Рекламаwww.kommersant.ru/ad

Интеллект на испытательном сроке

Участники круглого стола «Коммерсантъ-Удмуртии» обсудили, что мешает предприятиям перейти от пилотов к внедрению ИИ
Искусственный интеллект в промышленности пока существует в двух измерениях: на слайдах он выглядит универсальным инструментом, а на производстве его возможности оказываются куда скромнее. Участники круглого стола «ИИ в промышленности: вызовы и горизонты», организованного изданием «Коммерсантъ-Удмуртия», обсудили, что мешает технологии дойти до цехов, кому предприятия готовы доверить данные, кто напишет отраслевые стандарты и почему без человека, отвечающего за результат, любая инициатива рискует остаться прототипом.

Фото: Алексей Филинов

Игрушка или инструмент
Рынок ИИ-решений растет быстрее, чем практика их применения. Как на деле складывается ситуация, рассказал руководитель компании АИСВ, эксперт-консультант администрации главы и правительства Удмуртии по развитию и внедрению ИИ Игорь Гребенщиков. «У нас очень много рассказов и концепций, которые мы видим в интернете, во всех источниках: вот этот проект заработал, вот этот заработал. Но по факту, когда смотрим практические результаты, проводим исследования, понимаем, что хороших, интересных, эффективных кейсов в России на сегодняшний день достаточно мало. А если говорить про машиностроительную отрасль и промышленность в целом — там еще меньше»,— констатировал он.
Как же отличить работающий ИИ от существующего только в презентации? Чаще всего участники называли критерием измеримый экономический эффект. «Если мы видим, что искусственный интеллект позволил оптимизировать функцию, высвободить численность работников или ресурс — в этом случае искусственный интеллект эффективен. Мы понимаем, что нейросети, которые сегодня развиваются, — это в первую очередь инструмент, который должен приносить пользу бизнесу»,— полагает управляющий Удмуртским отделением Сбербанка Антон Тагилов.
У господина Гребенщикова свой подход: «Я считаю, здесь все очень просто: главный результат — это сокращение потерь, периода простоев, меньше опасной работы для людей, оптимизация в рамках производства». Иными словами, речь не только о прямой экономии, но и об издержках, которые не всегда видны в финансовой отчетности, — авариях, задержках, тяжелом и опасном труде.
Однако к одним деньгам критерии эффективности не сводятся. Заместитель директора по операционной эффективности и развитию производственных систем концерна «Калашников» Светлана Молодцова обратила внимание на кадровый контекст. «В связи с ухудшением ситуации на кадровом рынке необходимо смотреть и на облегчение труда нашего персонала: когда система ИИ-помощников может ускорить работу и заменить одну-две штатные единицы, которые мы не можем найти на рынке, — для нас это очень важно. Потому что сегодня поиск специалиста на рынке труда — это большая проблема, и мы рассматриваем ИИ в том числе как инструмент, который позволяет закрыть те ниши, где есть дефицит кадров»,— пояснила она. Для производств это не менее важный результат, чем экономия: ИИ закрывает разрыв, который невозможно закрыть наймом.
Заместитель директора по операционной эффективности и развитию производственных систем концерна «Калашников» Светлана Молодцова

Заместитель директора по операционной эффективности и развитию производственных систем концерна «Калашников» Светлана Молодцова

