На «Эффективном производстве 4.0» обсудили, как промышленность готовится к массовому внедрению ИИ
На втором дне конференции «Эффективное производство 4.0», прошедшем в рамках выставки «Металлообработка-2026», участники обсудили, почему промышленный ИИ невозможно внедрить без качественной работы с данными, а также какие сценарии искусственного интеллекта уже находят практическое применение на предприятиях. Дискуссия определила – промышленность переходит от этапа накопления данных к этапу их прикладного использования. При этом сами по себе дашборды*, аналитика и пилоты больше не считаются результатом цифровизации – предприятия ждут изменений в производственных процессах, снижения потерь и повышения управляемости.
«Эффект на уровне завода мы научились получать, но вывести это на уровень отрасли становится важной задачей. Нам интересно, чтобы производство и отрасль повышали свою эффективность. Должны появляться стандарты, требования к информационной безопасности, к инфраструктуре», – отметил Василий Чуранов, директор дивизиона «Машиностроение и металлообработка» ГК «Цифра», директор конференции «Эффективное производство 4.0».
Ирина Власова, вице-президент по цифровизации и ИТ «Атомстройэкспорт» («Росатом»), рассказала, что компания шла к построению единой среды производственных данных почти 15 лет. «Сначала была концепция создания единой платформы. Мы попытались ее сделать и поняли, что это не самый лучший путь, потому что собственная разработка таких тяжелых вещей достаточно сложная. Пока мы ей занимаемся, мы отстаем от рынка», – объяснила Ирина Власова.
Тему качества данных продолжил генеральный директор Cyber Fence Андрей Рыбин. «Классификация данных – во главе угла как первый шаг к построению комплексной системы. Дальше – управление данными на всех этапах их жизненного цикла: контроль доступа к данным со стороны приложений, пользователей, определение мест хранения, безопасный обмен. Технологии есть, важно правильно их применять, грамотно строить архитектуру безопасности и управлять рисками», – перечислил он необходимые составляющие.
Отдельный блок дискуссии был посвящен тому, почему значительная часть ИИ-проектов в промышленности не доходит до реального внедрения. Как отметил Дмитрий Крикунов, руководитель продукта «Цифровое управление производством» МТС, около 80–90% GenAI-проектов** в промышленности останавливаются на стадии пилота. По его словам, предприятия сталкиваются не столько с нехваткой моделей, сколько с неподготовленностью данных, отсутствием контекста и высокой чувствительностью производства к ошибкам.
«У нас низкая толерантность к ошибкам. Если советчик нам один раз ответил неправильно, мы сразу его задвигаем, мы не будем им пользоваться», – пояснил эксперт.
В ходе выступления представители индустрии неоднократно подчеркивали: для промышленности критически важна проверяемость выводов ИИ.
«Данных много. Красивых графиков тоже. А изменений мало», – отметили на сессии. Эксперты сошлись во мнении, что аналитика должна не просто показывать состояние предприятия, а становиться инструментом постоянного улучшения процессов, при этом попытки «прикрутить» ИИ поверх старых ERP- и MES-систем*** часто приводят к проблемам из-за неподготовленных данных и жесткой архитектуры legacy-систем****.
Среди наиболее востребованных направлений применения ИИ участники назвали предиктивную аналитику оборудования, поиск производственных аномалий, оптимизацию ремонтов и загрузки персонала, анализ инцидентов, помощь технологам и работу с производственной документацией. Отдельное внимание было уделено развитию RAG-систем и корпоративных баз знаний, которые позволяют ИИ опираться на внутренние регламенты и накопленную экспертизу предприятия.
Андрей Гончаров, директор по развитию бизнеса ГК «Цифра», рассказал, что с каждым годом наблюдается рост на 20–25% в запросах на внедрение решений с искусственным интеллектом.
По словам экспертов, именно связка данных, контекста и отраслевой экспертизы становится ключевым фактором для развития промышленного ИИ. Участники дискуссии пришли к выводу, что в ближайшие годы конкурентоспособность предприятий будет зависеть не столько от количества внедренных цифровых решений, сколько от способности выстраивать единую среду данных и быстро превращать ее в прикладные инструменты управления производством.
*Панели мониторинга
**Генеративный искусственный интеллект
***Системы планирования ресурсов предприятия и управления производственными процессами
****Устаревшее ПО
Пресс-релиз ГК «Цифра»