В России генеративный искусственный интеллект (ИИ) пока находится на стадии тестирования в промышленном секторе, как показало исследование фонда «Сколково». Ожидается, что успешные пилотные проекты будут внедрены в полномасштабную эксплуатацию в течение ближайших двух лет. Хотя эта технология способна значительно оптимизировать производственные процессы, её широкому распространению препятствуют несколько факторов. Среди них — нежелание сотрудников принимать нововведения, строгие нормативы по информационной безопасности и трудности с точной оценкой экономической выгоды от инвестиций в ИИ-решения.
Специалисты Центра экспертизы и коммерциализации информационных и финансовых технологий фонда «Сколково» проанализировали перспективы и текущий опыт использования генеративного ИИ (систем, способных создавать разнообразный контент, включая тексты и изображения) в российской индустрии. Исследование ставило целью определить ключевые аспекты и сложности как уже реализуемых, так и планируемых проектов. Согласно отчёту, лидирующие компании активно тестируют генеративный ИИ для выявления его полного потенциала. Прогнозируется, что пилотные инициативы перейдут в стадию полноценного промышленного применения в ближайшие год-два. Эксперты отмечают, что производственные предприятия демонстрируют «осознанную осторожность» при интеграции этих цифровых инноваций.
Мировой рынок генеративного ИИ, по данным отчёта, к 2030 году достигнет $143 млрд, значительно вырастая с $34,1 млрд в 2025 году. Для России аналитический центр red_mad_robot прогнозирует объём этого рынка в $4,15 млрд к 2030 году.
Эксперты «Сколково» также указывают, что каждый доллар, вложенный в генеративный ИИ, приносит предприятию в среднем 3,5 доллара отдачи.
Несмотря на то, что генеративный ИИ преимущественно используется для совершенствования бизнес-процессов, интерес промышленного сектора к его применению в основных производственных операциях растёт. Специалисты объясняют это возможностью решать более масштабные задачи и улучшать ключевые аспекты производства, что прямо влияет на его эффективность и качество выпускаемой продукции.
Исходя из мирового и отечественного опыта, внедрение генеративного ИИ может привести к ряду значительных улучшений. Эксперты отмечают ускорение процесса проектирования изделий на 30–80%, включая автоматизацию создания документации и проверки её на соответствие стандартам. Также возможно сокращение незапланированных простоев оборудования до 50%. Дополнительно, ИИ-решения способствуют уменьшению избыточных запасов сырья на 40–60% и сокращению времени на оптимизацию логистики до 10–15 минут.
В настоящее время в российской промышленности генеративный ИИ наиболее активно применяется в сфере разработки программного обеспечения, для прогнозирования состояния оборудования и его обслуживания, а также для создания и верификации технической документации. В сочетании с компьютерным зрением эта технология также используется для оптимизации различных технических процессов.
Однако развертывание и масштабирование ИИ-решений в промышленных масштабах сталкивается с рядом существенных трудностей.
Согласно опросу экспертов, основным препятствием (50% ответов) является недоверие к новым технологиям и сопротивление изменениям со стороны сотрудников. Свыше трети компаний (36%) указали на ограничения в области информационной безопасности, а также на отсутствие адекватных методик оценки экономической эффективности ИИ в производственном цикле. Менее трети участников (29%) выделили высокую стоимость внедрения, включающую расходы на инфраструктуру, обучение моделей и персонала.
Валерий Бочин, руководитель проектов АСУ ТП инженерной компании «Уралэнерготел», подчёркивает, что внедрение ИИ в промышленность сопряжено с рядом трудностей. Он отмечает, что для эффективного обучения ИИ-моделей требуются обширные и качественные данные, однако устаревшие системы часто не могут их предоставить или генерируют информацию низкого качества, что чревато неточными прогнозами. На уровне организации проблемой становится сопротивление персонала, видящего в ИИ угрозу своим рабочим местам. Дополнительным препятствием эксперт называет длительные сроки внедрения и окупаемости подобных проектов, что исключает возможность быстрого возврата инвестиций.
Евгений Елфимов, генеральный директор Inventorus и член генсовета «Деловой России», заявляет, что интеграция ИИ в промышленный сектор перестала быть просто модной тенденцией и стала острой необходимостью. Он объясняет, что повышение производительности, сокращение затрат и автоматизация процессов являются критически важными факторами для поддержания конкурентоспособности компаний. «В частности, наш опыт работы с крупными предприятиями показывает возрастающую потребность в упорядоченном управлении научно-техническими данными и формировании корпоративных знаний с помощью ИИ», — делится Елфимов.
