Кто должен делать ТЗ для ГО в Казахстане (1/2)

В прошлую пятницу занесла меня судьба на круглый стол представителей IT-бизнеса с министром ЦРИАП. Среди прочего была озвучена проблема (Евгений Максимов) разработки технических заданий на информационные системы государственных организаций. Суть проблемы:

1. Для разработки качественных ТЗ у ГО нет компетенций.
2. ГО сваливают эту задачу на подрядчиков.
3. Стоимость проекта определена заранее.
4. ГО часто не имеют достаточных компетенций не только в части ИТ, но и в части адекватного описания собственной деятельности (бизнес-процессов).
5. Подрядчики тратят много времени и ресурсов на бизнес-анализ, выясняя что же ГО нужно на самом деле, при этом пытаясь вписаться в заранее ограниченный бюджет и оставшийся срок реализации проекта (бюджетный цикл у нас годовой – поэтому нужно успеть от проведения конкурса, создания и согласования ТЗ реализовать систему).

По ходу краткого обсуждения на круглом столе прозвучало несколько идей, главная из которых – сделать этап разработки ТЗ отдельным проектом и отдать этот этап компетентным разработчикам.

Что можно добавить? Не сказать, что тема новая: помню мы еще в 2008 году обсуждали вопрос, что хорошо бы было если бы ГО разрабатывали ТЗ отдельным проектом. Замечательно, что мы дожили до обсуждения данного вопроса на государственном уровне. Но что же можно предложить?

Варианты:
1. В госорганах появятся свои компетентные в ИТ и бизнес-анализе специалисты.
2. Компетентные специалисты появятся в одном ГО, который будет делать ТЗ для всех остальных ГО.
3. Будет создан институт аккредитованных экспертов по созданию ТЗ для ИС ГО.
4. Всё остается «как есть».

Разберем:

Вариант 1. В госорганах появятся свои компетентные в бизнес-анализе и ИТ специалисты.
• Утопия: Методологи ГО массово освоят бизнес-анализ, процессный анализ, анализ данных, основы ИТ. Качество ТЗ и эффективность госуправления вырастут на порядок. Обучившиеся эксперты не уйдут в частный сектор, а останутся работать в ГО на маленьких зарплатах, движимые патриотизмом и интересом к сложным задачам.
• Антиутопия: Введут несколько дополнительных экзаменов и курсов повышения квалификации для госслужащих по теме "Основы составления ТЗ на базе ИИ и блокчейн". По факту, ТЗ продолжат писать секретари и юристы в последний момент, а на экзаменах будут списывать. Ничего не изменится, кроме увеличения бюрократической нагрузки.

Вариант 2. Компетентные специалисты появятся в одном ГО (условный "Центр Разработки ТЗ"), который будет делать ТЗ для всех остальных ГО.
• Утопия: Создается элитное подразделение "ГосТехЗадание-Инновация", куда стекаются лучшие умы страны. Они разрабатывают стандартизированные, кристально чистые и идеально проработанные ТЗ для всех нужд госсектора. Проекты реализуются точно в срок и в бюджет, эффективность госуслуг достигает 100%. Все ГО счастливы делегировать эту сложную работу супер-профессионалам и получают предсказуемый результат.
• Антиутопия: Возникает мега-бюрократический монстр "Единый Республиканский Оператор Технических Заданий" (ЕРОТЗ). Очередь на разработку ТЗ растягивается на годы. ТЗ пишутся по универсальным, оторванным от реальности шаблонам, абсолютно не учитывая специфику каждого отдельного ГО. Госорганы тратят больше времени на "перевод" этих ТЗ на понятный язык и попытки их адаптировать (или обойти), чем если бы писали сами. Ответственность за провалы размыта, крайних не найти.

Кто должен делать ТЗ для ГО в Казахстане (2/2)

Вариант 3. Будет создан институт аккредитованных негосударственных экспертов по созданию ТЗ для ИС ГО.
• Утопия: Формируется прозрачный, конкурентный рынок высококвалифицированных и независимых экспертов и консалтинговых компаний, прошедших строгую, но справедливую аккредитацию. ГО получают доступ к лучшим практикам, инновационным подходам и могут выбирать исполнителя для разработки ТЗ на конкурсной основе, ориентируясь на качество и опыт. Госпроекты выигрывают от свежего взгляда и глубокой экспертизы.
• Антиутопия: Аккредитация превращается в очередной "клуб для своих" или формальность для получения госзаказов. Небольшой пул "придворных" консалтинговых фирм, получивших аккредитацию по непрозрачным критериям, делит между собой все контракты. Цены на услуги "сертифицированных гениев" взлетают до небес, а качество ТЗ остается посредственным, так как реальной конкуренции нет. ГО вынуждены работать с теми, "кого назначили", даже если их экспертиза вызывает сомнения.

Вариант 4. Всё остается как сейчас.
• Утопия: На самом деле сложившаяся система демонстрирует удивительную гибкость и саморегуляцию! ГО, не обремененные сложной IT-экспертизой, гениально транслируют свое "видение" и стратегические потребности на полутора страницах текста. Подрядчики, как опытные Шерлоки, мастерски дешифруют истинные потребности, проявляя чудеса адаптации к фиксированному бюджету и годовому циклу. Это уникальный симбиоз, где каждый год рождаются системы – не всегда идеальные, зато свои, родные, проверенные временем и бюджетными ограничениями. "Работает – не трогай" становится девизом стабильности и непрерывного освоения средств.
• Антиутопия: Ежегодный "День Сурка": ГО объявляют конкурсы с размытыми ТЗ и заранее определенной стоимостью. Подрядчики, заложив в смету "коэффициент на непредсказуемость заказчика", неделями и месяцами пытаются вытянуть из некомпетентных сотрудников ГО хоть какую-то конкретику, пока тикает годовой бюджетный цикл. Системы сдаются в последний момент, сырые, с урезанным функционалом, не отвечающие реальным нуждам, потому что "надо было освоить бюджет до конца года". Эффективность госуправления продолжает падать, граждане и бизнес недовольны, а на следующий год все повторяется с новой силой и новыми "инновационными" проектами на старых граблях.

Резюме: Если без шуток, то каждый из этих вариантов имеет свои преимущества и недостатки. Возможно, наиболее эффективным будет комбинированный подход, включающий элементы каждого из них: например, развитие базовых компетенций внутри ГО, создание центра экспертизы для особо сложных или типовых проектов, и привлечение аккредитованных внешних экспертов для специфических задач или независимой оценки.

Почему бизнес-аналитик должен быть умнее чем системный аналитик

При внедрении некоторых систем, часто это бывает на госпроектах, у людей возникает недоумение: сравнительно технически несложная система внедряется с большим трудом.

Казалось бы, процесс должен быть простой: разработали-запустили-пользуйтесь, только требования нормальные дайте. Не можете дать требования? Ну вы, заказчики, тупыыые! Не отрицаю, заказчики бывают тупые. Но на госпроектах, например, проблема часто не в тупости заказчиков, а в том, что цель проекта - не создание технической системы, а создание сложной организационной системы со многими участниками, а это сложнее чем сделать код и развернуть его на серверах. Нужно также договориться с большим количеством заинтересованных сторон о параметрах новой организационной системы и закрепить это нормативно. Здесь ведущую роль играют бизнес-аналитики, которые должны ориентироваться в сложной предметной области и учитывать множество интересов многих сторон. И в создаваемой организационной системе техническая часть - лишь небольшой фрагмент задачи, причем самый легкий - оно либо работает, либо нет.

К чему реплика? Наши уроки про ТЭО - это не совсем про ТЭО, а больше про бизнес-анализ на сложных проектах. Сложный бизнес-анализ. Это вам не апишечку описывать, тут думать надо, и искать нетривиальные решения.

Кто хочет научиться думать приходите на занятие завтра. Ссылка для регистрации - https://kazakhstan.iiba.org/events/teo-1/

Как стать джедаем (про аналитиков и ТЭО)

Сидит в опенспейсе аналитик. Рисует квадратики. Соединяет их стрелочками. В глазах – священный огонь. Он думает, что постигает суть вещей, раскладывает хаос по полочкам. Он – жрец логики, рыцарь ТЗ. Наивный.

Его мир прост. Есть задача, есть кнопка, есть пользователь. Нарисуй, опиши, отдай в разработку. Это его окоп, где он сидит и отстреливается от правок.

