В Российской Федерации применение технологий генеративного искусственного интеллекта (ИИ) в промышленном секторе пока находится на стадии тестирования, как показало недавнее исследование фонда «Сколково». Аналитики прогнозируют, что успешные пилотные проекты могут перейти к полноценной промышленной эксплуатации в течение ближайших одного-двух лет. Несмотря на значительный потенциал этой технологии для оптимизации ключевых производственных процессов, её широкое распространение сталкивается с рядом существенных препятствий. Главными из них, по мнению опрошенных компаний, являются сопротивление изменениям со стороны персонала, действующие нормы информационной безопасности и сложности с точным расчетом экономического эффекта от инвестиций в ИИ.
Специалисты Центра экспертизы и коммерциализации информационных и финансовых технологий фонда «Сколково» провели анализ возможностей и опыта использования генеративного ИИ (способного создавать тексты, изображения и другой контент) в отечественной промышленности. Одной из задач исследования было выявление специфики и проблемных зон как действующих, так и потенциальных проектов. Отчет отмечает, что на данный момент ведущие компании апробируют генеративный ИИ для изучения его возможностей. Эксперты подчеркивают, что предприятия производственного сектора подходят к внедрению этих цифровых решений с «вдумчивой осторожностью», а переход первых пилотов к полноценной эксплуатации ожидается в ближайшие 1-2 года.
Согласно данным, представленным в отчете, объем мирового рынка генеративного ИИ прогнозируется к значительному росту: с $34,1 млрд в 2025 году до $143 млрд к 2030 году. Что касается России, аналитический центр red_mad_robot предсказывает, что к 2030 году этот показатель достигнет $4,15 млрд.
Аналитики «Сколково» также отмечают, что на каждый доллар, инвестированный в генеративный ИИ, предприятие в среднем получает $3,5 отдачи.
Несмотря на то, что генеративный ИИ преимущественно применяется для оптимизации бизнес-процессов, промышленники проявляют возрастающий интерес к его использованию в ключевых производственных операциях. Такой подход позволяет решать более сложные отраслевые задачи, непосредственно влияющие на производительность и качество выпускаемой продукции.
На основе мирового и российского опыта эксперты выделяют ряд преимуществ от применения генеративного ИИ: ускорение проектирования изделий на 30–80% (включая автоматическое формирование документации и проверку соответствия техническим требованиям), а также сокращение незапланированных простоев оборудования до 50%. Кроме того, ИИ-решения способствуют снижению избыточных запасов сырья на 40–60% и оптимизации логистических цепочек со значительной экономией времени (до 10–15 минут).
В настоящее время в российской промышленности генеративный ИИ чаще всего используется для разработки программного обеспечения, предиктивного обслуживания оборудования, создания и проверки технической документации, а также в сочетании с технологиями компьютерного зрения для оптимизации различных технических процессов.
Вместе с тем, внедрение и последующее масштабирование решений на основе генеративного ИИ на предприятиях сопряжено с рядом серьёзных проблем.
По результатам опроса, проведенного экспертами, наиболее распространенным барьером (50%) названы недоверие к новым технологиям и сопротивление изменениям со стороны персонала. Более трети компаний (36%) указали на ограничения, связанные с информационной безопасностью, и такое же количество — на отсутствие четких подходов к оценке эффективности применения ИИ в производственных процессах. Высокую стоимость внедрения (затраты на инфраструктуру, обучение моделей и персонала) отметили менее трети участников (29%).
Окупаемость цифровизации сырьевых компаний
Было отмечено, что окупаемость проектов по цифровизации в российских сырьевых компаниях значительно уступает аналогичным показателям за рубежом.
Валерий Бочин, руководитель проектов автоматизированной системы управления технологическим процессом инженерной компании «Уралэнерготел», указывает на ряд сложностей при внедрении ИИ в промышленность. Он отмечает, что для обучения моделей необходимы большие объемы высококачественных данных, которые зачастую недоступны или имеют низкое качество в устаревших системах, что может приводить к ошибочным прогнозам. На организационном уровне часто встречается сопротивление сотрудников, воспринимающих ИИ как угрозу своим рабочим местам. Дополнительным барьером являются длительные сроки внедрения и окупаемости таких проектов, что исключает возможность быстрого возврата инвестиций.
Евгений Елфимов, генеральный директор компании Inventorus и член генерального совета «Деловой России», подчеркивает, что внедрение ИИ в промышленность сегодня — это не просто тренд, а насущная необходимость. По его мнению, повышение эффективности, снижение издержек и автоматизация напрямую влияют на конкурентоспособность предприятий. В качестве примера он приводит растущий запрос от крупных компаний на системное управление научно-технической информацией и создание корпоративных баз знаний с использованием ИИ.
