ИИ в промышленности: практики, влияющие на финансовые результаты компании
06 / 03 / 2026
Все
ИИ в промышленности: от гипотез к реальным экономическим эффектам
17 февраля в Москве прошла дискуссия, посвященная внедрению искусственного интеллекта в промышленности, организованная Магнум Хант и Группой компаний Б1 при партнерстве компании OES. В этом году со стороны Магнум Хант инициаторами дискуссии выступили две практики - Промышленность и ИТ: во главе со страшим партнером компании, руководителем промышленной практики Луизой Губайдулиной при содействии партнера, руководителя практики «ИТ и Телеком» Ольги Новиковой. Представители крупнейших игроков российского рынка обсудили актуальные вопросы: как они уже сейчас превращают ИИ из эксперимента в системный инструмент бизнеса, как находят баланс между bottom-up инициативами сотрудников и top-down поддержкой руководства и как это влияет на конкурентную гонку в условиях развития GenAI.
1. Новые разработки и генеративный ИИ, примеры внедренных проектов
Компания Магнум Хант представила в качестве отправной точки обсуждения результаты своего ежегодного опроса, в котором приняли участие 68 топ-менеджеров из разных отраслей, в том числе представители промышленных компаний (44% респондентов).
Опрос показал, что рынок пока очень консервативен. Только 13% компаний готовы перекупать звездных руководителей или целые команды ИИ. Промышленность пока демонстрирует осторожное отношение к инвестициям в ИИ: 40% отметили, что покупают готовые решения на рынке, такой же процент со скепсисом наблюдает за развитием технологий, и лишь 20% компаний активно вкладываются в искусственный интеллект, при этом ИИ-лидерами чаще выступают акционеры, CEO и HR.
Развитием внутренних ИИ-команд занимаются 40% опрошенных компаний, ровно столько же не инвестирует в это направление, и только 13% компаний уже нанимают сотрудников с передовой экспертизой с рынка. При этом 7% респондентов отметили, что их компании отдают эту функцию на аутсорсинг.
На вопрос, готова ли компания перекупать звездных руководителей или команды ИИ даже с увеличением дохода, только 13% опрошенных однозначно ответили «да». Это говорит о том, что 2026 год — оптимальное окно возможностей: компании, которые инвестируют в команды сегодня, получают технологическое преимущество завтра.
Дискуссия получилась насыщенной цифрами и кейсами. Нина Матвиенко, заместитель директора по искусственному интеллекту и цифровым продуктам Билайн BigData & AI, выступила модератором обсуждений и открыла встречу актуальным вопросом: «Эпоха осторожных пилотов закончилась, сегодня выигрывают те, кто действует быстро, но системно. Какие технологии вы уже внедрили и что позволит компаниям выигрывать эту гонку завтра?”
В рамках первой дискуссии «Новые разработки и генеративный ИИ, примеры внедренных проектов» спикеры поделились индустриальными кейсами внедрения искусственного интеллекта и обсудили ключевые точки роста.
ИИ — это уже экономика
«Северсталь» внедряет ИИ с 2016 года. Как отметил Владимир Сидоров, руководитель кластера «Стратегия и новые технологии» «Северсталь-инфокома», ежегодный экономический эффект от внедрений классического ИИ составляет более 1 млрд рублей.
В 2023 году компания начала тестирование ИИ-ассистентов на основе генеративного ИИ, в том числе ассистентов для поиска по базе знаний. А уже в 2025 корпорация запустила собственную платформу генеративного ИИ «ДаВинчи», доступную уже более чем 4 тысячам сотрудников. На данный момент потенциальный эффект от внедрения — это 313 тысяч человеко-часов экономии времени. С 2026 года компания перешла к оценке прямых финансовых эффектов от внедрения генеративного ИИ.
Серьезный вызов при внедрении любых ИИ-технологий, по мнению спикера, — это баланс между bottom-up инициативами сотрудников и top-down поддержкой руководства. Примером решения стал внутренний конкурс “Лидеры металлургИИ будущего”, который собрал 429 заявок и выступил катализатором успешного проникновения ИИ в реальные корпоративные процессы в «Северстали».
