Трендовый инструмент: нужен ли ИИ на производстве?

Искусственный интеллект (ИИ) научили уже многому: от генерации изображений и написания кодов до полноценного управления производством. На технологию уповают предприятия, испытывающие дефицит кадров, и компании, которые хотят попасть в список лидеров своего направления без особых усилий и затрат.

ИИ отвечает за качество на металлургических предприятиях и на предприятиях радиоэлектроники, им пользуются строители и логистические компании. 

Мы опросили представителей ИТ-рынка, чтобы узнать:

• Как понять, нужно ли внедрять искусственный интеллект на конкретном производстве?
• Как отличить полезные ИИ-решения от маркетингового хайпа?
• Каким предприятиям стоит воздержаться от внедрения ИИ в производственные процессы?

 Тренд или необходимость?

В основном эксперты убеждены: ИИ в промышленности нельзя назвать проходящим модным явлением. Более того, специалисты считают, что технология необходима предприятиям. Вопрос в том, с какой целью?

«Эта технология уже проверена временем и доказывает свою эффективность во множестве отраслей. Наблюдая за тем, как развивается этот сегмент, с уверенностью скажу, что ИИ — это долговременная необходимость, особенно для тех, кто хочет оставаться конкурентоспособным», — считает основатель компании «Юнисофт» Алексей Оносов.

В подтверждение своих слов эксперт привёл в пример стартапы, прошедшие через Y Combinator — один из самых авторитетных акселераторов в Кремниевой долине. Все эти компании так или иначе связаны с искусственным интеллектом. В то же время аудитория ChatGPT уже составляет около 400 млн пользователей.

«Эти показатели наглядно демонстрируют, что мы имеем дело не с мимолётным увлечением, а с фундаментальным технологическим сдвигом. Также важно отметить постоянно растущее количество успешных кейсов внедрения ИИ в промышленности — от предсказательного обслуживания оборудования до оптимизации логистических цепочек и энергопотребления», — добавил г-н Оносов.

Директор по информационным технологиям инжиниринговой компании «Интехком»  Александр Лупанов подкрепил своё мнение о необходимости внедрения ИИ в промышленности двумя ключевыми факторами.

«Во-первых, технологическое преимущество: ИИ позволяет создавать автоматизированные решения нового уровня, которые способны анализировать обстановку в режиме online.

В наших проектах ИИ очень сильно помогает в анализе обстановки вокруг кранов с точки зрения безопасности, мы можем предусмотреть будущие проведения ТО и вероятность поломки оборудования. Накапливая исторические данные с нескольких десятков однотипных машин, мы обучаем ИИ делать всё более точные прогнозы — в будущем это даст колоссальный эффект.

Во-вторых, конкурентное преимущество: предприятия, использующие ИИ, получают возможность выпускать более качественную продукцию по более низкой стоимости, быстро менять технологические циклы и ассортимент», — объяснил спикер.

ИИ как гигиенический минимум

Аналогичную точку зрения изложил и руководитель направления Data Science RAMAX Group Александр Борисов. Он считает, что если внедрение машинного обучения — это тренд, то он определённо растёт и имеет будущее.

В подтверждение он привёл данные исследования «Эффективные отечественные практики применения технологий искусственного интеллекта в промышленности» от АНО «Цифровая экономика» за 2024 год:

• 26% промышленных предприятий России уже используют технологии на базе ИИ,
• 31% — планируют завершить внедрение в течение трёх лет.

«При этом локомотивом внедрений являются именно крупные предприятия, где эффект от масштабирования наиболее выражен. ИИ-технологии среди них внедрили уже 36%. Ключевые технологии ИИ, массово внедряемые на заводах, — это компьютерное зрение и предиктивные алгоритмы для автоматизации процессов», — говорит г-н Борисов.

«Считаем, что внедрение ИИ в промышленности в скором времени будет являться «гигиеническим минимумом», аналогично программам автоматического сбора информации и диспетчеризации. В ряде процессов просто невозможно уловить все изменения, даже самому опытному оператору, а если такой человек уйдёт? ИИ даёт рекомендации оператору для повышения эффективности его работы, а не для полной замены — у него ассистирующая роль, а решение остаётся за сотрудником.

Внедрение ИИ может дать пусть пока небольшой процент к приросту производительности, снижению потерь или повышению качества продукции. Но на длинной дистанции компании, внедрившие ИИ, будут в выигрыше», — ещё одно мнение в пользу ИИ выразил менеджер практики «Стратегия трансформации» компании «Рексофт Консалтинг» Илья Муха.

