Алиса Мельникова, директор по цифровым и информационным технологиям компании СИБУР, рассказала партнеру Kept Ирине Хворостян о том, как компания работает с технологиями и превращает искусственный интеллект из венчура в инструмент с понятными и измеримыми эффектами.
На Дне искусственного интеллекта в рамках выставки-форума «Россия» вы сказали: «Наша ставка на применение ИИ себя оправдала: мы фиксируем существенный рост эффективности процессов, увеличение производительности труда, оперативности и точности принятия бизнес-решений». Расскажите, пожалуйста, когда и как началась работа, которая привела к этим результатам?
Активная цифровизация началась в СИБУРе в 2018 году. Тогда, в самом начале, наши консультанты, в том числе международные, говорили о том, что за счет современных цифровых технологий компании могут рассчитывать на увеличение показателей EBITDA на 10% и более. Мы им верили, но еще не очень понимали, откуда эти 10% возьмутся.
На том этапе набор инициатив, попавший в наш первый портфель, сложился из двух частей. Первая — это то, что мы переняли у крупных мировых компаний нефтехимического сектора, которые были самыми эффективными по бенчмаркам. Вторую группу инициатив предложили наши разработчики и аналитики, которые погрузились в специфику работы предприятий, проехали по заводам, поговорили с персоналом, инженерами, производственниками, чтобы понять, какие есть реальные проблемы на земле, которые могли бы быть решены при помощи цифровых современных технологий.
Если говорить о конкретных шагах тогда, то мы сгенерировали большой объем инициатив на первые два года и довольно заметно расширили внутренние компетенции. Взяли с рынка команды с теми знаниями и навыками, которых в составе СИБУРа до этого просто не было. Я сейчас имею в виду цифровизацию процессов, hardware-инженеров, которые могли работать в области промышленного интернета вещей, не только автоматизации, но и в части внедрения новых видов оборудования, новых датчиков, новых способов передачи данных. Это была примерно половина новых специалистов.
Другую половину составили специалисты по работе с данными, продвинутой аналитике и искусственному интеллекту. Потому что основные эффекты все-таки идут от повышения качества принятия решений, а чтобы их принимать, нужны данные, которые как раз собираются при помощи цифровизации процессов. Поэтому тогда это скорее интуитивно получилось пополам, но на практике подтвердилось, что так и надо.
На том этапе набор инициатив, попавший в наш первый портфель, сложился из двух частей. Первая — это то, что мы переняли у крупных мировых компаний нефтехимического сектора, которые были самыми эффективными по бенчмаркам. Вторую группу инициатив предложили наши разработчики и аналитики, которые погрузились в специфику работы предприятий, проехали по заводам, поговорили с персоналом, инженерами, производственниками, чтобы понять, какие есть реальные проблемы на земле, которые могли бы быть решены при помощи цифровых современных технологий.
Если говорить о конкретных шагах тогда, то мы сгенерировали большой объем инициатив на первые два года и довольно заметно расширили внутренние компетенции. Взяли с рынка команды с теми знаниями и навыками, которых в составе СИБУРа до этого просто не было. Я сейчас имею в виду цифровизацию процессов, hardware-инженеров, которые могли работать в области промышленного интернета вещей, не только автоматизации, но и в части внедрения новых видов оборудования, новых датчиков, новых способов передачи данных. Это была примерно половина новых специалистов.
Другую половину составили специалисты по работе с данными, продвинутой аналитике и искусственному интеллекту. Потому что основные эффекты все-таки идут от повышения качества принятия решений, а чтобы их принимать, нужны данные, которые как раз собираются при помощи цифровизации процессов. Поэтому тогда это скорее интуитивно получилось пополам, но на практике подтвердилось, что так и надо.
Если говорить про экономику проектов, на том же форуме было озвучено, что годовой накопленный эффект от цифровой трансформации в СИБУРе к 2023 году составил 45 млрд рублей, половина из которых достигнута за счет искусственного интеллекта. Как вы считаете этот эффект? Входят ли в него инструменты по сбору и обработке данных? Это классическая история с ROI или какой-то другой алгоритм?
Эффекты всегда считаются стандартно. Это либо дополнительный маржинальный доход, либо сокращение упущенного маржинального дохода из-за простоев производства, либо сокращение численности персонала, обслуживающего ту или иную установку или процесс. Озвученная вами цифра — это накопленный эффект за все время, и мы рассчитываем, что он будет увеличиваться за счет новых инициатив.
