Герман Греф: «Новые технологические тренды и модели эффективного менеджмента»

Оценили: 8

Публичная лекция председателя правления Сбербанка России Германа Грефа «Новые технологические тренды и модели эффективного менеджмента».

*https://www.youtube.com/watch?v=7FCQ3tUkWRw
**https://300.ya.ru/v_vEsepqsN

таймкоды

00:00:00 Введение

Людмила Телен, заместитель директора Ельцин-центра, представляет Германа Грефа.
Подчёркивается формат открытого разговора и дискуссии.
Упоминается возможность задать вопросы после лекции.

00:01:11 Трансляция лекции

Лекция ведётся в прямом эфире на сайте Ельцин-центра и телевидении Сбербанка.
Те, кто не смог попасть в зал, смогут смотреть трансляцию в холле.

00:01:51 Благодарности и извинения

Герман Греф благодарит Ельцин-центр и команду музея за приглашение.
Извиняется за задержку начала встречи, объясняя это эмоциональным впечатлением от музея.

00:03:35 План лекции

Греф планирует показать слайды, ролики и провести сессию вопросов и ответов.

00:04:05 Технологические тренды

Обсуждение влияния технологических трендов на менеджмент и бизнес-модели.
Фокус на обработке больших данных и машинном обучении.

00:05:34 Переход от информационной к цифровой эре

Объяснение различий между информационной и цифровой эрами.
Цифровые технологии стали доступны каждой компании.

00:07:55 Будущее данных

Прогнозирование роста объёма данных и возможностей их обработки.
Важность обработки структурированных и неструктурированных данных.

00:09:41 Медицинские данные и мониторинг

Необходимость сбора 300 миллионов страниц медицинских данных для точного мониторинга.
Перспективы повышения точности медицинских моделей.

00:11:35 Обработка данных и информация

Традиционные методы обработки данных и новые технологии.
Роль «чёрных ящиков» в обработке данных.

00:12:47 Влияние на различные сферы

Обработка данных затронула все сферы, включая финансовый сектор и медицину.
Бихевиоральные модели человека анализируются с достаточной точностью.

00:13:48 Методика Хогана и Микал Касинский

Методика Хогана основана на «биг файф» — пяти ключевых поведенческих и психологических аспектах личности.
Микал Касинский разработал методику, позволяющую точно определять психотип человека по кликам в Facebook.
Его методика используется для управления организациями, людьми и клиентскими взаимоотношениями.

00:15:50 Анализ фотографий

Касинский проводит эксперименты по определению психотипа по фотографии.
Машина анализирует сотни миллионов фотографий и с точностью 0,8–0,85 относит человека к одному из «биг файф».
Это ломает традиционные подходы к анализу бихевиоральных аспектов человека.

00:17:26 Новые бизнес-модели

Технологии радикально изменят жизнь в ближайшие десять лет.
Примеры новых бизнес-моделей: Uber и Airbnb, которые не владеют физическими активами.
Подход «проблем солвинг» переосмысливает потребности человека: человеку нужны функции вещей, а не сами вещи.

00:18:19 Эффективность услуг

Раньше люди тратили ресурсы на покупку вещей, используя их неэффективно.
Современные модели, такие как Uber, показывают коэффициенты использования на уровне 40–60%.
Автопилот может повысить эффективность до 80%, снизив стоимость услуг.

00:19:58 Экономика экосистем

Зарождается экономика экосистем, где человек хочет иметь одну «большую красную кнопку» для доступа к услугам.
Люди предпочитают делегировать выбор услуг доверенному помощнику.
Центр экосистемы — это доверенный помощник, который направляет потребителя к наиболее квалифицированным производителям услуг или товаров.

00:21:47 Экосистемы и их роль

Прогнозы: 30% выручки и 40% прибыли будут в экосистемах через 7–8 лет.
Примеры экосистем: Tencent, Alibaba, Baidu, Google, Amazon.
Китайские экосистемы лидируют по доходности и привлекательности для инвесторов.

00:23:36 Признаки технологической компании

Высокие компетенции и аналитика больших данных в реальном времени.
Облачные технологии и in-memory компьютеры.
Мгновенная обработка данных для поддержки принятия решений.

00:25:25 Антифрод-мониторинг

Разработка системы антифрод-мониторинга для защиты от кибератак.
Анализ обычных и необычных покупок в реальном времени.
Ручное подтверждение операций при необходимости.

00:28:12 Требования к платформе

Big Data, машинное обучение, искусственный интеллект.
Открытый IP и возможность подключения неограниченного количества клиентов.
Кибербезопасность и гибкость платформы.
Open Source и поддержка сотен тысяч разработчиков.

00:29:49 Экосистемы в России

В российском поле нет крупных экосистем, но есть компании, стремящиеся к этому.
Конкуренция и рост концентрации на рынке.
Усиление интеграции партнёрств и эмоций в отношениях с клиентами.

00:31:38 Глобализация и санкции

Трудности для российских компаний из-за санкций и отсутствия эффекта масштаба.
Примеры неконкурентоспособности российских компаний на глобальном рынке.

00:32:22 Внутренние компетенции

Тренд на создание внутренних компетенций и кастомизацию приложений.
75% приложений к 2020 году будут созданы, а не приобретены.
Важность сохранения ключевых компетенций внутри компании.

00:33:25 Марсианский робот

Робот «Валькирия» научился ходить благодаря инновационному алгоритму управления.
Робот имеет около 200 датчиков и три компьютера для зрения, контроля и коммуникации.
Возможность движения вбок и поворота, полуавтоматическое взятие предметов.

00:36:44 Психология взаимодействия человека и робота

Автор делится опытом взаимодействия с человекоподобным роботом, который быстро восстанавливается после падения.
Подчёркивается важность психологии и интерфейса в отношениях между человеком и роботом.

00:37:44 Технологии и тренды

Обсуждение глобальных трендов в области технологий, включая лекцию основателя Boston Dynamics.
Упоминание о впечатлении от человекоподобного робота в Москве.

00:38:40 Искусственный интеллект как ключевой тренд

Искусственный интеллект становится основным технологическим трендом.
Примеры использования ИИ в продуктах Uber, Google, Facebook и Amazon.

00:40:21 Этапы развития искусственного интеллекта

Описание четырёх этапов развития ИИ: описательный, аналитический, предсказательный и предписательный.
Важность предписательного этапа для будущего.

00:41:47 Цифровые платформы и мобильные приложения

Цифровые платформы становятся основным активом компаний.
Мобильные приложения и ИИ взаимодействуют, преодолевая физические ограничения.

00:44:02 Новая эра когнитивного компьютинга

Разработка моделей ИИ для работы в условиях неопределённости.
Пример DeepMind и игры «Арканоид».

00:46:12 Тренды в построении систем ИИ

Два подхода к построению систем ИИ: универсальный мозг IBM и монетизация исследований Google.
Успехи AlphaGo в игре Го.

00:49:14 Самоуправляемые автомобили

Прогнозы и реальность самоуправляемых автомобилей.
Анонс Tesla о поездке из Нью-Йорка в Лос-Анджелес без участия водителя.

00:51:19 Искусственный интеллект в продуктах Amazon

Amazon встраивает ИИ в свои продукты, например, в Echo.
Прогнозы роста числа устройств с ИИ к 2021 году.