Инструмент для повышения производительности

У эксперта из группы ИТ-компаний TeamIdea сформировалась иная позиция. Архитектор группы ИТ-компаний Максим Антонов не считает ИИ ни временным трендом, ни необходимостью.

«Большие заводы работают уже пару веков. И на заре их становления не было не то что ИИ, а вообще никакой автоматизации, но предприятия работали. Разница в том, что производительность была в десятки раз меньше, чем сегодня.

На мой взгляд, ИИ на предприятии не обязательно должен присутствовать. Однако он способен очень сильно оптимизировать, ускорить и даже удешевить технологические процессы», — заявил эксперт.

По его словам, чтобы добиться высокой эффективности, при внедрении ИИ нужно ставить чёткую цель — для чего он нужен, какие задачи с его помощью завод собирается выполнить.

«Если ИИ — самоцель, то это не более чем дорогая игрушка, которая поработает пару лет и будет списана в утиль из-за низкой эффективности и дорогой поддержки. Но когда стоит чёткая цель, то инструмент будет работать долго. К тому же, скорее всего, потребует минимальной поддержки и доработки», — отмечает г-н Антонов.

Директор департамента по работе с промышленным сектором Группы Arenadata Максим Власюк придерживается схожего мнения.

«ИИ на производстве пока не является необходимостью для всех без исключения. Скорее это очередной этап технологического развития, который открывает перед предприятиями новые возможности.

Внедрение ИИ необходимо тщательно продумывать. Наблюдается настороженность по отношению к подобным проектам, но это оправдано: многие компании гонятся за модной технологией, не задумываясь о крайне важном аспекте — качестве данных, на которых обучается ИИ. В этом и кроется главная сложность: любые ошибки или погрешности, допустимые ранее, становятся критичными при обучении моделей.

Поэтому необходимо подходить к таким проектам взвешенно: начинать со сбора данных и управления ими, с тестирования гипотез и чёткого понимания целевого результата, обозначенного в лучшем качестве продуктов или процессов либо иной прозрачной ценности для бизнеса. В противном случае ресурсы компании будут потрачены впустую», — поделился г-н Власюк.

Как отличить полезные ИИ-решения от маркетингового хода?

Наряду с цифровизацией развивается рынок различных решений на базе ИИ. И компаниям бывает сложно отличить технологию, которая позволит им решить конкретные задачи на предприятии, от продуктов-«пустышек».

Руководитель по развитию автоматизированных систем компании САТЕЛ Станислав Котляров считает, что сравнивать решения, предлагаемые рынком, лучше всего на практике — тестируя и анализируя эффект от их применения. По его мнению, специалисты, которые обладают предметными знаниями, смогут без труда определить по-настоящему полезное и эффективное ИИ-решение.

По словам Алексея Оносова, главный критерий оценки любой новой технологии — это её способность решать проблемы бизнеса. А потому при выборе ИИ-решений в первую очередь нужно оценивать, как они работают с текущими ограничениями предприятия и какую пользу могут принести. Поскольку ROI остаётся ключевым показателем эффективности любого внедрения, то лучший подход — проведение пилотных проектов. Они позволяют с минимальными затратами проверить работоспособность технологии в конкретных условиях.

«Часто под видом ИИ продают обычные алгоритмы или даже просто хорошо настроенные Excel-таблицы. Чтобы не попасться на удочку маркетологов, стоит задавать прямые вопросы: как именно работает решение, какие конкретные проблемы оно решает, какие результаты показало на других аналогичных предприятиях. Полезно также консультироваться с независимыми экспертами и изучать отзывы компаний из вашей отрасли, уже внедривших похожие продукты.

Важный момент — проверять, использует ли предлагаемое решение элементы машинного обучения или нейронных сетей, а не просто эксплуатирует модное слово «ИИ» в маркетинговых материалах», — поделился рекомендацией г-н Оносов.

Илья Муха, в свою очередь, убеждён, что тестировать нужно гипотезы о применимости решения. И делать это необходимо до внедрения.

«Технологии ИИ нужно выбирать, исходя из производственных задач, чтобы они закрывали узкие места на предприятии и помогали операторам в работе. Безусловно, многие такие решения покрыты маркетинговым хайпом, а часть из них работает исключительно в «лабораторных» условиях и не применима на производстве. Однако это нормальный цикл жизни любых крупных технологических изменений», — заявил г-н Муха.

