Однажды промышленный искусственный интеллект (ИИ) будет самостоятельно заниматься такими обыденными вещами, как изготовление продукции, контроль качества, сокращение времени проектирования, а также уменьшение отходов и многое другое. Для того, чтобы завтра сделать прогрессивные шаги, сегодня стоит инвестировать в развитие научных разработок. Что на данный момент представляет из себя ИИ на отечественном (и не только) рынке производителей? Почему кто-то считает шумиху вокруг AI-алгоритмов простым хайпом, а кто-то верит в то, что ИИ приоткроет заветную дверцу в прекрасное высокотехнологичное будущее?

Автор: Виктория Ненашева

AI-технологии на заре своего развития?

Согласно статистике, промышленный сектор в России является одним из пионеров цифровой трансформации и внедрения решений на основе машинного обучения. На карте библиотеки AI Russia Works количество реализованных кейсов по ИИ в промышленности уступает лишь компаниям из финансовой и IT-сфер.

В мае 2019 года гендиректор РФПИ Кирилл Дмитриев заявил, что РФ занимает всего 1-2% международного рынка ИИ, и этот показатель можно повысить до 10-15%. Руководитель проектного офиса по реализации национальной программы «Цифровая экономика» Аналитического центра при правительстве России Владимир Месропян высказал свое мнение, о том, что такая ситуация сложилась на рынке из-за нехватки «понятных кейсов», доказывающих эффективность ИИ, а также доступных и массовых решений (в настоящем они носят элитарный характер)..

— Действительно, такая проблема существует. Клиентам технологических компаний необходимо буквально «разжевывать», каким практическим образом ИИ может помочь в их конкретном случае, каким образом вписать AI в действующие бизнес-процессы и как спланировать такой переход. В РФ впереди всех во внедрении ИИ — отрасли, которые активно взаимодействуют с конечными клиентами: банки, ретейл, телеком. Наблюдается рост проектов в энергетике и нефтегазовой отрасли, — отмечает генеральный директор IT-компании Omega Алексей Рыбаков.

— Российский промышленный рынок весьма консервативный для каких-либо новых разработок. Большинство компаний отдают предпочтения автоматизации бизнес-процессов, ставя технологии ИИ вторым этапом контроля данного процесса. На мой взгляд, основным бизнес-сектором, где существуют активные попытки внедрения AI-технологий, является ритейл. Причем розничная торговля в разных направлениях: банковская и финансовая сферы, интернет-торговля, медицина и др., — утверждает руководитель проектного офиса «Искусственный интеллект» АО «ЭР-Телеком Холдинг» Игорь Михайловский.

— В отличие от ядерной физики СССР, где основными драйверами прогресса были отдельные талантливые люди, которые поддерживались государством, в сфере ИИ в настоящее время не существует монополизма на ту или иную технологию или математическую теорию, специально созданную для него. И поэтому для создания любого конкурентного ИИ на мировом рынке крайне важна созданная внутри России «созидательная инфраструктура» для бизнеса, не связанного с государством. Другими словами, чтобы Россия встала не только в один ряд с мировыми лидерами в области промышленного AI, но и имела шанс обойти их в определенной технологической части, в первую очередь, нам нужна соревновательная созидательно-инициативная среда для российских компаний. По словам директора по инжинирингу технологических процессов ООО «Соллерс Инжиниринг» Михаила Медведева, на данный момент в РФ идет планомерная работа по реализации национальной стратегии развития ИИ, рассчитанной вплоть до 2030 года. Первыми шагами станут подготовка законодательной базы, регламентирующей взаимоотношения в сфере AI, разработка и развитие программных продуктов, которые обеспечат возможность использования ИИ, и расширение доступности данных технологий, а также подготовка квалифицированных кадров и материальной базы, в том числе в машиностроении. Он также отмечает, что одновременно с этим инжиниринговые компании уже закладывают в планы организации производств потенциальную возможность применения решений на базе ИИ. Учитывая сроки разработки и поставки продукта на предприятие (например, автомобиля), чтобы лишний раз не обнадеживать потребителей, решение о применении AI в производственной системе управления процессами необходимо принимать на этапе рассмотрения концепта продукта и изготовления. Разрабатывая новейшие производственные этапы и проверяя их на реализуемость в масштабах промышленного производства, разработчики в обязательном порядке учитывают использование AI в архитектуре управления процессами.

