В феврале компания «Инфосистемы Джет» представила на рынке свою очередную разработку — систему противодействия мошенничеству Jet Detective, основанную на технологиях Больших Данных, искусственного интеллекта и машинного обучения. О том, насколько актуально данное решение и в каких еще областях (кроме антифрода) оно может найти применение, рассказывает Евгений Колесников, руководитель направления «Большие Данные и машинное обучение» Центра программных решений «Инфосистем Джет».

— Почему запуск платформы Jet Detective состоялся именно сейчас? Для этого созрели какие-то особые предпосылки на рынке или внутри компании?

Предпосылки созрели и внутри компании, и на рынке. Уже два года назад мы стали замечать активный рост запросов заказчиков на решения, связанные с применением Больших Данных, машинного обучения. И в 2016 году был пик интереса к ним. Мы получили просто вал запросов на эти темы. Рынок в целом созрел — предприятия понимают, зачем им нужны эти технологии и как их использовать в своих интересах. Также мы заметили, что значительным спросом стали пользоваться решения с применением методов математического моделирования, помогающие противодействовать мошенничеству. Мы внутри компании уже накопили мощную экспертизу в этих областях — наш центр информационной безопасности более десяти лет внедряет системы противодействия мошенничеству. Специалисты центра очень хорошо понимают такую проблематику и отлично знают, как должны работать подобные решения.

Сегодня ситуация такова, что большинство систем сфокусировано на выполнении узкого круга задач. Например, для борьбы с фродом в системах дистанционного банковского обслуживания применяются одни решения, а для борьбы с карточным фродом или внутренним мошенничеством — совсем другие. Этот «зоопарк» — типичное явление в инфраструктуре заказчиков. В какой-то момент мы поняли, что потребности рынка, а также наша внутренняя экспертиза и наличие у нас необходимых инвестиционных ресурсов сошлись в одной точке, из которой и стала развиваться система Jet Detective. Участвуя в конкурсах и делая соответствующие проекты, мы убедились, что у нас действительно достаточно сил, ресурсов и знаний, чтобы создать свою собственную платформу по противодействию мошенничеству.

— Чем вызван повышенный интерес к решениям, основанным на технологиях Больших Данных, искусственного интеллекта и машинного обучения? Почему заказчики ими заинтересовались?

Прежде всего потому, что перечисленные технологии достигли определенного уровня зрелости. Однако будем честными: они пока еще не самые зрелые из имеющихся на рынке. По некоторым параметрам тот же Apache Hive сегодня в силу своих природных ограничений и относительной молодости не может тягаться с решениями Oracle. А вот экосистема Hadoop уже действительно может эффективно использоваться крупными игроками для широкого спектра приложений. Она быстро расширяется, но с ней нужно уметь правильно работать. Сегодня найти хорошего специалиста в области машинного обучения и Больших Данных сложно, но все же возможно. Это второй фактор, определяющий волну спроса на данные технологии. В отрасли уже работает достаточно практикующих математиков, инженеров. Уточню: не бывших научных сотрудников, а именно практиков, которые могут применить математические знания в интересах бизнеса с помощью ИТ. Но главное, что эти инновационные подходы уже на деле доказали бизнесу свою экономическую эффективность. Сначала в сфере маркетинга, а потом в других областях, таких как идентификация, распознавание голоса, безопасность.

— Вы позиционируете Jet Detective как платформу для развертывания решения по борьбе с фродом, а не как конечный продукт. Почему вы не стали делать коробочное решение?

Все коробочные продукты при внедрении еще полгода-год дорабатываются на площадке заказчика. И очень распространена практика, когда у вендора существуют отдельные ветки разработки специфических решений под конкретного клиента. То есть каждый заказчик в итоге получает свой уникальный продукт. Если говорить о системах, предназначенных для решения бизнес-задач, то всегда подразумевается комплексное решение, внедрением которого обычно занимается интегратор во взаимодействии с вендором. Понимая все эти особенности, мы сделали Jet Detective не коробочным продуктом, а платформой, очень гибкой, с определенным набором функций, посредством которых мы можем решать конкретные бизнес-задачи организаций. Наша система открыта и прозрачна: она построена так, чтобы заказчик мог самостоятельно вносить в нее нужные изменения, исходя из того, как именно осуществляется противодействие мошенничеству и в плане управления потоками данных, и на уровне математического моделирования.

Приступая к созданию Jet Detective, мы сразу решили сделать систему универсальной и полностью абстрагировать ее от любых бизнес-сущностей, таких как клиенты, карты или финансовые счета. Для нас это просто объекты, и мы анализируем все происходящее с ними. Jet Detective — это высокоточная система именно потому, что она позволяет комплексно посмотреть на ситуацию с мошенничеством: во всех бизнес-приложениях предприятия, с учетом действий всех его сотрудников и даже с учетом изменений, которые вносятся в саму систему антифрода.

— Могут ли разработки, на которых основана Jet Detective, быть полезными корпоративным заказчикам в других областях, не связанных с противодействием мошенничеству?

Наша платформа довольно универсальна и может найти применение не только в банковской сфере, но также в ретейле или в промышленности. У нас уже планируется несколько «пилотов» на производстве, один из них — на сталелитейном заводе, где тоже идет борьба за эффективность бизнеса, только здесь речь не о противодействии мошенничеству, а о снижении брака. Производственный брак — это событие, которому предшествуют другие зафиксированные события или процессы. Отследив всю такую цепочку, можно выявить наиболее вероятные причины брака — например, изменение давления в клетях печей при выплавке стали, а также банальное воровство каких-то материалов. Все это система позволяет проанализировать и выдать заключение: на появление брака, вероятнее всего, влияет совокупность таких-то определенных событий или параметров.

— Каким вы видите развитие представленной системы?

Поскольку мы говорим о платформенном решении, нас прежде всего интересует его выход в смежные области. Это, например, банковский скоринг кредитных заявок для частного и корпоративного сегментов. Также мы рассчитываем адаптировать Jet Detective для применения в промышленном секторе, где система сможет обеспечить анализ производственных процессов, поиск причин отклонений в том или ином потоке технических данных, чтобы выявить самые разные проблемы предприятий. Потенциал платформы может раскрыться и в деле выявления доходов, полученных преступным путем. Сегодня системы Anti Money Laundering сближаются с системами антифрода, так как позиция регулятора становится все жестче в противодействии отмыванию денег. Мы учитываем все эти факторы и продолжаем обогащать платформу новыми возможностями, стремясь расширить сферу ее применения.