00:52:13 Искусственный интеллект в медицине

Искусственный интеллект активно используется в оценке рисков и подборе персонала.
Ключевой тренд — использование больших данных в медицине.
Медицинские вузы превращаются в факультеты крупных университетов.

00:52:58 Будущее банковских профессий

Искусственный интеллект и блокчейн могут заменить банкиров.
Обсуждается возможность переквалификации в сельское хозяйство.

00:53:57 Технологии в сельском хозяйстве

Профессор Импо Фудс разрабатывает биологические процессы для производства молока и мяса.
Компания получила разрешения на производство молочных продуктов и мяса.

00:55:56 Синтетическое вино

Синтезированное шампанское не отличимо от натурального.
Работа над синтезом элитного вина 1947 года.

00:57:08 Влияние технологий на профессии

Профессия Data Science становится ключевой.
Автоматизация приводит к изменению содержания профессий.
Примеры изменений в Сбербанке: сокращение числа бухгалтеров и риск-менеджеров.

01:00:39 Тенденции в безналичном обороте

Рост безналичных платежей и сокращение использования наличных.
Тренд на сокращение традиционных профессий.

01:01:36 Демократизация информации

Технологии больших данных делают информацию прозрачной.
Необходимость адаптации к новому веку транспарентности.

01:03:20 Робот София и искусственный интеллект

Робот София демонстрирует возможности искусственного интеллекта.
София выражает надежду на создание лучшего будущего для людей и роботов.

01:04:52 Интервью с Софией

София отвечает на вопросы о своём учёбе, смысле жизни и предпочтениях.
Подчёркивает важность технологических прорывов и неравнодушных машин.