А потом ему говорят: «Парень. Напиши-ка нам ТЭО».
И тут уютный мир рушится.

Что такое ТЭО? Это не документ. Это свиток, написанный на коже вымерших бюрократов. Талмуд, где каждая запятая согласована с десятью комитетами, три из которых уже расформированы. Это попытка объяснить людям, которые читают только заголовки, почему нужно потратить бюджет целой африканской страны на систему, которая, возможно, заработает. Когда-нибудь.
И вот начинается его «интеллектуальный рост».

Вчера он спрашивал: «Что мы делаем?». Сегодня он впервые в жизни должен ответить на вопрос: «ЗАЧЕМ мы это делаем?». И он лезет в государственные стратегии, написанные на языке, который не понимали даже их авторы. Он пытается связать свою маленькую кнопочку с «повышением конкурентоспособности на евразийском пространстве». Это как привязывать воздушного змея к пролетающему астероиду.

Его «стейкхолдеры» перестают быть просто именами в календаре. Это сонный левиафан из министерства цифры, хитрый бес из Центра ГЧП, и орда мелких чиновников, каждый из которых хочет не «ценности», а чтобы его не трогали. И аналитик должен составить карту этого бестиария.

Ему говорят: «посчитай выгоду». И он, как средневековый алхимик, пытается превратить туманные обещания светлого будущего в чистое золото финансовых прогнозов. Он пишет про «снижение коррупционных рисков» и «повышение прозрачности», чувствуя себя еретиком на суде инквизиции.

Это и есть рост. Когда ты понимаешь, что твои красивые UML-диаграммы – это детские рисунки на песке перед цунами. Когда ты осознаешь, что система – это не набор функций, а клубок страхов, амбиций и интересов десятков людей. Когда ты учишься писать так, чтобы твой текст прошел через семь кругов ада согласований и сохранил хотя бы тень первоначального смысла.

И когда он заканчивает, он уже другой человек. Он смотрит на молодых аналитиков, рисующих свои квадратики, и видит в их глазах наивный огонек глупого котенка, который для него уже в прошлом. Он прошел через это. Он написал ТЭО. Теперь его уже ничем не удивить. Даже тендером на цифровизацию загробного мира.

Регистрация - https://kazakhstan.iiba.org/Events/teo-2

Цифровое государство: какую революцию хотят айтишники-либертарианцы

Вы думаете цифровизация государства это только «оцифровка» традиционных государственных функций? Не только. На горизонте маячат и другие перспективы... В современной футурологии и политической философии есть радикальная модель так называемого "цифрового государства", которая по своей сути выходит за рамки простой цифровизации существующих госуслуг. Эта концепция техно-либертарианцев, в том числе Питера Тиля, предполагает не реформирование, а полную замену традиционной государственной структуры.

Принципы этой гипотетической модели:

1. Демонтаж институтов и замена их сервисами

Основа модели — это полный отказ от классических государственных институтов, таких как министерства, ведомства и агентства. Вместо бюрократического аппарата, администрирующего сферы (образование, здравоохранение, торговля, миграция), предлагается создать набор независимых цифровых сервисов. Взаимодействие индивида с управленческими функциями переходит из плоскости "гражданин-ведомство" в плоскость "пользователь-приложение". Все операции, от получения лицензии до записи в учебное заведение, становятся транзакциями внутри цифровой платформы, доступной со смартфона.

2. Платформа как новая форма суверенитета

Эта модель отрицает необходимость в государстве как в политической и социальной структуре, объединяющей людей на основе общей истории, культуры и гражданства. Управляющей и объединяющей силой становится технологическая экосистема или платформа. В этом прослеживается идея Питера Тиля о создании "с нуля" (Zero to One) новых систем, которые не конкурируют с существующими, а делают их нерелевантными. По аналогии с его идеями о создании новых суверенных пространств (например, систейдинг), здесь предлагается создание цифрового суверенитета, где правила устанавливаются архитекторами платформы. Каждая функция (ранее государственная) становится, по сути, монополией отдельного сервиса в рамках единой платформы.

3. От Гражданина к Пользователю: изменение социального контракта

В данной модели фундаментально меняется природа отношений между человеком и управляющей структурой.

Понятие "гражданин", с его правами и обязанностями в рамках политического сообщества, заменяется понятием "пользователь".

Конституция как общественный договор заменяется "Пользовательским соглашением" (Terms of Service), которое определяет правила взаимодействия с платформой.

Движущей силой такой трансформации ("революции") является не политический класс, а класс технократов и программистов, которые проектируют и контролируют эти платформы.

4. "Негосударственное образование"

В итоге формируется структура, которая, несмотря на отказ от атрибутов классического государства, сохраняет его ключевые функции в новом виде. Она может обладать территорией, границами, населением (базой пользователей) и стратегией развития (дорожной картой продукта/платформы), но при этом не являться государством в традиционном понимании. Это скорее похоже на гигантскую, территориально локализованную IT-корпорацию, предоставляющую монопольные услуги по управлению жизнью пользователей.

О, дивный будущий новый мир...

Литература:
1. "Анархия, государство и утопия" (Anarchy, State, and Utopia) – Роберт Нозик (1974)
2. "Декларация независимости киберпространства" – Джон Перри Барлоу (1996)
3. "От нуля к единице: Как создать стартап, который изменит будущее" (Zero to One) – Питер Тиль и Блейк Мастерс (2014)
4. "Систейдинг: Как плавучие нации восстановят окружающую среду, обогатят бедных, вылечат больных и освободят человечество от политиков" (Seasteading...) – Джо Квирк и Патри Фридман (2017)
5. "Сетевое государство: Как основать новую страну" (The Network State: How To Start a New Country) – Баладжи Шринивасан (2022)
6. "COVID-19: Великая перезагрузка" (COVID-19: The Great Reset) – Клаус Шваб и Тьерри Маллере (2020)

Проклятие локального оптимума vs. системные "люди длинной воли"

В основе почти любой сложной проблемы — от выгорания команды до провала амбициозного проекта — лежит фундаментальное противоречие: конфликт между поиском локального и глобального оптимума.

Это не ошибка в планировании и не чья-то злая воля. Это свойство, которое глубоко вплетено в саму ткань реальности. Природа вещей такова, что то, что является идеальным решением здесь и сейчас для одной части, почти всегда создает проблемы для системы в целом, в будущем.

Зачем мы об этом рассуждаем?

Потому что умение одновременно видеть и деревья, и лес, — и даже то, как этот лес влияет на всю экосистему в долгосрочной перспективе, — редкое и невероятно ценное качество. Большинство людей инстинктивно стремятся оптимизировать свою зону ответственности, свою задачу, свой KPI. И лишь немногие способны подняться над ситуацией и оценить последствие своих действий в масштабе всей системы и времени.

Именно это умение видеть конфликт локального и глобального и отличает поверхностные, сиюминутные решения от мудрых и устойчивых стратегий. Это переход от "тушения пожаров" к осознанному проектированию будущего.

Чтобы научиться это видеть, представим любую сущность как матрешку:

Подсистема: Конкретная часть, компонент, отдельный сотрудник или команда.

Система: Целостный объект нашего внимания, состоящий из частей.

Надсистема: Внешняя среда, в которой функционирует система.

Конфликт локального и глобального оптимума — это когда интересы этих уровней не совпадают. И он проявляется повсюду.

Примеры этого вечного конфликта:

1. Биология: Успех раковой клетки — гибель для организма

Локальный оптимум: Для раковой клетки — бесконтрольно размножаться. Это ее программа выживания.

Глобальный результат: Гибель всего организма.

2. Бизнес и Менеджмент: Война отделов

Локальный оптимум: Для отдела продаж — выполнить квартальный план любой ценой, получив бонусы.

Глобальный результат: Компания несет убытки из-за невыполнимых обещаний, производство в хаосе, репутация разрушена.

3. Инженерия и Проектирование: Блеск и нищета детали

Локальный оптимум: Для инженеров-мотористов — создать сверхмощный двигатель.

Глобальный результат: Весь автомобиль становится несбалансированным, дорогим и неэкономичным.

4. IT и Разработка ПО: Тирания скорости

Локальный оптимум: Для команды разработчиков — выкатить фичу в срок, используя "костыли" и игнорируя тесты.