Директор Центра исследований и разработок, а также директора по маркетингу «КАДФЕМ Си-Ай-Эс» Денис Хитрых придерживается такого мнения:

— Технологии, связанные с искусственным интеллектом, цифровыми двойниками, глубокими нейросетями находятся сейчас на самой вершине хайпа, но на горизонте 5-10 лет должны пройти пик и выйти на плато эффективности и массового внедрения. Поэтому в ближайшее время мы с вами, скорее всего, переживем момент, когда этими технологиями начнут разочаровываться. В январе текущего года стало известно, что Минэкономразвития планирует выделить в общей сложности более 16,5 млрд рублей на проекты и мероприятия по развитию ИИ. Один из самых дорогих направлен на субсидирование малых и средних предприятий, занимающихся разработкой, применением и коммерциализацией продуктов и сервисов с использованием технологий ИИ. На реализацию данного мероприятия предусмотрено бюджетное финансирование: на 2021 год — 1,4 млрд рублей, на 2022 год —1,9 млрд рублей, на 2023 год — 1,8 млрд рублей. Такой уровень финансирования AI-проектов со стороны государства явно недостаточен для прорыва в этой области с точки зрения промышленного применения. Однако в российской экономике есть отрасли, перспективные с точки зрения развития инноваций, в которых в решении вопроса о крупных инвестициях важная роль отводится частному бизнесу. К таким отраслям (с необходимым масштабом производства) относятся металлургия и энергетика. И именно они могут стать локомотивами внедрения прорывных технологий «Индустрии 4.0», а также национальными центрами инноваций.

Денис Хитрых уверен, что сегодня решения на базе ИИ может себе позволить только крупный бизнес, в чем и заключается основная проблема российского рынка. Не каждая компания готова отдать 2-3 млн рублей для запуска пилотного проекта. Кроме того, AI-проекты требуют значительного расширения IT-инфраструктуры и увеличения затрат на ФОТ специалистов. Еще одним сдерживающим фактором для развития ИИ в России являются санкционные риски при выборе IT-решений в целом. На это указывают результаты исследования TAdviser, выполненного в ноябре 2020 года. Согласно данным аналитического агентства, более трети опрошенных промышленных компаний, в силу своей отраслевой принадлежности, учитывают сегодня санкционные риски в своей инновационной деятельности, еще для трети респондентов важным фактором является импортозамещение.

Не интеллектом единым

Как известно, еще в 2019 году президент РФ выпустил специальный указ «О развитии искусственного интеллекта в РФ», в котором были определены главные вехи национальной стратегии ИИ. В этом документе описаны основные механики развития возможностей AI в отечественной промышленности. В 2020 году пандемия COVID-19 усилила тренд на цифровизацию компаний и предприятий, а новая реальность стимулировала и развитие отечественной IТ-отрасли. Компании пересмотрели свое бюджетирование и начали вкладывать больше средств в стратегии цифровых технологий, чтобы начать осваивать новые методы работы. Это также дало возможность переосмыслить предприятиям свои производственные модели и навыки, которые требуются прямо сейчас и будут необходимы в будущем. В связи с этим с 1 января 2021 года налог на прибыль для IT-компаний должен был снизиться с 20% до 3%, а страховые взносы — с 14% до 7,6%. При этом отменяется налог на прибыль, который должен был зачисляться в региональные бюджеты. Глава государства также заявил о необходимости развития тенденций к цифровизации. Сфера ИИ как одна из главных составляющих IТ-отрасли, закономерно получит стимул для своего развития.

