Ансар Сайфин: «Ошибка в работе с драгоценными металлами стоит слишком дорого»
Расскажите о себе и о том, как вы пришли в ИТ.
По образованию я логист, но программированием увлекался всегда. Автоматизировал процессы сначала для себя, потом для своих подразделений, по сути, был «теневым ИТ»: подключался к базам, писал небольшие решения, упрощал работу.
В какой-то момент ИТ-директор в General Motors обратил на это внимание, «легализовал» мои инициативы и предложил карьерный трек в ИТ. Так я и ушел в эту сторону профессионально.
Дальше был Diageo, где мы из Москвы собрали глобальный центр компетенций по корпоративному планированию. Затем три года в США — занимался ИТ в контуре финансов и бэк-офиса. Вернувшись в Россию, работал в British American Tobacco, теперь это ITMS.
После этого я пришел в Красцветмет. В контур группы входит несколько компаний и разные направления бизнеса — от производственных и технологических направлений до финансовых продуктов и операций на рынке драгоценных металлов
Как вы определяете роль ИТ в Красцветмете сегодня?
В разных компаниях я видел разные подходы. Часто встречается логика «сначала бизнес напишет стратегию, а потом ИТ подстроится». В такой модели ИТ неизбежно остается сервисной функцией — поддержкой, а не драйвером эффективности.
У меня другой взгляд. Сегодня ИТ — это часть бизнеса. Делать бизнес-стратегию в отрыве от цифровых технологий — значит сознательно не использовать возможности для роста и повышения эффективности.
В Красцветмете мы формируем ИТ-стратегию вместе с бизнесом и, что важно, синхронизируем ее с бизнес-стратегией. Мы регулярно, примерно раз в полгода, пересматриваем приоритеты и актуализируем дорожную карту. Моя задача — помогать компании раскрывать потенциал цифровых технологий так, чтобы это прямо конвертировалось в результат, в том числе в рост выручки и управляемости.
Как вы измеряете эффективность цифровых проектов в аффинаже и производстве изделий? На какие показатели опираетесь, чтобы доказать эффект бизнесу?
На практике почти любой показатель можно перевести в деньги. Сократили цикл, снизили потери, повысили точность, улучшили качество — все это имеет денежный эквивалент. Когда мы формируем карту проекта и оцениваем, брать его в работу или нет, мы смотрим на окупаемость через два базовых показателя. Первый — PI, Profitability Index. Он показывает, сколько рублей эффекта компания получит на каждый вложенный рубль.
Второй — DPP, discounted payback period — дисконтированный срок окупаемости инвестиций в цифровизацию.
Если проект окупается до трех лет, это, как правило, хороший кандидат в портфель. Но есть исключения. Например, для «базовых» систем вроде ERP или MES горизонт полезного использования — 10–15 лет. Поэтому, если модернизация таких систем окупается за 4–6 лет, это тоже нормально, мы берем такие проекты. Отдельная категория — изменения законодательства. Наш контур сильно регулируется государством, особенно все, что связано с движением драгоценных металлов. Иногда приходится достаточно быстро менять системы, чтобы бизнес мог работать в новых требованиях — это не всегда про окупаемость «в лоб», но это про возможность продолжать деятельность и снижать регуляторные риски.
И еще важная вещь. Когда вы обсуждаете цифровые инициативы с бизнесом, нужно говорить не на языке технологий, а на языке бизнес-ценности. Очень часто встречается логика «нам сказали внедрить продукт — внедряем». Я считаю, что правильнее вместе с бизнесом каждый раз честно отвечать на вопрос, какую ценность внедрение принесет компании или клиентам и зачем это вообще нужно.
Как вы формируете портфель проектов и выбираете, во что инвестировать в первую очередь?
Мы начинаем не с перечня систем, а со способностей бизнеса. Есть подход через матрицу способностей и оценку их зрелости. Например, в крупных потребительских компаниях есть набор типовых способностей — работа с клиентами, коммерция, производство и так далее.
Дальше мы оцениваем каждую способность по модели уровня зрелости — условно пять уровней. На первом уровне процесс настолько неустойчивый, что результат трудно предсказать. На более высоких уровнях процесс становится измеряемым, появляется проактивное управление через метрики. На максимальном уровне это уже постоянное улучшение.