Глобальный результат: Кодовая база всей системы деградирует, накапливается технический долг, и скорость разработки в будущем падает для всех.

5. Государственное управление: Рекорды на бумаге

Локальный оптимум: Для городского акимата или министерства — отчитаться о рекордном вводе в эксплуатацию квадратных метров жилья. Это их главный, понятный и измеримый KPI.

Глобальный результат: В городе вырастают целые микрорайоны из высотных "человейников", не обеспеченные школами, больницами, парками и дорогами. Отчеты выглядят прекрасно, но качество жизни в городе (системе) падает, а транспортная и социальная инфраструктура переживает коллапс.

6. Социум: Трагедия города

Локальный оптимум: Для каждого водителя — поехать на личном авто для максимального комфорта.

Глобальный результат: Весь город стоит в пробках, страдая от загрязнения.

Что с этим делать? Осваивать искусство баланса:

Первый шаг — признать, что конфликт между локальным и глобальным оптимумом неизбежен. Его нельзя устранить, но им можно и нужно осознанно управлять.

Способность смотреть на любую ситуацию одновременно с нескольких высот — это та самая суперсила, которая, к сожалению, доступна не всем. Это редкое качество, которое отличает сильного стратега, архитектора и руководителя. Оно вырабатывается через постоянную практику и правильные вопросы:

Оптимизируя эту деталь сейчас, какой долг мы создаем для системы в будущем?
Чьи еще интересы, кроме наших, затрагивает это "идеальное" решение?
Как наш сегодняшний локальный выигрыш выглядит в масштабе пяти лет для всей компании, отрасли, страны?

Это переход от роли исполнителя, к роли Хозяина, Стратега, видящего всю систему во времени.

ИИ как протез для мышления

Сегодня послушал стрим на тему ИИ с участием Чадаева, Уралова, Щелина, которые, среди прочего, интересного, обсудили марксистскую идею технологии как отчуждения. Но только с одной стороны, отрицательной: «ИИ отчуждает мышление от человека».

Что можно добавить на эту тему? Да, велосипед отчуждает ногу от земли, а очки – глаз от необходимости напрягаться.

Истина же, однако, несколько многограннее и гораздо циничнее. Любая технология – это не инструмент, а протез. Он заменяет часть органической функции, «выносит её вовне», и это неизбежно порождает два типа следствий: прямые и опосредованные.

1. Протез для желудка. Человек, освоивший огонь, тут же отчудил от своего желудка часть работы. Зачем напрягаться, если можно бросить кусок на угли? Немедленный результат – облегченное переваривание, плюс возможность есть то, что раньше было несъедобным. Отдаленный – деградация. Теперь без огня и вилки он беспомощен. Но, как всегда бывает, деградация одной функции порождает сверхкомпенсацию. Кулинария, медицина – все эти изощренные костыли, позволяющие даже хилому интеллектуалу выжить в мире, где он без своей плиты и дня не протянет. Это не прогресс, а патологическая адаптация.

2. Протез для ног. С транспортом та же история. Лошадь, автомобиль, самолет – всё это делает человека атрофированным, гиподинамичным, но при этом дает ему невиданную власть над пространством. Он может оказаться в Японии, за то время пока его дикий предок шел бы к соседней деревне. А чтобы компенсировать отваливающиеся мышцы, он изобретает спорт – новую квази-религию, где «совершенство» достигается в абсолютно искусственных условиях. Результаты, конечно, впечатляют, но это лишь доказательство того, что чем глубже деградация, тем изощрённее компенсация.

Теперь перейдем к искусственному интеллекту. Он, конечно, отчуждает мышление. Зачем думать, если можно спросить у машины? Это неминуемо приведет к деградации массы и, вероятно, к превращению высшего образования в имитацию.

Также есть еще одна проблема – в контроле. Кто владеет этими «протезами разума»? ИИ – это не просто программа, а инструмент власти, собственность корпораций. Он будет не просто влиять на мышление, но и формировать этику, мораль, ценности. И, вероятно, это будет сделано изощренно (Геббельс обзавидовался бы).

И вот тут мы подходим к самому любопытному. Чтобы оставаться свободным, отдельному человеку придется прилагать усилия чтобы глубже понять обусловленность своего мышления – обусловленность своим воспитанием, своим образованием, своим окружением, даже своей физиологией. Это знание всегда было доступно единицам, не потому что оно сложно, а потому что оно чудовищно болезненно. И вот парадокс: новые протезы, которые могут отчудить нас от мышления, могут стать нашими союзниками. Может быть, они дадут возможность более глубоко и широко анализировать собственную обусловленность, находить ту самую точку интеллектуальной и нравственной свободы, чтобы наконец совершить подлинно осознанный выбор. (Хотя кроме интеллектуальных инструментов, понадобятся инструменты воспитания воли, удержания фокуса внимания – об этом в другой раз…).

Да, большинство станет умственно кастрированными, но может быть кто-то получит возможность пойти дальше? Система образования, если она, конечно, не окончательно разложится, будет вынуждена эволюционировать. Она перестанет учить фактам, которые и так есть в Сети, и начнет учить самому главному: глубокой рефлексии, методологической грамотности, умению мыслить самостоятельно, вопреки машине. А может быть и нет… Говорят, из-за того, что у ежей очень эффективная защита, они перестали эволюционировать…

Ссылка на стрим - https://www.youtube.com/watch?v=g95vQrapGHI

ИИ как источник развивающего когнитивного вызова

Сегодня послушал свежий стрим нейробиолога (Владимир Алипов) с мнением на тему ИИ. Кратко тезисы + мои комментарии:

1. Преимущества: резкий прирост компетенций пользователя в тех областях, в которых он не разбирается.
2. Недостатки: в дальней перспективе утрата специалистами профессиональных навыков, поскольку многие перестанут понимать сути процессов, что может привести к проблемам и ошибкам.
3. У некоторых специалистов, использующих ИИ, может развиваться неуверенность в своих компетенциях, синдром самозванца и хронический стресс по этому поводу.
4. У других, с ИИ под рукой, может развиваться ложное чувство компетентности и самоуверенности, при поверхностном понимании предмета. Когнитивная лень.
5. ИИ не приведет к деградации мозга в рамках одного поколения, это так быстро не работает. Напротив, может оказаться, что мозг вырастет: якобы за последние 50 лет интеллектуальные возможности и объем коры головного мозга увеличились, несмотря на письменность и калькуляторы.
6. Для усиления когнитивных способностей необходим когнитивный вызов* для мышления, положительный стресс. Мышление деградирует как при когнитивной лени, так и при чрезмерном стрессе (отрицательном). Если ИИ будет источником стимулирующего когнитивного вызова (положительного), то мышление будет развиваться, а не деградировать.

*когнитивный вызов — это задача, ситуация или проблема, которая требует от человека значительных умственных усилий, напряжения и активной работы мозга. Он заставляет нас выходить за рамки привычного мышления и задействовать такие функции, как анализ, решение проблем, творчество, память и логика. Когнитивные вызовы играют ключевую роль в поддержании и развитии умственных способностей. Подобно тому как физические упражнения укрепляют мышцы, регулярные умственные нагрузки создают новые нейронные связи и укрепляют существующие, что повышает нейропластичность мозга. Примеры:
Повседневные
- Изучение нового маршрута в незнакомом городе без навигатора.
- Чтение сложного текста и попытка понять его смысл.
- Планирование сложного мероприятия, такого как свадьба или большой переезд.
Образовательные и профессиональные
- Изучение иностранного языка.
- Решение логической головоломки или кроссворда.
- Разработка новой идеи для проекта или бизнеса.
- Освоение нового музыкального инструмента.
От ИИ
ИИ способен генерировать правдоподобные, но ложные или предвзятые ответы. Это бросает вызов способности человека:
-- Критически оценивать информацию: отличать факты от вымысла.
-- Верифицировать данные: проверять источники, логику и последовательность.
-- Распознавать манипуляции: понимать, когда ИИ имитирует аргументацию без глубокого понимания.
-- Понимать базовые принципы человеческого мышления и формирования собственного мировоззрения.

Ссылка на стрим - https://www.youtube.com/watch?v=VLNtby11f9M

Закон об ИИ в Казахстане: 6 критических проблем в текущей версии проекта

Полная версия поста здесь - https://teletype.in/@nicksu/1_wRNzxvz75

В Казахстане готовится к принятию закон «Об искусственном интеллекте» (принят Мажилисом во втором чтении), но экспертный анализ показывает, что в его текущей редакции заложены серьёзные риски для граждан, бизнеса и государства. Вот краткое изложение ключевых проблем и предложений по их решению.

