ИИ-тренды в промышленности: от цифровых ассистентов до умных АСУ ТП

По данным MIT Technology Review Insights, около 35% производственных предприятий уже используют искусственный интеллект. Он открывает новые возможности для автоматизации процессов и цифровой трансформации промышленности. Рынок предлагает многообразие ИИ-решений, в которых порой непросто разобраться. Директор по продажам Softline Digital (ГК Softline) Антон Салин выделил ключевые тренды, на которые предприятиям стоит обратить внимание в 2025 году.

Цифровые ассистент-системы

Цифровые ассистент-системы — это виртуальные помощники, которые способны полность или частично автоматизировать технологические и бизнес-процессы. Скорее всего в повседневной жизни вы уже неоднократно сталкивались с чат-ботами или голосовыми помощниками. Они работают на базе ИИ. 

Особенно популярными стали системы на базе больших языковых моделей (LLM). Они способны понимать речь человека или написанный текст и на основе обработанной информации выполнять различные задачи. Какие именно, зависит от уровня развития LLM и целей бизнеса. Для службы поддержки клиентов модели быстро составят ответы на обращения покупателей. Отделу разработчиков LLM помогут сгенерировать код, придумать тестовые сценарии и собрать данные для обучения других ИИ-моделей. HR-специалисты используют цифровых ассистентов для составления учебных материалов и тренингов. 

«У языковых моделей большой потенциал для сокращения расходов предприятий. Использование LLM для оптимизации рутинных операций приводит к снижению затрат на десятки процентов. Поэтому цифровые ассистент-системы становятся незаменимыми помощниками для оптимизации ресурсов на предприятиях», — подчеркнул директор по продажам Softline Digital (ГК Softline) Антон Салин.

Системы прогнозирования и анализа данных 

Системы прогнозирования и анализа данных на базе ИИ обрабатывают исторические и текущие данные для выявления закономерностей, трендов и аномалий. Для анализа больших объемов информации они используют сложные алгоритмы машинного обучения.

Такие системы повышают точность прогнозирования параметров производства, помогают находить узкие места в бизнес-процессах и принимать решения, исходя из актуальных рекомендаций. Результат: компании сокращают издержки и увеличивают прибыль, эффективнее управляют ресурсами и улучшают качество продукции. Например, эксперты McKinsey подсчитали, что предиктивные системы технического обслуживания способны продлить срок работы промышленного оборудования на 20-40% и сократить время простоев на 30–50%. 

Среди российских компаний сегодня востребованы модели прогнозирования различных рыночных показателей: динамики цен, спроса и предложения. Для бизнеса важно, что предикативные системы строят точные прогнозы на перспективу полутора-двух лет. Также наблюдается интерес к разработке систем оптимизации производственных процессов. Популярность таких решений растет, так как они повышают эффективность работы оборудования и маржинальность выпускаемой продукции», — рассказал директор по продажам Softline Digital Антон Салин.

Цифровые двойники

Цифровые двойники — виртуальная копия физического объекта или системы, которая воспроизводит его поведение и параметры в реальном времени. Они создаются на основе данных, собранных с датчиков и других источников. Цифровых двойников используют для анализа и оптимизации работы предприятий или отдельных производственных процессов. Они также могут прогнозировать разные сценарии поведения систем и проверять гипотезы с помощью what-if-анализа.

Цифровые двойники вошли в топ-10 перспективных ИТ-тенденций в России, составленный Высшей школой бизнеса НИУ ВШЭ. 21,9% опрошенных экспертами компаний уже внедрили эту технологию. 44% российских предприятий исследуют тренд или планируют интегрировать цифровых двойников в свою работу. 

За пару лет популярность этой технологии значительно выросла. В 2022 году ее использовали лишь 3,3% российских промышленных предприятий. Такую тенденцию легко объяснить. Цифровые двойники — универсальный инструмент для оптимизации производственных процессов. Но надо понимать, что разработка таких решений требует серьезного подхода и финансовых ресурсов. Компании следует четко определиться с целью проекта, желаемым результатом и метриками замера экономического эффекта», — предупредил директор по продажам Softline Digital Антон Салин.

Умная автоматизация 

Автоматизированные системы управления технологическим процессом (АСУ ТП) необходимы для контроля всех стадий производства. Они работают на базе специализированного ПО и оборудования, которые мониторят и анализируют работу производственных линий и технологических установок. С развитием искусственного интеллекта АСУ ТП продолжают эволюционировать и становятся более адаптивными и автономными. 

С помощью готовых умных решений в области промышленной автоматизации компании быстрее внедряют технологии и сокращают расходы на разработку и обслуживание. Однако и тут есть свои нюансы: такие системы часто ограничены в возможностях индивидуальной настройки и масштабирования. Они не всегда могут решить специфические задачи разных производств, поэтому требуют адаптации, и как следствие, дополнительных ресурсов», — добавил директор по продажам Softline Digital Антон Салин

Управление рисками ИИ

Говоря об искусственном интеллекте, нельзя не упомянуть о рисках, сопутствующих таким проектам. Один из ключевых вызовов — непрозрачность ИИ-систем. Это затрудняет понимание их работы и порой приводит к непредсказуемым результатам, которые сложно отследить и исправить.

Другой аспект — отсутствие четкого правового регулирования в сфере искусственного интеллекта. Остаются открытыми вопросы об ответственности за действия ИИ-систем и защите данных. 

Наиболее безопасным вариантом ИИ-моделей являются open-source модели с открытым исходным кодом. Их можно запускать локально или в закрытой сети, чтобы лучше контролировать обработку данных и минимизировать риски утечки информации», — пояснил директор по продажам Softline Digital Антон Салин.

Успешность внедрения ИИ-решений зависит от понимания стратегических целей проектов и эффективного управления рисками. Опыт компаний доказывает, что при грамотном внедрении искусственного интеллекта можно получить реальный финансовый эффект на EBITDA в размере до 5%. По данным фирмы «Яков и партнеры», такого результата за год добились 68% российских предприятий, использующих эту технологию.