Искусственный интеллект в промышленности: тенденции и развитие в России
Искусственный интеллект станет самой важной технологией в 2024 году, заявили западные исследователи из Института инженеров электротехники и электроники (IEEE). Российские аналитики тоже предрекают ему большое будущее, в том числе в промышленном секторе. Например, Институт статистических исследований и экономики знаний НИУ ВШЭ запустил мониторинг развития и распространения ИИ в России.
Данные первого этапа исследования показали, что 65% респондентов применяют искусственный интеллект в тестовом режиме, причём в половине случаев речь идёт о различных видах промышленного ПО, включая системы автоматизированного проектирования, управления процессами и др.
Государство со своей стороны стимулирует развитие цифровых технологий, в том числе ИИ. Как сообщил ранее вице-премьер Дмитрий Чернышенко, в 2024 году для компаний, внедривших на своих площадках искусственный интеллект, предусмотрены дополнительные меры господдержки.
Пока это распространяется на предприятия с годовой выручкой более 800 млн рублей из приоритетных отраслей экономики. В перспективе же внедрение разработок в сфере искусственного интеллекта станет одним из условий получения 13 мер господдержки для среднего
и крупного бизнеса.
Самое время
В ходе одной из дискуссионных сессий на Российской промышленной неделе 2023 года председатель правления Ассоциации «Цифровые инновации в машиностроении» и научный руководитель ИИТ МГТУ «Станкин» Борис Позднеев отметил, что, по его наблюдениям, повышенное внимание к этой технологии появляется каждые 30 лет. А затем угасает, поскольку практической отдачи от неё пользователи не получают. Однако именно сейчас интерес к искусственному интеллекту вполне оправдан, считают участники отрасли.
«Это направление может позволить нашей стране выйти в лидеры хотя бы по внедрению. Если мы не сможем по научным работам, по исследованиям опередить американцев и китайцев, то по внедрению можем», — заявил член комитета по искусственному интеллекту АРПП «Отечественный софт» Сергей Вотяков.
Внедрение решений на основе искусственного интеллекта будет главной движущей силой экономики в ближайшие несколько лет, убеждён основатель ООО «Мирей Роботикс УК» (Mirey Robotics) Андрей Наташкин. Этим, считает эксперт, и обусловлено особое отношение государства к нему.
«За последние несколько лет в нашей стране была сформирована целая система, включающая различные механизмы развития данной технологии. Первый уровень — это создание специализированных исследовательских центров, посвящённых искусственному интеллекту, на базе технологических вузов и крупных научно-технических организаций. Собственные центры получили Университет ИТМО, НИУ ВСЭ, НГУ, МФТИ. Второй уровень — грантовая поддержка через Российский фонд развития информационных технологий и Фонд содействия инновациям.
Третий уровень — льготные цены для бизнеса на приобретение отечественного ПО. Россия сейчас находится в условиях жесточайших санкций, и выработка собственных технологических решений является не просто адекватным ответом западным странам, а жизненно необходимым решением.
На государственном уровне поставлена цель к 2030 году добиться полного технологического суверенитета от других стран, а также занять лидирующие позиции по внедрению ИИ-решений в реальный сектор экономики. Условно можно выделить три больших направления. Это выработка механизма, позволяющего воспроизводить новейших технологии; постоянный экономический рост за счёт внедрения инноваций; обновление старых и внедрение новых технологических линий», — поясняет основатель Mirey Robotics.
Директор по информационным технологиям и цифровой трансформации производственного дивизиона Торгово-производственного холдинга «Русклимат» Максим Агапов считает, что активное использование искусственного интеллекта и его интеграция в бизнес-процессы уже стали реальностью для многих российских предприятий. Причём с вполне измеримыми объёмами инвестиций и подтверждёнными экономическими эффектами.
«По опыту работы в ТПХ «Русклимат» могу сказать, что ИИ может быть полезен практически во всех областях промышленности. Но наиболее эффективен он будет там, где выше уровень механизации и автоматизации процессов, где планируют собирать либо уже собирают данные о станках и процессах, следят за рисками для здоровья людей и окружающей среды и управляют ими, а также в бизнес-моделях со сложными многоступенчатыми цепочкам создания ценности
и логистическими цепями снабжения и поставок», — поясняет представитель холдинга.
«Мы отмечаем спрос в добывающей промышленности, где простой оборудования измеряется миллионами рублей в день. Искусственным интеллектом активно интересуется металлургическая отрасль и химическая промышленность. Нейросети приносят максимальную пользу там, где довольно сложные условия труда: например, персоналу трудно находиться в запылённых помещениях длительное время.