Здесь я должна пояснить, что мы не считаем отдельный эффект от внедрения цифровых инициатив. Потому что не бывает внедрения цифровых инициатив без оптимизации процессов. Либо мы оптимизируем процесс, делаем его лучше, и тогда мы должны что-то поменять на стороне его цифровой поддержки. Либо у нас появилась идея, как та или иная технология может улучшить процесс, но тогда нам все равно надо поменять процесс работы людей. Поэтому всегда рассматриваем эти действия внутри одного проекта.
Здесь я должна пояснить, что мы не считаем отдельный эффект от внедрения цифровых инициатив. Потому что не бывает внедрения цифровых инициатив без оптимизации процессов. Либо мы оптимизируем процесс, делаем его лучше, и тогда мы должны что-то поменять на стороне его цифровой поддержки. Либо у нас появилась идея, как та или иная технология может улучшить процесс, но тогда нам все равно надо поменять процесс работы людей. Поэтому всегда рассматриваем эти действия внутри одного проекта.
Проект — это цифровой инструмент плюс изменение порядка работы людей, потому что, если порядок работы людей не поменялся, это может означать только одно — цифровой инструмент не дал эффекта.
Я спрашиваю про методику, потому что многие наши собеседники, когда мы рассуждаем на тему искусственного интеллекта, по-прежнему говорят о том, что это венчур. Денег нужно вложить много, и не очень понятно, как оценивать эффекты от его внедрения. Как вы для себя решаете этот вопрос?
Если попытаться считать эффект именно от искусственного интеллекта, то будет венчур. Однако, мне кажется, здесь это неуместно. А если мы считаем эффекты как снижение стоимости реализации бизнес-процесса и повышение его эффективности за счет оптимизации и внедрения цифровых инструментов, включая искусственный интеллект, тогда все встает на свои места. Это перестает быть венчуром, а становится просто планом работ по повышению эффективности процесса.
Абсолютный размер вложений в цифровизацию не показателен, и против него не измеришь эффективность. А вот соотношение затрат против получаемых эффектов показывает эффективность принятия решений по развитию.
У нас до сих пор все портфели ежегодно были экономически эффективны. Мы всегда приоритизировали инициативы по экономическим эффектам. А, например, в середине 2020 года в разгаре кризиса на фоне коронавируса, когда было еще непонятно, куда будет развиваться экономика и что с ней будет происходить, мы приняли решение о сокращении портфеля проектов, но оставили в нем все те, которые были окупаемыми внутри года. Это было несложно сделать быстро, поскольку ранжирование проектов по эффектам было сделано в начале года при утверждении годового портфеля. В портфель на 2024 год мы добавили больше проектов, связанных со стратегическим развитием, в основном с импортозамещением в области технологий. Все эти проекты крупные, то есть они не могут в принципе окупиться внутри года, потому что и сделаны не могут быть полностью за это время, но они принесут большой эффект на более отдаленных временных горизонтах.
Абсолютный размер вложений в цифровизацию не показателен, и против него не измеришь эффективность. А вот соотношение затрат против получаемых эффектов показывает эффективность принятия решений по развитию.
У нас до сих пор все портфели ежегодно были экономически эффективны. Мы всегда приоритизировали инициативы по экономическим эффектам. А, например, в середине 2020 года в разгаре кризиса на фоне коронавируса, когда было еще непонятно, куда будет развиваться экономика и что с ней будет происходить, мы приняли решение о сокращении портфеля проектов, но оставили в нем все те, которые были окупаемыми внутри года. Это было несложно сделать быстро, поскольку ранжирование проектов по эффектам было сделано в начале года при утверждении годового портфеля. В портфель на 2024 год мы добавили больше проектов, связанных со стратегическим развитием, в основном с импортозамещением в области технологий. Все эти проекты крупные, то есть они не могут в принципе окупиться внутри года, потому что и сделаны не могут быть полностью за это время, но они принесут большой эффект на более отдаленных временных горизонтах.
Мы уже затронули тему импортозамещения, очевидно, что для вас она актуальна так же, как и для других российских компаний. С 2018 года СИБУР ведет в компании собственную разработку. Насколько собственный центр компетенций помог адаптироваться к санкциям? Используете ли вы сторонние решения?
