Российская промышленность осторожно приближается к внедрению генеративного ИИ

Использование методов генеративного искусственного интеллекта (ИИ) в промышленной сфере России на данный момент находится на стадии испытаний, как показывает исследование фонда "Сколково". По оценкам его специалистов, ожидается, что успешные пилотные проекты начнут активно внедряться в промышленное производство в течение ближайших двух лет. Эти технологии позволяют компаниям оптимизировать ключевые производственные процессы, но их широкому внедрению мешают различные препятствия. Согласно опрошенным организациям, основными барьерами являются нежелание сотрудников изменять привычные методы работы, высокие требования по безопасности информации и сложности в оценке экономической эффективности вложений в искусственный интеллект.

Аналитики Центра экспертизы и коммерциализации информационных и финансовых технологий фонда "Сколково" изучили возможности и опыт использования генеративного искусственного интеллекта (который способен генерировать тексты, изображения и другой контент) в российских промышленных предприятиях. Одной из целей исследования было выявить особенности и проблемные моменты уже действующих и планируемых проектов. По мнению авторов отчета, лидирующие компании уже начали использовать генеративный ИИ для изучения его потенциала. Первые проекты могут начать работу на производстве уже в ближайшие один-два года. Эксперты отмечают, что промышленные предприятия "с осторожностью" подходят к внедрению цифровых решений.

Согласно данным отчета, мировой рынок генеративного искусственного интеллекта к 2030 году вырастет с $34,1 миллиарда до $143 миллиарда. В России же в 2030 году, по прогнозам аналитического центра red_mad_robot, этот показатель составит $4,15 миллиарда. Специалисты из "Сколково" отмечают, что каждый доллар, вложенный в генеративный ИИ, может принести предприятию до $3,5 прибыли.

Несмотря на то, что генеративный ИИ главным образом применяется для оптимизации бизнес-процессов, в промышленности растет интерес к его использованию в основных производственных операциях. Это позволяет решать более сложные задачи и повышать производительность за счет оптимизации ключевых операций, влияющих на качество продукции, утверждают специалисты.

Таким образом, исходя из мирового и российского опыта, применение генеративного ИИ может ускорить проектирование изделий на 30-80% (включая автоматическое оформление документации и проверку соответствия техническим и нормативным требованиям), а также сократить простои оборудования до 50%. Технологии искусственного интеллекта позволяют организациям сократить запасы сырья на 40-60%, уменьшить время на оптимизацию логистических цепочек до 10-15 минут и так далее.

По текущей практике, генеративный ИИ в российской промышленности наиболее часто используется при разработке программного обеспечения, предиктивном обслуживании оборудования, составлении и проверке технической документации, а совместно с технологией компьютерного зрения – для оптимизации технических процессов.

Однако, распространение ИИ компаниями вызывает определенные сложности. По результатам исследования больше половины участников указали недоверие к технологиям и сопротивление персонала как главные препятствия. Более трети фирм отметили проблемы в области безопасности данных и оценки результативности применения ИИ. Примерно треть опрошенных отметили высокие затраты на внедрение.

По мнению Валерия Бочина, руководителя проектов автоматизации технологических процессов в компании "Уралэнерготел", при внедрении ИИ в промышленность возникают проблемы. Старые системы часто не обладают достаточными данными или данные имеют низкое качество, что приводит к ошибочным прогнозам. На уровне организации сотрудники сопротивляются, так как видят угрозу для своих рабочих мест. Еще одной проблемой является долгий срок окупаемости таких проектов, что затрудняет быстрое возмещение вложений.

Согласно Евгению Елфимову, генеральному директору компании Inventorus, члену Совета «Деловой России», внедрение ИИ в промышленность – это не мода, а необходимость. Повышение эффективности, сокращение издержек и автоматизация прямо влияют на конкурентоспособность предприятий. Например, в работе с крупными компаниями все больше интереса к системам управления научно-технической информацией и созданию корпоративных баз знаний с использованием ИИ.