Также ИИ способен точнее, чем человек, обрабатывать информацию на конвейерных производствах с высокой скоростью ленты — так предприятия повышают эффективность работы отделов технического контроля», — отмечает генеральный директор ООО «Норд Клан» (NordClan) Илья Каштанкин.
Коммерческий директор ООО «НТР» Яна Казанцева дополнила картину статистическими данными. Так, Институт статистических исследований и экономики знаний НИУ ВШЭ по итогам 2023 года выявил, что в России более 60% компаний выделяют на ИИ менее 1% от затрат на внедрение и использование цифровых технологий. При этом уже есть примеры успешного внедрения генеративных нейросетей у «Яндекса» и «Сбера», а «Русал» и «Билайн» нацелены внедрить генеративный ИИ в ближайшее время.
«В целом статистика показала, что в России интерес к искусственному интеллекту проявлен существенно меньше, чем в других странах, несмотря на то, что у нас есть собственные фундаментальные заделы в этой области, в том числе по части мегамоделей. Крупные игроки рынка оценивают внедрение ИИ как сложный длительный процесс, поскольку получить успешные результаты в короткий срок довольно непросто, на это уходят годы, есть много сдерживающих факторов.
Однако по нашему опыту работы мы видим, что российские компании всё больше интересуются системами на основе искусственного интеллекта. Его применение становится важным конкурентным преимуществом, поскольку автоматизация бизнес-процессов с помощью ИИ позволяет сокращать издержки и увеличивать эффективность работы», — поясняет Яна Казанцева.
Рутина и не только
«Польза от внедрения искусственного интеллекта очевидна: компании, которые развивают новые технологии, по статистике, обгоняют своих конкурентов примерно на 12%, притом в разных направлениях. Это и предикативный анализ, благодаря которому можно оценивать уровень износа оборудования и своевременно устранять неполадки, и машинное зрение, с помощью которого можно отсеивать брак, верифицировать готовую продукцию, а также повышать уровень безопасности на предприятии.
Кроме того, ИИ может быть задействован в вопросах автоматизации рутинных процессов: сбора данных, их обработки и распространения, а также в подготовке готовых отчётов и аналитических моделей за счёт исследования поведения клиентов, бизнес-результатов, состояния оборудования или информации по остаткам», — делится мнением директор проектов Minerva Result в компании ООО «Пантеон Айти» (Minervasoft) Денис Кучеров.
Директор департамента интеллектуальных систем автоматизации ООО «САТЕЛ» Александр Таскаев считает, что искусственный интеллект отлично подходит для автоматизации мониторинга работы оборудования, контроля качества, логистических операций. Особенно перспективно его применение в высокотехнологичных отраслях вроде машиностроения и электроники.
«Главные достоинства ИИ — высокая скорость анализа данных и способность обрабатывать большие массивы информации. Это позволяет автоматизировать как технологические процессы, так и аналитические задачи типа прогнозирования спроса. К примеру, внедрение ИИ-системы мониторинга на одном предприятии сократило брак в производстве на 30%», — аргументирует представитель компании «САТЕЛ».
Основатель и управляющий директор ООО «Логистикс-Тех» (LogistiX) Дмитрий Блинов, в свою очередь, отмечает, что для автоматизации рутинных процессов используется классическая технология: оцифровка процессов и передача возможности принимать решение от человека к системе, программному обеспечению, которое действует по заранее заданным алгоритмам.
«Искусственный интеллект работает на следующем, более высоком уровне. В рамках уже автоматизированного процесса на этапе его исполнения ИИ может снимать метрики, анализировать, выдавать экспертные подсказки, а также являться гидом и контролёром в сложных технологических процессах с высоким уровнем задействования людей. Особенно выгодно применять ИИ в тех сферах, где есть достаточно серьёзная экспертная составляющая, но роботизация обошлась бы слишком дорого», — поясняет глава LogistiX.
«Применение искусственного интеллекта для автоматизации рутинных процессов не всегда обоснованно. Зачастую можно найти другие решения, например, RPA-системы, различные системы для автоматизации. Использование ИИ обоснованно там, где невозможно организовать процесс автоматизации за счёт математики и алгоритмов. Он нужен в тех случаях, когда необходимо «обучение», своего рода „мыслительный процесс“», — дополняет руководитель направления бизнес-решений ООО «СимбирСофт» (SimbirSoft) Анна Шведова.
