Генеративный ИИ в промышленности: роботы, агенты и «Индустрия 6.0»

Генеративный искусственный интеллект (ИИ) — один из ключевых технологических трендов. В 2024 году глобальные расходы на его развитие выросли на 336,7% и достигли 364,96 млрд. долларов, следует из отчета Gartner. По мнению экспертов, потенциал генеративного ИИ огромен: он способен повышать производительность заводов и эффективность сотрудников, сокращать издержки и увеличивать выручку в долгосрочной перспективе. На конференции «Цифровая индустрия промышленной России» (ЦИПР) на партнерской сессии ГК Softline лидеры ИТ-рынка и представители промышленности обсудили реальные кейсы использования генеративного ИИ в производстве и рассказали, каких результатов уже удалось добиться.

• Что такое «Индустрия 6.0»
• Готово ли оборудование и ПО к распространению ИИ
• Как промышленность использует генеративный ИИ
• Барьеры на пути ИИ-производства

Директор по корпоративным инновациям фонда «Сколково» Сергей Дутов, модератор сессии, подчеркнул, что генеративный ИИ — это главная технология современности, которая изменит многие индустрии. Крупнейшие международные компании и целые государства инвестируют в развитие инфраструктуры для этих целей. Сергей Дутов разделил на четыре ключевых блока вызовы, с которыми они сталкиваются: аппаратное и программное обеспечение, базовые LLM и отсутствие понимания развития генеративного ИИ в компании и отрасли.

Что такое «Индустрия 6.0»

На партнерское сессии Softline руководитель лаборатории робототехники «Сколтеха» Дмитрий Тетерюков презентовал концепцию «Индустрия 6.0». По его мнению, она меняет представление о производстве изделий. Главная идея — роботы будут работать под управлением искусственного интеллекта, человек исключается из этой цепочки.

Спикер напомнил, что в основе «Индустрии 4.0» лежат роботы с ИИ, аддитивные технологии, VR и AR, но все это управляется человеком. Более современная концепция «Индустрия 5.0» предполагает взаимодействие робота и человека. Один из последних трендов — человекоподобные роботы.

«В чем заключается концепция «Индустрии 6.0»? Это технология, которая позволит сократить до минимального уровня расстояние между пользователем и изделием. Весь производственный цикл, начиная от создания CAD-моделей до производства и обеспечения ремонта оборудования, будет построен на генеративном искусственном интеллекте, управляющим роем гетерогенных роботов. Почему гетерогенных? Потому что человекоподобные роботы займут свою нишу, но достаточно незначительную. Основные процессы все равно останутся за промышленными, коллаборативными и мобильными роботами», — рассказал подробнее Дмитрий Тетерюков.

Еще одна важная часть концепции — end-to-end производство. От человека поступает только запрос на выполнение задачи, например, изготовление изделия. Это может быть как текст, так и картинка. Команда Дмитрия Тетерюкова уже разработала первый прототип в 2024 году. В проекте генеративный ИИ создает CAD-модель, генерирует G-code для производства и прототипирования захвата, а манипулятор выгружает созданную деталь в дрон. По словам эксперта, этот подход способен заменить традиционный, горизонтальный, конвейер Генри Форда и сделать фабрики вертикальными.

Автомобильный концерн ZEEKR уже использует человекоподобных роботов на своих предприятиях. Они объединены роевым ИИ, но это все еще гомогенная система, в которую не интегрированные все индустриальные решения. «Очень важно разработать систему взаимодействия разнородных роботов, — добавил эксперт, отметив, что уже есть первая в мире операционная система для когнитивных роботов. — Она позволяет разнородным роботам взаимодействовать на таком же натуральном языке, на котором общаемся мы с вами. Система построена на архитектуре трансформеров и включает в себя мультиагентный принцип общения между модулями. В зависимости от кинематики и от функционала, она включает отдельные блоки, например, блок поведения, блок этики, блок навигации».

Готово ли оборудование и ПО к распространению ИИ

Чтобы произошла подобная технологическая революция, необходимо обеспечить аппаратную базу. Коммерческий директор компании «Инферит» Олег Епишин рассказал, с какими задачами столкнутся крупные компании в ближайшее время. По его словам, текущего железа недостаточно, чтобы работать с ИИ. Если у компании есть ЦОД или много серверов, то по умолчанию их нельзя доукомплектовать для работы с генеративными моделями, так как необходимо специализированное железо.

«Первое и основное, с чем уже сталкиваются пользователи, особенно корпоративные, другое потребление электричества. Электроэнергии надо будет намного больше <…> в 6-7 раз. Рассчитан ли на это сервер, сама серверная, ЦОД? Далеко не всегда. Текущие мощности не были рассчитаны на тот спрос, который сейчас существует на искусственный интеллект. Поэтому компании сталкиваются с вопросом масштабирования. Строить новый [ЦОД], модернизировать старый — это достаточно энергоемко и финансово затратно», — подчеркнул спикер.