Но важно не просто «подтянуть все». Нормально, что некоторые способности в компании развиты не на максимуме, потому что они могут быть не ключевыми для конкретной бизнес-модели.
Чтобы понять, какие способности действительно стоит развивать, мы используем логику VRIO — оцениваем способность по ценности, редкости на рынке, сложности копирования и тому, есть ли у компании организация, чтобы эту способность поддерживать и масштабировать.
Дальше мы выбираем ключевые способности и формулируем, на сколько уровней зрелости хотим вырасти — на один или два. Из этого и рождаются бизнес-проекты, а внутри каждого бизнес-проекта строится цифровая карта инициатив — какие изменения в ИТ и данных должны поддержать рост этой способности. И уже после этого инициативы попадают в портфель, где мы снова считаем экономику через PI и DPP и принимаем решение, что идет в работу.
Кто со стороны бизнеса должен быть владельцем инициативы, какие критерии обязательны для старта и как часто вам приходится говорить «нет»?
Сразу спойлер — «нет» приходится говорить довольно часто.
Для старта у проекта обязательно должен быть бизнес-заказчик и спонсор. И очень важно, чтобы потребность была «нативной», то есть реально рождалась в бизнесе. Если мы сами придумываем инициативу и пытаемся «привязать» ее к подразделению, такие проекты обычно плохо приживаются и редко дают эффект. Нужен человек со стороны бизнеса, который будет драйвить изменения, адаптировать их у себя в команде и доводить до результата. Дальше мы смотрим, есть ли у заказчика образ целевого результата и понятные эффекты.
Отказ чаще всего звучит тогда, когда бизнес приходит с запросом «хочу оцифровать процесс», но при этом даже не пытался навести базовый порядок и начать измерять его хотя бы в простом виде. Например, если не пробовали вести учет на бумаге или в Excel.
Цифровой инструмент не лечит процесс. Если процесс не описан и не измеряется, система это не исправит, а потом все превращается в бесконечные переделки и разочарование — «внедрили, не полетело, давайте срочно переделаем». Поэтому сначала мы убеждаемся, что процесс есть, что он управляемый и что бизнес понимает, какой результат хочет получить.
У вас на аффинажном производстве используется MES. Сколько лет система в работе и занимаетесь ли вы ее развитием?
MES работает порядка шести лет. Сейчас мы как раз извлекаем уроки из прошлого опыта и занимаемся модернизацией — подбираем решения, которые могут заменить текущий инструмент.
Изначально у бизнеса был скепсис, потому что первое внедрение заняло много времени и потребовало длительной адаптации. Ключевая сложность снова была в процессах и операциях — их очень много. В общей сложности речь о тысячах процессов и на порядок большем количестве операций.
Но за эти годы у нас появилась база, где процессы и операции уже описаны и «оцифрованы». И сейчас мы можем показать бизнесу простую вещь: если мы переносим эту базу в новый инструмент, сроки проекта резко сокращаются. По сути, за год можно мигрировать на новое решение без того «разведочного» этапа, который съедал время раньше.
Мы также рассматриваем разные варианты, включая решения на 1С. При этом важно, что контур планирования и моделирования у нас выделен в отдельные инструменты и интегрируется с MES, то есть MES не обязана закрывать все внутри себя.
Если бы вам нужно было убедить скептика, какую одну метрику вы бы показали, чтобы доказать эффект MES?
Если честно, сегодня мне уже трудно представить, как можно работать без MES, особенно в аффинаже. Это вопрос не одной «красивой метрики», а базовой управляемости.
MES дает контроль над незавершенным производством, металлическим балансом и помогает принимать решения. Без такой системы со временем возникает риск, что «виртуальный» баланс металла в учете начнет расходиться с фактом, потому что вы не видите точно, сколько материала потребляете, что происходит в переделах и сколько должны отгрузить клиенту.
Кроме того, MES обычно связана с планированием и моделированием. Когда меняется технология или клиент меняет требования и сроки, бизнесу нужно быстро понимать, как это повлияет на план и загрузку. Без системы и без связки с планированием на такие вопросы невозможно ответить заранее — вы сначала «пойдете в изменения», а через полгода уже постфактум будете разбираться, что получилось.
Поэтому для меня ключевой эффект — это скорость и качество принятия решений, возможность быстро реагировать на изменения на рынке и в запросах клиентов.
Как устроена связка ERP, MES и лабораторного контура, LIMS? Как выстроили сквозной процесс?