Перед каждым предпринимателем, внедряющего прогрессивные AI-технологии, сразу поднимаются вопросы, касающиеся финансовых средств. Модернизация компании требует немалых денежных вложений, поэтому в первую очередь владельцы интересуются тем, когда смогут увидеть положительные результаты от деятельности интеллектуальных алгоритмов на производстве.

Как и любая инновация, определяемая научными и частично инженерными разработками, промышленное внедрение ИИ предполагает расходы на НИОКР от 5% до 20% от выручки предприятия, а сам процесс внедрения и коммерциализации решений на основе AI, по оценкам Дениса Хитрых, может занять от 1 до 5 и более лет. При этом по размеру бюджетов, выделяемых на НИОКР, отечественные предприятия существенно отстают от западных компаний. В России эти затраты в лучшем случае не превышают 0,5-1%. Кроме того, долгосрочные инвестиции, которые требуют подобные инновации, предполагают наличие благоприятной среды в виде пониженных налоговых ставок и образовательных программ в области AI и строгих мер по защите интеллектуальной собственности, гарантирующие получение компаниями прибыли от продажи «коробочных» ИИ-решений.

По наблюдениям генерального директора Uipath в РФ и СНГ Светланы Анисимовой, скорость окупаемости ИИ-решений зависит от темпа введения и технологии, лежащей в их основе. Например, RPA-проекты могут выходить на уровень доходности уже в течение 9 месяцев с момента начала внедрения, но такой сравнительно быстрый результат можно увидеть нечасто. Все же средняя окупаемость инвестиций для компаний, выбравших роботизированную автоматизацию процессов, составляет 300%. Конкретные сроки прибыльности IТ-проектов с ИИ зависят от многих факторов. Важно понимать следующее: если предприятие не тратит деньги на цифровизацию сегодня, то завтра оно скорее всего будет неконкурентоспособно.

— Внедрение ИИ — это не только интеграция на производстве. Не стоит забывать про такую вещь как процессы, которые играют даже большую роль, чем сама интеграция. Нужно провести большую работу с людьми — показать пользу, ценность, научить работать по-новому. Это сложные вещи, без которых внедрение AI просто не принесет результатов. К таким серьезным шагам должно быть готово и руководство, и сами специалисты производства. Инвестиции, затраченные на внедрение ИИ, окупаются по нескольким факторам. Повышается качество продукции за счет отсутствия человеческого фактора, минимизируются сбои на производстве, увеличивается скорость работы за счет внедрения технологий. Все эти факторы, несомненно, влияют на общую экономику предприятия. При внедрении ИИ в промышленность нужно быть готовым к тому, что результат будет виден не сразу. Конечно, многое зависит от направления, степени внедрения и сферы производства. Однако если стоит задача оценить финансовую пользу от внедрения, я бы ставила период в календарный год. В течение года возможны сезонные колебания, поэтому комплексное сравнение лучше проводить через 12 месяцев, — считает product development manager компании IBA Group (Минск) Александра Гончарова.

Руководитель проектного офиса «Искусственный интеллект» АО «ЭРТелеком Холдинг» Игорь Михайловский имеет более прагматичные взгляды:

— Практически под любую технологию ИИ в компании необходимо создавать корпоративную программную инфраструктуру. Это когда все бизнес-процессы внутри предприятия либо максимально автоматизированы, либо имеют инструмент их управления, API. «Сильный» AI работает с цифровыми данными, которые в режиме 24/7 можно извлечь и обработать. Другими словами, в первую очередь необходимо финансировать подготовку такой инфраструктуры. Затем, а лучше параллельно, инвестировать в «появление» компетенций у ответственных за ИИ-технологии ряда сотрудников различных подразделений и рабочих групп в компании. Этот шаг очень важен при внедрении AI. Отсутствие достаточных компетенций внутри компании неизбежно приведет к неуправляемости и, в конечном счете, ни к тем экономическим результатам, которые ожидали после внедрения. А самое главное, финансирование структурного подразделения, специализирующегося на ИИ, так называемый «Центр искусственно-интеллектуальных компетенций». Создание собственного корпоративного AI имеет ряд преимуществ по сравнению с покупкой чего-то стороннего. Одно из таких преимуществ, бизнес-независимая позиция на рынке. Результаты внедрения ИИ-технологий, как правило, видны уже в следующем внутреннем отчетном периоде компании. Степень очевидной разницы «до и после» будет тем сильнее проявляться, чем больше задач будет покрывать внедренные AI-разработки. И тут главное: не смешивать «автоматизацию» с «принимающим решения» ИИ-алгоритмом. Больше задач решает ПО — больше очевидных результатов будет уже на самых первых этапах внедрения.