В целях безопасности
Эксперт по цифровой трансформации промышленности ООО «Софтлоджик Рус» (Softlogic) Сергей Новиков убеждён, что в текущем году мы увидим ускорение цифровой трансформации производственной безопасности, в том числе за счёт применения искусственного интеллекта. Для начала — в отраслях повышенного риска: химической, в частности нефтеперерабатывающей, промышленности, а также в строительстве, тяжёлом машиностроении и др.
«Мы видим уже сегодня, что на промышленных предприятиях России ускорился рост внедрения решений так называемой «Индустрии 4.0» — интернета вещей (IoT) и машинного/искусственного интеллекта. В 2024 году на производствах мы ожидаем буквально бум интереса к ним, потому что появились и стали доступны готовые российские устройства и приложения.
Решения на базе ИИ, дополненные IoT, автоматически распознают нарушения правил безопасности на производстве, контролируют правильность техпроцессов, наличие штатных СИЗ на работниках. Это позволяет прогнозировать, безошибочно выявлять, фиксировать и быстро с гарантией устранять потенциальные опасности. Безопасность на производстве повышают современные носимые защитные и сигнальные средства с датчиками мониторинга жизненно важных функций и окружающих условий.
Всё это создает новый подход и новые стандарты в охране труда. Мы говорим уже не о средствах, технике и правилах безопасной работы, а о безопасных производственных пространствах, рабочей среде в целом», — поясняет эксперт Softlogic.
Максим Агапов подтверждает, что ИИ обладает значительным преимуществом там, где ограничены возможности человека. Например, при долгом монотонном повторении стандартных операций у человека часто пропадает концентрация, притупляется осторожность, его одолевает скука. Искусственный интеллект лишён этих недостатков. При этом представитель ТПХ «Русклимат» подчёркивает, что искусственный интеллект ни в коем случае не может быть заменой персоналу, а, скорее, выступает помощником и поддержкой для него.
«Например, в производстве наиболее востребованы системы машинного зрения для контроля качества выпускаемой продукции. Это приближает нас к реализации принципа «нулевых дефектов». Машинное зрение в комплектации с инфракрасными датчиками также позволяет следить за состоянием оборудования, вовремя идентифицируя аномальные перегревы на узлах и агрегатах.
Это даёт возможность вовремя среагировать и даже действовать на опережение, чтобы не дать оборудованию выйти из строя. Экономический эффект от этого выражается не только в экономии на запчастях, инструментах и приспособлениях (ЗИП), но и в минимизации простоя во время производственного процесса. В перспективе машинное зрение может также успешно применяться для контроля безопасности персонала.
Например, чтобы автоматически выключать станок при несанкционированном пересечении сотрудником защитного барьера во избежание получения им травмы или даже гибели. Это помогло бы также после предотвращения инцидента дополнительно проинструктировать сотрудника об опасности для его жизни и здоровья в зоне производства и о необходимости соблюдения правил поведения на промышленной площадке», — считает Максим Агапов.
Ещё один пример применения искусственного интеллекта в целях обеспечения безопасности на крупном химическом производстве привёл эксперт компании Softlogic. Для оперативного реагирования на потенциально опасные ситуации на предприятии установлена система видеонаблюдения с нейросетевой аналитикой.
ИИ настроен на определение посторонних в запретных зонах, обнаружение дыма или огня на территории, разлив или просыпь потенциально опасных химических веществ. Система смогла обнаружить разлив опасной жидкости в одном из цехов. Были предприняты меры по ликвидации её скопления. На заводе стали строже соблюдать меры безопасности и изменили разметку опасных зон. Также происшествие послужило поводом для дополнительного обучения персонала.
«Пока повсеместно для реализации правил и процессов ОТ и ТБ в промышленности используется описательный (англ. descriptive) подход на основе опыта и «аналитики случившегося». Благодаря распространению готовых ИИ-решений на производствах начнут гораздо активнее применять предиктивный (от англ. predictive — предсказательный) и даже прескриптивный (от англ. prescriptive — предписывающий) подходы к управлению рисками производственной безопасности.
На основе текущих данных инспектора ОТ и ТБ смогут видеть, какие действия нужно совершить и какие решения принять прямо сейчас, чтобы обеспечить безаварийную и безопасную обстановку в будущем», — таков прогноз Сергея Новикова.