Завершая выступление, Владимир Сидоров подчеркнул, что внедрение ИИ — это не только технологический процесс: «Это проект полноценной трансформации. Подготовка к масштабному внедрению требует времени на вовлечение всех уровней компании. Нам, например, потребовалось 2,5 года и больше 200 вовлекающих сессий разного формата. Также важно, чтобы компания давала безопасные и удобные инструменты для работы, обеспечивала безбарьерный вход и конструктор ИИ-агентов в связке с корпоративными системами и ландшафтом компании. Топ-менеджмент тоже должен использовать генИИ лично. Но ключевое — не пытаться считать прямые финансовые эффекты в каждом действии, долгосрочно Bottom-up даст наибольший эффект.
Проверка гипотез — только через показатели
Всё чаще компании запускают только те цифровые инициативы на базе ИИ, где заранее просчитан экономический эффект: влияние на EBITDA, производительность, снижение простоев и операционных рисков. Если эффект нельзя оцифровать — проект не стартует. Такой подход дисциплинирует и бизнес, и IT: меньше витринных кейсов, больше решений, которые реально меняют экономику.
В Группе «ЕвроХим» последние годы удалось выстроить полноценный контур работы с данными и ML — от инфраструктуры до прикладных сервисов для производства, логистики, снабжения и финансов. В фокусе — оптимизация технологических режимов, точное планирование ремонтов, сокращение простоев и повышение эффективности закупок. Каждый кейс проходит фильтр: на какие KPI он влияет и когда окупится.
Валерий Черепанов, заместитель директора по цифровизации, отметил: «Компания принципиально запускает только те ИИ-проекты, которые дают оцифрованный эффект — в деньгах, производительности и снижении потерь. Наш следующий шаг — персональные ИИ-агенты для сотрудников: встроенные в процессы помощники, которые анализируют данные, подсказывают оптимальные решения и помогают быстрее принимать обоснованные управленческие решения.
Станет ли у людей меньше работы? Скорее изменится сама роль. Рутину и подготовку типовых материалов постепенно берут на себя алгоритмы, а у человека на первый план выходят постановка задач, интерпретация результатов и ответственность за конечный бизнес-эффект.»
Эффект важнее хайпа
В РУСАЛе подчеркивают: не стоит гнаться за технологиями ради технологий, важно фокусироваться на реальном эффекте, сохраняя стратегический горизонт развития ИИ. Компания системно расширяет сферу применения ИИ-технологий и развивает корпоративную ИИ-инфраструктуру, формируя основу для перехода к более сложным интеллектуальным архитектурам.
“Сегодня в отрасли активно обсуждают AGI-подходы и мультиагентные системы как перспективный этап эволюции ИИ. Речь идет об архитектурах, способных адаптивно выполнять широкий спектр интеллектуальных задач без необходимости ручной перенастройки под каждую из них. Движение к таким системам начинается с построения востребованных мультимодельных решений и их интеграции в бизнес-процессы”, - отметил Иван Казарин, руководитель направления Data Science Operations, департамент технологий искусственного интеллекта, РУСАЛ.
Одним из опорных внутренних решений компании стал корпоративный мультимодельный транскрибатор - интегрированная система, объединяющая специализированные модули ASR и LLM для распознавания, обработки и анализа речи. Решение не только расшифровывает записи встреч, но также анализирует параметры коммуникации для каждого спикера и формирует релизы с основными выводами и задачами для участников. Это позволяет повышать эффективность взаимодействия между командами, управлять качеством внутренних процессов и трансформировать неструктурированные данные в источник управляемого знания.
“На пути к архитектурам следующего поколения необходимо системно развивать инфраструктуру, стандарты интеграции и культуру использования ИИ. Вовлечение сотрудников - один из ключевых факторов успеха: если лидеры изменений переходят от личного использования ИИ к трансформации рабочих процессов, значит, компания движется в правильном направлении” - поделился спикер.