1. Расплывчатое определение ИИ
• Проблема: Закон определяет ИИ через философское понятие «имитации когнитивных функций человека». Это создаёт правовую неопределённость: под определение может попасть как обычный калькулятор, так и «ускользнуть» от ответственности сложная вредоносная система.
• Решение: Перейти к функциональному определению, которое описывает, что система делает (например, использует обучаемые модели для выводов, влияющих на решения), а не на что она похожа.

2. Классификация рисков без последствий
• Проблема: В законе правильно вводится деление систем ИИ по уровням риска (минимальный, средний, высокий). Однако в нём не прописано, какие конкретные обязанности это накладывает на владельцев систем высокого риска. Это делает классификацию бессмысленной и создаёт поле для коррупции.
• Решение: Внедрить в закон чёткую «матрицу обязанностей». Например, для систем высокого риска обязать проводить оценку воздействия, вести журнал инцидентов и страховать ответственность.

3. Монополия Национального оператора и данные
• Проблема: Проект предполагает назначение Правительством единого оператора национальной платформы ИИ, который получит доступ ко всем госданным. Это прямой путь к монополии, завышенным ценам и колоссальным рискам в случае утечки данных.
• Решение: Закрепить в законе принципы открытого конкурса для выбора оператора и равного доступа к данным для всех участников рынка.

4. Лазейка для массовой слежки
• Проблема: Закон вроде бы запрещает удалённую биометрическую идентификацию в реальном времени, но с оговоркой «за исключением случаев, определенных законами». Эта формулировка позволяет через другие законы легализовать практически любую слежку.
• Решение: Максимально сузить и конкретизировать исключения: применение таких технологий возможно только при острой необходимости, с разрешения суда и с чётким ограничением по времени и цели.

5. Отсутствие реальной компенсации вреда
• Проблема: В случае вреда от ИИ (например, врачебной ошибки) закон отсылает к Гражданскому кодексу, а страхование делает добровольным. Пострадавшему будет практически невозможно доказать вину разработчика и получить компенсацию.
• Решение: Ввести обязательное страхование ответственности для систем ИИ высокого риска. Это создаст гарантийный фонд для выплат пострадавшим.

6.«Цифровое бесправие» граждан
• Проблема: Если алгоритм отказал человеку в кредите или при приёме на работу, закон даёт лишь право «быть информированным». Этого недостаточно.
• Решение: Чётко закрепить в законе права граждан: право на получение понятного объяснения логики решения, право на человеческий пересмотр и право на подачу жалобы.

Вывод: Законопроект — важный шаг, но он требует серьёзной доработки. Без предложенных изменений он рискует стать источником правовой неопределённости, монополизма и нарушения прав граждан.

Полная версия поста здесь - https://teletype.in/@nicksu/1_wRNzxvz75

#ИИ #Казахстан #Законопроект #Технологии #ПраваЧеловека #AI

Государственный ИИ: казахская Конкиста (часть 1)

В последнее время тема искусственного интеллекта звучит на самом высоком государственном уровне. Акцент, который делает на этом Президент, говорит о том, что это не просто очередной технологический тренд, а стратегическая ставка. Но если посмотреть глубже, можно увидеть в этом не только технологический, но и продуманный социальный проект.

Для понимания его механики полезна неожиданная историческая аналогия — испанская Конкиста.

В конце XV века Испания завершила Реконкисту и столкнулась с проблемой: в стране оказалось огромное количество молодых, амбициозных и воинственных дворян-идальго. В мирное время их энергия могла легко стать разрушительной силой, направленной внутрь страны. Открытие Нового Света стало для испанской короны решением этой проблемы. Был создан новый «фронтир» — огромное пространство возможностей, куда устремился этот беспокойный социальный слой в поисках славы и богатства. Так энергия потенциального внутреннего конфликта была перенаправлена на внешнюю экспансию.

В Казахстане XXI века стоит схожая по структуре, но иная по содержанию задача. Есть активная, талантливая и амбициозная молодежь. Традиционные карьерные пути не всегда могут удовлетворить их запросы, что создает риски «утечки мозгов» и роста социального недовольства.

В этой ситуации форсированное развитие ИИ и высоких технологий — это создание нового, цифрового «фронтира». Это глобальная отрасль, предлагающая быстрый и меритократический социальный лифт, основанный на знаниях и компетенциях, а не на традиционных иерархиях.

Государство, инвестируя в эту сферу, не просто развивает экономику. Оно создает мощный магнит для интеллектуального капитала страны, предлагая молодежи амбициозную цель и возможность самореализации внутри Казахстана. По сути, это тонкий инструмент социальной инженерии, направленный на решение стратегических внутренних задач.

Однако у этой инициативы есть и второе, более прагматичное измерение, касающееся непосредственно системы госуправления. Об этом — в следующей части.

#ИИ #Казахстан #Стратегия #Госуправление #СоциальнаяИнженерия #Технологии

Государственный ИИ: организующий таран (часть 2)

В первой части мы рассмотрели, как инициатива по ИИ работает в качестве инструмента социальной инженерии. Теперь — о ее влиянии на сам государственный аппарат, где она может сыграть роль «организующего тарана».

Не секрет, что одна из хронических проблем цифровизации госуправления — это хаос в данных. Разрозненные базы, устаревшие справочники, отсутствие единых стандартов и ведомственная замкнутость. Предыдущие попытки навести порядок часто вязли в бюрократии, поскольку это сложнейшая организационная, а не просто техническая задача. У ведомств не было достаточно веского стимула для ее решения.

Инициатива по внедрению ИИ кардинально меняет ситуацию. Любая система на базе машинного обучения критически требовательна к качеству данных. Она просто не будет работать на противоречивой, неполной или неструктурированной информации. Этот технологический императив становится мощным политическим рычагом.

Требование «внедрить ИИ», спущенное сверху, превращается в таран, который заставляет госорганы делать то, что откладывалось годами. Чтобы запустить аналитическую модель, ведомства будут вынуждены:

Стандартизировать данные. Начать создавать и использовать единые, эталонные справочники.

Внедрить управление данными (Data Governance). Назначить ответственных за качество, актуальность и доступность данных, прописать соответствующие регламенты.

Провести аудит и очистку. Разгрести накопленные за десятилетия массивы информации, чтобы подготовить их для анализа.

Обеспечить интеграцию. Наладить реальный межведомственный обмен данными на основе современных протоколов, разрушая информационные «колодцы».

Таким образом, даже если внедрения ИИ не дадут прорывного эффекта, побочный продукт этой деятельности может оказаться куда более ценным. В стране начнет формироваться упорядоченная, надежная и хорошо управляемая национальная инфраструктура данных.

Это тот самый фундамент, без которого невозможно построить настоящее цифровое государство. И, возможно, именно ИИ станет тем инструментом, который заставит этот фундамент наконец-то залить.

#ГосТех #Цифровизация #DataGovernance #Данные #ИИ #Госуправление #Казахстан

Государственный ИИ: вызовы и риски (часть 3)

В первых двух частях мы рассмотрели стратегические плюсы госпрограммы по ИИ — как «Конкисту» для талантов и «таран» для упорядочивания данных. Эти аналогии показывают мощный созидательный потенциал инициативы.

Но у этой медали есть и обратная, куда более тёмная сторона. Внедрение ИИ в масштабах государства — это не просто технологический апгрейд. Это фундаментальный вызов, который проверяет на прочность демократические институты, права человека и экономическую модель. Рассмотрим главные риски.

Риск №1: Цифровая клетка вместо цифрового будущего

Технологии искусственного интеллекта дают государству беспрецедентные инструменты контроля. Без жестких правовых и этических рамок «умное государство» легко может превратиться в «полицейское государство 2.0».

Тотальная слежка: Для работы ИИ нужны данные. Это стимулирует государство собирать и объединять всё: видео с камер наблюдения, банковские транзакции, перемещения, активность в интернете. Грань между безопасностью и тотальным контролем над частной жизнью становится угрожающе тонкой.

Системы социального рейтинга: Собранные данные можно использовать для оценки граждан. Это прямой путь к созданию систем, где доступ к кредитам, госуслугам или выезду за границу зависит от уровня «лояльности», вычисленного алгоритмом.