Дмитрий Блинов также считает, что искусственный интеллект и предикативная аналитика — очень перспективные направления для российской промышленности.
«Ещё в 2006 году у нас был реализован пилотный проект, где модель на основании входящих данных и зафиксированного результата выбирала лучшую команду для организации рабочей смены на предприятии. Учитывая серьёзно возросшие мощности и возможности по обработке данных, эта часть совершенно точно является одной из самых сильных в современных ИИ-системах», — отмечает основатель и управляющий директор LogistiX.
Нужное подчеркнуть
Участники дискуссии уточнили, что искусственный интеллект — очень широкое понятие, включающее в себя различные технологические решения. Это и машинное обучение, и технологии компьютерного зрения, и большие генеративные модели типа GPT, и многое другое. А потому и сферы применения его ограничены, по сути, лишь теми задачами, которые с их помощью хотят решить пользователи.
«Многообразие инструментов ИИ позволяет говорить о возможностях эффективного применения в любой отрасли промышленности. Для одних предприятий основной акцент может быть на автоматизации рутинных бэк-офисных процессов, где применение технологий GPT и интеллектуальной обработки документов позволяет повысить уровень автоматизации до 80‒90%.
Для других — на применении алгоритмов машинного обучения в производственных процессах. Например, при выборе режима химической обработки заготовок на основе информации о партии, её особенностях, особенностях обработки на предыдущих этапах процесса и т. д.», — поясняет директор по стратегическому развитию, сооснователь ООО «Примо РПА» (Primo RPA) Алексей Николаев.
«В промышленности машинное обучение (один из подразделов искусственного интеллекта) решает целый спектр задач, например, связанных с прогнозированием и оптимизацией производственных процессов. ИИ может анализировать данные о производственных операциях, чтобы предсказывать потенциальные проблемы и снижать риск возникновения сбоев.
Мы можем поставить задачу определить сдвиг плановой даты окончания строительно-монтажных работ более чем на 30 дней на основании накопленных данных, и программа предоставит информацию по дням относительно плана.
Также стоит отметить, что анализ данных с помощью ИИ позволяет инженерам автоматизировать процессы, связанные с предоставлением информации о техобслуживании и ремонте. Алгоритмы помогают оптимизировать процессы, повысить эффективность и качество обслуживания, а также сократить время и затраты», — рассказывает руководитель департамента маркетинга ООО «Бимэйстер Холдинг» (ГК Bimeister) Кирилл Заболотский.
Непредвзятый и точный
Как напомнил Денис Кучеров, одно из главных преимуществ использования искусственного интеллекта в промышленности состоит в том, что «умная» машина не болеет, не испытывает эмоций и не устаёт, в отличие от человека. Это позволяет выстраивать более длительные и точные прогнозы. Кроме того, современные технологии значительно экономят время и деньги. Те же аргументы приводит Анна Шведова.
По её словам, у ИИ есть три основных преимущества: исключение влияния человеческого фактора и непредвзятость принятия решений; высокая скорость обработки информации; непрерывность работы — в отличие от человека, искусственному интеллекту не нужен отдых. Поэтому при всех вложениях в разработку и внедрение искусственный интеллект предполагает сокращение затрат в перспективе, в том числе за счёт снижения издержек на компенсацию последствий человеческих ошибок.
«В качестве примера эффективного применения ИИ можно привести опыт одного известного производителя сельхозтехники, у которого наличие автопилота значительно ускоряет сбор урожая. Кроме того, один из университетов в Ростове-на-Дону занимается разработкой датчиков, которые обеспечивают роботизированную систему контроля полей. Это позволяет заранее прогнозировать сроки сбора урожая и минимизировать участие человека в этом процессе», — аргументирует директор проектов Minerva Result.
Компания LogistiX широко использует ИИ для оптимизации бизнес-процессов и реверсного инжиниринга. Семь лет назад специалисты применили его для оптимизации размещения товаров
в распределительном центре и смогли на 18% сократить дистанцию, которую проходят несколько сотен сотрудников за смену.
Покажем на примерах
Менеджер продуктов в компании ООО «Эмбедика» (Embedika) Ярослав Ращупкин отмечает, что с ростом объёма корпоративных документов компаниям становится всё сложнее находиться в едином информационном поле, поддерживать актуальную документальную базу и вовремя доводить до сотрудников подразделений информацию об изменениях. Особенно остро эта проблема стоит перед крупным бизнесом со множеством дочерних предприятий.