Решения о применении

ИИ способен проявляться практически на всех производственных уровнях (проектирование, производство, логистика, продвижение). Технология AI применима и в области кибербезопасности промышленности, в частности в системах анализа трафика технологических сетей. Но добавление ИИ к возможностям систем этого класса (промышленный NTA, network traffic analysis) улучшит безопасность настолько, насколько технология будет проработана и адаптирована.

Руководитель отдела экспертизы промышленных систем Positive Technologies Сергей Петров уверен, что возможно двигаться двумя путями: анализировать исходный трафик или уже разобранный. В обоих случаях есть свои сложности, плюсы и минусы. Основной вопрос при этом в исключении ложных срабатываний и затрудненном анализе — очень сложно потом оценить результат и понять, почему ИИ отработал именно так. И если установлено, что имело место ложное срабатывание, то понять, что виной тому некорректная выборка, малый период обучения, переобучение или вообще неправильно подобранная структура нейросети, — задача нетривиальная. В худшем случае придется заново подбирать структуру AI, методы обучения, обучающие выборки и снова все перепроверять... А это задачи не из простых.

— Всплески, аномалии, нарушения последовательности команд и обычного функционирования, а также любые отклонения, которые может пропустить человек или система на основе привычного статистического анализа, могут быть улучшены с помощью ИИ. Но важно понимать, что системам АСУ ТП (автоматизированная система управления технологическим процессом) в принципе свойственны аномалии. Так или иначе, нарушаются спецификации протоколов, требования стандартов, при этом основное внимание уделяется функциональной безопасности и надежности. Попытка зайти со стороны анализа аномалий может провалиться на первом же переходе системы из нормального состояния в состояние ремонта, например.

Также следует учитывать, что все системы КИИ (критическая информационная инфраструктура), АСУ ТП, при правильном их построении оснащены датчиками, системами РЗА (релейная защита и автоматика), ПАЗ (противоаварийная автоматическая защита) и позволяют предотвратить аварию на ранней стадии. Но никто не исключает и человеческий фактор. И повторюсь, самое важное — минимизировать ложные срабатывания. Требования к обучающей выборке и структуре ИИ должны быть проработаны наиболее тщательно, вплоть до использования для каждого вида промышленности своей структуры нейросети, — утверждает Сергей Петров.

Есть информация о том, что компания LG планировала построить «умную» фабрику к 2023 году, где все процессы станут осуществляться с помощью AI. Но эксперт Игорь Михайловский уверен, что говорить как о российских, так и о зарубежных компаниях, собирающихся перейти к массовому применению «сильного» ИИ на своих производствах достаточно преждевременно. Ведь в России, как и в мире, собственно, бизнес еще не дошел до того уровня понимания AI и технологий, основанных на нем, который бы позволил сравнивать их результаты внедрения во что-либо. В связи с этим текущие предлагаемые решения на основе ИИ являются разовыми и принадлежат, как правило, большим компаниям, которые находятся только в самом начале своего исследования в их создании.