Лаборатория у нас относится к технологическому контуру. Результаты испытаний попадают в лабораторную информационную систему (LIMS), которая находится на стыке технологического и корпоративного сегментов. Там результаты проходят валидацию, лаборант подтверждает корректность данных, и дальше они автоматически уходят в MES, с которой контур уже интегрирован.
Пробы берем на нескольких этапах. На входе, в процессе производства и на выходе, когда партия превращается в готовую продукцию. Это нужно, чтобы по ходу процесса понимать, доводим ли мы партию до требуемых показателей. Если доводим, то партия идет дальше по этапам. Если нет — можно вернуть ее, например, на повторную обработку в гидрометаллургии.
Когда в MES фиксируется готовность партии к отпуску, информация уходит в ERP, а там уже формируются расчеты с клиентами и металлический баланс. В итоге получается сквозная автоматизация «от начала до конца». На словах это звучит просто, но в реальности это большое количество операций, которые нужно учитывать.
Поэтому у нас много встроенных проверок и валидаций, особенно на уровне ERP. Ошибка в таких процессах стоит дорого — специфика работы с драгоценными металлами не оставляет права на неточность.
Интегрируетесь ли вы с государственными системами контроля и отчетности по драгметаллам?
Да, отрасль жестко регулируется, и мы интегрируемся с ГИИС ДМДК. Система предоставляет набор API-методов под разные типы операций, фактически мы подключаемся к ним и передаем данные по движениям драгоценных металлов, потреблению, выпуску готовой продукции.
Важно, что у нас внутри есть полная история партии, сквозная «генеалогия». Мы можем показать клиенту, как формировалась его партия, как она проходила технологический процесс, что именно мы получили на выходе.
Причем это не только данные в системах. У нас на каждом этапе, от вскрытия входящей посылки до отпуска готовой продукции, работает видеоаналитика. В буквальном смысле можем показать, как открывали упаковку, как разбирали и взвешивали материалы, с фиксацией веса и действий. Для клиента это дополнительное доказательство того, что процесс прозрачен и прослеживаем.
Тема доверия к происхождению металла и прослеживаемости сейчас жестче, чем раньше. Где проходит граница между ИТ и комплаенсом и какие цифровые инструменты «держат» цепочку поставок и проверки?
Сквозную прослеживаемость в первую очередь обеспечивают именно ERP и MES, через них мы видим цепочку от входа до выхода. По сути, комплаенс сегодня невозможен без цифровых инструментов. Если у клиента возникает вопрос или претензия, отвечать «вручную» уже нереалистично — нужны данные и доказательная база.
Мы используем LIMS, MES и ERP как единый контур плюс внешний регуляторный контур через ГИИС. Это позволяет подтверждать происхождение и движение продукции и сырья на протяжении всей цепочки. Государство в целом тоже движется в сторону большей прозрачности рынка — это серьезный шаг к «обелению» отрасли и повышению доверия.
У вас есть собственные решения для производства — планирование, модели, цифровой двойник, машинное зрение. Что реально используется внутри и как вы решаете, что развивать «для себя», а что превращать в продукт для рынка?
Помимо MES у нас давно работают отдельные инструменты планирования и моделирования производства. Планировщик, например, формирует последовательность обработки партий и выводит задания прямо на производственные экраны — на участке это видно в режиме работы.
Есть и модель, которая помогает прогнозировать, как изменения в технологии или требованиях клиента повлияют на производственный результат. Эти инструменты мы развиваем не первый год, уже проходили несколько этапов модернизации.
Сейчас мы делаем следующий шаг, эволюционируем эти решения в сторону цифрового двойника. При этом важно понимать, что для нас «цифровой двойник» — не про красивую 3D-картинку. Картинка может хорошо продаваться, но решения она сама по себе не принимает. Для нас цифровой двойник — это прежде всего система поддержки принятия решений, которая позволяет быстро оценивать последствия любых изменений и настраивать производство под разные цели.
Например, в один период мы можем работать на оптимизацию себестоимости, если по срокам укладываемся и есть запас. В другой — перенастроить модель так, чтобы приоритетом стало выполнение обязательств по срокам и объемам для клиентов. То есть это инструмент, который «перекладывает» выбранную стратегию в производственный план и задания на площадку.