«С такой сложностью столкнулся и наш заказчик — крупнейший производитель и поставщик нефтяной и газовой продукции. В рамках масштабного проекта по автоматизации внутренних бизнес-процессов мы разработали систему с использованием ИИ. Система, по сути, выступила
в роли централизованного хранилища внутренней актуальной нормативно-методической базы со встроенным умным поиском по корпоративной документации.
Пользователи также получили возможность совместно редактировать и комментировать документы. Внедрение системы помогло компании снизить затраты на поиск документов в два раза», — приводит пример представитель компании Embedika.
Ещё несколько примеров успешного внедрения ИИ в технологические и бизнес-процессы привела Анна Шведова. Компания SimbirSoft внедрила на лесопромышленном предприятии решение для подсчёта объёма пиловочника в штабеле на лесопилке. Вручную на замер каждого спиленного дерева и общий расчёт объёма штабеля уходило до 1,5 часов.
С помощью мобильного приложения и встроенного алгоритма машинного обучения на замеры по фото и расчёт объёма по формуле стало уходить несколько минут. Причём система была адаптирована для работы в полевых условиях, без интернета и дополнительной подзарядки. Это позволило пользователю получить полный контроль над жизненным циклом древесины на всех этапах, от учёта стоячего леса до контроля за перемещением пиловочника, автоматизировать рутинный труд, снизить количество ошибок и процент потерь.
«Другой кейс — мониторинг движения и состояния ввозимых на строительный объект и вывозимых с него материалов (сыпучих смесей, песка, камней, щебня, мазута и прочего).
В местах въезда и выезда были установлены рамки с камерами и ML-алгоритмом, который распознавал номер транспортного средства, тип содержимого и объём материалов.
В результате заказчик смог вести строгий учёт и минимизировать потери из-за человеческого фактора. Аналогичный принцип работы можно перенести на добывающие производства», — рассказывает Анна Шведова.
Компания NordClan много работает с высокотехнологичными предприятиями. Например, для композитного дивизиона «Росатома» на производстве углеродного волокна специалисты автоматизировали контроль качества так, что предприятие стало быстрее реагировать на появление дефектов. Если раньше операторы искали дефекты вручную, то теперь об обрывах и узлах нитей им сигнализирует система на основе искусственного интеллекта.
На металлопрокатном производстве тоже есть свои нюансы: тончайшие царапины на металлических листах ведут к отбраковке на этапе покраски, и не всегда такой дефект заметен для человеческого глаза. Команда NordClan обучила нейросеть фиксировать повреждения толщиной 0,1 мм, а также выявлять ещё восемь видов дефектов. В результате время проверки качества поступающего сырья удалось снизить с двух часов до двух минут, а инженер ОТК получал подробный отчёт о дефектах и их местоположении.
Максим Агапов поделился примером внедрения машинного зрения для автоматического потокового анализа качества поверхности штампованных деталей на каждом технологическом переделе. Это позволило сократить долю брака в денежном выражении на 7% в готовой продукции и на 3% в полуфабрикатах. Экономия в масштабах компании составила десятки миллионов рублей.
Ещё один успешный кейс ТПХ «Русклимат» — внедрение системы предиктивной аналитики состояния оборудования на литьевых, штамповочных, сварочных и сборочных рабочих центрах. Использование этой технологии помогло повысить производительность основного оборудования на 10% при одновременном уменьшении бюджета фонда ремонтов на треть. В этом случае экономический эффект оценивается уже в сотни миллионов рублей в масштабах бизнеса.
Брака меньше, скорость выше
По опыту компании «НТР», основные сферы экспертизы которой лежат в разрезе ИИ и ML. Сегодня хорошо масштабируются кейсы с детекцией производственных операций, действий людей и предметов на производстве, так как это позволяет выявить узкие места и улучшить производительность предприятия.
В частности, в машиностроительных компаниях внедряют систему на основе компьютерного зрения, которая анализирует видеопоток с камер в покрасочном цехе, фиксируя дефекты грунтовки, и уведомляет о выявлении брака. Благодаря внедрению такой системы заказчику удалось сократить время на устранение брака, а количество деталей, возвращённых на перекраску, снизилось на 20%.
«Такая же тенденция увеличения спроса на оптимизацию производства наблюдается в горнодобывающей и металлургической отраслях. Для них мы разработали систему контроля гранулометрического состава железорудного сырья (ЖРС) и кокса на основе системы компьютерного зрения.
