Для широкого внедрения искусственного интеллекта в российскую промышленность требуется системное решение проблемы данных и кадровой экспертизы. Такой вывод прозвучал на сессии К2Тех «Промышленные IT. Промышленный ИИ в России: преодоление барьеров и построение эффективной инфраструктуры», где ведущие специалисты обсудили основные вызовы и перспективы цифровизации производств.
Руководитель управления отраслевых решений «Северстали» Олег Лукьянов подчеркнул, что одним из главных препятствий является сравнение современных ИИ-моделей с проверенными временем инженерными подходами советской школы. «Попробуйте, пожалуйста, доказать какому-нибудь технологу времен Советского Союза, что его физическая химическая модель будет работать хуже, чем ваш этот “соевый” искусственный интеллект. И это, конечно, действительно большая-большая проблема», — отметил он. По его словам, в ряде случаев советские инженеры по-прежнему показывают более надежные результаты, и это требует осторожного подхода при замене проверенных методов на новые технологии.
Важным аспектом является и безопасность производственных процессов. «Если применение модели связано с увеличением опасности производства или возможным выходом из строя агрегатов, то в “Северстали” выбирают подход “семь раз отмерь, один раз отрежь”, стараясь не применять ИИ», — рассказал Лукьянов. Такой консерватизм, по его словам, позволил компании за последние два года получить экономический эффект почти в два миллиарда рублей, что свидетельствует о том, что технологии внедряются с учетом реальных рисков и пользы.
Директор департамента по работе с промышленным сектором компании Arenadata Максим Власюк высказался против использования термина «барьер», который часто звучал на сессии. «Барьер — это не тупик, а некий вызов, который может нам помочь», — подчеркнул он. Это отражает философию поиска возможностей в сложностях и вызовах цифровой трансформации.
Заместитель директора по IT Центра индустриальных технологий (ЦИТ) Максим Минин обратил внимание на проблему качества данных, необходимого базиса для работы ИИ. «На большинстве производств данные есть, но эти данные не готовы для работы с ИИ — они разрозненные, локальные, зачастую вшиты уже в унаследованные информационные системы», — пояснил он. Поэтому перед внедрением проектов искусственного интеллекта предприятиям требуется пройти этапы автоматизации и цифровизации, наладить сбор, хранение и очистку информации.
Отдельно Минин отметил дефицит специалистов, способных объединить знания промышленной предметной области и навыки применения алгоритмов ИИ. «Речь не о дефиците IT-специалистов, а об инженерах-предметниках, которые понимают в промышленности, понимают в производстве и умеют работать с технологиями искусственного интеллекта», — уточнил он. Без такой квалифицированной прослойки проекты ИИ часто остаются на уровне пилотных запусков или демонстрационных стендов.
Наконец, эксперты согласились, что высокая стоимость ИИ-проектов требует государственной поддержки. В настоящее время совместно с Минпромторгом прорабатывается механизм поддержки промышленных предприятий, который позволит частично компенсировать затраты на лицензии программных продуктов, услуги по защите информации, внедрению систем и их запуску в эксплуатацию.
Таким образом, российская промышленность стоит перед вызовом не просто внедрения искусственного интеллекта, а создания комплексной инфраструктуры данных, кадрового потенциала и финансовой поддержки, чтобы сделать цифровую трансформацию устойчивой и эффективной.