Второе ограничение, по мнению Олега Епишина, — генерация огромного количества тепла ИИ-серверами. Мало того, что нужно больше питания, нужно больше питания и на охлаждение. Еще большой вопрос, что проще сделать — модернизировать старый ЦОД или построить новый?

«Сейчас мы видим новый тренд. Все меньше хайпа, все больше денег. Идет монетизация ИИ. Появляется больше индустриальных решений, разных моделей, которые предназначены для специфических задач. Заказчики теперь понимают, что с этим делать. Я бы не сказал, что у нас будет бум «ЦОДостроения», но все крупные заказчики заявляют о своем интересе либо расширять мощности, либо строить их заново», — добавил Олег Епишин.

Также появляются новые технологии, которые еще недавно считались хайповыми. Например, Free Colling. Коммерческий директор «Инферита» подчеркнул, что вскоре заказчики будут приходить не только за «Индустрией 6.0», но и за оснащением, необходимым для реализации концепции.

Коммерческий директор «Девелоники» Роман Смирнов отметил, что в индустрии разработки ПО происходит глобальный сдвиг. Все чаще появляются новые термины и подходы, связанные с генеративным ИИ. Из последнего — вайб-кодинг (использование ИИ для генерации кода на основе описания задачи на естественном языке). Как отметил Роман Смирнов, таким образом разработчик повышает производительность в 3, 5, 10 раз! 100 млн программистов уже используют ИИ в своей работе.

«Текст — универсальное представление моделей, с которыми мы работаем. Но мы все слышали слово мультимодальность. Мультимодальность — это механизм, который позволяет нам обрабатывать не только тексты, но и видео, звуки, и т.д. Я думаю, что через год-два все модели станут мультимодальными. Если мы общаемся с моделью текстом, звуком, то программисты могут загружать картинки или видеопотоки в модельку, и она говорит, что работает не так. Это не машинное обучение. Это глобальная тенденция в мультимодальность», — пояснил спикер.

Роман Смирнов предлагает компаниям начать с кейсов применения ИИ, так как это современное золото. Их нужно накапливать, запрашивать у вендоров. Затем следует развивать инфраструктуру: вскоре у всех будет свой маленький ЦОД. Также стоит уделить внимание данным. Чаще пересматривать стратегию, так как инструменты, решения, подходы постоянно меняются. В нынешних условиях полгода — это целая эпоха. В командах нужны амбассадоры, которые будут убеждать людей использовать ИИ. «Вера, как бы странно в ИТ-индустрии [не звучало] это слово, вера здесь очень важна», — подытожил коммерческий директор «Девелоники».

Вице-президент по развитию технологического бизнеса «Сбера» Сергей Крылов предупредил посетителей ЦИПРа, что генеративный ИИ идет «за нашими с вами работами». «Он идет за работой белых воротничков. [За работой] не тех, кто руками что-то делает на фабриках, на заводах, а тех, кто занимается интеллектуальным трудом. Поэтому основные кейсы применения, которые мы сейчас видим, в основном связаны, можно говорить c повышением эффективности, а можно говорить более предметно, — снижением затрат и увольнением людей, автоматизацией процессов», — пояснил эксперт.

Сегодня генеративный ИИ стремится заменить или усилить рутинный «беловоротничковый труд» в финансах, HR, юридическом отделе и т.д. Это первый пласт. Второй по-прежнему связан с деятельностью «белых воротничков», но не настолько рутинный: закупки, управление рабочим капиталом и т.д. Затем идут процессы, связанные с ремонтом и обслуживанием оборудования. Следующий горизонт — специализированные модели для каждой индустрии.

Директор по развитию бизнеса МТС AI Павел Комаровский рассказал, что за последний год компания протестировала около 53 сценариев применения ИИ. Подробнее он остановился на трех кейсах в промышленности: все выполнены на базе продуктов из реестра российского ПО.

Платформа для работы с внутренней документацией и базами данных в металлургической компании, которая снизила до 3 секунд поиск нужной информации и в 10 раз снизила рутинную нагрузку. Ассистент для выявления рисковых условий в сбытовых и сервисных договорах — анализирует договор, сопоставляет его с реестром допустимых рисков, маркирует важные моменты и делает резюме с пунктами, на которые стоит обратить внимание. Время обработки одного документа снижается в 5 — 30 раз в зависимости от сложности договора. И третий кейс — проверка технического состояния транспорта перед сменой. Сотрудник со взрывозащитным телефоном спускается в шахту, анализирует подвижной состав, фиксирует с помощью голоса и фотографий проблемные места. После этого данные загружаются в систему, которая автоматизировала процесс заполнения анкеты технической готовности до 1 минуты.

Ведущий разработчик МТС RnD Lab Артем Лыков подчеркнул, что концепция «Индустрия 6.0» также охватывает ИИ-агентов. Они могут выполнять функциональную роль сотрудника, из которых можно формировать целую команду. Агенты бывают виртуальные и воплощенные, т.е. это роботы с ИИ, которые упакуют, соберут и доставят продукт.