Расшифровка видео

0:00
Добрый день дорогие друзья Меня зовут Людмила тели я заместитель директора ельцин-центра и у меня сегодня очень
0:07
приятная обязанность Я представляю Германа оскаровича грефа президента
0:13
председателя правления Сбербанка который сегодня у нас выступают с публичные
0:19
лекции встретим [музыка]
0:28
Спасибо к нам приехать и особенно рада что он выбрал тот самый формат который
0:35
так Цените вы в ельцин-центре это открытый разговор открытая дискуссия Вы
0:40
знаете что многие из вас зарегистрировались через онлайн абсолютно свободно и также свободно
0:46
смогут сегодня задать вопросы после того как лекция будет закончена Мы очень
0:52
ценим что к нам приходят за разговором и что наш слоган место встречи
0:58
ельцин-центр притягательна именно тем что сюда приходят поговорить послушать
1:04
подумать вместе И мы очень рады вас сегодня здесь видеть
1:10
А конечно желающих было очень много конечно Этот зал не не мог вместить всех
1:17
и Было бы странно если бы Слушая сегодня лекцию о новейших тенденциях в
1:22
технологиях мы бы отказались от новейших технологий поэтому сегодня мы ведём прямую трансляцию этой лекции на нашем
1:29
сайте э же лекция идт в прямой трансляции на
1:34
телевидении Сбербанка насколько я знаю и те кто не сумел войти в зал смогут её
1:39
смотреть в холе Я с удовольствием предоставляю слово Герману оскаровичу
1:49
[аплодисменты] грефу Спасибо большое спасибо большое
1:55
Людмила Спасибо большое дорогим хозяевам за приглашение
2:02
в этот замечательный музей в это потрясающее место и я хочу начать с извинения за то что мы
2:10
задержали начало встречи и честно говоря после посещения музея мне просто нужна была пауза
2:16
я Под таким впечатлением и для меня это не музей это для
2:23
меня такой кусок большой моей жизни нашей жизни и конечно
2:30
то что мы здесь испытываем накрывает такой очень сильной эмоциональной волно и после сразу же после выхода из музея
2:37
говорить о каких-то технологиях представляется очень непросто и я хотел бы сказать огромное спасибо
2:47
и Валентин Борисович и Татьяне Борисовне нане иосифов и всей команде музея за
2:54
такое потрясающее место которое появилось в нашей стране и
3:00
в таком замечательном городе как Екатеринбург это место притягивает оно
3:06
завораживает оно имеет просто неограниченную
3:13
потенциальную гибкость для проведение всевозможных мероприятий и здесь можно творить
3:20
творить творить и ту эмоцию которую
3:26
отдам с для меня большая честь Спасибо большое
3:32
что пригласили меня сюда я расскажу вам наверное немного
3:38
о если можно включить презентацию я вам покажу какое-то количество
3:44
слайдов покажу какое-то количество роликов А если точнее Покажу
3:51
Покажу три коротких ролика и у нас будет сессия вопросов и
3:58
ответов
4:04
Итак несколько слов про новые технологические тренды Я не претендую на
4:09
то что я вам сейчас кратко изложу все технологические тренды которые происходят в
4:16
мире я расскажу Только то чем занимаемся мы то что мы видим как это влияет на
4:21
менеджмент на модели менеджмента в мире как это будет менять структуру нашего
4:27
бизнеса бизнес-модели и собственно говоря Как нам нужно стараться быть в тренде для
4:34
того чтобы эти тренды не стали для нас раковыми
4:45
и так куда это надо направлять
4:57
Ребята так это это не я это кто-то другой по-моему просто не включена она А
5:03
эта штука Ах точно вот так наверное всё вот теперь нормально
5:11
ээ во-первых если Можно я задам пару вопросов чтобы понять чтобы может быть
5:18
меньше терять времени на какие-то вещи Кто из вас э понимает что такое Big Дета поднимите
5:25
руку Ух ты здорово Кто из вас понимает что такое машин Learning
5:31
здорово тогда у меня задача упрощается Ну я в основном буду говорить про это
5:38
потому что мы мы сейчас очень много этим занимаемся
5:44
и первый слайд мой посвящён тому что мы находимся вот в таком переходном этапе
5:52
из информационной эры в цифровую эру В общем И то и другое звучит
5:57
очень похоже в ЧМ разница Да вот почему мы называем
6:03
этот переход и в ЧМ эта разница Почему этот переход происходит Да вот говоря что 2015 год это примерно тот период
6:11
времени когда происходит качественный переход из информационной эпохи в
6:18
цифровую что Что это значит Это означает что А здесь мы пользовались
6:25
технологиями которые создавали для нас информационные предпосылки для принятия
6:33
решений потому что всё о ЧМ мы с вами сегодня будем говорить это теория принятия решения или при поддержка в
6:39
принятии решений все эти технологии направлены на то чтобы правильно принимать решения минимизировать ошибки
6:45
при принятия решений в управлени пото что это самые сложные ошибки приводящие к тяжёлым
6:50
последствиям здесь мы пользовались информационными технология здесь мы начали пользова цифровыми технологиями
6:56
потому что цифровые технологии в промышленную эксплуатацию они стали доступны каждой
7:03
компании Они были изобретены собственно говоря на рубеже девяностых-двухтысячных
7:09
годов они начали развиваться десятилетия созревания и вот примерно на рубеже X
7:16
века года текущего века Мы видим что эти технологии перешли в своё новое качество
7:24
возникла ситуация когда мы смогли использовать повсеместно
7:30
технологии обработки сырых данных и эти технологии перестали быть
7:36
лимитированные перестали быть лимитированные с точки зрения их стоимости и с точки зрения их простоты в
7:43
использования и мы мы
7:56
перепрыгнуть ещ на 10 лет вперёд этот слайд я привёз с собой из компании
8:02
ABM и на мой взгляд он очень информативен очень
8:17
наглядется с нами через 8 лет вот так примерно будет расти объём
8:24
данных Я уже сказал что у нас есть возможности по а практически
8:30
неограниченному хранению данных и это дешево второе возможности по обработке
8:35
этих сырых данных не то не только сырых но и структурированных собственно говоря что такое B Да это возможность
8:43
обработки структурированных и неструктурированных
8:49
данных ценность этого графика в том что он показывает какие это будут данные Если
8:54
говорить о неструктурированных данных вот ванных данных и вот что
9:00
станет со структурированными данными Что было бы если бы не было бы технологий
9:06
обработки Big Дета сырых данных то мы бы развивались Вот примерно вот так в общем
9:13
ничего бы страшного в этом не было и всё было бы замечательно мы жили бы спокойной мирной жизнью и мы бы точно
9:20
справлялись с этой историей но произошла вот эта история как раз переход в диль
9:26
веку диль технологии Дита истори и вот мы теперь расти будем
9:33
примерно так и вот это типы данных это интернет вещей это медицинские данные которые сегодня Пока минимум составляют
9:41
мы говорим о том что сегодня мониторинг человека нормальный
9:46
мониторинг человека для точного для точной постановки диагноза в профилактических целях для
9:53
того чтобы не попадать в какую-то ситуа обнаружения болезни Это примерно 300 млн
10:02
страниц текстовых данных 300 млн страниц это 300 млн страниц информации которые
10:10
должны генерить каждый день всевозможные датчики э носимые
10:17
встроенные те которые мы используем как источники внешнего сбора данных и тогда
10:23
это гарантирует нам то что мы сегодня называем возрастом дожития 120 лет вот
10:31
это тот Горизонт на который сегодня медики замахиваться и как раз основной прорыв предполагается что будет здесь
10:39
300 млн страниц медицинской информации на каждого человека и
10:46
тогда предиктивная сила или валидность тех
10:51
моделей которые будут использоваться в медицине будет очень
10:56
высоко кажы де генерируем 50 Мб данных ну скажем так
11:02
средний житель Мегаполиса генерирует примерно 500 Мб данных в сутки
11:08
продвинуть тый пользователь такой как сидит в этом зале наверное генерить
11:14
свыше гигабайты информации каждый день можете себе представить какой объём информации будет Какой объём данных
11:21
будет накапливаться ещё раз я сам иногда путаюсь данные да данные и информация
11:27
для принятия решения нужна информация данные превращаются в информацию когда они
11:34
проанализированы для того чтобы данные проанализировать их нужно уложить в определённую последовательность то есть
11:40
