Полной автономности нет: что мешает ИИ управлять производством без человека
Полной автономности нет: что мешает ИИ управлять производством без человека ▫️ Промышленный ИИ в России перешел от роли «подсказчика» к прямому управлению технологическими процессами, но полная автономность пока невозможна — самостоятельность нейросетей ограничивается АСУ ТП, аппаратной защитой, изолированными сетями и человеком, который отвечает за решение. Об этом говорили участники дискуссионного шоу «Красная зона ИИ: технология готова – готовы ли мы?» на совместной конференции «Билайн бизнеса» и «Ведомостей». А директор департамента технологических инноваций «Норникеля» Алексей Тестин предложил три ступени зрелости промышленного ИИ: ▫️ система видит — распознает процессы и собирает данные. ▫️ система советует — подсказывает оператору. ▫️ система управляет — берет процесс на себя. «Норникель» перешел на третью ступень: на обогатительных фабриках ИИ участвует в автоматическом управлении переработкой миллионов тонн руды. Эффект оценивается примерно в 10 млрд рублей в год. Но автономность там ограничена не моделью, а устройством производства. ▫️ Между ИИ и оборудованием стоит АСУ ТП: алгоритм получает сигналы, обрабатывает их и возвращает управляющие воздействия. Человек задает технологические границы, аппаратная защита ограничивает допустимые действия, а технологическая сеть изолирована от внешней среды. ИИ уже приносит деньги — но не всегда там, где ждут ▫️ Как рассказал директор по ИТ «Алросы» Вадим Желтухин, в компании компьютерное зрение контролирует загрузку самосвалов и при сравнительно небольших инвестициях увеличило загрузку техники на 11%. Это десятки тысяч тонн руды и сотни миллионов рублей экономического эффекта. То есть промышленный ИИ — это не только большие языковые модели. Компьютерное зрение и машинное обучение давно дают измеримый эффект в задачах, где есть данные, понятные критерии и ограниченная среда. Но тиражировать успешный пилот сложнее, чем кажется. Почему удачный пилот трудно повторить ▫️ В строительстве даже внутри одной компании условия для ИИ сильно различаются. Директор по ИТ группы «Самолет» Олег Тихонов объясняет это масштабом и историей бизнеса: проекты покупают и продают, они приходят от разных собственников, с разными методологиями и степенью цифровой зрелости. На крупный жилой комплекс может уйти десятилетие — технологии меняются, данные накапливаются в старых системах. Поэтому удачный инструмент бывает сложно перенести с одного объекта на другой. При этом успешные кейсы есть. ▫️ А директор по ИИ и цифровым продуктам «Билайна» Константин Романов связал многие неудачи в части применения ИИ с нехваткой опыта: компании впервые пробуют инструменты, выращивают компетенции с нуля и не всегда привлекают специалистов извне. Рецепт успеха Промышленный ИИ в России уже не эксперимент ради презентации, и в отдельных отраслях он приносит миллиарды рублей и управляет процессами в реальном времени. Но рецепт успеха пока выглядит так: ▫️ начинать с понятной задачи и измеримого эффекта; ▫️ готовить данные — без этого не будет тиражирования; ▫️ встраивать ИИ в существующие контуры управления, а не надстраивать над ними; ▫️ задавать границы — технологические, аппаратные и организационные; ▫️ оставлять человека там, где есть ответственность перед людьми; ▫️ считать стоимость повторения, а не только стоимость пилота. Главный вывод, который можно сделать из всей этой дискуссии в том, что зрелость промышленного ИИ определяется не тем, насколько автономна модель, а тем, насколько хорошо выстроены границы ее самостоятельности. Чем сильнее алгоритм, тем важнее контроль. Подписывайтесь на AI для бизнеса