Промышленность по подписке
Компаниям придется запускать новые бизнесы, чтобы расти
Промышленные компании больше не могут расти только за счет расширения основного бизнеса, поэтому производители ищут новые источники выручки: от сервисных моделей до цифровых платформ и продуктов на основе данных. Согласно исследованию McKinsey, главным ускорителем этого процесса становится искусственный интеллект (ИИ).
Фото: Евгений Павленко, Коммерсантъ
Фото: Евгений Павленко, Коммерсантъ
По данным McKinsey, сегодня ИИ используют хотя бы в одной функции 88% компаний, а две трети уже масштабируют такие технологии. Наиболее заметный эффект технология дает не в автоматизации отдельных процессов, а в возможности быстрее и дешевле тестировать гипотезы и разрабатывать продукты.
На этом фоне меняется сама логика корпоративного роста, отмечают аналитики. Вместо того чтобы рассчитывать на расширение основного бизнеса, компании начинают строить новые направления вокруг уже имеющихся активов: клиентской базы, производственных компетенций, данных или технологических платформ. Новым источником выручки становятся сервисы и данные.
Директор группы по трансформации промышленных компаний «ТеДо» Мария Алешина отмечает, что в России логика трансформации в целом похожа — переход от тактики «просто производить больше» к созданию дополнительных источников маржи вокруг существующих активов. Но драйверы отличаются: не столько ESG и глобальный венчурный рынок, сколько технологический суверенитет, импортозамещение, надежность оборудования, дефицит кадров, высокая стоимость капитала и необходимость повышать эффективность существующих активов. «Текущий тренд в России — это ответ на производственные ограничения: заменить ушедшие технологии, снизить простои, повысить управляемость активов, создать собственный промышленный софт»,— объясняет эксперт.
От продажи оборудования к продаже результата
Одним из самых быстрорастущих направлений McKinsey называет переход от разовых продаж к сервисным моделям с регулярной выручкой. Для производителей это означает отказ от традиционной схемы, при которой доход формируется в момент продажи оборудования. Вместо этого клиенту предлагают долгосрочное техническое обслуживание, аналитику, мониторинг и прогнозируемый результат. Это позволяет компаниям получать стабильный денежный поток, а заказчикам — сокращать риски простоев и непредвиденных расходов. Инвесторы также выше оценивают бизнесы с повторяющейся выручкой и длительными отношениями с клиентами, добавляют в McKinsey.
В качестве примера аналитики приводят опыт шинной компании Goodyear, которая развивает модель «шины как сервис»: клиент оплачивает использование продукта по мере эксплуатации автопарка, а производитель берет на себя контроль состояния шин и обслуживание.
Главный экономист Московской школы управления «Сколково» Владимир Коровкин полагает, что для российского рынка подобные модели особенно актуальны в условиях дорогого капитала. «Продажа не изделий, а результатов их использования позволяет заказчику более равномерно распределять финансовые потоки. Это может расширять рынок в ситуации, когда компаниям сложно находить средства на крупные разовые инвестиции»,— говорит он. Риски сервисной модели состоят в том, что продавцу сложнее управлять своими финансами, поскольку деньги за изделие будут поступать в течение длительного времени.
Рынок воспринимает новый подход осторожно. «В России переход к сервисным моделям происходит медленнее не потому, что рынок не понимает ценности такой модели, а потому, что предприятия привыкли владеть активом. Исторически промышленный заказчик хочет поставить оборудование на баланс. Но одновременно высокая стоимость простоя и дефицит инженерных кадров начинают подталкивать рынок к модели покупки результата»,— объясняет управляющий партнер НК КРОН Николай Кузенков.
Востребованными становятся модели, позволяющие перевести капитальные затраты в операционные расходы. «Рынок движется от продажи отдельного оборудования к продаже работоспособности всей системы»,— объясняет Николай Кузенков. Например, на рынке промышленного насосного оборудования развивается концепция «насосная станция как услуга», при которой заказчик платит не за само оборудование, а за объем перекачанной среды.
В энергетике развивается формат «оплаты за освещенность», при котором заказчик платит не за оборудование, а за обеспеченный уровень освещения и его обслуживание. Генеральный директор DAO GROUP Дмитрий Денисов рассказывает, что компания развивает цифровые системы управления и эксплуатации освещения, которые позволяют отслеживать состояние оборудования, контролировать энергопотребление и анализировать эффективность эксплуатации объектов в режиме реального времени. «Заказчику важна не просто цена покупки, а то, сколько он потратит на обслуживание, насколько предсказуема эксплуатация и какой эффект дает освещение»,— добавляет он.
ИТ-компании и производители ПО и ИТ-оборудования делают ставку на программно-аппаратные комплексы, при которых клиент получает оборудование и ПО с сервисным обслуживанием на протяжении всего жизненного цикла продукта.
Развитию сервисных моделей в России мешают ограниченный масштаб внутреннего рынка и относительно небольшие бюджеты на исследования и разработки, отмечает лидер практики технологического консультирования ДРТ Тимофей Хорошев. В то же время заказчики предпочитают уже проверенные решения и не готовы экспериментировать с новыми продуктами.