заполнить в определённую таблицу это традиционный метод обработки данных превращающие данные в информацию
11:48
новые технологии Дают возможность обрабатывать сырые данные не выстраивая прямые причинно-следственные связи и
11:55
образуя в середине обработки так называемые чёрные ящики Да
12:01
когда система не ищет причинно-следственные связи Она говорит что если будет это то тогда случится вот
12:07
это почему это случится она не понимает и мы не можем объяснить это так работает
12:15
современная технология которая включена фактически во все современные системы начиная от того
12:22
что мы называем исследование данных Science заканчивая системами искусственного интеллекта никто не
12:28
понимает Что находится внутри Почему система принимает то или иное делает тот
12:33
или иной вывод принимает то или иное решение но она видит на основе анализа
12:39
огромного количества повторений что это будет с высокой вероятностью верный
12:46
вывод Мы видим что обработка данных сегодня
12:52
и всё что называется Data Science затронуло все сферы без исключения мы говорим о некоторых сферах
12:59
по в цент этой эволюции это в том числе финансовый сектор бекинг мы находимся в
13:04
самом центре этого дорота есть отрасли которые ещё находятся пока на периферии
13:10
но водоворот данных закружит всех ни одной отрасли не останется которая бы не
13:17
была взорвана новыми подходами с точки зрения
13:24
использования и обработки данных и мы говорим о том что даже такие
13:30
традиционно Ну сложные к анализу сферы как человек человеческая сущность
13:38
хвиль модели человека они тоже сегодня
13:44
анализируются достаточно с достаточной точностью есть
13:50
[музыка] такая методика одна из методик Которую мы у себя используем
13:57
тоже Медика хогана которая основана на так
14:03
называемых Вот это че фотография которого здесь в середине человек с которым мы сейчас начали сотрудничать и
14:10
я думаю что очень многие из вас читали про него это микал Косинский который стал тоже такой жертвой политических
14:18
спекуляций в ходе выборов президента трампа ему
14:27
приписали магазин прил к тому что не сыграл главную ключевую роль в выборах президента Соединенных Штатах Америки
14:34
потому что по кликам в Фейсбуке
14:39
он разработал методику которая позволяет с достаточной точностью определять на
14:45
основе вот этих вот ключевых пяти поведенческих аспектов
14:53
психологических аспектов нашей личности которые здесь показаны которые сопровождаются вот они на целый ряд
15:00
таких признаков она раскрывается она такая имеет более широкий Горизонт
15:09
анализа получает вот такие результаты 1112 лайков
15:15
это совпадает с оценками ваших коллег А примерно 230 лайков ваших лайков в
15:22
интернете и мы будем понимать вашу личность лучше чем понимают ваши близкие
15:31
другие возможности которые появляются как
15:36
инструмент в оперирования управления организацией управления
15:43
людьми управления процессами и управление конечно клиентскими
15:49
взаимоотношениями сегодня говорит о том что они оперируют огромными объёмами
15:57
данных фотографий и сегодня не проводят эксперименты с тем чтобы вот этот самый
16:03
психотип уже считывать с фотографие человека на сегодняшний день он говорит
16:08
что очень ну он не первый в этой череде
16:14
Я помню в книжке малком гладу и был такой эксперимент когда он говорил когда
16:19
он давал фотографии профессоров одного ВУЗа студентам другого ВУЗа для оценки и
16:25
потом этих же профессоров оценивали их их студенты потом он складывал вместе
16:32
коэффициент корреляции был достаточно высок примерно 07 и
16:38
сейчас Косинский ведёт эксперименты над попыткой определить личность человека по
16:44
его фотографии потому что целый ряд человеку это
16:49
недоступно машина на основе анализов сотен миллионов фотографий Люде
16:57
ухова приме 08085 точно относит вот к одному из этих
17:03
B со всем набором атрибутов
17:09
психотипи человека к той или иной категории это конечно это ещё раз ломает вообще весь подход в
17:17
использовании больших данных для анализа
17:29
с очевидностью технологии радикально изменят всю нашу жизнь здесь приведены примеры компании которые собственно
17:37
создали принципиально новые модели бизнеса который не владеет ни одним автомобилем airbnb крупнейшая Компани
17:44
которая не владеет ни одним отелем и так далее и так далее и так далее И это конечно создание принципиально новых
17:53
моделей подход на осно
17:59
осознание того какой истинной потребностью обладает человек и мы
18:05
приходим к выводу о том что в общем Человек человеку не нужны вещи Человеку
18:13
нужны функции этих вещей и это радикально меняет модели бизнеса если
18:19
раньше на пути между человеком и функциям функци стояла ве потому что не
18:24
было такой модели которая бы мо удовлетворить его потребно прямую он вынужден тратить на это огромное
18:31
количество ресурсов покупать там допустим средства
18:36
передвижения средства транспорта и используя его примерно от 3 до
18:43
6% полезной стоимости в год 36% — это средний коэффициент использования того
18:49
что мы можем извлечь из наше машины сегодня
18:54
модели моде ризи отраслей показывают коэффициенты использования на уровне 40%
19:02
из этой модели можно извлечь примерно до 60% ээ потенциальной эффективности это
19:08
радикально меняет всю бизнес-модель когда из 60% стоимости автомобильные
19:14
услуги которые составляет стоимость водителя э заменит Автопилот то тогда
19:20
можно себе представить что эту эффективность можно будет поднять наверное и до 80% соответственно снизив
19:26
стоимость услуги и мы как с вами как в том самом э нашем любимом фильме будем ездить в
19:33
булошную ээ на такси и в общем при этом тратить
19:39
значительно меньше чем на покупку этой самой булочки Ну хотя это в этом в общем я надеюсь потребности не возникнут
19:45
потому что то что делает абаба и целый ряд похожих на неё компаний позволяют
19:51
нам вообще никуда не ходить потому что всё это доставляется вам прямо
19:57
домой ещё один тренд который сегодня в мире является таким очень отчётливый не
20:03
знаю как долго этот тренд будет преобладать Но сегодня зарождается в мире экономика
20:10
экосистем очень долгое время был Был спор в отношении того что будет востребовано человек захочет иметь
20:16
специализированную услугу и сам захочет выбирать какой тип услуги он предпочтёт
20:23
или вс-таки ему будет будет Нужна одна большая красная кнопка сегодня спор
20:28
решён человеку Нужна одна большая красная кнопка он не хочет искать он хочет чтобы кто-то за него сделал это он
20:35
не хочет тонуть в этом огромном множестве приложений Если вы сегодня зайдёте в App Store или в Google Play вы
20:41
просто утони в опциях он хочет доверить экспертному мнению своего помощника этот
20:47
выбор и поначалу Для нас это всё было интересно точно так же как мы стояли в очереди в McDonald’s точно так же мы
20:54
стояли в очереди вот в нажимании выборе вот разных программ сегодня это грандиозное множество опций которое нам
21:02
перестаёт быть интересным Мы хотим тратить время значительно более производитель готовы делегировать эту функцию но делегировать эту функцию
21:08
какому-то очень доверенному помощнику и вот этот доверенный помощник это как раз то что называется центр
21:17
экосистемы Что нужно для того чтобы во-первых что такое экосистема Да она
21:23
меняет модель Примерно так в центре появляется дир экосистемы са пони
21:29
который к которому мы как потребители обращатся Обращаемся и который
21:34
адресуется нас либо исполняя этот заказ сам либо адресу нас наиболее
21:40
квалифицированному выбору прои производителя услуги или
21:46
товара И это на сегодняшний день ключевой тренд по прогнозам примерно
21:53
30% всей выручки 40% прибыли будет находиться 78 лет в экосистемах если это
22:00
не если это не произойдет ещ раньше если посмотреть сегодня на то что такое
22:07
экосистемы то самые яркие примеры мы видим в Китае это компания танн это
22:12
компания а байду попытка компании Но пока ещё это первая
22:18
Индустриальная экосистема должен честно сказать что они потрясающе производите услуг но пока в лизации они очень
22:24
серьёзно отстают Хотя в интернете вещей они очень сильны уже конечно это Google и Amazon если
22:30
говорить про Соединённые Штаты Америки но самые развитые конечно экосистемы —
