На «Эффективном производстве 4.0» обсудили, как промышленность готовится к массовому внедрению ИИ

На втором дне конференции «Эффективное производство 4.0», прошедшем в рамках выставки «Металлообработка-2026», участники обсудили, почему промышленный ИИ невозможно внедрить без качественной работы с данными, а также какие сценарии искусственного интеллекта уже находят практическое применение на предприятиях. Дискуссия определила — промышленность переходит от этапа накопления данных к этапу их прикладного использования. При этом сами по себе дашборды, аналитика и пилоты больше не считаются результатом цифровизации — предприятия ждут изменений в производственных процессах, снижении потерь и повышении управляемости.

Эффекты на уровне завода мы научились получать, но вывести это на уровень отрасли становится важной задачей. Нам интересно, чтобы производство и отрасль повышали свою эффективность. Должны появляться стандарты, требования к информационной безопасности, к инфраструктуре, — отметил Василий Чуранов, директор дивизиона «Машиностроение и металлообработка» ГК «Цифра» и директор конференции «Эффективное производство 4.0».

Ирина Власова, вице-президент по цифровизации и ИТ «Атомстройэкспорт» (Росатом), рассказала, что компания шла к построению единой среды производственных данных почти 15 лет.

Сначала была концепция создания единой платформы. Мы попытались ее сделать и поняли, что это не самый лучший путь, потому что собственная разработка таких тяжелых вещей достаточно сложная. Пока мы ей занимаемся, мы отстаем от рынка, — объяснила Ирина Власова.

Тему качества данных продолжил генеральный директор Cyber Fence Андрей Рыбин.

Классификация данных — во главе угла как первый шаг к построению комплексной системы. Дальше — управление данными на всех этапах их жизненного цикла: контроль доступа к данным со стороны приложений, пользователей, определение мест хранения, безопасный обмен. Технологии есть, важно правильно их применять, грамотно строить архитектуру безопасности и управлять рисками, — перечислил он необходимые составляющие.

Отдельный блок дискуссии был посвящён тому, почему значительная часть ИИ-проектов в промышленности не доходит до реального внедрения. Как отметил Дмитрий Крикунов, руководитель продукта «Цифровое управление производством» МТС, около 80–90% GenAI-проектов в промышленности останавливаются на стадии пилота. По его словам, предприятия сталкиваются не столько с нехваткой моделей, сколько с неподготовленностью данных, отсутствием контекста и высокой чувствительностью производства к ошибкам.

У нас низкая толерантность к ошибкам. Если советчик нам один раз ответил неправильно, мы сразу его задвигаем, мы не будем им пользоваться, — пояснил эксперт.

В ходе выступления представители индустрии неоднократно подчёркивали: для промышленности критически важна проверяемость выводов ИИ.

Данных много. Красивых графиков тоже. А изменений мало, — отметили на сессии.

Эксперты сошлись во мнении, что аналитика должна не просто показывать состояние предприятия, а становиться инструментом постоянного улучшения процессов, при этом попытки «прикрутить» ИИ поверх старых ERP- и MES-систем часто приводят к проблемам из-за неподготовленных данных и жёсткой архитектуры legacy-систем.

Среди наиболее востребованных направлений применения ИИ участники назвали предиктивную аналитику оборудования, поиск производственных аномалий, оптимизацию ремонтов и загрузки персонала, анализ инцидентов, помощь технологам и работу с производственной документацией. Отдельное внимание было уделено развитию RAG-систем и корпоративных баз знаний, которые позволяют ИИ опираться на внутренние регламенты и накопленную экспертизу предприятия.

Андрей Гончаров, директор по развитию бизнеса ГК «Цифра», рассказал, что с каждым годом наблюдается рост на 20-25% в запросах на внедрение решений с искусственным интеллектом.

По словам экспертов, именно связка данных, контекста и отраслевой экспертизы становится ключевым фактором для развития промышленного ИИ. Участники дискуссии пришли к выводу, что в ближайшие годы конкурентоспособность предприятий будет зависеть не столько от количества внедрённых цифровых решений, сколько от способности выстраивать единую среду данных и быстро превращать её в прикладные инструменты управления производством.