Фото: Алексей Филинов

Еще один критерий, смещающий акцент с экономии на интеграцию, предложил заместитель директора по финансам, директор по ИТ Ижевского радиозавода Виталий Гатин. По его словам, ИИ можно считать работающим и внедренным на предприятии, когда он становится частью процесса — не разовым пилотом, а ежедневной практикой, встроенной в операции. Единичный кейс в такой логике не показатель: нужна масштабируемая система, дающая эффект на долгосрочном горизонте.
Нужно, но нельзя
Разговор неизбежно уперся в данные — а точнее, в то, кому их можно доверить. Предприятия хотят держать их при себе, и чем сильнее это стремление, тем острее вопрос: на чем тогда учить модели и как выстраивать отраслевые решения?
Соучредитель компании «Новый дом» Сергей Ситников предлагает четко разграничивать данные: все, что составляет коммерческую тайну или относится к персональным данным, должно оставаться на собственных серверах, а вовне можно передавать только безопасную информацию. «Нужно выстраивать целую архитектуру работы с искусственным интеллектом, чтобы и получить эффект, и быть защищенным с юридической точки зрения»,— пояснил он. Без такой системы, считает господин Ситников, компания рискует либо потерять данные, либо нарушить законодательство.
Другая грань той же проблемы — где физически хранить данные. Декан факультета «ИТ, радиоэлектроника и приборостроение» ИжГТУ им. М. Т. Калашникова Игорь Архипов отметил, что выбор зависит от задачи. Облако кажется решением всех проблем — без затрат на инфраструктуру и с доступом из любой точки. «Но вместе с тем к этой информации может получить доступ и кто-то другой — это во-первых. Во-вторых, мы должны абсолютно доверять организации, которая содержит это облако»,— пояснил он. Поэтому многие задачи диктуют предприятиям формировать собственные закрытые ресурсы, а идея делиться ресурсами и создавать их вместе применима не для каждой задачи и не для каждого предприятия.
Компромиссный вариант озвучила начальник управления по реализации ИТ-проектов Ижевского механического завода Марина Гриценко: обучать модель на открытых данных за контуром предприятия, а затем адаптировать ее под конкретное производство в закрытом контуре. «Искусственный интеллект можно обучать на большом объеме открытых данных, в том числе коммерческих, но не данных предприятий ОПК»,— пояснила она: для оборонки закрытые контуры останутся надолго. По сути, отраслевые модели пока можно строить лишь на открытых данных, а реальные производственные процессы остаются вне общего доступа — и этот разрыв вряд ли скоро закроется.
Впрочем, часть барьеров может оказаться мнимой. Как напомнил господин Гребенщиков, в 152-ФЗ уже обозначено, что для обучения моделей не нужны персональные данные предприятия — достаточно так называемого технического ID. Иными словами, дело скорее в понимании норм и готовности ими пользоваться.
По мнению исполнительного директора Промышленно-экономической ассоциации Удмуртии «Развитие» Анатолия Федюкина, здесь действует «закон единства и борьбы противоположностей: нужно, но нельзя». Юридически и нормативно этот вопрос, считает он, должен решаться на государственном уровне — через типовой проект или образцовый алгоритм действий. При этом планку стоит задавать высокую: «Разрабатывая требования даже для гражданской промышленности, надо понимать на берегу, что мы должны приближаться к требованиям, которые предъявляются к предприятиям ОПК. В этом случае мы действительно можем реально взаимодействовать по отдельным направлениям». Впрочем, ждать решений только от государства, по его словам, не обязательно: предприятия могут сами искать форматы взаимодействия и тиражировать опыт.
Исполнительный директор Промышленно-экономической ассоциации Удмуртии «Развитие» Анатолий Федюкин

Исполнительный директор Промышленно-экономической ассоциации Удмуртии «Развитие» Анатолий Федюкин

Фото: Алексей Филинов

Готовые решения для промышленности предлагает и Сбер. Как рассказал господин Тагилов, банк использует ИИ во всех своих процессах, а часть технологий поставляет на внешний рынок, в том числе оборонным предприятиям. Отдельно он выделила платформу GigaCowork, на которой ИИ-агентов можно создавать в режиме no-code/low-code (без кода/низкий кодинг), просто сформулировав задачу, — от подбора персонала и анализа договоров до логистики, закупок и помощи инженерам. «Мы готовы вместе с вами тестировать таких агентов, брать их в пилоты и прописывать вместе с вами»,— обратился он к участникам круглого стола.
Стандарт на опережение
Регулирование ИИ только начинает складываться, и это создает редкое окно возможностей. С 1 сентября вступил в силу закон «О поддержке развития технологий искусственного интеллекта в РФ» (243-ФЗ), но общая законодательная база еще формируется: в начале 2027 года ожидаются дополнительные правки, постановления и подзаконные акты. Общего понимания, как работать с новыми нормами, нет ни у предприятий, ни у регуляторов.
Господин Гребенщиков видит в этой паузе шанс для отрасли — объединиться не только по мощностям, но и по стандартам. По его словам, у Удмуртии есть все возможности стать лидером для страны, разработав промышленный стандарт на базе собственной экспертизы. «Либо мы сейчас сделаем это вместе, проявим инициативу и предложим, как мы это видим, — естественно, совместно с властью, — либо рынок будут регулировать за нас»,— заявил он. Времени на это, по его оценке, осталось полгода-год.
Чтобы не оказаться в роли догоняющих, господин Гребенщиков призвал предприятия включиться в формирование правил, пока они не сложились окончательно: «Все начинается с фундамента — с законодательной базы. Так давайте в этом поучаствуем, пока есть возможность, потому что еще никто ни на каких уровнях не понимает, как с этим работать».
Эксперт-консультант администрации главы и правительства Удмуртии по развитию и внедрению ИИ Игорь Гребенщиков

Эксперт-консультант администрации главы и правительства Удмуртии по развитию и внедрению ИИ Игорь Гребенщиков

Фото: Алексей Филинов

Другое направление, где без участия предприятий не обойтись, — смарт-стандарты. Господин Федюкин напомнил о работе комитета РСПП по техническому регулированию над цифровыми документами, которые по запросу выдают актуальные нормативные требования, совместимые с ГОСТами. В строительстве такие стандарты уже появляются, а в машиностроении и цифровизации их нет, хотя технологам и конструкторам они необходимы. Разработка идет годами, и ускорить ее, по мнению эксперта, можно только при активном участии предприятий.
Зрелое решение
Видеоаналитика оказалась той областью, где разрыв между возможностями технологии и реальным спросом виден особенно отчетливо. По оценке менеджера продукта сервиса видеоаналитики Zool.ai («Зул.АИ») Юрия Любимова, классические задачи — распознавание номеров, контроль средств индивидуальной защиты, опасных зон и периметра — применяются уже лет 20 и составляют лишь 10–15% потенциала.
Основной бизнес-эффект, как он отмечает, дает контроль процессов, дисциплины персонала, качества продукции и работы оборудования, где потери могут исчисляться миллионами рублей. Но рынок этих решений только зреет, и тормозит его не технология, а готовность заказчика. «Нельзя просто взять, выделить деньги и человека и внедрить. Нужно понимать, куда ты внедряешь, чего хочешь добиться, и у этого должен быть владелец, который будет работать с результатами. И как раз в запросах к нам здесь большая неопределенность. Это и стопорит проекты»,— пояснил господин Любимов.
Менеджер продукта сервиса видеоаналитики Zool.ai («Зул.АИ») Юрий Любимов

