90-летняя Trinity Industries достигла прорыва в ИИ, начав с фундамента данных

Североамериканский гигант в области железнодорожного транспорта Trinity Industries, производитель и лизингодатель вагонов с более чем 90-летней историей, продемонстрировал впечатляющие достижения в операционной эффективности за счет внедрения передовых технологий искусственного интеллекта. Компания, управляющая арендованным парком из более чем 141 000 железнодорожных вагонов стоимостью около 8,5 млрд долларов и перевозящая более 900 видов товаров, работает на стыке тяжелой промышленности и финансовых услуг. Trinity Industries улучшила своевременность доставки материалов на 15% и создала модели прогнозирования расчетного времени прибытия (ETA), которые на 50% точнее отраслевых стандартов.

Эти проблемы выходили за рамки простого вопроса информационных технологий, становясь стратегическим ограничением для бизнеса. Это проявлялось в медленных процессах, когда выполнение запроса по данным о местонахождении вагона могло занимать две ночи из-за необходимости повторного запуска после обнаружения ошибки. Еще более значительные издержки были связаны с неконтролируемым ростом аналитики: простые дашборды, изначально созданные для предоставления доступа к данным, разрастались до 40 листов с собственными встроенными трансформациями. Компания насчитала около 600 различных метрик по всему бизнесу, многие из которых происходили из одного источника данных, но имели свои фильтры, что приводило к постоянным спорам о том, какое число является верным.

Отсутствие единого источника истины подрывало доверие руководства к представляемым данным. Отчеты часто требовали экспертной проверки для определения примененных фильтров, которые могли быть установлены годы назад по конкретному запросу. Даже попытки добавить пояснения и сноски в дашборды не приносили результата, поскольку пользователи игнорировали эти детали. В результате, несмотря на 11 000 часов ежемесячного использования дашбордов, проблема консолидации оставалась нерешенной. Более того, фрагментация данных приводила к так называемым «информационным силосам», где аналитики тратили дни на работу, которую спустя месяцы повторял кто-то другой, не зная о предыдущих усилиях, что демонстрировало значительные потери времени и ресурсов.

Для решения этих глубоко укоренившихся проблем Trinity Industries приняла стратегическое решение о полной трансформации своей инфраструктуры, консолидировав 95% корпоративных данных на единой архитектуре lakehouse на платформе Databricks. Этот шаг позволил компании преодолеть ограничения разрозненных систем и отказаться от устаревших подходов. В рамках миграции была внедрена архитектура Medallion, в которой все трансформации данных были перемещены на более ранние этапы процесса. Также было принято радикальное решение отказаться от устаревших дашбордов, чтобы сосредоточиться на ключевых метриках и предоставить пользователям возможность для собственного анализа на основе доверенных данных, вместо того чтобы иметь 600 различных, часто противоречивых, показателей.

Консолидация платформы не только значительно улучшила аналитические возможности, но и открыла новые горизонты для использования передовых моделей искусственного интеллекта. В частности, это позволило компании более эффективно работать с неструктурированными данными, такими как электронные письма, которые до этого не использовались в полной мере, но теперь стали ценным источником информации для генеративного ИИ. Благодаря единой защищенной платформе Trinity Industries получила беспрепятственный доступ к необходимым моделям, минуя необходимость каждый раз создавать отдельные API к внешним сервисам, а также проходить длительные юридические и архитектурные согласования.

Опыт Trinity Industries является ценным уроком для многих предприятий, стремящихся к лидерству в области ИИ. Ключевая философия, лежащая в основе успеха компании, была сформулирована ее директором по данным Стивеном Экером: «слой данных — это стратегия». Он подчеркивает, что именно прочный, унифицированный и доступный фундамент данных, а не сами модели, агенты или дашборды, определяет успех ИИ в масштабе предприятия. Экер, который за 13 лет работы в компании создал аналитическую функцию с нуля, превратив команду из стажеров в стратегически важное подразделение, способное обеспечить измеримый бизнес-эффект на сумму более 100 миллионов долларов, постоянно возвращается к этой идее.