Для ИТ-сектора понятие time to market часто приравнивают к скорости разработки. Для таких компаний, как наша, это не совсем верно. СИБУР — это нефтехимическая компания, так что ее эффективность, даже в вопросах ИТ и цифровизации, не может измеряться скоростью разработки. Для нас скорее time to market — это скорость внедрения новых решений, которая зависит от того, насколько эффективно мы используем то, что создает рынок. Поэтому если на рынке уже есть решения, которые могут быть доработаны и быстро внедрены, то нам выгоднее взять их, чем разрабатывать что-то самим, что заведомо займет больше времени.
Тем не менее, поскольку мы нефтехимическая компания, каких в России совсем мало, всегда есть такие решения, которые рынку разрабатывать и создавать просто невыгодно. Кроме того, у сторонних ИТ-компаний нет предметных знаний. Например, если они работают на розницу, то могут поставить себя на место потребителя. Можно сказать, что в этом случае разработчик является одновременно и потребителем.
Но тем же ИТ-компаниям очень сложно себе представить, что делается на наших заводах, и без нас нужное решение они не создадут. Поэтому здесь на нас лежит большая ответственность за то, чтобы проявить инициативу и сформировать некое сообщество из промышленных и ИТ-компаний, для того чтобы вместе создать те цифровые продукты, которые раньше могли нам принести зарубежные вендоры, а сейчас больше не принесет никто.
Для этого основаны индустриальные центры компетенций. Мы являемся участниками ИЦК «Химия» и ИЦК «Нефтегаз и нефтехимия», в рамках которых мы вместе создаем отраслевые решения.
Тем не менее, поскольку мы нефтехимическая компания, каких в России совсем мало, всегда есть такие решения, которые рынку разрабатывать и создавать просто невыгодно. Кроме того, у сторонних ИТ-компаний нет предметных знаний. Например, если они работают на розницу, то могут поставить себя на место потребителя. Можно сказать, что в этом случае разработчик является одновременно и потребителем.
Но тем же ИТ-компаниям очень сложно себе представить, что делается на наших заводах, и без нас нужное решение они не создадут. Поэтому здесь на нас лежит большая ответственность за то, чтобы проявить инициативу и сформировать некое сообщество из промышленных и ИТ-компаний, для того чтобы вместе создать те цифровые продукты, которые раньше могли нам принести зарубежные вендоры, а сейчас больше не принесет никто.
Для этого основаны индустриальные центры компетенций. Мы являемся участниками ИЦК «Химия» и ИЦК «Нефтегаз и нефтехимия», в рамках которых мы вместе создаем отраслевые решения.
Объединение усилий промышленных и ИТ-компаний сокращает и сроки, и стоимость, если появляются механизмы софинансирования. Мне кажется, что импортозамещение пройдет, а механизм кооперации останется.
Вы опытный управленец. Поделитесь, как действительно вовлечь лидеров в повестку цифровизации? Как сделать так, чтобы они сами драйвили эти изменения, генерили идеи, соединяющие бизнес-логику и возможности технологий, внедряли это? Как в СИБУРе выстроена система управления изменениями?
Инициатором изменений может быть любой сотрудник, главное, чтобы он знал, куда прийти со своей инициативой. У каждого процесса в компании есть владелец и организационные блоки людей, которые отвечают за run — исполнение процесса и change — его улучшение. Люди могут переходить между блоками, это не структура, высеченная в мраморе на века. Тем не менее, есть группа людей, в обязанности которых входят и генерация инициатив по улучшению процесса, и их последующая реализация, это и есть блоки change. Также в СИБУРе выработана единая система управления изменениями для всех блоков и оргпроектов для достижения их наивысшего качества.
Еще до цифровизации, в отрезке с 2010 до 2016 гг., внедрялась производственная система СИБУРа по аналогии с Toyota Production System. В то время многие переняли эту культуру постоянных улучшений малыми шагами и бережливого производства.
Это во многом помогло людям, которые уже приняли культуру улучшений, принять аналогичный подход в области новых технологий. Поэтому сегодня они могут предлагать и внедрять улучшения, в том числе связанные с использованием новых цифровых решений. Другое дело, что внедрение технологий — это не малые шаги, а довольно серьезные, иногда дорогие проекты, но это тоже часть этой культуры.
Еще до цифровизации, в отрезке с 2010 до 2016 гг., внедрялась производственная система СИБУРа по аналогии с Toyota Production System. В то время многие переняли эту культуру постоянных улучшений малыми шагами и бережливого производства.