По мнению Максима Антонова, границы между эффективными ИИ-решениями и маркетинговыми «пустышками» часто очень размыты.

«Для примера уйдём в другую область — автомобильную. Кто-то считает, что коробка-автомат — излишний маркетинговый ход, а кто-то абсолютно не хочет управлять ручной трансмиссией. Одни считают круиз-контроль необходимостью, а другие не готовы переплачивать за такие опции.

Так и в сфере ИИ. Для крупного предприятия прогнозирование спроса или планирование логистики является первой необходимостью, поскольку наём людей в этой области требует больших вложений. А для небольших компаний, например, маленького производителя тротуарной плитки, это пустой маркетинг.

Поэтому при внедрении ИИ необходимо чётко ставить цели. Это позволит избежать покупки дорогих, но ненужных игрушек», — заявил эксперт.

Не менее полезный совет даёт директор по маркетингу НЭТЕР Артём Акулин:

«Если вам предлагают «умный» продукт на основе ИИ, задайте несколько вопросов: сможет ли эта технология повысить эффективность процессов, есть ли успешные кейсы внедрения в вашей отрасли и как быстро вы увидите экономический эффект. Если ответы размыты, то, возможно, это просто маркетинговый ход, а не инструмент».

Что будет, если бездумно следовать трендам?

По словам экспертов, отсутствие взвешенных решений при внедрении ИИ-технологий на производстве способно привести к ряду негативных последствий.

Так, Станислав Котляров говорит о высоких начальных инвестициях, удорожании конечной продукции, нарушении рабочих процессов и сложностях в обучении персонала.

Алексей Оносов привёл в пример случаи, когда компании тратили миллионы на разработку программ на базе ИИ, которые в итоге оказывались слишком сложными для интеграции в существующие бизнес-процессы или не решали актуальных задач.

«Есть кейс, когда одна крупная розничная сеть внедрила дорогостоящую систему прогнозирования спроса на основе ИИ, но не учла сезонные колебания и специфику региональных рынков. В результате точность прогнозов оказалась ниже, чем при использовании традиционных методов», — рассказал эксперт.

Ещё одной распространённой ошибкой г-н Оносов считает переоценку возможностей ИИ на текущем уровне развития технологий. Зачастую компании начинают внедрение на основе исходных данных недостаточного качества.

«Даже самый совершенный алгоритм не даст точных результатов, если обучается на неполных или некорректных данных. Многие компании сталкиваются с ситуацией, когда после внедрения ИИ-решения выясняется, что для эффективной работы продукта требуется полная перестройка системы сбора и хранения данных. Это влечёт за собой дополнительные незапланированные расходы», — поделился основатель ГК «Юнисофт».

Мы видим, что внедрение ИИ без привязки к потребностям бизнеса — это прямой путь к неэффективным тратам и разочарованию в технологии. Следование тренду без необходимости часто заканчивается тем, что дорогостоящее решение используется лишь частично или вообще простаивает.

При этом, по мнению Александра Лупанова, на уровне огромных предприятий сложно говорить о «следовании моде», поскольку они проводят множество предварительных исследований перед модернизацией. Он считает, что в таких случаях при желании внедрить современные технологии могут вскрыться старые проблемы предприятия — изношенное оборудование, не оптимизированные процессы, беспорядок в документах и т. д. Тогда дорогостоящий ИИ оказывается «неприбыльным и бесполезным».

Как правило, люди, которые поддаются рыночному ажиотажу без необходимости, впоследствии понимают, что потратили ресурсы впустую. Эксперты убеждены: важно уметь оценивать свои возможности и соотносить их с потребностями.

ИИ незаменим?

Поскольку искусственный интеллект в том или ином виде уже давно используется на предприятиях, многие задачи кажутся неразрешимыми без его помощи.

По мнению Максима Власюка, это касается сложных и многогранных проблем, которые требуют высокой точности:

• оптимизации производственных процессов;
• прогнозирования спроса;
• контроля качества;
• предотвращения простоев оборудования;
• управления цепочками поставок;
• управления рисками;
• и иных задач, связанных с анализом больших данных.

 «Существует ряд задач, где ИИ стал незаменимым. Во-первых, это обработка и анализ больших объёмов данных в режиме реального времени. Человек физически не способен одновременно анализировать тысячи параметров работы сложного оборудования, а ИИ делает это без проблем.