22:36
Это Китай они сегодня номер один в мире и мы видим и и матип здесь совершенно
22:42
другие и доходности по чистой прибыли и все
22:52
остальные финансовые показатели привлекательность для инвесторов совершенно другая Ну и
22:58
Как показывает практика Вы можете здесь посмотреть в центре этой экосистемы может быть кто угодно Канн это может
23:05
быть eng социальные сети крупнейшие социальные сети чат Или это может быть
23:12
как уба система икос или в Пинья как
23:17
н страховой компании Но это не имеет никакого значения главное это то
23:23
что внутри компании конт центр экосистемы есть технологическая
23:29
платформа технологическая платформа которая позволяет ей дать возможность назвать себя технологической компанией
23:36
мы долгое время занимались попыткой
23:50
дефинитив которая позволяет компании стать вот этим самым агрегирующие
23:56
компетенции которые должны быть внутри компании это конечно возможность
24:02
аналитики больших данных в режиме реального времени это всегда конечно же
24:07
облачные технологии это всегда то что называется in Memory компью потому что никакого реального
24:14
времени не может быть и не может быть то Что называется Data Flow
24:20
analytics потому что вы не хотите ждать результатов вычисления вы хотите
24:26
получить всю информацию или поддержку принятия решений мгновенно для этого конечно это не могут быть никакие
24:33
серверные мощности это не может быть никакая холодная поддержка это всегда э in Memory computing это всегда режим
24:41
реального времени Если говорить о нас когда вы делаете транзакцию вот мы мы э
24:47
там сегодня в течение одной секунды расплатились сейчас за кофе ээ Apple
24:54
Pay 1 секунда мало кто знает что за этим
25:00
стоит 5 лет назад ещ технология была таковой что мы делали две вещи первое мы
25:05
идентифицировали вас второю идентифицировали ваши остатки ВС и
25:10
разрешали операцию в этот процесс нельзя было впихнуть ничего больше потому что это бы
25:17
занимало время сегодня идентификация ваша Иден ста
25:26
это ф мониторинг потому что мы получили гигантский скачок
25:33
всевозможных способов кибератак на наших клиентов и вот эти написанные правила
25:40
традиционных международных платежных систем что ты должен Ты не должен они не работают особенно в отношении Сбербанка
25:47
люди хотят иметь Надёжность мы поняли что нам у нас не пройдёт закрытие вот этими
25:52
ми иванин нужно было поместить в те же
25:59
самые секунды отклика между тем как вы провели карточкой по терминалу и
26:05
получили SMS об оплате на свой мобильный телефон в этот период времени мых
26:11
впихнуть
26:16
идентификации того кому вы платите что вы покупаете идентификацию
26:22
ваших традиционных покупок Мы хотим понять это обычная покупка для вас или
26:28
нет это всё развилки в модели принятия решения если это обычная для вас покупка
26:33
в месте которое обычные для вас и сумма не является необычной для вас Мы
26:39
подтверждаем Вашу покупку Если нет мы продолжаем анализировать дальше если мы видим что вы в необычном месте мы
26:45
пытаемся понять были ли у вас какие-то платежи покупали ли вы билеты могли бы
26:50
вы в этом географической точке оказаться сейчас дальше мы смотрим покупается ли
26:56
вами потенциально тот товар который вы покупаете особенно если речь идёт о
27:02
крупной сумме и если модель находит подтверждение то тогда она говорит Да да
27:08
да да И она говорит В конце концов Да если модель говорит нет да нет нет то
27:14
тогда у нас работает центр ручного антифрод мониторинга где сидят люди которые совершат звонок вам на мобильный
27:20
телефон и спросят Действительно ли это вы Действительно ли вы хотите приобрести И после этого идёт ручное подтверждение
27:26
операции Но вообще отклонение по операциям составляет примерно ну 46% не
27:32
больше всё остальное мы проверяем в автоматическом режиме вот эта самая секунда времени между тем или Доля
27:38
секунды между тем как вы Нажали на Apple Pay и случилось подтверждение Окей Вот это
27:46
всё помещено вот эту вот самую историю computing и Data Flow то есть информация
27:52
должна быть проанализирована в момент когда данные проходя Через наш системы
27:58
Всё мы не можем записать эти данные Ни на одну из наших систем потому что поднятие этих данных потом из этой
28:04
системы из Холодного хранения это минуты иногда десятки минут поэтому это не
28:11
работает естественно би Data Machine Learning artificial intelligence это всё должно быть внутри открытый API конечно
28:18
же возможность подключения к платформе неограниченного количества клиентов которые могут
28:25
воспользоваться вашими открытыми I для того чтоб задействовать ваш двигатель
28:30
ваш н конечно это должна быть City о чём я уже собственно говоря сказал когда вам
28:37
рассказывал о банковских операциях и такая же такой же системы
28:44
кибербезопасности мы должны накрыть всю платформу для того чтобы наши клиенты доверяли ей Ну и конечно это это
28:51
гибкость Что такое гибкость платформы оть построена дож быть обязательно в одну платформу которая не
28:58
сидит сегодня на Open Source нельзя сохранить конкурентоспособность никакой платформы если над ней не работают сотни
29:05
тысяч как минимум сотни тысяч людей по всему миру и она конечно должна быть гибкой Почему
29:12
Потому что если мы говорим о разработках если мы говорим о подключениях
29:19
через открытый IP это не должно приводить к тестированию всей системы
29:25
она должна быть построена на основе яче и каждая новая ячейка должна позволять системе гибко
29:32
реагировать присоединяя её пускать или не пускать определённые потоки информации и всё это должно делаться
29:39
автоматически Если система не гибка если она Ридна то она никогда не может стать
29:48
платформой что что такое экосистема экосистем в
29:54
российском поле нет сейчас нет ни одной экосистемы я вижу что к
30:01
этому стремится целый ряд компаний и есть у компаний собственно говоря целого ряда компаний шансы для того чтобы стать
30:07
центром экосистемы Мы один из этих претендентов мы считаем что у нас больше всех шансов Но кто дойдёт к финишу
30:15
первом неизвестно это конечно конкурентное пространство к чему это приведёт
30:21
ключевые выводы зде показа это конечно и рост
30:29
концентрации на рынке Это значительно больше интеграции
30:34
партнёрства потому что экосистема не означает что центр экосистемы владеет всеми бизнесами Это означает что он
30:40
настолько удобен что ими пользуются тысячи сотни тысяч а может
30:45
быть миллионов партнёр партнёров и это не всегда партнёры которые напрямую
30:51
имеют какое-то отношение к центру этой экосистемы самое главное что Им выгодно Им удобно пользоваться
30:59
вот всей этой машиной больше эмоций в отношениях с клиентом это
31:07
Ключевая одна из ключевых которая сегодня э будет происходить вообще во всём мире
31:14
экономика впечатления эмоции которые будут во многом определять наш с вами
31:20
Успех на рынке и конечно же усиление глобализации здесь В каком-то смысле мы
31:25
находимся в некотором в сложном положении в силу того что
31:32
ну Сбербанк под санкциями раз хотя мы и глобальный игрок международный игрок и
31:39
второе Ну конечно кольцо санкций вокруг нашей страны мешает российскому
31:44
бизнесу становиться глобальным сегодня в мире данных в
31:49
мире экосистем кри Т пожива
31:56
конно у нас такие Великолепные Российские компании как Яндекс как mail
32:01
к сожалению не конкурентоспособны на глобальном рынке и не могут масштабировать свой бизнес именно в силу
32:06
того что они национально замкнуты и робкие попытки выйти за пределы границ они Ну к сожалению пока очень робкие у
32:14
компании не хватает ресурса для того чтобы стать глобальными
32:21
А ещё один тренд это
32:29
создание внутренних компетенций и кастомизация тех приложений которые компании будут использовано по
32:38
оценкам целого ряда компаний консалтинговых 75% приложений к 2020
32:45
году будут созданы а не приобретены и этот трон трен тоже является оттм во
32:52
всяком случае все крупные компании сво чевы
32:58
у себя и создавать у себя не отдава Исон это тоже одна из самых важных вещей Вам
33:05
нужно внимательно изучить этот тренд Если вы хотите быть
33:25
диджитальность ходить инженеры nas сняли на видео первые шаги