Это позволяет в автоматическом режиме осуществлять непрерывный анализ фракционного состава для ЖРС и кокса без использования грохотов. Таким образом, происходит детектирование гранул, определение их линейных размеров, автоматический гранулометрический анализ по всей глубине шихты на конвейере.
Использование видеоаналитики позволяет вести входной поточный контроль вместо выборочного. В сумме это влияет на улучшение условий интенсивности плавки, производительности и экономичности хода печи на металлургических предприятиях», — поясняет Яна Казанцева.
Среди клиентов ООО «НТР» также есть крупные игроки рынка в сфере промышленности и строительства, которые интересуются импортозамещением систем класса Wonderware Historian. Их используют для комплексного анализа данных, собранных с производственных систем предприятия, датчиков и оборудования.
Модуль предиктивной аналитики и модуль ИИ помогают планировать и отслеживать работы по техобслуживанию, а также проводить мониторинг работы всех устройств предприятия. Таким образом, заказчик получает собственное отечественное ПО, разработанное по индивидуальным требованиям.
Яна Казанцева напоминает ещё об одном важном тренде цифровизации промышленности — роботизации. Собирать данные в складах на тысячах квадратных метрах — сложная задача. Ранее компаниям приходилось выделять большой штат сотрудников для инвентаризации, что приводило к большим временным и финансовым потерям.
Данные о товарно-материальных ценностях, находящихся на складе, сегодня можно собирать с помощью беспилотных летательных аппаратов. БПЛА обрабатывает их на борту с помощью алгоритмов искусственного интеллекта, затем передаёт в систему управления для дальнейшей обработки и анализа. Это позволяет обеспечивать высокую точность инвентаризации на больших складах.
Сплошные плюсы?
Сегодня многие предприятия уже прошли этап автоматизации рутинных производственных процессов и стоят на пороге нового — внедрения искусственного интеллекта во всю цепочку создания продуктов. Но нужно понимать, что это обойдётся не дёшево.
«Если говорить о недостатках искусственного интеллекта, важно, прежде всего, отметить высокую стоимость внедрения. Для работы с «умными» технологиями нужны ощутимые вложения на старте и серьёзный выпуск продукции для окупаемости. Ещё один минус — текущие модели прогнозирования не учитывают множество факторов и высокую вероятность ошибок», — подчёркивает Денис Кучеров.
«Компании проводят пилотные проекты по внедрению решений на базе ИИ. Этот этап необходим, так как разработка высокотехнологичных систем — небыстрый и недешёвый процесс. Более того, на рынке почти нет универсальных решений, которые подходят всем предприятиям, так как интеллектуальная система должна учитывать специфику деятельности конкретной компании», — дополняет Ярослав Ращупкин.
Нужно больше данных
Менеджер продуктов в компании Embedika также отмечает, что для обучения моделей необходимы большие объёмы эталонных данных, которые система будет использовать для определения отклонений. Долгое время в консервативном промышленном секторе процесс хранения документов был недостаточно оцифрован. Более того, в данных предприятий, как правило, содержится много чувствительной информации, которая требует обезличивания перед началом обучения ИИ.
По словам Алексея Николаева, уровень цифровизации и накопления данных, необходимых для обучения, может быть очень неравномерным от предприятия к предприятию. Тем не менее практика работы компании Primo RPA с клиентами показывает, что российские производства в большинстве своём накопили необходимые данные, и есть инструменты, позволяющие получать их в необходимом объёме. Это позволяет применять в числе прочего алгоритмы предиктивной аналитики.
«Предположим, что у вас на объектах есть определённое оборудование, деталь или единица техники со своими сроками службы, зафиксированными в документации. В этом случае можно разработать систему, которая будет хранить эти данные и строить графики технического обслуживания или замены, то есть можно обойтись без искусственного интеллекта.
Но когда у вас есть объект или оборудование, работа которого зависит от множества внешних факторов, ИИ может спрогнозировать непредвиденные ситуации, сбои, поломки. Однако для этого потребуется большой объём данных, даже самых невероятных. На их основании можно обучить ИИ выявлять закономерности и делать прогнозы.
Именно данные, их количество, качество, доступность и подготовка определяют, состоится ли ML-проект или нет, и они же определяют предел качества получаемого решения. Если необходимых данных у вас сейчас нет, нужно заложить время на сбор и разметку дата-сета», — поясняет Анна Шведова.