Артем Лыков добавил, что «Индустрия 6.0» — это не фантастическая выдумка, а реальность. Он представил технологию производства персонализированной мебели для человека на примере складной табурет-стремянки. ИИ-агенты анализируют референсы из интернета, строят CAD-модели, модели сборки, создают дизайн. На этом этапе они уже знают, сколько будет стоить продукт. Если человек соглашается на предложенный вариант, начинается разработка изделий и создание деталей с помощью ЧПУ-станка.

«Добавив несколько шагов, можно внедрить «Индустрию 6.0» в другие направления. Например, микропроизводство компонентов. Если на стратегически важной конвейерной линии ломается какой-то компонент, то все производство встанет, и компания потеряет много денег. Но если мы сможем оперативно произвести деталь на замену, с помощью «Индустрии 6.0», это позволило бы сделать производство более стабильным. Либо, насколько нам известно, существуют 3D-принтеры, которые печатают здания. Добавим в это ИИ-агентов, и мы сможем строить целые кварталы без участия человека», — считает эксперт.

Как промышленность использует генеративный ИИ

Генеральный директор компании «Цифрум» («Росатом») Игорь Скобелев в рамках сессии на ЦИПРе поделился, что перед госкорпорацией стоит задача построить 38 новых атомных энергоблоков к 2042 году. «Это совсем не тривиальная задача. Никогда в стране столько блоков не строилось. Поэтому на данном этапе жизни и компании, и страны, безусловно, без искусственного интеллекта, без роботизации промышленности мы просто с этой работой не справимся. Я думаю, что все строители и вся промышленность знают, квалифицированных специалистов не хватает», — пояснил он, отметив, что госкорпорация активно применяет ИИ в различных процессах.

Также Игорь Скобелев затронул вопрос энергии для ИИ. По его словам, компания работает с регулятором, чтобы на базе в том числе новых 38 блоков появились пристанцевые ЦОДы, которые могли бы обеспечить потребность в энергоресурсах.

Директор по консалтингу и интеграции KAMAZ Digital Николай Лунев предупредил, что произвести автомобиль с помощью ИИ — это не то же самое, что сделать табурет. Сегодня сложно обучить ИИ на тех данных, которые есть на заводах. По его словам, иногда даже инженеры в реальности далеки от производства. Но все же автомобильная промышленность движется в сторону ИИ. Задача — заменить самые сложные специальности на производстве: конструкторов и технологов. Совместно с партнерами компания организует Центр ИИ. В рамках проекта эксперты будут задавать текстовый промпт, а в ответ система должна выдать проект автомобиля с определенными параметрами: класс, грузоподъемность, вместимость и т.д.

Автоконцерн уже использует техническое зрение для распознавания деталей после цеха окраски. ИИ синтезировал изображения, созданные на основе 3D-моделей. Также предприятие рассчитывает в перспективе использовать робота для съемки распознанных деталей, который будет их в нужные тары (сейчас этим занимаются люди с низкой квалификацией).

«Курский электроаппаратный завод» использует генеративный ИИ в трех направлениях, рассказал директор по цифровой трансформации предприятия Михаил Малахов. Первое — улучшение работы «белых воротничков» с помощью ИИ-ассистентов. Второе — повышение эффективности производства. Третье направление связано с проектной деятельностью.

Сейчас компания реализует пилотный проект на трех сборочных линиях. Компания тестирует систему рекомендаций на основе ИИ и машинного зрения, которая распознает движения, определяет паттерны поведения и выдает рекомендации. Результат: рост производительности на 30%. Следующий шаг — заложить в LLM принципы бережливого производства и повысить производительность на 50 %.  

Помимо этого, компания проектирует ИИ-конфигуратор, который на основе простого описания на естественном языке создает схемы электроснабжения и спецификации на активное оборудование (состав, рыночные цены). Решение ориентировано на проектные институты и производителей щитового оборудования.

Барьеры на пути ИИ-производства

Генеративный ИИ в промышленности — перспективное направление, для развития которого необходимо преодолеть ряд сложностей. Во-первых, нет готовых решений «из коробки», которые подошли бы всем предприятиям. LLM можно адаптировать под конкретные кейсы, но все это требует больших ресурсов.

Во-вторых, проблемы интерпретируемости и верификации ИИ. В промышленности критически важна предсказуемость и повторяемость результатов. Текущие LLM могут давать разные ответы на один и тот же запрос, что неприемлемо для инженерных задач.

В-третьих, нужны специалисты, понимающие и бизнес, и технологии. Два ключевых профиля: разработчики базовых LLM (редкие и узкоспециализированные) и инженеры, способные дорабатывать и внедрять модели под конкретные задачи. Необходимы программы подготовки специалистов, способных работать на стыке ИИ и промышленности.

Фотографии пресс-службы конференции ЦИПР

#цифровая трансформация #ИИ