До недавнего времени сферы финансов, торговли и высоких технологий лидировали по внедрению искусственного интеллекта. Однако по мере накопления примеров, доказывающих его экономическую целесообразность в производственных сферах, количество ИИ-инициатив стало расти в промышленности, строительстве и транспортной отрасли. Практическими аспектами интеграции и применения ИИ поделились спикеры секции «Искусственный интеллект в производственных отраслях» в рамках форума «Технологии искусственного интеллекта 2025», организованного CNews Conferences.
«Сегодня генеративным искусственным интеллектом занимаются самые разные игроки. Стоит ли вступать в эту область?» — рассуждает Александр Чесалов, специалист по ИИ, участник Российской ассоциации искусственного интеллекта, член совета НААП, модератор мероприятия. Он выделяет промышленную автоматизацию как наиболее перспективное направление — применение ИИ для мониторинга качества, повышения безопасности на производстве и оптимизации производственных планов. Другая важная область — Edge AI, то есть использование искусственного интеллекта в контексте интернета вещей для автоматизации заводских процессов и прогнозирования обслуживания техники.
На сегодня разработано значительное количество систем прогнозного технического обслуживания. Выделяются два основных метода: прогнозирование по фактическому состоянию оборудования и предписывающее обслуживание, базирующееся на долгосрочном прогнозе возможных отказов. Согласно исследованиям, прогнозное обслуживание позволяет увеличить объёмы выпуска продукции на 20-25%, сократить затраты на техническое обслуживание на 25-30%, предотвратить до 70-75% поломок и уменьшить простой оборудования на 35-45%.
В нефтегазовом и химическом секторе ИИ находит применение прежде всего в производственных процессах. К примеру, в «ЕвроХиме» были внедрены интеллектуальные системы управления и оптимизации таких технологических процессов, как выпуск аммиака, карбамида и NPK-удобрений, как сообщил Артем Новиков, руководитель направления ИИ в «Цифровых технологиях и платформах». Благодаря этому удалось нарастить производство аммиака и карбамида на 1,5%, а удобрений — на 3%.
Искусственный интеллект также дает возможность разрабатывать системы отслеживания и предсказания технического состояния оборудования, используя телеметрические данные и лабораторные исследования, а также выполнять оперативную настройку ПИД-регуляторов. В компании «ЕвроХим» дополнительно применяется система помощи операторам при запуске, остановке, авариях и смене рабочих режимов.
В группе компаний «Москабельмет» технологии ИИ задействованы в различных производственных операциях. К примеру, автоматизированная система принимает заявки от клиентов, вносит информацию в базу данных и формирует производственные задания. В системе «1С: КоМод» искусственный интеллект на основе информации о составе продукции вычисляет фонд оплаты труда для ее изготовления. После внедрения MES-системы у предприятия появился значительный массив данных, который позволил обучить ИИ-алгоритм и создать механизм оптимизации производственного планирования.
Как отметил Ян Анисов, заместитель генерального директора по развитию производственной инфраструктуры и инновациям ГК «Москабельмет», максимальную результативность демонстрируют системы на основе компьютерного зрения. Например, система «Сокол» отслеживает приблизительно 20 характеристик выпускаемой продукции: габариты, окраску, присутствие дефектов, царапин, неравномерностей и отклонений от нормы. Финансовый результат от внедрения системы лишь на одной технологической линии уже достиг 1,2 млн рублей ежегодно. Срок окупаемости проекта составляет два года. Также в организации запущен Spider Agent — унифицированная информационно-аналитическая платформа, которая автоматически собирает сведения и обрабатывает их при помощи искусственного интеллекта.
Дополнительным направлением применения ИИ является строительная отрасль. В ФСК реализован ряд проектов на основе искусственного интеллекта. «Крайне важно внедрять искусственный интеллект обдуманно. Это требует понимания технологий, осознания необходимых этапов для превращения концепции в работающее решение», — комментирует Алексей Титов, руководитель Центра архитектуры и анализа ФСК. Он акцентировал, что для различных задач требуются разные технологические решения: LLM-модели, ИИ-агенты, оптическое распознавание символов, машинное обучение, RAG-архитектура.
Алексей Титов поделился историей о том, как силами двух экспертов по НСИ и одного программиста с применением искусственного интеллекта в организации был разработан номенклатурный справочник. Всего за четыре месяца удалось согласовать с четырьмя бизнес-подразделениями ключевые параметры строительных этапов, адаптировать системы под различные наборы характеристик, подключить несколько ИИ-алгоритмов для категоризации материалов и их детального анализа. В итоге был создан эффективный ИИ-инструмент, способный обрабатывать десятки тысяч материалов за считанные минуты. Материалы загружались, анализировались и проходили ручную верификацию.
В ГК ПИК функционирует ИИ-лаборатория. «Применение искусственного интеллекта — закономерный этап эволюции подходов к проектированию архитектурных объектов», — убеждён Артур Ишмаев, возглавляющий отдел внедрения и развития нейросетей ПИК. С подобными задачами успешно справляются генеративные модели, а графовые и диффузные архитектуры вместе с трансформерами постепенно наращивают свою популярность.
«На сегодня не существует единой «идеальной» архитектуры нейросети, поскольку производительность, скорость работы и качество выходных данных определяются конкретной задачей, форматом данных, доступными вычислительными мощностями и необходимостью интерпретации результатов», — поясняет Артур Ишмаев. Он акцентировал, что необходимо исследовать разнообразные ИИ-модели, поскольку они предлагают различные подходы к решению идентичных задач.
Вячеслав Истин, ИТ-директор кондитерского объединения «Любимый край», считает логистику одним из наиболее перспективных направлений для внедрения ИИ. К 2027 году 80% складов категории B перейдут на WMS-системы. На складских объектах появятся RFID-метки, GPS-трекеры, мобильные терминалы для сбора информации и электронный документооборот. Следующим этапом станет внедрение дронов, роботизированных систем и автономных грузовых автомобилей. Искусственный интеллект будет задействован для аналитики и совершенствования операционных процессов. Предприятия поэтапно перейдут на смарт-контракты.
К 2030 году он прогнозирует массовое внедрение AR/VR-решений для навигации и обучения персонала, создание цифровых двойников, развитие интеграционных платформ. «Ключевой принцип — не внедрять всё одновременно, а последовательно и обдуманно двигаться к цифровому стандарту, где технологии помогают людям, а не вытесняют их», — отмечает Вячеслав Истин.
Сергей Сенчушкин, руководитель направления инновационных разработок в «РЖД-Цифровые пассажирские решения», поделился информацией о применении искусственного интеллекта для предсказания спроса на билеты. Модель, построенная на глубоких нейронных сетях, создана для внутреннего использования в компании «РЖД – Цифровые пассажирские решения». Она позволяет оценивать ожидаемый объем продаж через агентскую сеть и служит инструментом для планирования бюджета. Точность предсказаний достигает 95%, при этом среднее абсолютное отклонение по дням составляет 4%.
Искусственный интеллект также применяется в качестве помощника для руководителей клиентской службы. Система способствует мониторингу взаимодействий с пассажирами железнодорожного транспорта через разные каналы связи. Все разговоры могут фиксироваться, обрабатываться и подвергаться анализу. В настоящее время ведется разработка умного помощника для построения маршрутов, запланировано внедрение функции голосовой покупки билетов и оснащения сотрудников аудиобейджами.