Задача для профессионалов
Учитывая всё это, внедрить искусственный интеллект на производстве без соответствующего IT-бэкграунда и опыта невозможно, подчёркивает руководитель направления бизнес-решений SimbirSoft. Разработка и внедрение сложных ИИ-систем требует не только знания особенностей алгоритмов обучения, но и реального практического опыта и особой квалификации в области ИИ, которая есть только у профильных ИТ-компаний.
«Предикативный анализ на базе искусственного интеллекта для заблаговременного прогнозирования развития бизнес-процессов — очень перспективное направление. Однако пока внедрение подобных систем в России сдерживается рядом факторов. В частности, не хватает качественных данных для обучения алгоритмов, а также компетентных специалистов по интеграции ИИ в действующую ИТ-инфраструктуру предприятий. При этом сами модели требуют регулярной подстройки. Для решения этих проблем необходимы целевые инвестиции бизнеса, поскольку потенциальная отдача весьма существенна», — отмечает Александр Таскаев.
Директор департамента интеллектуальных систем автоматизации компании «САТЕЛ» подтверждает, что государственная стратегия развития ИИ в промышленности предусматривает важные меры поддержки, включая субсидии и подготовку кадров.
Однако, по его мнению, ключевая роль в распространении передовых технологий по-прежнему остаётся за самими предприятиями. А для этого остро необходимо наращивание числа квалифицированных специалистов в области ИИ на местах и накопление больших данных путём расширения соответствующего обучения.
«Внедрение искусственного интеллекта на предприятиях — это непрерывный процесс оптимизации, требующий постоянного повышения квалификации персонала. Поэтому центры компетенций ИИ должны не только готовить кадры, но и оказывать бизнесу консультационные услуги по внедрению передовых технологий.
Также стоит обратить внимание на потенциал инженеров-технологов, хорошо знакомых с производственными процессами. Их переподготовка по программам анализа данных и моделирования может дать значительный синергетический эффект», — предлагает варианты решения проблемы Александр Таскаев.
«Действительно, для того чтобы разрабатывать и поддерживать сложные системы, нужны Data science-специалисты, квалифицированные разработчики и тестировщики, знакомые со спецификой ИИ-решений. Сегодня только крупные корпорации, которые имеют в своей структуре развитые ИТ-отделы, могут разрабатывать подобные решения собственными силами. К таким организациям можно отнести банки, телеком и большие ИТ-компании, например «Яндекс» и «Сбер».
Организации, где технологии не являются собственным продуктом и одним из приоритетов деятельности, чаще всего прибегают к помощи вендоров. Потому что легче, быстрее и дешевле найти специализированного ИТ-разработчика для конкретной задачи. Чтобы после внедрения поддерживать и использовать «умные» системы, также нужны высококвалифицированные кадры внутри компании.
Тут встаёт вопрос о дополнительной подготовке и обучении сотрудников работе с новыми технологиями: необходимы онбординги, понятная документация, инструкции, обучающие вебинары», — разъясняет суть проблемы Ярослав Ращупкин.
«Предприятия, которые обращаются к нам за решениями на основе искусственного интеллекта, чаще всего уже имеют подразделение по цифровизации или отдельных специалистов, отвечающих за внедрение инноваций. Коллеги со стороны заказчика почти всегда информированы о технологиях ИИ и имеют высокую квалификацию.
Основной вопрос обычно в практике и опыте внедрения — на рынке не так много кейсов, чтобы ИИ стал обыденностью для производства. Поэтому мы всегда работаем совместно: представитель заказчика, который понимает особенности производства, и наша компания как носитель широкого опыта внедрения решений с ИИ.
После запуска системы мы обязательно проводим обучение персонала заказчика, поэтому дальнейшее обслуживание и поддержка системы становится стандартным операционным процессом. Содержать в штате специалиста с навыками работы с нейросетями нет необходимости, если систему нужно доработать, то эту задачу решает вендор», — рассказывает Илья Каштанкин.
Примечательно, что искусственный интеллект тоже можно задействовать для решения кадровой проблемы.
В качестве примера Алексей Николаев привёл применение технологии RPA (сочетающие использование программных роботов и машинный интеллект) в связке с LLM (большая языковая модель). Такая комбинация позволяет решать задачи по разработке описания вакансий, подбора сотрудников, их предварительной оценке на соответствие квалификационным требованиям, планирование развития сотрудников на основе результатов оценки и матриц целевых компетенций.