Машинное зрение у нас тоже используется давно и в нескольких сценариях. Первый — безопасность. Камеры на производственной площадке помогают контролировать соблюдение требований, например, ношение средств индивидуальной защиты, и фиксировать опасные события. Если пытаться делать это только силами людей, нужно было бы держать большую команду, и все равно качество контроля было бы нестабильным.
Второй сценарий — контроль операций маркировки и упаковки. Мы маркируем слитки, у каждого есть идентификационный номер, и система проверяет, что маркировка нанесена корректно и упаковка выполнена по требованиям конкретного клиента. Здесь цена ошибки слишком высокая, поэтому такой контроль принципиален.
То, что мы проверили на собственном производстве и довели до стабильной работы, можем затем предлагать рынку. Для этого есть отдельное направление, которое упаковывает наши решения — планирование, модели, машинное зрение — в более универсальный вид. Внутри мы настраиваем их под специфику аффинажа, а для внешних клиентов делаем продукт применимым к более широкому кругу производств.
Вы подписали меморандум о кооперации с ЕвразИнжиниринг и ГИАП по внедрению генеративного ИИ в инженерное проектирование и интеграцию с ТИМ. Зачем вам этот проект и на какой эффект вы рассчитываете?
Мы видим, как быстро развивается генеративный ИИ в России и в мире, и игнорировать этот тренд уже невозможно. Есть понятная целевая картина. ИИ может ускорить проектирование при строительстве объектов, а значит, сократить общую цепочку реализации проекта, потенциально на год-два. Для заказчика это напрямую означает более ранний возврат инвестиций.
Но применение ИИ в проектировании — сложный кейс. Во-первых, нужен большой датасет проектной документации, чтобы обучить модель так, чтобы она реально помогала хотя бы на уровне «ко-пилота» для проектировщика. Во-вторых, это требует заметных инвестиций, которые тяжело тянуть одной компании.
Поэтому мы и пошли в кооперацию с коллегами, чтобы объединить экспертизу, данные и усилия и быстрее прийти к практическому результату.
На таких производствах почти всегда есть «наследие 90-х» — оборудование и участки, которые морально устарели или остались без поддержки вендора. Как вы подходите к модернизации и где начинаете?
Мы почти никогда не начинаем с идеи «сразу поменяем железо». Сначала делаем диагностику и разбираемся, что действительно еще работает надежно и может служить дальше, а что стало узким местом и источник риска.
Часто оказывается, что проблема не в самом оборудовании, а в том, как устроен сбор данных, он может быть некорректным или неполным. И тогда эффективнее не менять станок или линию, а правильно выстроить контур мониторинга и управления.
Если оборудование уникальное и его замена экономически невыгодна, мы идем в инженерные решения. Фактически делаем обратный инжиниринг, изучаем сигналы, команды, реакции оборудования и собираем собственные модули контроля. Команда работает и с устаревшими контроллерами, пишет софт, делает эмуляторы, заменяет отдельные модули. Со временем у нас сформировалась достаточно большая база решений для обслуживания и модернизации такого «легендарного» оборудования.
Этот опыт, кстати, востребован и вне компании — сейчас многие заводы сталкиваются с похожей ситуацией, когда производители ушли с рынка, а менять линию целиком слишком дорого.
Давайте про искусственный интеллект. Что у вас реально используется и как сотрудники к этому относятся? И отдельно — что делаете именно с генеративным ИИ?
Вообще ИИ можно определять по-разному, но мне близко практичное определение — это программа, которая выполняет какую-то операцию лучше, чем человек. В этом смысле ИИ с нами давно. И, например, компьютерное зрение — это тоже ИИ, и оно уже давно работает в производственных сценариях.
Но когда сейчас говорят «ИИ», чаще всего имеют в виду именно генеративные модели. У нас в компании внедрена корпоративная платформа на базе открытой ИИ-модели. Мы настроили контекст и системный промпт под наш корпоративный профиль и непрерывно развиваем ее.
Важно, что мы не используем публичные внешние сервисы для рабочих задач, потому что в таком случае коммерчески чувствительная информация может уйти за пределы контура. Поэтому мы продвигаем именно корпоративный инструмент.
По динамике вижу, что вовлечение растет. Сейчас примерно около трети сотрудников регулярно используют корпоративную платформу в работе.