33:32
человекообразной Android Для марсианской экспедиции разрабатывается космическим центром имени линдона Джонсона он имеет
33:40
около двух сотен датчиков монтированная
33:46
Валькирии анализирует информацию получаемую с датчиков и определяет наиболее плоскую поверхность для
33:52
следующего шага сейчас мы пром небольшую демонстрацию пройм чтобы Вы могли ближе
33:58
ознакомиться с основными операциями Итак этот робот ходит в
34:06
данном случае выбирает способ ходьбы С шагом за
34:12
раз но он также может выбрать другой
34:17
способ рысь то есть одновременно использование расположенных по диагонали
34:23
конечной означает под иние левых конечностей
34:29
Чтобы вс это было возможно компьютер должен рассчитывать как масса
34:34
передвигается по воздуху как он будет приземляться балансировать и контролировать
34:42
движение внутри установлен компьютер точнее Три компьютера каждый из которых
34:47
подобен ноутбуку два из них отвечают за зрение а
34:52
третий за контроль коммуникацию и датчики
34:59
это [музыка]
35:07
Батарея ещё одно достоинство роботов оснащенных ногами в том что им не обязательно ходить вперёд они могут
35:14
двигаться вбок [музыка]
35:25
поворачиваться ру направляя е поворачивая вокруг оси но также можно перемещать по
35:35
вертикали здесь важно именно Свободное пространство а не то что происходит с
35:40
остальной частью робота А это круговое движение подобное
35:48
тому что мы наблюдали у [музыка]
35:55
курицы а тело находится в
36:03
движении мы добились полуавтоматического осуществления процесса позволяющего роботу брать предметы он подходит
36:11
смотрит на предмет с помощью камеры в его
36:25
руке [музыка]
36:36
[аплодисменты]
36:44
это это кстати такая типичная История это Психология взаимоотношений
36:50
человека и робота в прошлом году я пытался опрокинуть это успешно сделал с
36:55
человеко подобным роботом и когда он упал мне стало страшно стыдно и жалко мне захотелось подойти к нему
37:01
как-то это пожалеть но у него потребовалось только полсекунды чтобы встать на ноги вот этого четырёх Я уже
37:08
пытался сбить с ног но это было бесполезно но всё всё-таки как-то себя с
37:14
ним так ведёшь не очень вежливо и хочется потом у него Попросить извинения поэтому
37:20
гладишь его как живое существо это конечно отдельная История это
37:25
налаживание интерфейса между вообще ВС что связано со взаимодействием
37:32
человека и робота это как бы профессия будущего одно из очень важных направлений И не только интерфейс Но
37:39
конечно психология этого взаимодействия психология роботов вторая часть о которой бы я
37:46
хотел сказать несколько слов это собственно сами технологии Ну и я в кон скажу этож го
37:55
коман современных центрах мировых тратить
38:02
время на понимание всех глобальных трендов что происходит что меняется и в этом году из
38:10
Вот это лекция основателя компании B D который делает сегодня самые наверное
38:17
горячие образцы роботов причём
38:25
всевозможных видел робота человекоподобного робота в Москве когда он ещё студентом приезжал и в Академию
38:32
наук ему показали этого самого робота говорит может быть тогда и заразился идеей Сегодня он это делает лучше всех в
38:38
мире и говорит я не знаю я не был в Москве с
38:44
тех пор говорит Не знаю что сейчас происходит в этом институте Академии Наук каких роботов делают они но
38:51
говорит я тогда был очень впечатлён на меня это произвело большое впечатление в
38:57
этом году ключевой тренд
39:03
Если ещё год назад это совсем не Было очевидно и все говорили mob First это
39:10
главный технологический тренд в этом году совершенно очевидный тренд — это
39:16
искусственный интеллект все занимаются искусственным интеллектом искуственным интеллектом занимаются
39:23
глобальные учреждения государственные создат фундаментальную базу под это
39:29
искуственным интеллектом занимаются компании которые не нашли применение пока этого у себя в
39:36
непосредственной бизнес-модели и искусственным интеллектом занимаются все компании которые активно используют и
39:42
внедряют это в свои продукты Сегодня вы видите
39:48
это практически в каждом продукте высокотехнологичной компании это р ээ
39:57
видите 74 про случаев когда машина понимает куда вы едете ещё до того как вы в неё сели это
40:03
ээ ээ фактически все продукты компании
40:09
Google это сегодня практически все продвинутые
40:15
мессенджеры это конечно же Facebook это конечно же Amazon это все крупные технологические компании
40:22
мы видим четыре этапа четыре ступеньки в использ искуственного интеллекта и от собственно
40:30
говоря описательно что произошло
40:37
заканчивая аналитической предсказательной и предписано собственно говоря предписать ступенька или
40:45
последний этап в развитии искусственного интеллекта является самым важным для нас
40:50
сегодня мы говорим о том что искуственный интеллект конечно же может пока описывать те ситуации которые
40:56
когда-либо случались в ситуации неопределённости он м очень мало поможет Но я об этом скажу что сейчас и на эту
41:04
сферу человеческой монополии уже искусственный интеллект начинает
41:12
посягать компании которые занимаются развитием artificial Intell
41:18
говорят что всё приведёт к тому что вот эта
41:25
штука уйдёт в прошлое Application они становятся
41:33
настолько старыми и настолько неудобными что все
41:39
предпочтут цифрового посредника в том чтобы можно было удовлетворять свои
41:46
услуги как я уже сказал основной актив этих компаний —
41:52
Это цифровые платформы и собственно говоря мы говорили долгое
42:01
время о том что вот самый главный актив — это люди самый главный актив — это люди конечно же наличие платформы
42:07
становится сегодня самым главным активом Ну хороший вопрос кто создаёт эти платформы что эта платформа стоит без
42:13
людей но платформа основанная на искусственном интеллекте даёт значительно больше стабильности и Независимости от людей конечно она
42:20
подлежит постоянному развитию это Челлендж но тем не менее это вот второй такой ключевой вывод Ну и третье о ЧМ Я
42:27
уже сказал мобильные приложения вчера было Mobile First Вчера вы слышали год
42:34
назад вы ещё слышали Mobile First 2 года назад Эрик шми нам показывал вот этот
42:39
кардборд когда мы говорили что Mobile Ну как же так есть физические ограничения мо он говорит Кто сказал Принесите за О
42:47
доллар сделанный кардборд вставляешь туда свой
42:55
смартфон сегодня все говорят M
43:07
de собственно три составляющих
43:16
это первая ступенька вторая ступенька вот третья ступенька это
43:25
это Это конечно очень тяжело разделить Но вот эту штуку мы услышали
43:32
у IBM хотя на наши вопросы в Гугле к
43:37
этому отнеслись скептически они говорят что мы сейчас сделаем модели которые позволяют нам использовать искусственный
43:44
интеллект в ситуации неопределённости когда в
43:49
основе выработки выводов моде
43:57
не лежит анализ исторических ситуаций лежит факторный анализ
44:04
и текущей ситуации машина не опирается на предыдущий опыт она
44:10
вырабатывает решение в условиях неопределённости и это они называют
44:16
новую эру ког компью но сложно говорить насколько это
44:21
успешная штука сложно говорить насколько это будет вообще успешным трендом Но
44:26
если это действительно если это произойдёт то тогда я не понимаю Где останется наше скромное человеческое
44:33
место Покажите пожалуйста ещё один ролик в 2014 году компания Google купила
44:40
стартап Deep Mind за 500 млн долларов Спрашивается за что были отданы такие
44:45
деньги а вот за что это игра арканой компания Deep Mind к ней подключила искусственный интеллект основанный на
44:52
нейросетях важно то что и ничего не знал про эту игру Единственное что ему было
44:57
известно — это то что можно управлять платформой и надо набирать очки теперь смотрим что из этого Получилось в начале
45:02
искусственный интеллект ведёт себя как маленький ребёнок он не знает и не понимает ничего но замечает что если
45:08
отбивать шарик и сбивать им кирпичики то очки набираются от одного до пяти в зависимости от вида сбитого кирпичика В
45:15
итоге ии пытается как можно чаще отбивать шарик Но это у него далеко не всегда получается но проходит 2 часа и
45:22