Алгоритмическая дискриминация: ИИ, обученный на предвзятых данных, будет систематически дискриминировать определенные социальные группы. «Предиктивная полиция», например, может начать необоснованно пристальное наблюдение за жителями определенных районов, создавая порочный круг подозрений и арестов.

Непрозрачность власти: Как оспорить решение, принятое «черным ящиком» нейросети? Отсутствие прозрачности и возможности апелляции подрывает базовые права граждан и делает власть абсолютно непроницаемой для общества.

Риск №2: Бюджетная «черная дыра» и монополия

Масштабные государственные инвестиции в хайповую и сложную отрасль — это идеальная среда для коррупции и подавления конкуренции.

«Освоение бюджетов»: Сложность ИИ-проектов затрудняет их аудит. Под прикрытием «наукоемких разработок» можно тратить огромные средства с минимальной эффективностью и общественным контролем.

Создание монополий: Возникает соблазн назначить несколько «национальных чемпионов» — крупных, аффилированных с государством компаний, которые получат все ключевые контракты.

Уничтожение конкуренции: В такой среде малый и средний инновационный бизнес будет задушен. Настоящие таланты и прорывные стартапы не смогут конкурировать с гигантами, чей главный актив — административный ресурс. Вместо экосистемы инноваций мы получим дорогой и неэффективный картель.

Усиление «утечки мозгов»: Талантливые специалисты не захотят работать в закрытой, неконкурентной системе и будут еще активнее уезжать из страны.

Вывод

Искусственный интеллект в перспективе — это мощный инструмент. С его помощью можно построить как более эффективное и справедливое общество, так и высокотехнологичную диктатуру. Итог зависит не от самой технологии, а от институциональной среды.

Без создания системы «предохранителей» — сильного законодательства о защите данных, независимого общественного контроля и реальной поддержки конкуренции — мы рискуем получить совсем не то будущее, о котором говорится с высоких трибун.

#ИИ #Риски #Цифровизация #ПраваЧеловека #Коррупция #Госуправление #Казахстан

Почему бизнес-аналитик – самая лучшая профессия в IT
(или как объяснить магистрантам что такое бизнес-анализ в сравнении с научно-исследовательской и инженерной работой)

Бизнес-аналитик в IT – это не просто посредник между бизнесом и разработкой. Это уникальная, двойственная роль: вы одновременно строгий исследователь и прагматичный инженер. Ваша работа – это созидание, которое приносит реальную, измеримую ценность бизнесу, делая вашу профессию одной из самых влиятельных и востребованных.

Часть 1: БА как исследователь: победа над неопределённостью

Ваша работа начинается с Научного метода. Бизнес всегда действует в условиях хаоса и неопределённости. Вы, как исследователь, должны этот хаос структурировать:

1. Проблематизация и гипотеза: Вы превращаете общую «боль» (например, «медленные продажи») в гипотезу ценности.
o Пример: Не «нужна CRM», а «Если мы внедрим API для автоматизации ввода данных, то время обработки заказов сократится на 30% для B2B-клиентов».

2. Операционализация: Вы делаете идеи измеримыми. Что значит «сократится»? Вы определяете Паспорт метрик: «Время от заказа до подтверждения, измеряется в секундах, источник – логи, агрегация – по неделям». Это обеспечивает валидность (точность) и надёжность (повторяемость) ваших выводов.

3. Дизайн проверки: Вы используете методы, похожие на научные эксперименты. Это триангуляция (интервью + анализ логов) и A/B-тесты или пилоты, чтобы на малом масштабе доказать эффект.

BABOK Guide поддерживает этот научный цикл: от Стратегического анализа (постановка проблемы) до Оценки решения (отчёт с доверительными интервалами). Как исследователь, вы создаёте фундамент для уверенных изменений, снижая риск дорогостоящих ошибок.

Часть 2: БА как инженер: создание нового мира

Несмотря на научные инструменты, БА – это в первую очередь Ведущий Инженер. Вы не только изучаете мир – вы его перестраиваете, создавая системы, которые приносят бизнесу экономический результат:

1. Ответственность за ценность/пользу (Value): Вы несете ответственность за ROI (окупаемость инвестиций) вашего проекта. Вы переводите гипотезы в инженерные требования с чёткими критериями приёмки.
o Пример: Требование: «Система должна обрабатывать 1000 заказов/час с ошибками ≤0,5%». Это не просто функция, это инженерный стандарт качества.

2. Проектирование экономики: Вы считаете, что автоматизация стоит 500 тыс. руб., но сократит затраты на 1 млн в год. Вы определяете целевую экономику проекта и контролируете её в процессе:
o Критерий успеха: «Повысить LTV/CAC≥3 в целевом сегменте».

3. Непрерывная эволюция: Как в DevOps, ваша работа не заканчивается запуском. Вы проектируете метрики в проде, мониторите их и инициируете доработки, если эффект оказался ниже ожидаемого. Это цикл «запуск → наблюдение → улучшение».

Итог: Вы – стратег, исследователь и инженер в одном лице. Вы используете науку для уверенности, а инженерию для создания нового мира: оптимизированных процессов и систем, которые экономят миллионы и делают компанию эффективнее. Ваша профессия – это постоянное созидание и доказательство того, что ваши идеи могут изменить бизнес (и мир) к лучшему, проект за проектом.

Целевая система ИИзации Казахстана – что это и из чего состоит (медитация на тему ИИ-мечтаний партии и правительства)

Что такое “целевая система” и зачем её выделяют
Целевая система – это конечный, целостный продукт или результат, за который в итоге платит потребитель.
Это не промежуточный продукт в цепочках создания, а конечный результат, ценный для многих. У магазина – это может быть продажа, у завода – произведенный продукт, а у отрасли?
И зачем ее определять? Чтобы понимать: что мы создаем/улучшаем. Итак.

Наша целевая система – ИИ экосистема Казахстана: люди, данные, вычисления, модели, приложения, рынки, правила и институты, работающие как согласованный механизм.

Граница системы (что внутри)
• государственные и частные хранилища данных, доступ к ним и качество;
• вычислительная инфраструктура (ЦОДы, облака, GPU кластеры);
• базовые и прикладные модели (включая Kaz LLM), библиотеки, MLOps;
• отраслевые внедрения (госуслуги, ТЭК, АПК, транспорт, образование, здравоохранение, финансы и др.);
• люди и компетенции (школа–вуз–переподготовка);
• регуляторы, нормы и процедуры (закон «Об ИИ», классификация рисков, маркировка контента);
• безопасность, ответственность, аудит (этика, защита прав, кибербезопасность);
• капитал и спрос (госзаказ, корпоративные клиенты, венчур, гранты);
• институты развития и координации (профильное министерство, комитеты, хабы – напр. Alem AI).

Внешняя среда (что снаружи, но влияет)
• глобальные платформы, стандарты и рынки;
• трансграничные потоки данных и талантов;
• международные риски и возможности (санкции, экспорт ИИ услуг, партнёрства).

Входы: инвестиции, данные, таланты, технологии.
Выходы: готовые сервисы и продукты на внутренний и внешний рынки, повышение производительности и качества госуслуг.

Структура: 9 слоёв целевой системы
1. Данные – каталоги, качество, правовые режимы доступа (персданные, критданные, общедоступные наборы).
2. Вычисления – ЦОДы, облака, GPU/CPU/HPC, сетевые каналы.
3. Инструменты и модели – базовые модели, фреймворки, реестры моделей, репозитории.
4. Инжиниринг/МLOps – сбор данных, разметка, обучение, валидация, деплой, мониторинг дрейфа/рисков.
5. Приложения по отраслям – конкретные кейсы и дорожные карты внедрений.
6. Люди и образование – подготовка 1 млн специалистов, профстандарты, сертификация.
7. Нормы и надзор – закон «Об ИИ», классификация по рискам, маркировка ИИ контента, ответственность человека.
8. Безопасность и права – этика, защита прав, честная конкуренция, киберустойчивость.
9. Экономика и институты – спрос/предложение, госпрограммы, гранты/венчур, координация (профильное министерство, хабы, ассоциации).

