Искусственный интеллект в России: почему лишь 40% компаний рискуют внедрять новые технологии
Промышленный сектор России находится на перепутье. С одной стороны, автоматизация и внедрение IT-решений ведется уже не первое десятилетие, а многие предприятия обзавелись внушительным арсеналом цифровых инструментов. С другой стороны, по оценкам экспертов, подавляющее большинство компаний лишь прикоснулось к своему реальному технологическому потенциалу, и главный барьер здесь лежит даже не в плоскости финансов или санкций, а в области управленческой культуры и архитектуры бизнес-процессов.
Руководитель направления «Цифровое производство» компании «К2Тех» Иван Балашов и руководитель центра экспертизы по ЦОДам «К2Тех» Сергей Махлин в беседе с «Ведомости. Инновациям и технологиям» раскрыли ключевые болевые точки индустрии, развеяли миф о «цифровом рае» как панацее и объяснили, почему настоящая революция на заводах будет происходить не в облаках, а на периферии.
Часто можно услышать мнение, что внедрение сложных IT-систем упирается в отсутствие готовых программных продуктов или недостаточную мощность «железа». Иван Балашов категорически не согласен с таким подходом. По его словам, границы цифровизации определяются исключительно подходом к управлению процессами.
«Цифровизация – это всегда следствие правильно выстроенных сквозных процессов», – утверждает эксперт. Однако реальность большинства крупных промышленных гигантов, включая тех, кто входит в списки Forbes, выглядит иначе. Здесь царит так называемая «лоскутная» автоматизация. Каждый департамент – от закупок до производства и логистики – преследует свои цели, зачастую конфликтующие с соседними. IT-решения внедряются точечно, как «пластырь» для локальной проблемы конкретного отдела. Результат такого подхода – печально известные «цифровые острова»: системы, которые отлично работают внутри одного подразделения, но абсолютно не «дружат» с остальными.
«Если между отделами существуют конфликты интересов или недоговоренности, внедряемые решения превращаются в "цифровые острова", – подчеркивает Балашов. Таким образом, само разделение между хаотичным точечным внедрением и системной сквозной цифровизацией является лакмусовой бумажкой качества горизонтальных связей внутри организации. По оценке эксперта, в 90% компаний все еще существует колоссальный потенциал для улучшения сквозной управляемости. Проблема не в отсутствии технологий, а в том, что операционная деятельность и процессы управления разбалансированы.
Может ли одна «волшебная» программа заменить все слои производственного управления? Отвечая на этот вопрос, Иван Балашов объясняет иерархию промышленного софта. Производство – это сложнейшая многоуровневая пирамида. За глобальную бизнес-логику, финансы и ресурсы отвечает класс систем ERP. За непосредственное управление производственными процессами и цехами – MES. А за управление конкретными станками и механизмами в реальном времени – АСУТП. MES выступает здесь связующим звеном, переводящим бизнес-цели (ERP) на язык конкретных операционных задач (АСУТП).
И если говорить о практических результатах, то они более чем измеримы. В дискретном производстве (где создаются отдельные единицы продукции – от станков до смартфонов) комплексное внедрение цифровых решений дает поразительные результаты. По данным Балашова, можно сократить объем незавершенного производства на 10–20%. Это достигается за счет оптимизации оборачиваемости запасов и перехода к модели «точно в срок», когда детали и компоненты поступают на конвейер именно в тот момент, когда они нужны, а не лежат мертвым грузом на складе.
Тема искусственного интеллекта в промышленности сегодня окружена ореолом футуризма. Однако реальная картина внедрения, по оценкам Ивана Балашова, гораздо прозаичнее и интереснее. Он полагает, что не более 40% российских предприятий используют элементы ИИ.
Но главное – это глубина проникновения. Из этих 40% подавляющее большинство внедрили лишь базовые системы видеоаналитики. Например, нейросети, следящие за техникой безопасности, наличием касок на сотрудниках или нарушениях разметки. А вот глубокое проникновение нейросетей непосредственно в технологические процессы производства, где ИИ управляет режимами плавки металла или качеством раскроя материалов, пока остается уделом избранных. Балашов оценивает долю таких «визионеров» всего в 5%.
При этом стоит важная оговорка: эта оценка базируется на публичных кейсах. Многие заводы, особенно в оборонной и высокотехнологичной сфере, ведут разработки «в тени», силами собственных инженерных команд, не вынося свои инновации в публичное поле.
Параллельно с программными изменениями происходит и аппаратная революция. Сергей Махлин отмечает устойчивый глобальный тренд – переход к стратегии Edge Computing (периферийные вычисления).
Логика здесь железобетонная: время – деньги, а в промышленности время – еще и безопасность. Передавать терабайты данных с удаленной буровой платформы или горнодобывающего комбината в централизованное облако, расположенное за тысячи километров в Москве, становится неэффективно и рискованно. Задержка в десятки или сотни миллисекунд для многих процессов (например, аварийная остановка станка) недопустима.
Поэтому промышленные компании все чаще отказываются от строительства классических ЦОДов. Им на смену приходят модульные и контейнерные решения, которые размещаются прямо на производственных площадках. Данные обрабатываются здесь же, на «земле», и в облако уходят лишь обобщенные результаты. Это не только ускоряет реакцию систем, но и повышает надежность и автономность предприятия.
Впрочем, как предупреждает Махлин, переход на Edge Computing требует нового подхода к экономике. Нельзя оценивать такое решение изолированно, глядя лишь на стоимость серверов. Нужно учитывать совокупность капитальных и операционных затрат, риски аварий и потерю времени на передачу сигнала. Только комплексный анализ позволяет понять, где выгоднее построить модульный ЦОД прямо в цеху, а где все еще имеет смысл использовать удаленные мощности. Но общий вектор развития отрасли уже задан: будущее промышленности – за цифрой, которая работает здесь и сейчас, на самом близком расстоянии от станка.