GenAI — это мегатренд
Кирилл Петров, сооснователь, Just AI, рассказал участникам о векторах развития ИИ-технологий.
Спикер выделил три ключевых тренда. Первый - активное использование лайвкодинга — проекты, которые год назад занимали недели, сегодня создаются за часы. Второй - развитие агентов, необходимых для автоматизации бизнес-процессов. И третье - мультимодальность — создание единых платформ, способных «видеть, слышать и говорить».
“Во время ИИ-трансформации бизнес сталкивается с типичными барьерами: культурное сопротивление, негибкая архитектура, организационная инерция, изолированные ИИ-лаборатории без связи с бизнесом” - отметил Кирилл Петров. Но чем больше ИИ будут проникать в саму основу архитектуры и бизнес-логики, тем проще и эффективнее будет выстраиваться процесс.
Спикер призвал участников обращать больше внимания на AI-нативный подход, когда искусственный интеллект внедрен с момента создания, а не добавляется в качестве функции и надстройки.
Помимо необходимости развивать инфраструктуру, эксперт также отметил критическую значимость создания среды, где Al становится естественным и поделился основными инструментами, опробованными в компании: еженедельное время для свободных экспериментов с новыми Al-инструментами, регулярные демо реальных рабочих процессов с использованием АІ, микро-хакатоны и обязательная AI-грамотность для новых сотрудников.
Эффективной практикой Кирилл Петров также назвал метод «параллельных команд-дублеров»: небольшая AI-команда воспроизводит функцию действующего подразделения, постепенно забирая ее на себя. При этом изначальная команда имеет возможность повысить квалификацию и участвовать в создании гораздо более сложных новых процессов в компании.
2. ИИ решения в рамках новых стратегий цифровизации
Вторая сессия была посвящена практическим решениям, которые позволяют минимизировать риски при инвестировании в развитие ИИ.
Данные — главный барьер
Цифровая трансформация уже дала ощутимый результат: накопленный экономический эффект в СИБУРе превышает 50 млрд рублей. Причём это не только сложные нейросети — большую часть экономии приносят простые алгоритмы, которые снимают с сотрудников рутину и ускоряют принятие решений.
Главный ограничитель для дальнейшего роста — данные. У компаний накоплены огромные массивы информации, но использовать их мгновенно не всегда получается, поскольку они собраны не по единому стандарту.
«У нас внедрена система ЭКОНС, которая в реальном времени показывает операторам заводов, как их решения влияют на экономику, — рассказывает Вадим Щемелинин, руководитель „Индустрии 4.0“ в СИБУР Диджитал. — Масштаб системы огромный: 72 производства и 390 панелей, куда выводится более 5000 показателей. Это помогает вести режим работы с максимальной выгодой здесь и сейчас».
Сейчас один из фокусов развития ИИ в компании — производственный контур. Уже работают системы предиктивного обслуживания, рекомендательные модели для реакторов и пиролиза, алгоритмы оптимизации режимов. Искусственный интеллект берёт на себя анализ больших массивов данных и подсказывает оптимальные решения, а человеку остаётся контроль и финальный выбор. За счёт этого решения принимаются быстрее и точнее — от управления реактором до планирования ремонтов.
В результате цифровизация даёт эффект сразу по нескольким направлениям: растёт производительность труда и отдача от оборудования, сокращаются простои, снижается потребление сырья и энергии — а значит, и углеродный след, — улучшается качество продукции и повышается промышленная безопасность.
Не точечные решения, а «единое окно ИИ»
Билайн активно внедряет искусственный интеллект, следуя стратегии ИИ-ориентированной компании, а также развивает технологичность ИИ-решений для бизнеса и государства.