Управляющий директор LANSOFT Сергей Таран уточняет, что рекуррентная выручка пока приживается слабо по объективной причине: крупнейшие игроки производят сырье и комплектующие, а не конечный продукт, поэтому модель «продукт как сервис» им подходит редко. Но там, где результат измерим, сервисная логика работает хорошо — контракты жизненного цикла распространены в дорожном строительстве и машиностроении по госзаказу при закупке сложной техники: самолетов, поездов, кораблей, самоходной и медицинской техники, где поставщик отвечает за эксплуатацию и обслуживание на годы вперед.
Данные становятся отдельным продуктом
Еще один источник роста связан с коммерциализацией данных. Промышленные компании годами накапливали массивы информации о работе оборудования, логистике, потреблении энергии, поведении клиентов и производственных процессах. Теперь эти данные начинают использовать не только внутри компаний, но и как основу для новых сервисов.
По словам Николая Кузенкова, ценность представляют не сами массивы данных, а накопленная статистика отказов, режимов эксплуатации и реального поведения оборудования. «Сегодня выигрывает не тот, у кого просто больше данных, а тот, кто умеет быстрее превращать их в инженерные решения»,— уверен эксперт.
В качестве примеров McKinsey называет John Deere: компания использует данные с сельхозтехники для создания платформ точного земледелия: фермеры получают рекомендации по обработке полей и платят не за сам доступ к данным, а за экономический результат — снижение затрат и повышение урожайности. Владимир Коровкин приводит схожий пример: «Современный трактор уже невозможно представить без цифрового контура — геопозиционирования, мониторинга режимов работы и сбора эксплуатационных данных».
Впрочем, как самостоятельный актив данные в российской промышленности пока находятся скорее на стадии формирования рынка. «Осознание, что владеть станками — не значит иметь преимущество, их нужно превратить в источник данных, уже есть; инфраструктуры и правил для превращения этих данных в бизнес-актив пока нет»,— говорит Сергей Таран. Ограничением остаются закрытые контуры и требования информационной безопасности, из-за которых данные сложно превращать в полноценный рыночный актив.
Экология как бизнес-модель
Авторы исследования также обращают внимание на быстро растущий сегмент проектов, связанных с переработкой сырья, повторным использованием материалов и развитием экономики замкнутого цикла.
Если еще несколько лет назад такие инициативы воспринимались преимущественно как выполнение экологических требований, то сегодня они становятся самостоятельным направлением бизнеса. Рост спроса на аккумуляторы, редкоземельные металлы и другие критически важные материалы делает переработку экономически привлекательной. Дополнительным фактором выступает государственная поддержка.
В России подобные проекты также постепенно превращаются в отдельное направление бизнеса. В СИБУРе убеждены, что развитие уникальных компетенций и инноваций в области рециклинга — это будущее индустрии. Тем не менее во всем мире ситуация в отрасли обращения с отходами остается сложной и зависит от регуляторной среды, возможностей инфраструктуры и конъюнктуры рынка первичных материалов.
Компания развивает бренд Vivilen, в рамках которого производит полимерные гранулы с вовлечением вторичного сырья. Крупнейший проект в этой области реализован на башкирском заводе «Полиэф»: с момента запуска линии в 2022 году в производственный цикл было возвращено более 4,5 млрд пластиковых бутылок.
Одним из наиболее перспективных направлений в СИБУРе называют химический рециклинг, способный сделать цикл переработки пластиковых отходов практически бесконечным.
Впрочем, участники рынка пока осторожно оценивают потенциал рециклинга как самостоятельного источника дохода. Ограничениями остаются дефицит качественного вторсырья, нехватка инфраструктуры сортировки и переработки, а также недостаточное развитие раздельного сбора отходов.
Преимущество — в скорости
В McKinsey констатируют: рыночных лидеров будут отличать отказ от постепенных улучшений в пользу радикального ускорения запуска новых проектов, создание единой платформы данных и внедрение ИИ в ключевые бизнес-процессы: от разработки продуктов до управления цепочками поставок.
Если раньше главным преимуществом компании были заводы, оборудование и производственные компетенции, то теперь важна способность быстро запускать новые направления вокруг существующих технологий, данных и сервисов. «Требование времени — превращение производителя оборудования в интегратора технологической системы»,— отмечает Николай Кузенков.
Искусственный интеллект сокращает сроки разработки и снижает стоимость проверки гипотез, поэтому преимущество в новой модели получают не только крупнейшие игроки рынка. «Если в физическом мире можно было создать и испытать четыре-пять прототипов, то в виртуальном счет идет на сотни»,— добавляет Владимир Коровкин.
Впрочем, российские компании осторожно подходят к масштабированию ИИ-проектов. ИИ остается скорее инструментом повышения эффективности, а многие проекты буксуют при переходе от пилота к масштабному внедрению.
Наиболее заметный эффект технологии сегодня дают в предиктивном обслуживании оборудования, оптимизации технологических процессов и логистики. Показателен феномен индустриальных центров компетенций: многие лидеры отраслей фактически стали разработчиками собственного ПО. «Станет ли это самостоятельным бизнесом или останется внутренней функцией, покажет время»,— заключает Сергей Таран.