3430
Ускорение запуска ИТ-релизов
Май, 2020 год.Автоматический разбор и маршрутизация входящих извещений об испытаниях ПО при помощи сервиса SMART UAT.
Какую проблему решали
Одна из задач Agile-трансформации Сбербанка – сокращение сроков вывода новых продуктов на рынок. Благодаря внедренным инструментам и гибкой методологии разработки программного обеспечения, выросло количество ИТ-релизов (обновлений ПО и внедрений нового функционала).
По правилам банка все ИТ-релизы требуют заключения от экспертов кибербезопасности.
По правилам банка все ИТ-релизы требуют заключения от экспертов кибербезопасности.
Приглашения на участие в приемо-сдаточных испытаниях релизов поступали на общий почтовый ящик подразделения. Входящие извещения разбирались сотрудниками вручную, что занимало много времени и задерживало процесс.
Решение проблемы
Сбербанк разработал решение SMART UAT, которое автоматизирует обработку входящих извещений об участии в приемо-сдаточных испытаниях ИТ-релизов.
AI-based сервис работает в режиме поддержки принятия решений и позволяет автоматически определять необходимость участия сотрудников и персональный состав экспертов кибербезопасности для резолюции по каждому релизу.
В системе используется доверительный порог, согласно которому AI-модель либо автоматически формирует отказ от участия, либо предлагает профильному эксперту решение и его вероятностные характеристики.
Применяемые технологии
Сервис SMART UAT включает в себя две основные модели:
- Модель принятия решения о необходимости участия экспертов кибербезопасности в испытаниях ИТ-релизов (задача бинарной классификации, основная метрика ROC-AUC)
- Модель назначения профильных экспертов кибербезопасности на ПСИ релиза в случае, если участие требуется (multi-label классификация, основная метрика Jaccard index)
В основе лежит алгоритм sklearn.Ensembles.RandomForestClassifier. Для модели назначения профильных экспертов используется надстройка sklearn.multiclass.OneVsRestClassifier.
Бизнес-процесс
До проекта:
- Ручной разбор извещений сотрудниками кибербезопасности.
- 14 часов – среднее время принятия решения по заявке.
- 1 500 – среднее количество входящих извещений в месяц.
После проекта:
- Автоматизированный процесс разбора заявок.
- Рекомендательная система принятия решения.
- 7 часов - среднее время обработки заявок.
- 3 800 – среднее количество извещений в месяц.
Результаты
проекта
Виталий Биферт
Руководитель проекта
Геннадий Глотов
Менеджер
Елена Демьянова
Менеджер
Алексей Касьянов
Главный инженер по разработке
Роман Лексутин
Исполнительный директор
Николай Турович
Исполнительный директор-начальник отдела
Кирилл Черкашин
Менеджер
Похожие кейсы
AI-кейсы с доказанной бизнес-эффективностью. Все проекты успешно прошли проверку комиссией из признанных экспертов в технологиях и бизнесе.