«ИИ-агенты уменьшают влияние человеческого фактора в планировании и управлении производством: обеспечивают годовой горизонт планирования, диспетчеризацию в реальном времени и более стабильное выполнение производственных целей. На практике это означает, что система может автоматически пересчитывать производственные графики при сбое оборудования, дефиците сырья или изменении спроса, предлагать оптимальные сценарии переналадки, а также поддерживать процессы техобслуживания и снабжения. Операционная поддержка через ИИ снижает зависимость от экспертизы конкретных сотрудников: агенты обрабатывают до 100% типовых запросов и сокращают время поиска решений на 30%», — отметил Владимир Ласовский, директор департамента развития инновационных продуктов и технологий Билайн Big Data & AI.
По словам спикера, главный тренд рынка сегодня — переход от точечных внедрений к формату «единого окна ИИ». Для этого компаниям нужна системная архитектура, которая позволяет масштабировать ИИ от отдельных моделей до комплексных мультиагентных систем «под ключ», обеспечивая управляемость, прозрачность и измеримый эффект для бизнеса».
ИИ как точка рывка для горной отрасли: от аналитики к оперативному управлению в реальном времени
ИИ может стать для горной отрасли точкой рывка в текущих условиях, считает Владимир Свинцов, CEO OES: «В отличие от многих индустрий, добыча почти 30 лет не показывает кратного роста эффективности. При этом потенциал ИИ — +20–30% производительности и сотни миллиардов долларов эффекта в мировом масштабе».
По словам спикера, проблема не в данных — их достаточно. Проблема в том, что сложность смены давно превысила человеческое внимание: на предприятии фиксируются десятки тысяч отклонений за смену, а диспетчер физически успевает обработать менее 0,1%. При этом до 30% отклонений можно быстро устранить, если реагировать вовремя.
Один из самых быстрых источников эффекта — балансировка парка самосвалов. В кейсе, который привёл Владимир Свинцов, потери достигали 1 млрд рублей в год. Сегодня система с точностью 98% прогнозирует маршруты техники и на 30 минут вперёд предсказывает очереди, перераспределяет самосвалы между экскаваторами, учитывает ТО и заправку и отправляет директивы операторам — включая голосовое взаимодействие.
Суммарный эффект от синхронизации работы парка техники может превышать 1,5 млрд рублей экономии в год на одном предприятии.
«ИИ в добыче — это не аналитика ради отчётов, а оперативное управление в реальном времени: он снижает потери и переводит диспетчеризацию от ручного контроля к более автономным решениям», — подчеркнул Владимир Свинцов.
Компьютерное зрение как MVP за день
Дмитрий Марков, генеральный директор VisionLabs, представил аналитику рынка компьютерного зрения для промышленного сектора. Ключевой вывод – стабильный рост рынка, CAGR 15–18%, особенно в энергетике.
Крупные клиенты, по данным спикера, проводят до 30 проверок гипотез в год, фокусируясь на снижении затрат, ускорении внедрения, а также стабильным остается спрос на проекты «под ключ». Средний бизнес полностью сконцентрирован на поиске типовых решений для готового внедрения.
На примере кейса по внедрению на производстве крупной металлургической компании технологии, позволяющей выполнять автоматический контроль качества подаваемой заготовки перед прокатом для выявления поверхностных дефектов, Дмитрий Марков наглядно показал, как всего 4 камеры и 1 секунда обработки информации дают экономический эффект.
В конце мероприятия модератор Нина Матвиенко, заместитель директора по искусственному интеллекту и цифровым продуктам Билайн BigData&AI, подвела итоги встречи, выделив 6 ключевых выводов:
● ИИ не выстреливает точечно — он равномерно проникает во все функции.
● Без поддержки первого лица масштабирование невозможно.
● Внедрение — это не про модели, а про людей и инфраструктуру.
● Генеративный ИИ — не хайп, а фундаментальный тренд.
● Промышленность движется от ассистентов к агентным системам.
● Побеждают компании, которые начинают сейчас.
Мероприятие показало: вопрос уже не в том, внедрять ли ИИ. Вопрос — насколько быстро и системно компания готова пройти этот путь сразу в трех направлениях: технологии, инфраструктура и своевременное формирование успешной команды ИИ.
Организаторы мероприятия: компания Магнум Хант, Группа компаний Б1. Партнер: компания OES.
01 / 25