Менеджер продукта сервиса видеоаналитики Zool.ai («Зул.АИ») Юрий Любимов

Фото: Алексей Филинов

Узкое место, по его словам, не в вычислениях — хватает небольшого сервера, — а в том, что данные на предприятиях часто «размазаны», и без полной картины — где хранятся, когда удаляются, у кого есть доступ — управлять ими невозможно. Стоит поднять локальные вопросы, как «вскрывается пласт информации, которой мы не владеем».
Готовность заказчика участники назвали главным фактором внедрения ИИ, и упирается она прежде всего в позицию руководства. «Если первое лицо относится к цифровой трансформации, к искусственному интеллекту как к любимой игрушке, тогда на предприятии с искусственным интеллектом вообще все хорошо: все вопросы будут решаться — и с данными, и с хранением, и с безопасностью»,— уверен господин Архипов.
Иную точку зрения высказала госпожа Гриценко: если ИИ будет для первого лица лишь «любимой игрушкой», вряд ли что-то сдвинется с места. «А вот если он будет использовать ИИ в своей работе, и мы поможем ему встроить ИИ в его процессы, тогда он будет снимать стружку со всех остальных линейных руководителей за неиспользование»,— заявила она. Иными словами, ИИ должен стать частью работы самого руководителя — тогда спрос на технологию пойдет сверху вниз, а не останется уделом энтузиастов.
Цифровой ликбез
Практический вопрос, который 243-ФЗ поставил перед предприятиями, звучит так: нужно ли заранее вводить внутренний реестр ИИ-материалов и что в него должно войти? Ответы участников показали, что дело не только в юридической форме, но и в культуре работы с технологией.
Игорь Гребенщиков убежден, что без внутреннего реестра не обойтись. Составлять регламент, по его словам, должны на местах: как на каждом предприятии давно есть ответственный за ИТ, так теперь должен появиться и держатель экспертизы в ИИ. Однако, в отличие от привычных ИТ-проектов, здесь возможна децентрализация, когда ИИ внедряет не ИТ-команда, а каждый эксперт на своем участке сам становится интегратором. При этом регламенты, подчеркнул он, должны строиться вокруг принципа, при котором последнее слово остается за человеком: ИИ хорош для сбора и обработки больших данных, но заменить экспертизу не может.
Сергей Ситников согласен, что регулирование нужно, однако ключевым шагом считает смену мышления сотрудников, которая приходит через обучение и собственный опыт. «Сотрудники должны сильно поменять отношение и структуру своей работы, когда поймут и внедрят ИИ»,— уверен он. По его словам, линейные функции постепенно переходят от исполнителей к руководителю, а часть горизонтальных и вовсе заменяется — так, бухгалтер может сам написать программу с помощью ИИ. «Это смена именно структуры организации, и очень важно понимать, что она меняется кардинально»,— подчеркнул господин Ситников. Именно поэтому, считает он, внедрение ИИ требует регламентов и реестров.

Фото: Алексей Филинов

Впрочем, не все участники готовы доверить автоматизацию бухгалтерам. Марина Гриценко возразила, что бухгалтера можно использовать как постановщика задач, но дальше должны подключаться специалисты, умеющие настраивать ассистента. Выбирать постановщиков из молодых сотрудников, которые владеют ассистентом, но не понимают специфики бизнеса, по ее мнению, тупиковый путь: «Это как раз та проблема, которую озвучивали: как взять джуниора и довести его до сеньора, которых осталось не так уж много. То есть постановщик задач должен быть очень квалифицирован». На заводе набирают функциональные группы, которые знают свои процессы, — так ИИ-помощников удается внедрять быстро и эффективно.
Спешить с регламентацией, по мнению господина Федюкина, тоже не стоит. Предприятия только начинают внедрять положения и стандарты, и важно не создавать излишнего информационного шума: альтернативный источник данных скорее запутывает сотрудников, чем помогает.
Отдельно участники обсудили границы контроля. Регулировать использование ИИ за пределами рабочего места, по мнению господина Гребенщикова, уже невозможно, поскольку технология прочно вошла в повседневность: «Каждый из нас пользуется искусственным интеллектом, и контролировать это использование мы на сегодняшний день не можем». Поэтому ключевой задачей он считает повышение грамотности специалистов — ведь, по данным ВШЭ, утечки персональных данных происходят из-за сотрудников, которые не понимают, что такое персональные данные. Изменить ситуацию, уверен эксперт, способно именно обучение, а не запреты.