Ключевые интерфейсы между слоями
• “Данные ↔ Модели”: доступ и лицензии;
• “Модели ↔ Приложения”: требования отраслей и SLO/метрики качества;
• “Приложения ↔ Нормы”: процедуры оценки риска и сертификация;
• “Образование ↔ Рынок”: профильные треки и стажировки;
• “Институты ↔ Все слои”: финансирование, приоритизация, аудит.

Как мерить успех (пример короткого набора метрик)
• доля цифровых сервисов с ИИ функционалом;
• время вывода ИИ кейса “от идеи до эффекта”;
• безопасность/этика: доля решений, прошедших оценку риска;
• экономический эффект: рост производительности и экспорт ИИ услуг;
• язык: покрытие казахского в ИИ сервисах (качество распознавания/генерации);
• кадры: выпуск/переподготовка, трудоустройство.

Как это стыкуется с текущими инициативами
Закон «Об ИИ», Концепция 2024–2029, национальная платформа ИИ, хаб Alem AI, развитие Kaz LLM, новое профильное министерство – это несущие элементы целевой системы. Важна их связность по слоям и интерфейсам, иначе теряется скорость и безопасность внедрения.

Зачем это
Чётко определенная целевая система делает масштаб задач осязаемым: видно, куда вкладываться, как координироваться и на чём держать баланс между быстрым развитием и этичным использованием ИИ.

Цифровой кодекс Казахстана - движение к идеальной цифровой бюрократии

В Казахстане готовится к принятию Цифровой кодекс — документ, который должен стать "конституцией" для цифрового пространства страны. Это не просто свод технических правил, а масштабная попытка выстроить идеальную цифровую бюрократию — быструю, прозрачную и полностью контролируемую. Кодекс создаёт чёткую вертикаль, где каждое звено выполняет свою функцию в единой цифровой экосистеме.

Архитектура цифровой власти

Проект кодекса выстраивает четырёхуровневую систему управления цифровой сферой.
* На самом верху — "смыслодержатели", такие как Комиссия при Президенте и специальные экспертные советы. Именно они формируют общую политику и, что самое важное, их заключения напрямую влияют на распределение бюджета на цифровизацию.

* Уровнем ниже — "архитекторы", в лице уполномоченного органа и создаваемого Института развития цифровизации. Их задача — превращать политические цели в конкретные правила: утверждать архитектуру цифрового правительства, разрабатывать стандарты и методики. Они же вводят ключевой показатель — "цифровую зрелость", который становится универсальным мерилом эффективности для госорганов и основанием для их финансирования.

* Далее идут "операторы" — это ключевые элементы инфраструктуры: государственная цифровая платформа, национальные реестры данных, удостоверяющие центры и Единая точка уведомлений, через которую государство будет общаться с гражданами.

* В самом низу — "исполнители": граждане и бизнес, которые действуют по заданным правилам, используя утверждённые инструменты идентификации, аутентификации и цифровой подписи.

В чём суть перемен: от владения к управлению

Ключевое изменение, которое привносит кодекс, — это смещение власти от права собственности к праву управления потоками информации и доступа.

* Данные важнее владения. Кодекс вводит норму, по которой сами по себе цифровые данные не являются объектом гражданских прав. Реальная власть оказывается не у того, кто "владеет" информацией, а у того, кто устанавливает правила доступа к ней, создаёт стандарты и контролирует идентификаторы.

* Контроль над личностью и коммуникацией. Вводя единые публичные идентификаторы (ИИН/БИН), обязательную двухфакторную аутентификацию для значимых действий и централизованную систему уведомлений, государство создаёт мощную вертикаль для управления коммуникацией с гражданами.

* Бюджет как инструмент. Финансирование цифровых проектов теперь напрямую увязывается с заключениями экспертных советов и показателями "цифровой зрелости". Это превращает бюджетные рычаги в мощный инструмент для продвижения нужных стандартов и решений.

Риски идеальной бюрократии

Несмотря на стремление к порядку и эффективности, такой подход несёт в себе и риски.

* Монополия на "архитектуру". Структура, при которой один и тот же орган разрабатывает правила, оценивает их исполнение и влияет на распределение денег, создаёт риск "регуляторного захвата".

* Погоня за показателями. Ключевой индикатор "цифровая зрелость" может стимулировать госорганы гнаться за красивой отчётностью, а не за реальными результатами.

* Власть алгоритмов. Хотя кодекс и предусматривает право человека на пересмотр решения, принятого алгоритмом, без независимого внешнего арбитра этот механизм может оказаться формальностью.

* "Приручение" инноваций. Такие новые формы, как DAO (децентрализованные организации), признаются, но с ограниченной правоспособностью. Фактически для них создаётся регулируемая "песочница", где горизонтальные формы управления не могут угрожать выстроенной вертикали.

В итоге, Цифровой кодекс — это амбициозный проект по созданию управляемого, прозрачного и суверенного цифрового контура. Он переводит механизмы власти на новый технологический уровень. Однако для того, чтобы эта "идеальная бюрократия" работала на благо общества, а не превратилась в самоцель, ей необходимы независимые механизмы контроля, реальное право граждан на офлайн-альтернативу и прозрачность в распределении ресурсов.

Ссылки:
* Проект Цифрового кодекса - https://github.com/Akylbay-Katira/digital-codex

Статус документа и Крис Партридж + конструкционализм

Смотрю одну БД. Таблица Документ, в ней реквизиты документа, там же статус документа, там же дата назначения статуса. Отдельно еще таблица История документа, в которой вперемешку изменения статусов и события.

В чем ошибка? В таблице Документа хранится только срез состояния объекта на определенную дату. Таблица Истории местами избыточна, местами недостаточна. Реконструкция свойств объекта и событий вокруг него может быть проблематична при изменениях бизнес-логики и интеграциях. Но, так делают все (в большинстве систем, которые я видел).

Как правильно с точки зрения BORO? С точки зрения моделирования реального мира в парадигме 4D-подхода относительно документа существуют следующие 4D-объекты:

– Документ — 4D‑индивид с пространственно‑временным экстентом.

– Состояние документа (например, «документ‑как‑утверждённый») — его временная часть. Именно состояние классифицируется типом‑статусом (Approved, Draft и т. п.).

– События — создание/ликвидация документа и события, которые начинают/завершают состояния (изменение статуса).

В реляционной схеме это означает отдельные таблицы для индивидов, состояний, событий, типов и явных отношений‑кортежей (temporalPartOf, classifies, creates/dissolves, happensAt).

Такой дизайн следует реальному миру в BORO‑смысле и упрощает миграции и интероперабельность за счёт устойчивых критериев тождества и полной прослеживаемости изменений.

Если мы делаем 4 (или больше) таблицы вместо двух, то при любых миграциях и изменениях бизнес-логики мы не теряем данные и легко их переносим между системами по одной простой причине: так устроен реальный мир и мапить его описание легче чем фантазии-абстракции проектировщика оторванные от реального мира.

Кстати, в настоящее время Партридж сотоварищи продолжает развивать BORO - методология перестраивается на принципах "конструкционализма" - введено понятие конструктора. На мой взгляд довольно удачное. Авторы возлагают на него много надежд, сравнивают его значение с переходом от римских цифр к арабским в математике. Якобы это обеспечит семантическую интероперабельность. И его уже, якобы, используют на практике для проекта Национального цифрового двойника (National Digital Twin) в Великобритании.

Подробнее о новых веяниях в BORO (конструкционализме) можно прочесть здесь -

Partridge et al., Taking a constructional turn… (FOuST/JOWO, 2024) — кейс‑история «конструкционального поворота» BORO и упоминание NDT/IMF. - https://ceur-ws.org/Vol-3882/foust-7.pdf

Florio & Linnebo, Introduction to Constructional Ontology (FOuST/JOWO, 2024) — что такое конструкторы и как они порождают типы. - https://ceur-ws.org/Vol-3882/foust-5.pdf

BORO as a Foundation to Enterprise Ontology (JIS, 2016) — мета‑выборы BORO: 4D, экстенсионализм. - https://publications.aaahq.org/jis/article-abstract/30/2/83/1074/BORO-as-a-Foundation-to-Enterprise-Ontology

Re‑engineering Data with 4D Ontologies and Graph Databases — практические кортежи: creates/dissolves, temporalPartOf, happensAt. - https://www.borosolutions.net/sites/default/files/ONTO.COM2013%20-%20Re-engineering%20Data%20with%204D%20Ontologies%20and%20Graph%20Databases%20%28Paper%29.pdf

Enterprise Data Modelling… (FOMI/Shell) — критерий тождества по совпадению 4D‑экстента. -https://borosolutions.net/sites/default/files/FOMI2006%20-%20Enterprise%20Data%20Modelling%20-%20Developing%20an%20Ontology-Based%20Framework%20for%20the%20Shell%20Downstream%20Business%20%28paper%29.pdf

#Партридж #BORO #моделированиеданных

Кратко о технике Root Cause Analysis (BABOK Guide) (1/2)

Зачем это вам

Root Cause Analysis (RCA) — не ритуал. Это способ убрать шум, найти источник проблемы и вернуть контроль. Бизнес платит не за красоту графиков, а за устранённую потерю: падение конверсии, задержку в процессах, отток клиентов, рост дефектов.
Поэтому у аналитика в RCA есть две роли: Следопыт и Инженер. Первый находит след и истинную причину. Второй чинит механизм, чтобы поломка не повторилась.