Во-вторых, предиктивная аналитика — прогнозирование поломок оборудования до их возникновения, что позволяет планировать техобслуживание и избегать простоев.

Кроме того, компьютерное зрение позволяет выявлять дефекты продукции с такой точностью и скоростью, которые недоступны человеческому глазу», — подтверждает мнение о незаменимости ИИ Алексей Оносов.

Среди отраслей, в которых искусственный интеллект уже стал критически важным, эксперт выделяет:

• фармацевтику (разработка новых лекарств),
• полупроводниковую промышленность (контроль качества микрочипов),
• автомобилестроение (роботизированные линии сборки и системы автопилотирования),
• энергетику (оптимизация распределения энергии в сетях).

Сложно представить современные телекоммуникации, финтех и логистику без ИИ.

Однако многие традиционные предприятия, например, некоторые представители пищевой промышленности, строительства и деревообработки, пока могут обходиться минимальным применением ИИ. Хотя и там постепенно внедряются элементы автоматизации.

Под контролем человека пока остаются технологические процессы в областях критически важной инфраструктуры (КИИ), где существуют чёткие законодательные нормы, регламентирующие возможные риски. Но даже там ИИ уже выступает в роли цифрового советчика, но не самостоятельного управляющего элемента, отмечает г-н Власюк.

По мнению г-на Котлярова, в категорию задач, где ИИ пока не заменит человека, относятся процессы управления персоналом и проведения переговоров, принятия управленческих решений в условиях ограниченных данных и работа в экстремальных ситуациях.

Эксперты считают, что независимо от уровня развития ИИ неизменными останутся процессы в сферах, где требуется тонкая ручная работа. Например, столярное дело, реставрация, индивидуальный пошив одежды премиального сегмента.

«Традиционные методы останутся незаменимыми там, где требуется этический выбор, творчество или эмпатия. Например, в дизайне или создании контента ИИ генерирует варианты, но финальное решение остаётся за человеком», — убеждён г-н Оносов.

Очевидно, что ИИ уже стал помощником для профессионалов разных сфер. В бизнесе он предлагает различные алгоритмы, а в дизайне и строительстве стал инструментом для проектирования и оптимизации расхода материалов.

«Сложно прогнозировать, каким отраслям никогда не понадобится ИИ, поскольку темпы развития технологии очень высокие. Думали ли мы раньше, что можно «убрать» крановщика из кабины? А сейчас это происходит благодаря умной программе дистанционного управления с функцией работы в полуавтоматическом режиме.

Представьте, кран самостоятельно набирает ковш сыпучих материалов и перегружает на заранее указанное место, а оператор присматривает за процессом, находясь в отдельном, кондиционированном, комфортном помещении — по сути в офисе. От такого режима копилота (круиз-контроля, как в машине) один шаг до автономного режима, когда краном будет управлять ИИ», — говорит Александр Лупанов.

Максим Антонов уверен, что главный критерий незаменимости технологии — её финансовая эффективность.

«Производство не нуждается в искусственном интеллекте. Мы же вполне обходились без него ещё 10 лет назад. Другое дело, насколько дешевле и эффективнее процессы становятся с ИИ.

Приведу хороший пример. Российские ракетные двигатели тестируются только один раз и с первого раза проходят все тесты. Всё это благодаря тому, что, прежде чем построить физическую модель, предприятия создают двигатель в цифровом двойнике.

Там изделие может сколько угодно проваливать тесты, а специалисты будут его дорабатывать и тестировать снова. Физический образец выпускается только тогда, когда цифровой двойник прошёл все тесты, поскольку выпускать пару-тройку десятков двигателей ради тестов в сотни раз дороже, нежели чем внедрить ИИ», — подкрепил точку зрения примером г-н Антонов.

Таким образом, чтобы ИИ не стал дорогостоящей «пустышкой», перед его внедрением необходимо ответить на следующие вопросы:

• Какие процессы вы собираетесь заменить с помощью ИИ?
• Насколько они станут эффективнее?
• Насколько процессы станут дешевле?
• Какова будет единовременная стоимость внедрения?

Если компания сможет дать чёткие и обоснованные ответы на эти вопросы, то ей не придётся сожалеть о внедрении и сопровождающих его затратах, считает архитектор группы ИТ-компаний TeamIdea.