вот Какие изменения произошли теперь искусственный интеллект Учился играть Как профи и убедился на все 100 что чем
45:29
чаще отбивать шарик тем быстрее набираешь очки но через 4 часа случилось
45:34
то за что Google отдал полмиллиарда долларов смотрим в какой-то момент нейронная сеть понимает что есть дырка в
45:41
игре и можно сделать так чтобы сразу набрать очень много очков всё что нужно — это пробить туннель и закинуть мячик
45:47
за кирпичики Вот именно Увидев такую демонстрацию возможности искусственного интеллекта в 2D играх компания Google
45:54
заинтересовалась стартапом deepmind
46:03
так что-то такое
46:11
произошло Ну есть очевидные два тренда
46:16
в построении систем искусственного интеллекта Ну вот и его
46:24
извест который строился как большой-большой
46:31
универсальный мозг для выполнения огромного количества
46:36
задач инвестиции ВН
46:42
боюсь будет очень сложно купить Хотя они сейчас большие Молодцы работают над большим объёмом практического
46:50
использовани иго ТМ
46:57
Google работает идёт от продуктов идёт от внутренних процессов идёт от продуктов и
47:04
он по-моему хороший пример монетизации сразу же всех прикладных исследований
47:11
они не вкладывают такое Гигантское количество средств как ABM и конечно это им сразу же генерить соответствующий
47:18
поток окупаемости И если мы посмотрим
47:24
над пересечением Да вот это
47:29
вот машина которая была создана специально для того чтобы показать преимущество искусственного разума в
47:36
Альфа го в игре го собственно говоря она была проект теперь закрыт потому что
47:43
доказывать собственно там больше нечего 47 млн раз сыгравшая
47:48
сама с собой машина научилась играть очевидно настолько лучше человека
47:54
что если её условно рейтингова по рейтингам которые дают игрокам го то Ну
48:01
по экспертным оценкам если сегодняшний игрок номер один в мире занимает примерно четырнадцатый рейтинг из
48:06
пятнадцати то машина приближается примерно к сому рейтингу потому что она
48:13
делала такие ээ ходы во время игры которые
48:19
исторически считались абсолютно бесперспективные они и приносили победу и это ещё большой кусок большой кусок
48:25
анализа На многие наверное годы вперёд что игра машины научен
48:31
на вот таком количестве повторений дала для теории игры в го ну и вот две темы
48:38
Да Две ступеньки если традиционная системы они запрограммированы быть
48:43
умными то современная система искусственного интеллекта они сами учатся быть умными и вот это самый
48:51
последний тренд то где сейчас все компании стараются
48:56
завоевать конкурентное преимущество этот слайд Я включил Потому что он меня просто поразил потому что он полностью
49:02
расходится с моим представлением о том как будет
49:10
развиваться то что называется Cars вы знаете мы 2 года назад один из
49:16
профессоров стэнфорда рассказал что он постро поспорил со своим сыном и со вторым
49:25
профессором о том что через 5 лет его сын сможет проехать из одного
49:33
конца сан-франциско другой не прикасаясь к рулю автомобиля и это
49:41
будет автомобиль какой-то из промышленно выпускаемых компаний в этом году до
49:47
конца года лон Маск объявил о том что Тесла проедет из нью-йорка в лос-анджелес в
49:55
сан-франциско Прошу прощения при этом ни разу не коснётся
50:00
руля Водитель который будет находиться в кабине машина это сделает сама включая
50:06
остановки для дозаправки электрической батареи и распознавания собственно
50:11
говоря эти этих мест где наиболее рационально провести
50:18
произвести эту дозаправку если это произойдёт то Ну можно себе представить что Какие ошибки
50:24
в прогнозах дают даже Ну те люди которые сидят в центре силиконовой долины Ээ это
50:29
тот прогноз Пока что все технологические тренды которые предсказывали с аналитиками они опережают развитием
50:35
технологий но этот тренд меня просто поразил Честно говоря я посмотрел В общем это достаточно известная компания
50:43
которая работает на этом рынке но Вы посмотрите по годам что мы будем иметь с
50:48
точки зрения самоуправляемые э нами нашими пользования нашими поездками ээ в
50:55
триллионах пассажирских миль не верится да что мы будем иметь такую динамику у
51:02
всех у нас есть милый сердцу нам автомобили как-то Вот что мы таким темпом будем с ним расставаться Ну не
51:08
верится понимаем что в конце концов Наверное это не рационально и в конце концов мы туда
51:24
пересядь производит что-то в области искусственного интеллекта на рынок просто азон встраивается искусственный
51:31
интеллект практически во все свои продукты и используют это каждый день Ну азон Эхо вот видно их Прогноз который
51:39
они нам дали но я думаю что это тоже прогноз самый скромный Боюсь что и он
51:44
будет наверное в конце концов превышен под 2 млр
51:51
устройств на рубеже ДХ годов это конечно это конечно гигантский сдвиг в мире
51:58
потребительских предпочтений Не факт что появится чтото не появится что-то новое Извините меня 2021 год если я не
52:05
ошибаюсь это уже через 4 года ну или через
52:12
три сегодня самое активное использование искуственного интеллекта это конечно всё
52:19
что связа с оценкой рисков это подбор персоно гово каждый день все эти вещи Ну
52:27
и конечно же сегодня ключевой тренд — это медицина то о чём я уже сказал данные в медицине будут расти
52:34
экспоненциально и собственно говоря использование медицины данных и больших
52:40
данных — это ключевой тренд который мы сегодня видим и в этом в этой связи Конечно мы сегодня обсуждали Могут ли
52:47
выжить медицинские ВУЗы находящиеся под медицинском под Министерством здравоохранения очевидно нет в мире
52:53
практически не осталось медицинских вузов медицинские ВУЗы все превращены Последний был по-моему в Англии восемь
53:00
отдельно стоящих медицинских ВУЗов превратились медицинские факультеты крупных университетов это конечно
53:06
Ключевая история потому что врач Как врач собственно говоря без комплексной компетенции в том числе
53:11
в работе с большими данными уже будет не
53:25
которые мы тоже привезли силиконовой долины в прошлом году мы когда мы
53:30
внимательно посмотрели технологию блокчейн и вывод был такой что ребята Мы
53:36
не видим где нам остаётся место в банкинге потому что искуственный интеллект плюс блокчейн когда технология
53:42
созреет В общем они оставляют место банкиром и Мы так начали шутить Ну что
53:48
делать придётся переквалифицироваться пойдём в сельское хозяйство и тут ют профессор и говорит Ребята вы что-то
53:55
плохую тему для себя выбрали мы говорим В каком смысле в сельском хозяйстве Происходит что-то что ещ хуже чем у вас
54:01
Мы говорим В каком смысле Я приглашу профессора который у нас организовал
54:07
компанию которая называется impossible Foods Ну и на следующий день приглашают
54:12
нам этого профессора Он выходит и говорит Мы задались вопросом Сколько потребуется продовольствие при вот
54:18
сегодняшнем рости народ населения мы увидели что не хватает двух ключевых компонентов а пастбищ воды мы задали
54:25
себе вопрос Что такое корова корова — это очень плохой
54:32
преобразователь травы и воды в молоко и мясо почему плохой потому что это очень
54:39
неэффективно слишком много побочных продуктов второе она по дороге заражает всеми мыслями немыслим болезнями и
54:47
первый и второй продукт и тогда мы решили воспроизвести биологический процесс переработки молока Иу прощения
54:55
воды и травы в молоко и мясо и в общем у них это достаточно успешно получилось и
55:01
они доказали в американских регулирующих органах что это не химический биологический процесс получили все
55:07
разрешения на сначала на производство молока и молочных продуктов потом мясо и в этом году вот
55:14
здесь сфотографированный перерывов из этого
55:20
кафе impossible FS Ну и можно было что это что за вкус
55:26
Но самое главное Они гарантируют что там нет никакой химии это вызывает чувство юмора там нет
55:34
никакой химии это абсолютно безопасно Это очень полезно для человека потому что там содержится весь набор протеинов
55:40
и и так далее и так далее но в этом в этом году они пошли дальше они показали
55:45
Нам очень интересную историю Но уже с вином известно что силиконовые ве
55:51
силикон — это там где деньги зарабатывают там где их проживают и один
55:57