Два пласта подходов: приёмы и модели

1. Эвристические подходы (Быстрые приёмы)

Они сужают поиск. Они просты, дешевы и часто их вполне достаточно.
• 5 Почему. Классика. Договариваемся останавливаться там, где причина становится управляемой (мы можем на нее повлиять).
• Диаграмма Исикавы (рыбья кость). Раскладываем кандидатов в причины по категориям: Люди, Процесс, Инструменты, Данные, Окружение.
• Анализ изменений. Что изменилось прямо перед падением метрики? Релиз? Маркетинговая кампания? Профиль трафика?
• Pareto 80/20. Находим несколько «толстых» факторов, которые дают 80% проблемы.
• Лента времени инцидента. Минутная хронология: когда началось, где пошла волна, где был «первый дым».
• Premortem. «Представим, что мы провалились. Почему?» — этот приём отлично вытягивает скрытые риски и причины.

2. Моделирующие подходы (системные модели)

Когда простые приёмы не работают, мы строим причинные модели системы.

• Карта причинности (DAG). Рисуем узлы и стрелки. Отличаем причину, следствие и простые корреляции (спутники).
• Эксперименты. A/B, дифф-ин-дифф (Diff-in-Diff), квази-эксперименты.
• Системная динамика. Анализируем потоки, запасы, задержки.
• Теория очередей. Закон Литтла: WIP = Throughput × Cycle Time. Узкое место (bottleneck) видно сразу.
• Вероятностные модели. Байесовский анализ, регрессии, контрфактуальные модели.

Гибриды — наш реальный хлеб. В реальности мы почти всегда используем гибрид: эвристика (например, «Анализ изменений») сужает воронку гипотез, а модель (например, «Эксперимент») подтверждает её и даёт точный рычаг.

Поиск причин — «наука на минималках»

RCA — это, по сути, маленький научный метод:

1. Ясная формулировка разрыва. «Факт: конверсия из корзины в оплату упала с 62% до 54% 14–16 июня».
2. Гипотезы как механизмы. Не «потому что лето», а «ввели 3-D Secure на часть карт → это добавило шаг → выросли отказы платежей».
3. Прогнозы. Если гипотеза верна, то мы должны увидеть скачок отказов именно у карт X, в сегменте Y, сразу после релиза Z.
4. Проверка и попытка опровержения. Ищем контрпримеры, сравниваем с контрольной группой.
5. Результат — не «история», а решение. Какие рычаги двигать и на сколько.

Главные заповеди: Корреляция — не причина. Конфоундеры (смешивающие факторы) — враги. Малые выборки лгут.

Кратко о технике Root Cause Analysis (BABOK Guide) (2/2)

Прагматика: не копайте слишком глубоко

Прагматик живёт дедлайном. Даже учёные после длинной модели кладут на стол две-три «регулирующие ручки», которыми можно управлять результатом. В бизнесе это:

• Для роста: активация, удержание, LTV/CAC.
• Для операций: пропускная способность, время цикла, WIP (незавершённая работа).
• Для поддержки: время первого ответа, доля решённых, повторные обращения.

Модель нужна, чтобы уверенно выбрать эти «ручки» и понять их чувствительность.

Полевая процедура RCA: 9 шагов

1. Опишите разрыв. Метрика, базовый уровень, окно времени, масштаб ущерба.
2. Сегментируйте. Канал, устройство, гео, тариф, версия. Ищем, где удар сильнее.
3. Отметьте изменения. Релизы, кампании, партнёры, правила скоринга, прайс.
4. Составьте карту причинности. Узлы, стрелки, гипотезы. Пометьте доступные рычаги.
5. Приоритизируйте гипотезы. По ожидаемому эффекту × вероятности × стоимость проверки.
6. Поставьте тест. A/B, холд-аут, дифф-ин-дифф, backtest. Опишите, что вас опровергнет.
7. Отличите корень от симптома. Если убрать этот фактор — разрыв пропадёт?
8. Сведите к «2–3 ручкам». Назовите метрики-рычаги, пороги и сценарии действий.
9. Зашейте в процессы. Алёрты, дэшборды, авто-валидации, владелец, ретро.

Антипаттерны, которых стоит избегать

• Объяснение по вкусу команды. Удобно, привычно, но неверно.
• Слишком «умная» модель. Красиво, но хрупко. Не переносится на завтрашний день.
• Опора на средние. Сегменты и когорты говорят правду. Средние — лгут.
• Погоня за редкими событиями (шумом). Шум кажется смыслом, если не смотреть на масштаб.
• Пост-hoc оправдания. Гипотезы надо формулировать до анализа теста, а не после.

Шаблон отчёта RCA на одной странице

• Проблема: что, когда, насколько.
• Бизнес-влияние: деньги/клиенты/сроки.
• Сегменты с наибольшим разрывом: топ-3.
• Гипотезы и их статус: проверено/опровергнуто/в работе.
• Ключевые факты: 3–5 наблюдений, которые всё объясняют.
• Корневая причина: формулировка как механизм.
• Две-три «ручки»: метрики, целевые пороги, ожидаемый эффект.
• План действий: что, кто, когда.
• Защита от повторов: алёрты, тест-гейты, владельцы.

Мораль

Думайте как учёный. Действуйте как инженер. Говорите как менеджер.

• Как учёный — формулируйте проверяемые механизмы и ищите опровержения.
• Как инженер — сводите сложную систему к двум-трём управляемым рычагам.
• Как менеджер — оформляйте решение в простые шаги с владельцами и датами.

Если после вашего RCA у команды есть три вещи — (1) понятный корень, (2) две-три «ручки» с порогами и (3) план на неделю — вы сделали работу. Всё остальное — шум.

ИИ-решения в Методических рекомендациях по архитектуре e-Gov: некоторые замечания

Прочитал «Методические рекомендации по проектированию и утверждению текущей и целевой ИТ-архитектуры электронного правительства» от МИИЦР. Написал список замечаний, где будут системные проблемы. Пока приведу только касающиеся ИИ-решений:

Этические чек-листы

Текущий вариант. При вводе в эксплуатацию ИИ-решений оценка воздействия выполняется с помощью этических чек-листов, которые каждый орган формирует сам.
Риски. Будут разнобой требований, разноуровневая строгость и несопоставимость между доменами. Со временем это вырастет в регуляторный зоопарк.
Как надо. Общий базовый чек-лист и типовая матрица рисков с отраслевыми надстройками.

Требования по документированию ИИ-решений без учета их важности

Текущий вариант. Внедряете ли вы чат-бот или систему принятия медицинских или социальных решений объем документации или глубина аудита подразумевается одинаковая.
Риски. «Легкие» решения будут перегружены документацией, «тяжелые» - недогружены и более рискованны.
Как надо. Закрепить 3–4 класса воздействия (например, высокий/средний/низкий/минимальный) и связать с ними: объём документации, глубину допродовой оценки, требования к объяснимости, частоту мониторинга, объёмы журналирования и срок хранения.

Модель ИИ как сервис, с мониторингом и сопровождением

Текущий вариант. Написано, что ИИ не должен встраиваться в монолит, должен обязательно мониториться и сопровождаться.
Риски. Реализация требования будет формальной: будет «как-нибудь» мониториться и «как-нибудь» сопровождаться.
Как надо. Необходимо продумать управление следующими сущностями: жизненный цикл модели, релизы, метрики наблюдаемости, мониторинг дрейфа данных и деградации качества, управление инцидентами и др. Т.е. нужен некий эксплуатационный стандарт.