Это во многом помогло людям, которые уже приняли культуру улучшений, принять аналогичный подход в области новых технологий. Поэтому сегодня они могут предлагать и внедрять улучшения, в том числе связанные с использованием новых цифровых решений. Другое дело, что внедрение технологий — это не малые шаги, а довольно серьезные, иногда дорогие проекты, но это тоже часть этой культуры.
В компании есть люди, которые отвечают за проработку этих инициатив по долгу службы — это блоки change каждой функции, каждого процесса. А есть люди, которые имеют возможность высказать любое предложение в эту копилку.
То есть проблем с новыми идеями вы не испытываете?
Я бы не сказала, что это легко. Например, в конце 2022 года мы стали замечать, что количество новых инициатив в портфеле начало уменьшаться в пользу тиражирования старых идей. Каждая инициатива всегда имеет эффект масштаба — можно еще несколько лет внедряться на разных предприятиях, а у нас больше 25 производственных площадок, и нести большие эффекты от инициативы, которая была придумана раньше.
Мы задали себе вопрос: «А что дальше? Когда мы все тиражируем, будем закрывать цифровизацию?». Мы стали думать о том, где наш следующий горизонт, и пришли к выводу, что условно можно выделить несколько стадий, которые мы проходили с этими инициативами.
Сначала мы делали цифровизацию по образу и подобию лидеров рынка, потом выделяли у себя участки с очевидной неэффективностью, где работает очень много персонала, много согласований, много ходят пешком, много создают бумажных документов или неожиданно отказывает какая-то установка. То, что называется «низко висящие фрукты».
Мы задали себе вопрос: «А что дальше? Когда мы все тиражируем, будем закрывать цифровизацию?». Мы стали думать о том, где наш следующий горизонт, и пришли к выводу, что условно можно выделить несколько стадий, которые мы проходили с этими инициативами.
Сначала мы делали цифровизацию по образу и подобию лидеров рынка, потом выделяли у себя участки с очевидной неэффективностью, где работает очень много персонала, много согласований, много ходят пешком, много создают бумажных документов или неожиданно отказывает какая-то установка. То, что называется «низко висящие фрукты».
Хороший пример из области искусственного интеллекта и машинного обучения — экструдер полипропилена в Тобольске, который остановился 19 раз за один год. Мы сделали модель, которая следит за закономерностями и начинает предсказывать будущую остановку заблаговременно, тогда мы успеваем принять меры. С тех пор он останавливаться перестал. Есть модели, которые прогнозируют более сложные технологические процессы с сотнями параметров, например, ведение технологического режима, где нужно мониторить одновременно примерно 600 параметров и держать их в оптимальных коридорах. Это была вторая стадия.
И вот в 2023 году мы активно работали над третьей группой инициатив, которые сформулировали для себя как «ИИ для принятия решений». С одной стороны, у нас непрерывное производство, с другой — это не что иное, как цепочка принятия совершенно дискретных решений совершенно конкретными людьми. Приоткрыть клапан — закрыть клапан, открыть задвижку — закрыть задвижку, загрузить новый катализатор, закупить оборудование и запчасти. То же самое и с продажами, и даже кадровыми процессами — кого на какую должность назначить. Это все цепочки принятия решений.
Мы стали анализировать, насколько правильно, качественно и насколько оптимальные решения мы принимаем, а главное, кто их принимает и по каким принципам. Какие он использует данные и алгоритмы для принятия этого решения, были ли эти данные качественными, все ли одинаково их интерпретируют даже внутри одной компании в разных подразделениях. Нам открылась целая вселенная на тему того, от чего может зависеть качество принятия решений. А главное, мы поняли, что это все тоже можно автоматизировать. За прошлый год у нас появилось больше 70 новых инициатив, связанных с повышением качества принятия решений, и все они, по сути, лежат в области искусственного интеллекта.
И вот в 2023 году мы активно работали над третьей группой инициатив, которые сформулировали для себя как «ИИ для принятия решений». С одной стороны, у нас непрерывное производство, с другой — это не что иное, как цепочка принятия совершенно дискретных решений совершенно конкретными людьми. Приоткрыть клапан — закрыть клапан, открыть задвижку — закрыть задвижку, загрузить новый катализатор, закупить оборудование и запчасти. То же самое и с продажами, и даже кадровыми процессами — кого на какую должность назначить. Это все цепочки принятия решений.
