Особенно востребованы такие решения в добывающей промышленности, энергетике, транспорте и логистике, где даже небольшое повышение эффективности позволяет существенно снизить издержки. Однако опрошенные "РГ" эксперты отмечают: главная проблема сегодня заключается уже не в самих технологиях, а в готовности бизнеса внедрять их в повседневную работу.
ИИ выходит на производство
Наибольший экономический эффект искусственный интеллект уже сегодня приносит в тех отраслях, где цена ошибки особенно высока. Это добывающая промышленность, транспорт, энергетика, логистика, рыбная отрасль и крупные инфраструктурные проекты.
"Для этих отраслей характерны территориально распределенные объекты, высокая стоимость простоев и значительная зависимость Дальнего Востока от погоды, состояния техники и устойчивости логистических цепочек", - говорит генеральный директор ИТ-компании Cloud X Денис Хлебородов.
По его словам, алгоритмы позволяют прогнозировать отказы карьерной техники и энергетического оборудования, оптимизировать технологические процессы и заранее планировать ремонты. В логистике искусственный интеллект способен учитывать пропускную способность железных дорог, портов и терминалов, погодные ограничения и многое другое.
Директор по работе с корпоративным сектором Группы Arenadata Максим Власюк отмечает, что промышленный ИИ редко работает как самостоятельное решение. "Чаще он встраивается как интеллектуальный слой в системы управления производством, техническим обслуживанием, логистикой и энергоснабжением. Экономический эффект дают уже сами системы, усиленные ИИ", - подчеркивает эксперт.
По его словам, для Дальнего Востока это особенно важно из-за удаленности предприятий, сложной логистики и дефицита кадров: даже небольшое повышение эффективности здесь дает заметный экономический результат.
От видеоаналитики до цифровых двойников
Многие решения уже вышли из стадии экспериментов. Одним из наиболее зрелых направлений эксперты называют промышленное машинное зрение.
"На морских судах при добыче и переработке рыбы уже успешно работает видеоаналитика. Нейросети в реальном времени контролируют укладку рыбы в лотках, подсчитывают объем и массу филе, выявляют дефекты продукции и следят за использованием средств индивидуальной защиты", - рассказывает эксперт ГК Softline Антон Салин. Система автоматически фиксирует нарушения, передает данные на берег и обеспечивает полную прослеживаемость производственного процесса. Это позволило сократить финансовые потери от брака и простоев оборудования.
Похожие технологии применяются и в других отраслях. Заместитель директора компании "ДАР" Алексей Пятов отмечает, что машинное зрение уже используется для контроля техники безопасности и производственных процессов на предприятиях нефтегазового сектора, а генеративный искусственный интеллект помогает автоматизировать управленческие процессы - от транскрибации совещаний до подготовки протоколов и поручений.
В ближайшие годы список таких решений будет только расширяться. Эксперты называют наиболее перспективными цифровые двойники промышленных объектов, интеллектуальную геологоразведку, беспилотные системы, периферийный искусственный интеллект, способный обрабатывать данные непосредственно на производственной площадке, а также отраслевых ИИ-ассистентов, работающих с внутренней документацией предприятий.
Главный ресурс - данные
Несмотря на быстрое развитие технологий, основным препятствием для их массового внедрения остаются вовсе не алгоритмы.
"Основной барьер - не отсутствие алгоритмов. Готовых моделей уже довольно много. Проблема заключается в состоянии данных, на которых обучается ИИ", - говорит Максим Власюк.
По его словам, данные предприятий зачастую хранятся в разрозненных системах, имеют разные форматы, содержат дубли и ошибки. Пока компании не научатся выстраивать единую систему работы с информацией, даже самые совершенные модели не смогут показывать стабильный результат.
С этим согласен заместитель руководителя направления Т1 ИИ Сергей Карпович. "Для промышленного ИИ нужны качественные данные, датчики, стабильная связь и специалисты, понимающие производство и ИТ. На Дальнем Востоке внедрение осложняют удаленность объектов, дорогая инфраструктура, сложная интеграция и неочевидная окупаемость проектов", - отмечает он.
По словам эксперта, предприятиям уже недостаточно иметь в кадрах просто разработчиков или аналитиков данных. Наиболее востребованными становятся специалисты на стыке ИТ и промышленности - инженеры данных, эксперты по машинному обучению и компьютерному зрению, которые понимают технологические процессы, устройство оборудования и способны работать вместе с производственными службами.
При этом навыки взаимодействия с искусственным интеллектом становятся необходимыми не только ИТ-специалистам, но и инженерам, технологам и руководителям производств. Им необходимо уметь интерпретировать выводы алгоритмов, понимать, какие данные повлияли на рекомендации системы, и оценивать экономический эффект от ее использования.
Карпович считает, что в ближайшие годы наиболее перспективными направлениями для экономики Дальнего Востока станут автономный промышленный транспорт, интеллектуальная геологоразведка, беспилотные системы, цифровые двойники и периферийный ИИ, который позволяет анализировать информацию непосредственно на производственных площадках без постоянной передачи данных в удаленные дата-центры.
В целом эксперты сходятся во мнении, что лидерство получат не те предприятия, которые первыми внедрят очередную нейросеть, а те, где научатся системно работать с собственными данными и встраивать искусственный интеллект в повседневные бизнес-процессы.