Сергей Дутов, директор по корпоративным инновациям Фонда «Сколково» (группа ВЭБ.РФ)
Возможный синергетический эффект от проникновения GenAI в промышленность, на которую приходится свыше 30% ВВП России, сложно переоценить. Большие капитальные затраты инвестпроектов, высокий уровень цифровизации, наукоемкость производственных процессов и возможность научно-исследовательских и опытно-конструкторских работ (НИОКР) — благоприятная почва не просто для адаптации очередной технологии, а путь к коренной трансформации как технологических процессов, так и бизнес-моделей в целом.
Сейчас технологии генеративного ИИ апробируются передовыми компаниями, и в ближайшие один-два года ожидается массовый переход успешных внедрений в практику промышленной эксплуатации. В стране становятся базовой концепцией решения на основе RAG (Retrieval Augmented Generation), причем с задачей повышения точности ответов. Внушает оптимизм развитие собственных SLM (Small Language Models), как правило, на базе open-sourсe моделей с периферийными вычислениями для IIoT (Industrial Internet of Things) устройств. Например, когда модель оперирует данными только конкретного оборудования в рамках одного цеха.
В целом мы можем говорить о двух основных сценариях применения GenAI в промышленности — «прорывном» и «поддерживающем». Наше исследование, проведенное совместно с партнерами «Сколково» в рамках платформы ProGenAI, показало разницу между типами таких проектов
Прорывные проекты могут себе позволить только компании с высоким уровнем зрелости применения GenAI. Одной из таких технологий является генеративное проектирование, которое позволяет создавать оптимальные проектные решения. Этот подход охватывает широкий спектр задач: от разработки отдельных конструктивных элементов и двигателей до проектирования крупных объектов капитального строительства. Еще одним перспективным направлением является применение генеративного ИИ в НИОКР. С его помощью можно моделировать новые материалы с заданными характеристиками и проводить цифровые испытания, ускоряя процесс научных исследований в разы — в некоторых случаях до десятикратного сокращения сроков.
К инновационным проектам, которые относятся к категории «низко висящих фруктов», можно отнести решения, поддерживающие текущие процессы бизнеса и производства. Например, в административной сфере это интеллектуальный поиск по нормативным документам и корпоративным базам данных, автоматическое протоколирование совещаний и оптимизация закупочных процессов. В производственной плоскости генеративный ИИ демонстрирует свою эффективность в ряде вспомогательных решений: от внедрения сo-pilot инструментов для технологов, металлургов и инженеров до интеграции с системами компьютерного зрения, которые контролируют соблюдение технологических процессов и качество выпускаемой продукции.
Ключевые сценарии применения GenAI в промышленности предполагают ускорение проектирования изделий на 30–80%, в том числе с автоматическим формированием документации, а также проверкой на соответствие техническим и нормативным требованиям. Путем интеграции GenAI с предиктивной аналитикой и системами планирования можно добиться сокращения простоев оборудования до 50%. За счет синхронизации данных спроса с поставщиками сырья возможно снизить количество избыточных запасов на 40–60%.
Успешное воплощение сценариев распространения GenAI в промышленности возможно при исключении ряда факторов, в числе которых сопротивление сотрудников изменениям: персонал должен не просто понимать общие принципы работы решений, но и регулярно их применять. Из лучших российских практик — трансформировать в первую очередь те процессы, где «или с ИИ, или никак».
Безусловно, определенным барьером выступает относительно высокая стоимость инфраструктуры и специалистов. В свою очередь, передовые производственные компании открыты для различных коллабораций и гибки в реализации проектов: могут реализовывать проект на оборудовании отечественных вендоров, привлекать профильных системных интеграторов, искать экспертизу и ресурсы среди научных лабораторий. Особо отважные предприятия предоставляют свою площадку как тестовую зону для стартапов, перенося на них часть рисков и затрат на стадии «пилота».
Больше новостей читайте в нашем телеграм-канале @expert_mag
