Трансформация промышленности, строительства и логистики под влиянием ИИ
Долгое время основные применения искусственного интеллекта были сосредоточены в финансовом секторе, торговле и IT-сфере. Однако рост числа успешных проектов, демонстрирующих реальную экономическую выгоду от его использования в традиционных отраслях, стимулировал распространение ИИ-решений в промышленности, строительстве и транспортной сфере. Практическими наработками в этой области поделились спикеры секции «ИИ в производственных отраслях» в рамках форума «Технологии искусственного интеллекта 2025», организованного CNews Conferences.
Ценность искусственного интеллекта для промышленности
«Сегодня практически все так или иначе вовлечены в тему генеративного ИИ. Стоит ли вкладываться в это направление?» — рассуждает Александр Чесалов, эксперт по искусственному интеллекту, член Российской ассоциации ИИ, участник совета НААП, выступивший модератором дискуссии. С его точки зрения, наиболее перспективной областью остается промышленная автоматизация — применение ИИ для мониторинга качества продукции, повышения безопасности на производстве и оптимизации производственных планов. Другое важное направление — Edge AI, то есть интеграция ИИ с интернетом вещей для автоматизации заводских процессов и прогнозного обслуживания техники.
Подходы к прогнозному техническому обслуживанию
На сегодняшний день разработано множество систем для прогнозного обслуживания оборудования. Можно выделить две основные методологии: обслуживание по фактическому состоянию и предиктивный ремонт, ориентированный на долгосрочный прогноз отказов. Согласно исследованиям, внедрение предиктивных решений позволяет увеличить выпуск продукции на 20-25%, сократить затраты на техобслуживание на 25-30%, избежать до 70-75% аварийных ситуаций и уменьшить простои на 35-45%.
В нефтегазовом и химическом секторах искусственный интеллект в основном применяется в производственной сфере. Как отметил Артем Новиков, руководитель направления ИИ компании «Цифровые технологии и платформы», в «ЕвроХим» внедрены интеллектуальные комплексы для управления и оптимизации таких процессов, как выпуск аммиака, карбамида и NPK-удобрений. Это позволило нарастить производство аммиака и карбамида на 1,5%, а удобрений — на 3%.
Архитектура системы рекомендаций для производства аммиака
Кроме того, технологии ИИ дают возможность развернуть системы контроля и прогнозирования работоспособности агрегатов, используя данные телеметрии и лабораторных исследований, а также осуществлять онлайн-корректировку ПИД-регуляторов. В «ЕвроХим» также действует система поддержки операторов при запуске, остановке, авариях и смене режимов работы.
В ГК «Москабельмет» искусственный интеллект задействован в различных производственных операциях. Так, роботизированный помощник принимает заявки от клиентов, вносит информацию в систему и формирует производственные задания. В «1С: КоМод» ИИ на основе состава изделия рассчитывает фонд оплаты труда для его изготовления. Внедрение MES-системы предоставило компании обширный массив данных, который был использован для обучения ИИ-модели и создания системы оптимизации производственного планирования.
По словам Яна Анисова, заместителя генерального директора по развитию производственной инфраструктуры и инновациям ГК «Москабельмет», наиболее значимый результат приносят решения на основе компьютерного зрения. Например, система «Сокол» отслеживает около 20 параметров продукции: габариты, окраску, присутствие трещин, царапин, дефектов и отклонений. Годовой экономический эффект от ее использования лишь на одной линии производства уже достиг 1,2 млн рублей. Срок окупаемости проекта составляет два года. Также в компании внедрен Spider Agent — единая аналитическая платформа, которая автоматически собирает и анализирует информацию с помощью алгоритмов ИИ.
Применение искусственного интеллекта в строительной отрасли
Еще одна область применения искусственного интеллекта — индустрия строительства. В ФСК реализуется целый ряд инициатив с использованием ИИ. «Крайне важно внедрять технологии искусственного интеллекта обдуманно. Это требует технических знаний и ясного понимания пути, который необходимо пройти от идеи до ее практической реализации», — отмечает Алексей Титов, возглавляющий Центр архитектуры и анализа ФСК. Он акцентировал, что для различных целей требуются разные технологические решения: LLM-модели, ИИ-агенты, оптическое распознавание символов, машинное обучение или RAG-подходы.
Технологии ИИ для решения конкретных бизнес-задач
Алексей Титов поделился примером, как в компании силами двух экспертов по НСИ и одного программиста с применением ИИ был разработан справочник номенклатур. Всего за четыре месяца удалось согласовать с четырьмя бизнес-подразделениями ключевые характеристики для этапов строительства, адаптировать системы под различные наборы параметров, а также подключить несколько ИИ-моделей для классификации материалов и их детального анализа. В итоге был создан действующий ИИ-инструмент, способный обрабатывать десятки тысяч наименований за считанные минуты. Материалы загружались, анализировались и затем проходили ручную верификацию.
В ГК ПИК функционирует собственная Лаборатория ИИ. «Применение искусственного интеллекта — это закономерный итог эволюции подходов к проектированию архитектурных объектов», — убежден Артур Ишмаев, руководитель отдела внедрения и развития нейросетевых технологий ПИК. С подобными задачами успешно справляются генеративные модели, а также набирающие популярность графовые и диффузионные модели вместе с трансформерами.
«На сегодня не существует единой «идеальной» архитектуры нейронной сети, поскольку ее эффективность, скорость работы и качество итога зависят от конкретной задачи, типа данных, доступных вычислительных мощностей и требований к интерпретируемости результатов», — поясняет Артур Ишмаев. Он подчеркнул важность изучения различных моделей ИИ, так как они могут предлагать разные способы решения одной и той же проблемы.
Искусственный интеллект в логистике
Вячеслав Истин, директор по информационным технологиям кондитерского объединения «Любимый край», считает логистику одной из самых перспективных сфер для внедрения ИИ. К 2027 году, по его оценкам, 80% складов класса B перейдут на системы управления складом (WMS). На объектах появятся RFID-метки, GPS-трекеры, мобильные терминалы сбора данных и электронный документооборот. Следующим этапом станет использование дронов, роботов и беспилотных грузовых автомобилей. Искусственный интеллект будет задействован для аналитики и оптимизации процессов. Компании начнут постепенно переходить на смарт-контракты.
К 2030 году он прогнозирует широкое внедрение решений на основе AR/VR для навигации и обучения персонала, появление цифровых двойников и развитие интеграционных платформ. «Главное — не стремиться внедрить все и сразу, а двигаться к цифровому стандарту постепенно и осознанно, где технологии помогают людям, а не заменяют их», — говорит Вячеслав Истин.
ИИ в транспортной отрасли
Сергей Сенчушкин, руководитель направления инновационных разработок в «РЖД-Цифровые пассажирские решения», поделился информацией о применении искусственного интеллекта для предсказания спроса на билеты. Нейросетевая модель, созданная для внутреннего использования в компании, позволяет строить прогнозы по продажам через агентскую сеть и служит инструментом для бюджетного планирования. Точность модели достигает 95%, при этом среднее дневное отклонение прогноза не превышает 4%.
Кроме того, ИИ выполняет роль помощника для руководителей в службе поддержки клиентов. Система отслеживает взаимодействие с пассажирами железнодорожного транспорта через все каналы связи. Все разговоры могут фиксироваться, обрабатываться и подвергаться анализу. В настоящее время также разрабатывается интеллектуальный помощник для построения маршрутов, а в планах — внедрение голосовой покупки билетов и оснащение сотрудников аудиобейджами.