Мы стали анализировать, насколько правильно, качественно и насколько оптимальные решения мы принимаем, а главное, кто их принимает и по каким принципам. Какие он использует данные и алгоритмы для принятия этого решения, были ли эти данные качественными, все ли одинаково их интерпретируют даже внутри одной компании в разных подразделениях. Нам открылась целая вселенная на тему того, от чего может зависеть качество принятия решений. А главное, мы поняли, что это все тоже можно автоматизировать. За прошлый год у нас появилось больше 70 новых инициатив, связанных с повышением качества принятия решений, и все они, по сути, лежат в области искусственного интеллекта.
Читайте также
Вы не раз упоминали в интервью, что внимательно смотрите за тем, что происходит на рынке: в мире в целом и в вашей индустрии. Какие основные тренды вы отмечаете? Есть ли уже примеры внедрения таких трендовых технологий в СИБУРе?
Я не открою страшную тайну, если скажу, что главный тренд этого года — большие языковые модели, генеративный искусственный интеллект. Здесь мы ничем не отличаемся от всех остальных, кто это пробует, у нас есть свои гипотезы, в том числе из тех семидесяти с лишним, о которых я говорила ранее. Во-первых, мы начали с области предиктивной диагностики. Задумка в том, чтобы инженеры-диагносты могли пользоваться этим простым средством взаимодействия с компьютером — в режиме чата задавать вопросы и получать быстрые ответы о гипотезах возникновения аномалий, которые могут происходить с оборудованием, и рекомендуемых действиях по их устранению.
Во-вторых, у нас есть проект в области закупок, где основной смысл применения языковых моделей — в снижении стоимости закупок за счет их укрупнения, а также в поиске аналогов, которые есть на рынке и иногда на наших складах. В нашем справочнике номенклатур примерно 500 тыс. записей. Производственники обычно указывают конкретную марку и модель оборудования или запчасти, но такие закупки можно унифицировать и укрупнить за счет подбора аналогов для заказа продукции по более низким ценам.
Третья интересная область, про которую нельзя не сказать, — моделирование полимеров. Эта задача особенно актуальна на фоне импортозамещения. Нужно подобрать такой технологический режим, сырье и компонентный состав, который приведет к получению продукта, нужного для конкретной отрасли и производства. В принципе, это можно делать и без искусственного интеллекта, и до сих пор мы так и делали. Но цифровизация процесса позволяет сократить количество лабораторных экспериментов в пользу цифровых и сэкономить много времени.
Во-вторых, у нас есть проект в области закупок, где основной смысл применения языковых моделей — в снижении стоимости закупок за счет их укрупнения, а также в поиске аналогов, которые есть на рынке и иногда на наших складах. В нашем справочнике номенклатур примерно 500 тыс. записей. Производственники обычно указывают конкретную марку и модель оборудования или запчасти, но такие закупки можно унифицировать и укрупнить за счет подбора аналогов для заказа продукции по более низким ценам.
Третья интересная область, про которую нельзя не сказать, — моделирование полимеров. Эта задача особенно актуальна на фоне импортозамещения. Нужно подобрать такой технологический режим, сырье и компонентный состав, который приведет к получению продукта, нужного для конкретной отрасли и производства. В принципе, это можно делать и без искусственного интеллекта, и до сих пор мы так и делали. Но цифровизация процесса позволяет сократить количество лабораторных экспериментов в пользу цифровых и сэкономить много времени.
В сети много информации о том, как успешно СИБУР использует решения в области ИИ для экономии сырья и энергии, повышения безопасности на производстве, улучшения свойств полимеров и т. п. А можете рассказать о том, что не взлетело? Выглядело многообещающе, но не сработало Есть ли у вас какой-то наработанный «кровью» чек-лист, где ИИ не эффективен?
Искусственный интеллект – это проверенная технология, не такая, из-за которой проекты могут не получиться по причине сырости технологии. К счастью, таких случаев, когда мы разочаровались и остановили проект, пока не было. Периодически происходят локальные неудачи, когда мы тестируем какую-то гипотезу, и на малом количестве данных точность модели высокая, а после добавления данных она драматически падает. Однако после дообучения модели она возвращается к норме.
Мы очень сильно вкладываемся на первых этапах в выбор гипотез и не пускаем в работу те из них, где нам непонятны рычаги достижения целей и природа будущих эффектов.