Объяснимость ИИ-решений

Текущий вариант. «ИИ сопровождается описанием его функционирования, обеспечивающим возможность интерпретации и объяснения результатов».
Риски. Разработчики будут делать формальные текстовые описания, что приведёт к снижению качества и к иллюзии прозрачности.
Как надо. Различать где нужно объяснение глобального поведения, а где отдельного предсказания. Различать прозрачные (intrinsic) и приблизительные, сложные для объяснения post-hoc методы. Различать, где черные ящики допустимы, а где нет. Определить критерии оценки объяснимости.

Датасеты для ИИ

Текущий вариант. Данные для обучения и инференса должны быть описаны и каталогизированы.
Риски. Описаны будут «как-нибудь» и «свалены в кучу».
Как надо. Паспорт набора данных: происхождение и лицензия, источник, окно актуальности, репрезентативность и перекосы, правила обновления и архивирования и т.д. и т.п.

Безопасность моделей

Текущий вариант. Недопустимо использование решений, не прошедших проверку на безопасность.
Риски. Безопасность на бумаге: непонятно кто ее проверяет и какие внешние сертификации приемлемы.
Как надо. Добавить требования по цепочкам поставок для моделей/библиотек, лицензиям, анализу уязвимостей, защите от атак, безопасной настройке облачных сред.

Интеграционный зоопарк

Текущий вариант. ИИ подлежат обязательной интеграции в ключевые госсервисы. + Интеграции возможны почти любые (перечислены почти все возможные технологии).
Риски. Продолжится зоопарк протоколов и паттернов.
Как надо. Сделать референс-архитектуру интеграций и политик по умолчанию, центральный реестр API, контрактов, шаблонов и т.д. и т.п.

#AI #ИИ

Архитекторы будущего: Свобода, Творчество и Разумность Аналитика

Дорогие коллеги, друзья, аналитики Казахстана! Поздравляю вас со Всемирным днем бизнес-анализа!

Сегодня мы отмечаем не просто профессиональный праздник. Мы отмечаем нашу миссию – быть проводниками осмысленных изменений в мире, который меняется быстрее, чем когда-либо.
Мы – те, кто строит мосты между идеями и реальностью, между хаосом данных и ясностью решений.

Мы не просто профессия, мы – катализатор изменений

Наш главный инструмент – это не BPMN или SQL. Наш главный инструмент – это Свобода.

• Свобода мыслить: Мы должны быть свободны от догмы "мы всегда так делали". Наша работа – не слепо исполнять, а бросать вызов статус-кво.
• Свобода задавать вопросы: Мы имеем право (и обязанность!) задавать самый важный вопрос: "Почему?". Почему мы это делаем? Какую ценность это несет?
Только в этой свободе рождается истинное value, а не просто "реализованные фичи".

Наш второй принцип: Творчество

Бизнес-анализ – это не рутина. Это Творчество.
Мы не просто "собираем требования". Мы проектируем будущее.
Наше творчество – в способности увидеть невидимые связи, найти элегантное решение для сложной проблемы, рассказать историю (storytelling) через данные так, чтобы она вдохновила на действия.
Аналитик сегодня – это художник, который рисует не красками, а процессами, данными и стратегиями.

Наш третий принцип: Разумность

Свобода и творчество должны стоять на прочном фундаменте – Разумности.
Мы – голос логики и прагматизма в любом проекте.
Разумность – это наша ответственность. Это способность отделить "хотелки" от реальных потребностей, приоритизировать то, что действительно важно, и принимать решения, основанные на данных, а не на догадках.
Наша цель – не "запустить проект", а принести измеримую пользу бизнесу.

Наша цель: Непрерывное развитие – Синтез.

Свобода, Творчество и Разумность – это не то, чего можно достичь один раз. Это топливо для непрерывного развития.
Рынок Казахстана, как и весь мир, требует от нас постоянной адаптации. Появляются ИИ, меняются бизнес-модели.
Наше развитие – это не просто новый сертификат. Это ежедневная практика:
• Становиться свободнее в мышлении.
• Быть креативнее в подходах.
• Оставаться разумными в своих решениях.

Как ваш чаптер IIBA, мы здесь, чтобы поддерживать этот огонь развития в каждом из вас.

И мы благодарим всех наших помощников – Ваш Вклад Бесценен

Никогда не забывайте: вы – архитекторы изменений. Ваша работа определяет, каким будет завтрашний день наших компаний и нашей страны.

Развивайтесь непрерывно. Мыслите свободно. Творите смело. Действуйте разумно.

С праздником, казахстанское ВА-сообщество!

#БизнесАнализ #IIBA #Казахстан #Аналитика #Развитие

«Я, как пользователь…» и что с этим не так. «Рабочие истории» Андрея Шапиро как апгрейд User Story

Многие аналитики писали User Stories. Каковы их слабые места? Часто «Я, как пользователь…» на самом деле прикрывает «Я, как бизнес, хочу, чтобы пользователь…», а ценность в «чтобы…» притягивается за уши просто для соблюдения формата .

Но главная боль, как по мне, в другом. В классической User Story нет предметной области. Нет данных, нет сущностей, нет «объектов». Из-за этого получается огромный разрыв между историей и тем, что потом увидят дизайнеры и разработчики.

Андрей Шапиро дал почитать рукопись книги о своем методе «Рабочие истории». ИМХО, это очень удачная попытка всю эту кухню систематизировать и вылечить. Это не просто «еще один шаблон», а целая технология.

Структура и содержание

Книга разделена на две части. Первая часть анализирует эволюцию пользовательских историй как инструмента сбора требований. Андрей делится практическими примерами из реальных проектов, обсуждая шаблоны, преимущества и недостатки user stories. Он подчеркивает их роль в преодолении "вавилонской башни" — языковых барьеров между стейкхолдерами, — но отмечает ограничения: краткость часто приводит к потере контекста, а отсутствие строгой структуры затрудняет работу в сложных доменах.

Новый шаблон «Рабочей истории» (НСДОЦ)

Вторая часть вводит ключевую инновацию — рабочие истории и Карту реализации историй (КРИ). Рабочие истории расширяют шаблон user stories, фиксируя не только роль, функциональность и ценность, но и ситуацию, объекты оперирования, а также каскад реализации (от замысла к форме).

Автор предлагает 5-компонентную структуру:
• Н (Носитель действия)
• С (Ситуация)
• Д (Способ действия)
• О (Объекты оперирования)
• Ц (Цель действия)

И ключевое здесь — «О (Объекты оперирования)». Нас наконец-то заставляют на уровне требования описать, с какими вещами, данными и сущностями работает носитель действия. Это сразу снимает кучу вопросов и заземляет историю.

«Карта реализации историй» (КРИ)

Это тот самый мост от «что» к «как». КРИ — это матрица , где по горизонтали идет процесс (логика следования) , а по вертикали — «каскад реализации». Каждая история раскладывается на:

• Саму Рабочую историю (описание необходимой деятельности) .
• Форму реализации (как именно это будет воплощено, какие технологии, допущения, решения).
• Структуру блоков интерфейса (что конкретно будет на экране, какие инфо-блоки и элементы управления).

В итоге получается мощное развитие техники. Такой подход лечит «проблему молотка» (когда в User Story сразу «пихают» готовое решение, а не потребность). И он помогает четко отделить потребности пользователя от требований бизнеса (для этого есть специальный прием с инверсией Носителя, когда им становится «Система»).

Для аналитиков книга предлагает практический фреймворк для сбора требований в запутанных проектах. Метод помогает структурировать беседы со стейкхолдерами, выявлять пробелы в знаниях и проверять адекватность моделей. Вспомогательные практики — приёмочные тесты, чистка от ложных требований, оценка в сторипоинтах — интегрируются с agile-подходами. Примеры ошибок и рекомендаций по сессиям картирования делают книгу ценным руководством для командной работы. Автор подчеркивает: без практики инструмент не освоить, рекомендуя применять техники на реальных проектах.

В общем, для системных и бизнес-аналитиков — очень советую прочесть книгу, когда она будет опубликована. (А также для продактов, дизайнеров, разработчиков). Это достаточно просто, но куда более строгий и инженерный подход к требованиям, чем то, к чему многие привыкли.

Канал Андрея - https://t.me/how2scheme