«По нашим наблюдениям, на сегодняшний день в России существует дефицит специалистов, обладающих компетенциями в сфере искусственного интеллекта и данных. Причины этого разнообразные: и отсутствие налаженной системы образования, фокусирующейся на конкретных промышленных запросах, и недостаточно быстрое обновление учебных программ в соответствии с требованиями времени.
Тем не менее многие крупные компании осознают эту потребность и инвестируют в развитие образовательных программ, а также сотрудничают с университетами и научными центрами», — комментирует положение дел Кирилл Заболотский.
Максим Агапов подтверждает, что дефицит кадров является основным ограничивающим фактором при внедрении искусственного интеллекта. Рынок труда стал рынком соискателя, а компании вынуждены конкурировать за хорошие «мозги». Их сложно найти, но ещё сложнее удержать. Однако, по его мнению, есть и позитивная тенденция: ещё три-пять лет назад таких специалистов было гораздо меньше, чем сейчас.
«ТПХ «Русклимат» готов сам выращивать перспективные кадры. Например, сейчас мы работаем над созданием отдельной группы или лаборатории новых технологий в производственном дивизионе. Это даст возможность создать комфортную и продуктивную среду для работы экспертов и ускорит получение эффектов от технологий для компании. Наша цель — с помощью лаборатории не только привлекать, но и растить подобных экспертов внутри компании. Для этого мы ведём переговоры о целевом обучении с рядом ведущих вузов страны», — приводит пример Максим Агапов.
Сооснователь Primo RPA напоминает, что в России исторически сложилась очень сильная математическая школа, и сегодня в нашей стране действуют несколько крупных университетов, чьи выпускники регулярно становятся победителями локальных и международных соревнований в области ИИ.
«Свой вклад вносят и коммерческие компании, такие как «Яндекс» с его «Школой анализа данных». То есть база для подготовки есть. Но пока востребованность в квалифицированных специалистах с практическим опытом применения искусственного интеллекта выше, чем количество таких специалистов на рынке.
Это приводит к росту зарплат и, как следствие, к росту себестоимости проектов ИИ и повышению условного порога входа для компаний в технологию. С ростом опыта применения эта проблема постепенно перестанет быть актуальной», — убеждён Алексей Николаев.
Дмитрий Блинов также считает, что российские вузы имеют мощную базу, которая позволяет выпускать серьёзных аналитиков с базовыми знаниями в части машинного обучения и искусственного интеллекта.
«Я не вижу кадровой проблемы и однозначно могу сказать, что в ближайшие годы число таких специалистов будет только расти, потому что искусственный интеллект — это второй виток революционных технологий с момента появления программирования как явления. По сути, классическое программирование частично заменяется ИИ-моделями, и основная кадровая проблема поднимается именно на уровень постановки задач, что без качественных аналитиков просто невозможно», — поясняет основатель компании LogistiX.
Денис Кучеров, напротив, не столь оптимистичен в своих взглядах на кадровую проблему.
«У нас сейчас фактически нет высшего и даже среднего образования для подготовки таких специалистов. Соответственно, чем раньше вузы смогут запустить свои учебные программы, тем быстрее этот вопрос сдвинется с мёртвой точки. Сейчас, на мой взгляд, ситуация довольно печальная», — отмечает директор проектов Minerva Result.
К факторам, сдерживающим активное внедрение в производство перспективных технологий, часто относят также топ-менеджмент и владельцев предприятий. Как считает Максим Агапов, зачастую их консервативный стиль управления обусловлен нежеланием нести высокие риски при внедрении технологий, эффективность которых ещё не была доказана.
А поскольку почти для любых прорывных решений, создающих компании конкурентные преимущества, не всегда можно точно просчитать все возможные экономические эффекты, с опасениями и предубеждением руководства и собственников предприятий необходимо работать через систему управления рисками. Хотя в ТПХ «Русклимат», по словам Максима Агапова, гораздо более терпимы к рискам, связанным с внедрением инноваций, что позволяет холдингу получать дополнительные конкурентные преимущества.
По мнению Ярослава Ращупкина, промышленности ещё далеко до полномасштабного использования возможностей искусственного интеллекта — их внедрение происходит медленнее по сравнению с другими секторами. Тем не менее он убеждён, что, несмотря на указанные сложности, потенциал применения ИИ в промышленности будет расти, поскольку предприятия начинают понимать преимущества, которые оно может предложить. По мере развития технологий и снижения стоимости внедрения ИИ будет играть всё более важную роль в автоматизации, оптимизации и повышении эффективности производственных процессов.
Текст: Мария Кармакова