Конечно, на заре цифровизации у нас были случаи, когда мы заходили в разработку раньше, чем подтверждали гипотезу. Например, мы строили модель — оптимизатор железнодорожной логистики, собрали какое-то кошмарное количество данных для его работы, соорудили модель, которая делала расчет на протяжении суток или больше и давала рекомендации логистам для планирования маршрутов. Логисты, будучи умными людьми, быстро поняли, что для использования модели им нужно планировать свой процесс по-другому. И выяснилось, что они вполне могут обойтись без оптимизатора, если изменят свой процесс. То есть суммарный эффект от оптимизации был очень большой. Но в принципе, положа руку на сердце, можно было бы оптимизатор не разрабатывать. Впоследствии мы стали внимательнее смотреть на то, нужно ли разрабатывать новый инструмент, и стали начинать с оптимизации процесса, улучшения его организационными мероприятиями.
Каким вы видите будущее ИИ в долгосрочной перспективе — для бизнеса и для человечества в целом? Видите ли вы риски в таком стремительном развитии генеративного ИИ и демократизации доступа к нему, которую обеспечил ChatGPT? Нужно ли уже сегодня как-то регламентировать и сдерживать это развитие, на ваш взгляд? Возможно ли это в принципе?
Я всегда за то, чтобы развивать себя, а не сдерживать других. Если смотреть изнутри СИБУРа, для нас развитие ИИ — это пока сплошная выгода. Чтобы внедрять описанные мной гипотезы, нам не нужно передавать никаких персональных данных, у нас оборудование. Что касается обмена данными с внешним миром, то пока мы до этого не дошли, эти кейсы реализуются внутри компании на огромных объемах данных с наших производств.
Если смотреть с точки зрения того, что ИИ заменит часть профессий, мне кажется, люди сами рады избавиться от некоторых видов труда, которые им не нравятся, кажутся тяжелыми, рутинными, поэтому в таком смысле до какого-то момента нам по пути с искусственным интеллектом.
Тот же GigaChat от Сбера, который мы используем в наших проектах, после полугодового обучения на данных из области медицины сдал экзамен на врача-лечебника. Это означает, что студенты, которые сдают экзамен хуже, вообще уже не нужны. Чтобы врач успешно работал и пользовался этим инструментом, его квалификация должна быть выше, чем-то, что умеет давать искусственный интеллект. Это хорошо или плохо? Мне кажется, хорошо.
Мы много говорим про кадровый голод. На самом деле, может быть, он исчезнет, когда у нас станет требоваться меньше людей. Угрозы, конечно, глупо отрицать, но мне кажется, мы до них еще не скоро доберемся. И еще долго сможем получать пользу от применения этого инструмента, прежде чем столкнемся с какими-то реальными угрозами.
Если смотреть с точки зрения того, что ИИ заменит часть профессий, мне кажется, люди сами рады избавиться от некоторых видов труда, которые им не нравятся, кажутся тяжелыми, рутинными, поэтому в таком смысле до какого-то момента нам по пути с искусственным интеллектом.
Тот же GigaChat от Сбера, который мы используем в наших проектах, после полугодового обучения на данных из области медицины сдал экзамен на врача-лечебника. Это означает, что студенты, которые сдают экзамен хуже, вообще уже не нужны. Чтобы врач успешно работал и пользовался этим инструментом, его квалификация должна быть выше, чем-то, что умеет давать искусственный интеллект. Это хорошо или плохо? Мне кажется, хорошо.
Мы много говорим про кадровый голод. На самом деле, может быть, он исчезнет, когда у нас станет требоваться меньше людей. Угрозы, конечно, глупо отрицать, но мне кажется, мы до них еще не скоро доберемся. И еще долго сможем получать пользу от применения этого инструмента, прежде чем столкнемся с какими-то реальными угрозами.
Алиса Мельникова
Директор по цифровым и информационным технологиям компании СИБУР
Окончила Московский авиационный институт по специальности «Автоматизированные системы управления и обработки информации», Российскую высшую внешнеэкономическую школу по специальности «Внешнеэкономическая деятельность: организация и управление», Массачусетский технологический институт (США), Стэндфордский университет (США).
С 2000 по 2012 гг. занимала руководящие посты в «Ай-Теко», ISG, Egar Technology. С 2012 г. работала в должности советника старшего вице-президента «Номос-Банка». С 2013 г. работала генеральным директором в дочерней компании Сберба — «Сбербанк-Технологии». С 2017 г. руководила департаментом финансовых технологий Центрального банка РФ.
В 2019 г. возглавила функцию «Цифровые технологии» компании СИБУР. В конце 2019 г. после объединения функций стала директором по цифровым и информационным технологиям. С апреля 2020 г. является также генеральным директором ООО «СИБУР Диджитал».