Отметим, что сегодня в РФ существует множество разных проектов «умных фабрик» на уровне планов и деклараций, но все они еще далеки от практической реализации. Так в рамках дорожной карты НТИ «Технет» к 2035 году в России планируется создать около 40 «умных фабрик», построенных на принципах робастного цифрового инжиниринга и широко применяемых систем ИИ. При этом еще 3 года назад гендиректор госкорпорации «Ростех» Сергей Чемезов обещал до конца 2017 года запустить первую в России «умную фабрику» на базе «ОДК-Сатурн», входящего в Объединенную двигателестроительную корпорацию (ОДК). По факту на начало 2021 года на Сатурне только частично внедрены или находятся на стадии апробации отдельные элементы и технологии «умной фабрики». Например, автоматизированный комплекс обработки технологических баз лопаток ГТД и системы мониторинга и быстрой переналадки состояния оборудования.

— Если говорить о массовом внедрении ИИ на производства, то можно увидеть довольно парадоксальную ситуацию, сложившуюся в нашей стране. С одной стороны, в отдельных отраслях мы наблюдаем высокую степень автоматизации производственных процессов, что, как ни странно, препятствует внедрению искусственного интеллекта, поскольку с точки зрения топ-менеджмента применение технических средств дает более ожидаемый финансовый результат и отдачу на инвестиции, чем внедрение AI. Особенно в условиях, когда на рынке наблюдается острый дефицит «эффективных» ИИ-кейсов, а также доступных и массовых решений на их базе. С другой стороны, в России до сих пор существуют предприятия, которые не прошли этап базовой автоматизации и сбора данных, а на некоторых из них даже не внедрена система электронного документооборота, — утверждает директор Центра исследований и разработок, а также директора по маркетингу «КАДФЕМ Си-Ай-Эс» Денис Хитрых.

Бесспорно, в РФ есть ряд компаний, пусть и не так масштабно, но активно проводящих цифровую трансформацию на производствах и применяющих в работе AI-решения, например, ПАО «Газпром нефть», ОАО «Холдинговая компания «Металлоинвест», АО «Концерн «Росэнергоатом».

Преимущественный интеллект

Свыше половины лидеров в сфере промышленности считают, что в течение следующих пяти лет мир передаст решениям на основе ИИ управление активами большой ценности — в частности, заводами, оборудованием и станками. Такая тенденция глобального масштаба была выявлена в совместном исследовании Siemens и Longitude Research.

В опросе, посвященному развитию и внедрению AI, приняли участие более 500 топ-менеджеров из энергетического, производственного, инфраструктурного, транспортного секторов, а также из сектора тяжелой промышленности. Исследование показало, что уровень доверия к AI уже сегодня очень высок: 56% респондентов предпочитают внедрить идеальную модель ИИ вместо поиска опытного сотрудника. Это означает, что остальные 44%, вероятно, больше доверяют решениям, принимаемым людьми, даже если факты свидетельствуют в пользу ИИ.

У AI есть много преимуществ, например, улучшает повторное использование продукции или выполняет профилактическое обслуживание. Вероятность того, что ИИ полностью исключит человеческий труд на производстве существует, только для этого потребуется учесть несколько важных «но». «Гибкость», «Точность» и «Безопасность» — это именно те характеристики любого AI-алгоритма, показывающие степень его проработанности и качество математических инструментов, реализованных в нем. Только после того, когда «цифровой организм» будет самообучаться, понимать пробелы в своих знаниях и выбирать «правильное» направление образования, мир в целом сможет говорить об исключении человека на производстве в различных отраслях бизнеса. Руководитель проектного офиса «Искусственный интеллект» АО «ЭР-Телеком Холдинг» Игорь Михайловский уверен, что замещение людей «сильным» ИИ — это уже очевидная реальность 21 века.

— В процессе контроля качества продукта есть этап под названием «воспринимаемое качество», где готовое изделие оценивается «глазами клиента». Эту работу выполняют специалисты высокой квалификации, и она не укладывается в параметризованные рамки. Деятельность такого рода еще очень продолжительное время будет закреплена за человеком. Лишь в тот момент, когда все процессы станут стандартизированы и принятие решений по возникающим несоответствиям будет иметь однозначный вариант исхода, можно будет постепенно переходить на полный контроль производства AI, — уверяет директор по инжинирингу технологических процессов ООО «Соллерс Инжиниринг» Михаил Медведев.