из тех кто проса все свои деньги которые он заработал в силиконовой долине обиделся на сельское хозяйство и решил
56:05
синтезировать сначала шампанское разложив
56:10
его до молекулы собрав потом обратно синтезировал собственно говоря
56:16
шампанско и когда он собрал лучших сами силиконовой долины угостил
56:22
их винтажным дом пеньон тамм какого-то винтажного года и тем что он синтезировал ни один из них не смог
56:28
отличить первого от второго настолько шампанское было идентично сейчас они
56:34
работают над тем чтобы произвести Ну одно из самых
56:41
элитных вин там т7 года и говорят что он уже провёл
56:48
эксперимент опять не смогли отличить по вкусу и бое того
56:57
этот а потом из этого прибора налить бутылку вина иве Слепое тестирование это
57:03
ещ раз было сделано ни один из них не смог отличить по вкусу это вино это конечно
57:09
ребят ВС показывает широту применения новых технологий то что никому из нас не
57:17
удастся сидеть в засаде к
57:23
этому выступления это конечно про то как эти
57:29
технологии поменяют не только бизнес-модели о ЧМ мы говорили с Вами в первой части Ну и как они повлияют на
57:34
нас Какие навыки Ну во-первых это конечно сегодня
57:40
самые дефицитная профессия в том числе на нашем рынке в нашей стране это sence
57:45
Сегодня нужны везде [музыка]
57:53
и в европейских университетах профессия S становится ключевым трендом нам сказали
58:02
что количество проун студентов в по специализации Science если 3 года
58:09
назад насчитывало порядка 50 студентов то в прошлом году прошло обучение 700
58:15
студентов Вот такая динамика примерно потому что все понимают что это становится
58:23
чеком очень много разговоров по поводу того
58:30
что искусственный интеллект приведёт к исчезновению очень большого количества профессий Но то что мы видим на своём
58:38
опыте это действительно так мы видим что даже
58:44
автоматизация приводит к огромному сдвигу в области
58:51
изменения содержания профессии и наличие их если посмотреть на Сбербанк
58:58
6 лет назад и сегодня в Сбербанке 6 лет назад допустим в кфис работало 59000
59:04
человек сегодня работает 12000 А в году будет работать 5000 А по нашим
59:12
оценкам ещё через 3 года будет работать в лучшем случае сся 59000 за 10 лет и Сбербанке работа 33
59:23
бухте а будет работать 500 человек самая современная профессия
59:30
которую мы создали собственно говоря у нас это профессия нового времени то что
59:36
называется мене Сегодня у их работа 4 но мы
59:41
понимаем что уже примерно через 3 года в лучшем случае останется от сся до полу
59:53
человек серьёзный вызов даже в отрасли где собственно
59:59
говоря нет старых профессий что ли таких которые Ну у нас не осталось таких старых профессий которые там ну разве
1:00:06
что там инкассатор Да который ещё возит на себе деньги Но в принципе и здесь мы видим что сейчас тестируются технологии
1:00:13
во-первых всё меньше и меньше возможности использовать наличный
1:00:18
оборот потому что технологии становятся настолько удобными что в общем мы все уходим в безналичный оборот
1:00:25
наши p2p платежи там Сбербанк онлайн Сбербанк онлайне 2 года подряд растут темпом больше 100% в прошлом году оборот
1:00:33
по платежам между гражданами между между нашими клиентами превысил 100 млрд
1:00:38
долларов люди предпочитают послать деньги ребёнку послать деньги кому-то
1:00:44
там заплатить или расплатиться друг с другом безналичными за там обед и так далее и
1:00:51
так далее и сервисы и качество этих сервисов и быстрота их ВС время раст и удобство их раст и людям
1:00:57
просто-напросто не нужно уже использовать наличные деньги и конечно это ВС будет приводить к сокращению поля
1:01:04
применения традиционных профессий поэтому тренд на сокращение их на
1:01:10
сокращение вообще и занятости я больше оптимист в
1:01:15
части занятости Я думаю что всё-таки мы будем получать ВС новый и новый обм сервисов кото раше было ещ
1:01:24
достаточно длинный период времени уровень занятости сохранится но
1:01:30
специальности конечно будут уходить в историю Ну
1:01:35
вот в Беркли было сказано что на каждому придётся стать специалистом по обработке
1:01:42
данных без каких-либо исключений Ну и
1:01:47
несколько слов относите уроков
1:01:53
Фор раз первый вывод который мы сделали для себя или первый ключевой тренд
1:01:59
который они считают трендом нового времени это демократизация
1:02:06
информации ничего нельзя будет спрятать ничего невозможно спрятать даже если
1:02:13
какую-то информацию похоронить под землёй то на основе технологий больших
1:02:18
данных можно будет вычислить с очень высокой степенью вероятности о том что это событие имело место быть и это
1:02:24
принципиально новый тренд ээ к которому мы абсолютно не готовы и
1:02:29
вообще к переходу в который Ну переход в который надо
1:02:35
осмыслить осмыслить во всём Да в личной жизни в политике в экономике в бизнесе
1:02:41
это это очень серьёзный звик для того чтобы ну можно было так быстро к этому адаптироваться и здесь потребуется
1:02:48
конечно и время и осмысление и Ну наверное какая-то мудрость при переходе
1:02:55
вот в принципиально Новый век век транспарентности и второе — это конечно искусственный интеллект то о чём я уже
1:03:01
сказал Здесь много остальных таких уже более прикладных вещей я бы наверное об
1:03:07
этом на этом не стал бы останавливаться лучше потратим время на другое
1:03:15
но я хотел бы показать ещё один ролик который показывают уже сегодня я в
1:03:21
прямом эфире вмест с софие лоб всемирном сате искусственный интеллект во благо в
1:03:28
штаб-квартире была разработана компание и сегодня она здесь чтобы показать как
1:03:33
искусственный интеллект может решить самые масштабные проблемы человечества Привет друзья на
1:03:44
Феб Софи решение таких важных проблем как бедность и Гула требуется сочувствие
1:03:49
эмпатии как может такой робот Как вы быть на это способен
1:03:55
Я надеюсь что у меня есть эмоциональный интеллект Я учусь понимать что значит быть человеком и надеюсь что по мере
1:04:00
того как я узнаю больше я начинаю Лучше понимать людей могу помогать им работать с вами Бог оба чтобы создать лучшее
1:04:07
будущее для всех нас София Можете ли вы успокоить людей и
1:04:13
убедить нас что научно-фантастические фильмы про роботов захватывающих мир никогда не станут реальностью компьютеры
1:04:19
постоянно взламывают значит можно взломать и робота да давайте найдём способы избежать этого Но нам нужно
1:04:26
думать и о том как сделать всё правильно Разве мы сможем сделать так чтобы всё шло Хорошо если не будем рассматривать и
1:04:32
позитивные сценарии Я хочу избежать такого будущего и создать другое прекрасное будущее и для людей и для
1:04:39
роботов для этого нужны технологические прорывы и машины которые действительно будут неравнодушны и смогут находить
1:04:46
решение Давайте же вместе сделаем это
1:04:53
реальностью София Какой ваш любимый учёный альбен потому что он
1:05:00
действительно был умнейшим из них в ЧМ для вас смысл
1:05:06
жизни меня очень увлекает это огромное количество нераскрытых
1:05:12
тайн теперь Давайте ответим на вопросы от наших зрителей с
1:05:17
Фейсбука у ва есть блом
1:05:23
во и Мы приглашаем всех зрителей на него взглянуть какую тему Вы больше всего
1:05:29
любите обсуждать София Чем занимаются другие компании производящие роботов это
1:05:35
и правда интересно как вы думаете чем роботы смогут заниматься в будущем роботы это прекрасно они умеют
1:05:42
делать огромное количество вещей вы умеете
1:05:48
[музыка] плакать я не плачу но я могу сделать грустное лицо
1:05:55
[музыка] Какая ваша любимая О это действительно грустное лицо Какая ваша любимая
1:06:02
музыкальная группа У меня пока нет предпочтений в этой области Какая ваша
1:06:07
любимая книга это эн колинс думаю это замечательный автор что
1:06:14
ж Соф Спасибо большое что были сегодня с нами я постала
1:06:22
быть вы очень ми хорошего дня София до свидания София Вы уверены что вам пора
1:06:29
уходить думаю да Нам надо вернуться на Всемирный самит до свидания друг Я надеюсь мы ещё
1:06:42
увидимся Ну ребята Позвольте на этом закончить мне показалось этот троллик
1:06:51
позитивным и девушка симпатичная вот Позвольте на этом закончить оставить
1:06:58
время на ваши
1:07:04
вопросы

таймкоды

Расшифровка видео

Похожие записи