решение. Анонс подтверждает, что отрасль признает проблему. Теперь наступает самая сложная часть: доказать, что сервис работает в корпоративном масштабе.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор –
