Как ИИ меняет заводы: почему промышленность осторожнее банков

Девять из десяти компаний в мире уже используют искусственный интеллект хотя бы в одной бизнес-функции. Но дальше самое интересное: по данным McKinsey, до масштабного внедрения дошла только треть бизнеса, а реальный эффект на прибыль видят далеко не все. При этом в банках и офисной работе ИИ уже стал нормой. А промышленность — совсем другая история. Здесь нельзя просто поставить чат-бот и сказать: «Все, мы внедрили искусственный интеллект». Здесь есть шахты, печи, закрытые данные, серьезные требования к безопасности и высокая цена ошибки.

Почему искусственный интеллект в промышленности внедряется медленнее? И правда ли, что, когда он все-таки внедряется, эффект может быть куда серьезнее, чем в офисе?

— Насколько справедливо говорить, что ИИ — это в первую очередь история про банки, бигтех и офис, а не про заводы и рудники?

Наталья Артамонова, директор по внедрению генеративного ИИ в «Норникеле»:

— Я считаю, что представление о том, будто ИИ нужен в основном бигтеху и банкам, уже устарело. Конечно, они были первыми: для них это более естественная среда. Они изначально работают в сфере IT, у них проще с доступом к данным. Но сейчас промышленники, в том числе металлурги, не отстают. Для нас развитие искусственного интеллекта — одна из фокусных задач на этот и следующие годы.

— В чем главная сложность внедрения ИИ в промышленности? Казалось бы, решение понятное — бери и используй.

— Сложность именно в предметной области. Банки и телеком в основном внедряют искусственный интеллект в работе с клиентами, то есть в b2c, или во внутренних процессах: маркетинге, коммерции. Это уже достаточно понятно людям.

В промышленности искусственный интеллект внедряется на технологических и промышленных объектах. Там крайне высока цена ошибки. Если ошибиться при генерации презентации — ничего страшного. А если при внедрении ИИ что-то нарушится в техпроцессе, это, во-первых, миллионы долларов потерь, а во-вторых, большие риски безопасности. Поэтому все, что внедряют промышленники, они делают основательно и осторожно.

— Нет ли проблемы с тем, что специалисты в промышленности не доверяют искусственному интеллекту? Они постоянно слышат, что ИИ галлюцинирует и генерирует непонятно что.

— Когда мы говорим про искусственный интеллект, я бы разделяла классические методы — машинное обучение и компьютерное зрение — и генеративный ИИ. Первым достаточно тяжело галлюцинировать, потому что там понятные регрессии, математический аппарат, математическая статистика. Там галлюцинаций нет.

Основной эффект промышленники до текущего момента получали как раз от классического искусственного интеллекта. Нужно было показать людям, что он работает. А с генеративным ИИ действительно сложнее: там есть высокий риск галлюцинаций. Мы как раз работаем над качеством ИИ и специально обучаем нашу доменную модель, чтобы минимизировать риск ошибки агента.

— Давайте подробнее поговорим и про модель, и про сам подход. Как это работает?

— Мы используем нашу доменную модель в специальных агентских сценариях, заточенных под управление технологией и проектирование.

— Доменная модель — это вы взяли какую-то модель, переобучили ее, дообучили, и теперь она, условно, знает все про металлургию?

— Если грубо, то да. Мы действительно взяли модель и обучили ее на наших данных, очищенных от особенностей «Норильского никеля», потому что потом выпускали эту модель в open source. Ничего конфиденциального там нет, можете не пытаться узнать.

Она обучена на наших техрегламентах, техкартах и общих знаниях о производственных процессах. В целом она гораздо точнее отвечает на специфические вопросы, связанные с металлургией, чем модель общего профиля. Почему? Потому что модели общего профиля обычно обучаются на общедоступных данных, а технологические данные закрыты. Их просто неоткуда было взять.

Когда мы тестировали на наших специализированных агентах разные большие языковые модели — нашу и другие открытые модели, наша в специфике отрабатывала гораздо лучше, потому что знает тему.

— Какие агентские сценарии уже можно подключить к такой модели? Какие практические задачи можно решать с помощью агентов?

— Мы сейчас фокусируемся на четырех крупных направлениях. Первое — агенты, близкие к производству: ремонты, управление запасами, закупки. Вторая группа — агенты по проектированию. Мы выстраиваем функцию генерального проектирования через искусственный интеллект. Третья большая задача — развитие ИИ для поиска новых материалов. Четвертый большой пласт, важный не только нам, но и отрасли в целом, — управленческие процессы. Они не настолько промышленно-специфические, но там все равно есть отраслевая особенность.

— Про управленческие процессы можно говорить почти с любыми компаниями. А с вами, как с человеком из промышленности, хочется поговорить про управление ремонтами, запасами и проектированием. Начнем с ремонтов. Что там делает агент?

— У нас есть ансамбль агентов, которые занимаются планированием ремонтов. Первый агент анализирует техкарты и регламенты и выдает инструкцию: как часто и в какой последовательности нужно ремонтировать тот или иной агрегат. Это планировщик ремонтов.

Второй агент — расстановщик ресурсов: человеческих ресурсов, то есть тех, кто будет делать ремонт, а также ЗИПов, расходных материалов. Этот агент интегрирован с нашими складскими и закупочными системами. Если возникает потребность, можно сразу запустить работу с заказом необходимых материалов.

Мы начали работать с этими агентами, потому что на предприятии есть множество оборудования, по которому просто не хватает времени качественно и детально проработать планы ремонтов. У нас тысячи номенклатур. За критическими агрегатами мы очень внимательно следим, но некоторые вещи естественным образом выпадают из фокуса внимания.

— То есть у людей, которые занимаются планированием, просто не хватает ресурса на тысячи агрегатов. А если все расставлено заранее, есть понятный план и видно, каких запчастей не хватает, бригада получает задание и идет выполнять работу.

— Да.

— Вы уже протестировали этот ансамбль агентов? Есть ли результаты?

— Мы в процессе. Сейчас идем по этапу пилотирования. Мы точечно протестировали функционал и убедились, что он работает. Теперь нужно сделать определенные доработки и передать решение бизнес-пользователям.

— В мире много скепсиса: хайп вокруг ИИ есть, но денег в нем якобы нет. Вы считали эффект от внедренных решений?

— Конечно. Мы достаточно прикладным образом смотрим на все наши инициативы. Мы не берем в работу те вещи, которые не приносят экономического эффекта и не дают быстрой окупаемости.

Если смотреть на искусственный интеллект в производстве, то он уже приносит нам около 10 млрд руб. ежегодного экономического эффекта. Генеративный ИИ пока приносит меньше, но мы верим и активно стремимся к тому, что на горизонте двух-трех лет он будет давать сопоставимую сумму.

— То есть речь идет, условно, про десятки миллиардов?

— Да.

— Вы сказали, что двигаться нужно постепенно. Насколько медленно? В IT есть принцип move fast, break things — «двигайся быстро, ломай все». Но в промышленности нельзя ломать: если что-то сломаешь, это может быть катастрофой, и речь идет не только о деньгах, но и о безопасности. Как вы себя ограничиваете?

— Если говорить именно про генеративный искусственный интеллект, то ситуация следующая. Во-первых, мы строим решения параллельно действующему процессу. Компания продолжает работать так, как работает, а мы параллельно создаем решение и запускаем его в тест.

Когда люди видят, что все работает, служба информационной безопасности подтверждает безопасность, интеграции работают, все согласовано — мы переключаем рубильник. Это, с одной стороны, дает нам возможность безопасно тестировать решения, а с другой — не ограничивает нас в скорости.

И, конечно, поскольку решения технически сложные, мы не работаем в одиночку. У нас отличная команда информационной безопасности и отличная IT-команда, которые нам помогают. Без них мы бы просто не справились.

— Сейчас часто говорят об AI-first-компаниях, которые изначально создаются под будущее с искусственным интеллектом. Могут ли быть промышленные компании AI-first? И если да, как они будут выглядеть?

— Мне кажется, нет. Мы не уйдем от физической составляющей. Нам все равно нужно будет добывать, плавить, перерабатывать, обогащать. Ядром все равно останется технологический процесс. А дальше вопрос в том, какой объем искусственного интеллекта будет рядом с этим процессом, вокруг него и над ним.

Мы верим, что очень скоро индустрии перейдут от концепции «человек плюс ИИ» к концепции «ИИ плюс». Сейчас люди применяют чат-боты, но все равно делают свой обычный процесс и подключают туда отдельные инструменты искусственного интеллекта. То есть чуть-чуть улучшают процесс.

Когда мы внедряем генеративный ИИ, мы проектируем процессы с нуля — уже под решение с генеративным ИИ. Но это не касается производственных процессов: они будут жить так, как жили.

— Вы говорите скорее про офисные процессы или, например, управление складскими запасами, то есть про безопасные процессы?

— Да, это процессы рядом с производством, мы называем их вспомогательными. И, конечно, управленческие процессы.

Более того, мы изначально тестировали гипотезу, что можно взять и спроектировать отдельный процесс или создать так называемых цифровых сотрудников. Сейчас это модная тема. Но, по нашему опыту, это не очень эффективно.

Промышленность настолько сложна, что в одном человеке много функций. С другой стороны, один человек не замыкает на себе весь процесс. Если хочешь получить эффект, нужно пересматривать процесс пластами. Сейчас в части управленческих процессов мы полностью перестраиваем процессные пласты, подразделения и даже департаменты.

— То есть нельзя просто создать цифрового бухгалтера или цифрового юриста, как это любят продвигать крупные компании? Нужно начинать с процесса, разворачивать его и пересобирать?

— Да. Я была бы рада делать цифровых сотрудников, это гораздо проще. Но эффекта мы там не нашли. Оно работает, но эффекта нет. А мы говорим именно про эффекты.

— Когда у каждого инженера или технолога появится свой ассистент? Или, судя по тому, что вы говорите, это не решает проблему, и нужно пересобирать всю систему? Когда появится новая промышленность с искусственным интеллектом?

— Она уже есть сейчас. Если смотреть на пример «Норильского никеля», то наше основное технологическое оборудование уже управляется искусственным интеллектом в автономном режиме.

При этом у нас сохранены технологи, но их роль изменилась. Сейчас они наблюдают за работой искусственного интеллекта, потому что это критический элемент производства. Мы не можем исключить человека: слишком велики риски. В критических ситуациях человек может перехватывать управление. Это уже есть сейчас.

Если говорить про вспомогательные и управленческие процессы, мы уже раздали сотрудникам доступ к платформе с генеративным ИИ. У сотрудников есть чат-боты, и они используют их ежедневно.

Когда ИИ будет автоматизировать значительную долю процесса, люди, конечно, останутся. Но будет радикальный переход в компетенциях. Появятся люди, которые будут управлять агентами и ассистентами, настраивать их. Поэтому растут требования к навыкам — от промпт-инжиниринга до критического мышления, понимания того, что делает агент, и даже этики работы с искусственным интеллектом: что можно загружать, что нельзя, какие вопросы ему можно задавать.

Для нас это большой вызов. Мы уже сталкиваемся с дефицитом компетенций по работе с искусственным интеллектом.