Василий Ракитин: искусственный интеллект становится частью производственного контура

Искусственный интеллект в российской промышленности постепенно выходит за рамки экспериментальных проектов и рекомендательных систем. Один из показательных примеров такого перехода демонстрирует «Норникель», где технологии машинного обучения уже интегрированы непосредственно в производственные процессы.

По данным компании, искусственный интеллект и машинное обучение применяются на разных этапах производства — от работы с данными и прогнозирования до оптимизации технологических процессов. В отчётах «Норникеля» отмечается, что более 80% ключевого оборудования на площадках компании управляется с применением алгоритмов машинного обучения и компьютерного зрения. Экономический эффект от инвестиций компании в цифровые инновации превышает 10 млрд рублей в год. При этом сам показатель включает цифровые инновации в целом, а не только проекты искусственного интеллекта.

Директор департамента технологических инноваций «Норникеля» Алексей Тестин ранее обращал внимание на принципиальную разницу между несколькими уровнями применения ИИ: система может наблюдать за производственным процессом, давать рекомендации оператору либо непосредственно участвовать в управлении оборудованием.

Именно переход к последнему уровню становится одним из наиболее значимых изменений для промышленности. Если на первых этапах искусственный интеллект выполняет функцию аналитического помощника, то при интеграции с производственным контуром требования к качеству данных, надежности моделей и безопасности становятся существенно выше.

Такой подход соответствует более длительной стратегии цифровизации «Норникеля». Еще несколько лет назад компания внедряла системы машинного обучения, которые в режиме реального времени выдавали рекомендации по процессам измельчения и флотации руд. В дальнейшем инфраструктура развивалась в сторону полноценной платформы для ИИ-моделей, цифровых двойников и систем управления.

Заместитель председателя Комитета по энергетической стратегии и развитию топливно-энергетического комплекса ТПП РФ, действительный член Академии горных наук, директор по развитию экспертной платформы «Горнопромышленная стратегия» Василий Ракитин считает, что именно переход от рекомендаций к непосредственному участию алгоритмов в производственном процессе показывает реальную зрелость промышленного ИИ.

«Когда искусственный интеллект перестает быть только аналитическим инструментом и начинает непосредственно влиять на режим работы оборудования, речь идет уже о принципиально другом уровне цифровизации. В этом случае ИИ становится частью производственной системы, а значит, требования к его надежности, качеству данных и безопасности должны быть такими же серьезными, как к другим элементам промышленного контура», — отмечает Василий Ракитин.

По его мнению, одним из главных критериев зрелости промышленного ИИ должен становиться не сам факт внедрения технологии, а измеримый производственный результат — снижение потерь и простоев, рост производительности, повышение качества, устойчивости и безопасности технологических процессов.

«Для промышленности сегодня важно уходить от логики бесконечных пилотов. Если решение доказало эффективность на реальном производстве, следующий вопрос — можно ли его масштабировать и применять на других предприятиях. Именно переход от единичного кейса к воспроизводимой технологии дает системный эффект для отрасли», — подчеркивает Ракитин.

Этот подход близок модели работы Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI ВЕК», которая выстраивает взаимодействие с предприятиями через региональные центры компетенций и AI-лаборатории. В основе такой модели лежит движение не от готового ИТ-продукта к потенциальному заказчику, а от конкретной производственной проблемы к подбору технологии, запуску пилота, оценке результата и последующему масштабированию.

Практика крупных промышленных компаний особенно важна для регионального внедрения ИИ, поскольку позволяет отделять экспериментальные разработки от решений, которые уже способны работать в реальном производственном контуре.

Для регионов и предприятий следующим этапом становится формирование механизма тиражирования доказавших эффективность решений: выявление производственных задач, оценка исходных данных и инфраструктуры, подбор готовых кейсов или разработка решения в AI-лаборатории, пилотирование на конкретном предприятии и только после подтверждения эффекта — масштабирование.

Таким образом, пример «Норникеля» показывает более широкий тренд: центр внимания промышленного ИИ постепенно смещается от самого факта использования нейросетей к их реальной интеграции в производство, измеримому экономическому эффекту, безопасности и возможности масштабирования. Именно эти параметры будут во многом определять следующий этап внедрения искусственного интеллекта в российской промышленности и регионах.