Дальше самое интересное — когда ИИ не просто «в отдельном окне», а встроен в процессы. Например, в контуре коммуникаций с клиентами: после разговора система может автоматически делать резюме, формировать задачи и фиксировать договоренности. Это снимает массу ручной работы, тогда как раньше многое оставалось в блокнотах или в памяти людей.
Еще один слой — поддержка бэк-офиса и команд, которые сопровождают клиентов. Когда сотруднику нужно быстро найти документ, условие, историю взаимодействия, он задает вопрос, и система помогает оперативно получить ответ на основе корпоративных данных. Клиенту не нужно ждать час-два, пока сотрудник «перероет» материалы.
Дальше мы смотрим более продвинутые сценарии. Например, как ИИ может усиливать планирование через многоагентные подходы, когда разные агенты отвечают за разные этапы, от подгрузки данных до оценки результата и улучшения плана.
Еще один перспективный сценарий — генеративный BI. Сейчас бизнес живет в дашбордах. А следующий шаг — когда вы не «ищете глазами график», а задаете вопрос, и система сама вытаскивает данные из хранилища, формирует аналитику и объясняет вывод. Это ускоряет подготовку менеджеров и руководителей к решениям и встречам.
Есть и идея «умных комментариев» в прикладных системах. Это условно, когда вы смотрите отчет, а система помогает интерпретировать, что именно происходит и где аномалии.
Многие крупные компании сокращают зависимость от внешних подрядчиков и усиливают инхаус-разработку. Как вы к этому относитесь и как у вас устроен баланс «делаем сами» и «покупаем с рынка»?
Я видел обе модели. Где-то ИТ почти полностью покупается как сервис на рынке, где-то большая часть компетенций держится внутри, включая разработку собственных продуктов.
Мой подход такой: бизнес должен фокусироваться на своем конкурентном преимуществе. Красцветмет — прежде всего, в своем ДНК, производственная и технологическая компания, и делать «все самим» — неправильная стратегия. Внутри стоит развивать то, что действительно дает преимущество и критично для нас. Например, производственное планирование, модели, MES — эти компетенции мы удерживаем и развиваем.
А вот пытаться самим писать почтовый клиент или систему видеосвязи экономически бессмысленно. На рынке есть зрелые продукты и команды, которые этим живут и накопили опыт на десятках клиентов. Зачем изобретать велосипед?
Хороший пример — ЭДО. Разрабатывать собственное ЭДО нам не нужно, так как это не наш профильный бизнес. Рациональнее купить продукт и сервис, и не держать внутри команду, которая будет недогружена и все равно не станет сильнее профильного провайдера.
Когда вы выбираете внешнего поставщика или решение с рынка, что для вас важнее всего? Как вы собираете картину для выбора?
Я бы разделил требования на функциональные и нефункциональные.
К нефункциональным относится опыт команды и референсы — сколько внедрений, какие компетенции у специалистов, которые реально придут в проект. Смотрим и технологическую базу, чтобы не оказаться на санкционном стеке, и чтобы продукт корректно работал в нашей целевой инфраструктуре.
Дальше обязательный этап — пилот. Мы просим демо-контур, тестовый стенд, чтобы не только посмотреть «витрину», но и залезть глубже — понять, как все устроено внутри и совпадает ли реальность с тем, что обещали на продаже.
Из функционального — насколько решение закрывает наши требования из коробки. Чем больше кастомизации, тем сложнее сопровождение и обновления, и тем выше риск, что через год-два это станет «уникальной веткой», которую трудно поддерживать.
И, конечно, важна экономика — стоимость владения и понятная модель затрат.
Если заглянуть на два-три года вперед, какие у ИТ-блока приоритеты?
Первый приоритет — операционная эффективность. Рыночная конъюнктура непростая, и это заставляет быть точнее и эффективнее, в том числе ИТ-блок. Цифровизация должна быть умной и давать бизнес-ценность.
Второй приоритет — данные. Потенциал ИИ раскрывается только там, где выстроено управление данными. Если с данными хаос, никакой ИИ не даст полного эффекта. Поэтому для нас важны управление данными, интеграция систем и дальнейшее внедрение ИИ в процессы.
Я думаю, в ближайшие два–три года уровень зрелости ИИ в стране заметно вырастет, и вместе с этим начнут меняться и требования к компетенциям, и организационные модели, часть процессов будет по-другому устроена за счет ИИ. Поэтому в эту сторону точно нужно двигаться.
Опубликовано 27.02.2026