Есть и другое мнение на этот счет, например, генеральный директор Uipath в РФ и СНГ Светлана Анисимова думает, что полное исключение человека из производственного цикла не является задачей, стоящей перед разработчиками ИИ. По ее мнению, данные и другие цифровые решения способствуют избавлению от рутины помогают высвобождать время сотрудников для решения креативных и стратегических задач. Получается, что труд человека не исключается, а становится более творческим, а масса простых повторяющихся процедур или действий может быть отдана на откуп ИИ. Безусловно, AI хорош в анализе большого количества данных, в выдаче первичных результатов. Но принимать конкретные стратегически значимые решения он не умеет и вряд ли научится в ближайшее время. Поэтому ИИ — это скорее помощник для человека, а не конкурент за рабочие места.

Руководитель отдела экспертизы промышленных систем Positive Technologies Сергей Петров видит иные дополнительные преимущества и недостатки, которые могут получить предприятия при анализе трафика технологических сетей с добавлением возможностей ИИ:

— Один из возможных сценариев — контроль персонала или распознавание отклонений в поведении сотрудников, т.е. выявление инсайдера. Другой кейс — анализ различных отклонений режимов технологических процессов, другими словами, в целях технологической безопасности и контроля качества. ИИ позволит обнаруживать ранее неизвестные или неучтенные атаки, благодаря обучению AI на комбинаторике из элементарных действий злоумышленников, атакующих предприятия.

Существуют у технологии и минусы — применение ИИ на трафике накладывает высокие требования к интерпретации полученных данных. Обучение необходимо производить для каждого отдельного объекта независимо, а также при реорганизации существующих объектов. Кроме того, многие аномалии, выявляемые с помощью ИИ, также могут лежать за рамками сферы кибербезопасности. Это делает затруднительным использование выводов AI без разностороннего и глубокого понимания технологических и технических процессов контролируемой системы. Однако ИИ можно быстро начать применять в ручном режиме, в задачах мониторинга и расследования в качестве дополнительного средства предупреждений об угрозах, которые могут быть использованы для построения более точных моделей исследуемой системы в контексте развития инцидентов (причина-следствие).

— Главный недостаток ИИ как в промышленном секторе, так и в целом, — это отсутствие эвристики, то есть того, что принято называть чутьем. Опытный эксперт по эксплуатации даже при формально корректных показателях может распознать проблемы в работе агрегата. Алгоритм интуицией не обладает и всегда действует четко по регламенту. Но это может стать преимуществом. Как раз поэтому ИИ идеально справляется с задачами, где важна максимальная четкость и следование протоколу. Более того, число исходных параметров для анализа с помощью ИИ может составлять сотни и даже тысячи в реальном времени — и алгоритм справится с таким объемом. Человек, по данным физиологических исследований, учитывает не более 30 параметров единовременно.

Впрочем, технологии не стоят на месте, и разработчики «прививают» ИИ не только аналитический ум, но и интуицию. Интересно, что на производствах его часто решает именно управленческие задачи — то есть выполняет роль контроллера и супервизора. То есть берет на себя рутинную управленческую работу. Тогда как роботам на производствах не всегда удается достичь паритета с человеком — достаточно вспомнить провал Tesla по внедрению робототехники на автозаводе, — говорит директор Департамента разработки ПО программно-аппаратного комплекса предиктивной аналитики и удаленного мониторинга «ПРАНА» Игорь Трудоношин.

Традиции в сторону!

Сторонники традиционного производства рано или поздно все же пойдут навстречу новым технологиям. Промышленники уже сегодня не могут быть в авангарде без использования современных IT-решений. Светлана Анисимова считает, что в течение 5 лет работать без привлечения AI станет просто неэффективно на фоне глобальной цифровизации производственных компаний. Но многое зависит от их бизнес-приоритетов и экономической позиции. Ведь производственно-промышленный комплекс любой страны — это тысячи рабочих мест. Внедрение ИИ всегда прямо или косвенно связано с замещением людей.

Например, в 2018 году руководство штата Калифорния заключило соглашение с компанией «Амазон» о «не увольнении» одновременно 2,5 тысяч работников логистического сектора компании после того, как «Амазон» запустил интеллектуальную систему распределения грузов у себя в доках по всему штату.

Генеральный директор IT-компании Omega Алексей Рыбаков убежден:

— Существует незыблемый закон рынка: спрос рождает предложение. Если потребность в традиционные производства останется, то они не исчезнут. Допустим, мы видим возрождение рынка вещей hand made, несмотря на повсеместную автоматизацию производств. Удивительно, но это факт. Когда буквально весь рынок заполнился станками, вещи, сделанные своими руками, стали выделяться своей уникальностью. То же самое в конечном счете произойдет с роботизацией на основе ИИ. Ручного труда в промышленности станет меньше, но он точно не исчезнет. Кроме этого, есть и иные факторы, почему ИИ не сможет стопроцентно заменить людей на предприятиях, ведь они влияют и на скорость перехода на AI.

Во-первых, при внедрении в расчет берется техническая осуществимость. Есть множество действий человека, которые в принципе не заменяются роботами (или это крайне нецелесообразно). И в среднем по всем отраслям промышленности 25-40% всех физических действий и движений работников носят абсолютно непредсказуемый для компьютерных алгоритмов характер. Это, в первую очередь, касается сфер строительства и сельского хозяйства, что и составляет большую проблему для ИИ. То же самое касается еще как минимум 10% времени, которое связано со взаимодействием и общением живых людей. Поэтому сложно автоматизировать для ИИ, например, сферы общественного питания или работу отелей. Полностью заменить человека не получится и там, где требуется очень много обучения и управленческой работы.

Во-вторых, на внедрение AI существенно влияют стоимость перехода на новый софт и оборудование. Если работники оказываются дешевле ИИ во внедрении и в дальнейшей эксплуатации, то предприятие вряд ли войдет в высокотехнологичный проект. В-третьих, необходимо ответить на вопрос на каждом предприятии или в отрасли в целом, перевешивают ли преимущества и положительные последствия внедрения ИИ имеющиеся показатели и ситуацию?

— Пока что серьезный интерес к технологиям AI проявляет, по большому счету, только крупный бизнес РФ. И в целом хорошо зарабатывать на нем российские промышленники, к большому сожалению, так и не научились. Согласно результатам последнего опроса Всероссийского центра изучения общественного мнения (ВЦИОМ), 7 из 10 человек признались, что внедрение ИИ практически никак не повлияло на их бизнес, а получить хотя бы минимальную выгоду от использования ИИ удалось только лишь 40% опрошенных респондентов. Технологии, связанные с ИИ и цифровыми двойниками, находятся сейчас на самой вершине хайпа, и им еще далеко до выхода на плато эффективности.

На мой персональный взгляд, сейчас Россия находится в лучшем случае где-то в конце «Индустрии 3.0», а «Индустрия 4.0» (хотя с этим согласны не все эксперты) — это уже абсолютно другой уровень сознания, другая скорость жизни и другая цифровая реальность... Кстати, по данным исследования McKinsey «Цифровая Россия: новая реальность», к 2025 году внедрение цифровых решений на производстве позволит увеличить ВВП РФ на 2 трлн руб. Это составляет около 2% от номинального объема ВВП в 2020 году, поэтому не думать о цифровизации в наше время уже просто невозможно, — уверен директор Центра исследований и разработок, а также директора по маркетингу «КАДФЕМ Си-Ай-Эс» Денис Хитрых.

Источник: журнал «Умное производство»