Промышленность присматривается к искусственному интеллекту: что мешает его внедрению
Российские предприятия тестируют нейросети для проектирования, добычи и контроля качества. Как выяснил DK.RU, главными барьерами остаются стоимость технологий, дефицит компетенций и безопасность.
На этой неделе в Екатеринбурге проходит выставка «Рудник», где обсуждаются современные технологии добычи и обогащения полезных ископаемых, а также вопросы цифровизации и автоматизации горного производства. Информационным партнером выступает издание «Деловой квартал»: мы помогаем привлечь внимание деловой аудитории и поделиться интересными кейсами.
Хотя примеров, когда нейросети участвуют в сложных производственных процессах, на Урале пока не так много, они определенно заслуживают внимания. В дни выставки DK.RU рассказывает, как реальный бизнес внедряет искусственный интеллект на практике и с какими сложностями сталкивается.
Тренды
Промышленность постепенно переходит от обычной автоматизации к системам, которые используют искусственный интеллект (ИИ) для анализа данных и принятия решений. Раньше предприятия внедряли электронный документооборот, системы управления финансами, персоналом и запасами (ERP), а также программы для проектирования изделий (САПР) и управления их жизненным циклом (PLM). На производствах устанавливали станки с числовым программным управлением.
Но у такой автоматизации есть свои ограничения. Предприятия собирают огромные объемы данных с тысяч датчиков, которые следят за работой оборудования, но не анализируют их. Именно ИИ становится тем инструментом, который способен превратить эти массивы «сырой» информации в реальный экономический эффект. Искусственный интеллект в современной индустрии выступает не просто заменой человеческого труда, а мощным катализатором, который связывает разрозненные технологические процессы, оптимизирует загрузку мощностей и минимизирует издержки.
Интеграция ИИ в реальный сектор экономики происходит по нескольким ключевым направлениям, которые охватывают как управленческие, так и чисто технологические процессы. Пока большинство проектов идет по пути создания помощников, которые забирают на себя рутинные задачи — ключевое решение остается за человеком.
Ассистенты для инженеров
В мае это года на конференции ЦИПР-2026 были представлены две исследовательские разработки Сбера и Института AIRI, созданные на базе нейросети GigaChat. Обе предназначены для автоматизации процессов в промышленности.
Первая — ассистент инженера-технолога. Разработка позволяет автоматизировать проектирование процессов изготовления деталей. Специалисту достаточно загрузить в систему конструкторскую документацию, после чего ИИ самостоятельно анализирует данные и генерирует готовый прототип техпроцесса, содержащий описание этапов, маршрутную карту и рекомендации по выбору оборудования. Инженеру остается лишь скорректировать данные в САПР и утвердить их.
Второй ассистент предназначен для помощи инженерам-конструкторам — он решает задачу обратного проектирования (реверс-инжиниринга). Там, где раньше требовались недели ручного труда для восстановления цифровой модели по готовой детали или чертежу, ИИ мгновенно анализирует облако точек и создает точную цифровую CAD-модель с полноценным «деревом построения». Полученная модель легко интегрируется в российские инженерные экосистемы, такие как «Компас-3D», T-FLEX CAD или «САРУС+». Использование ассистента кратно увеличивает скорость разработки и освобождает инженеров от рутины.
Сейчас ассистентские программы проходят опытную эксплуатацию на крупных российских предприятиях машиностроительного сектора — АО «Технодинамика», АО «Тяжмаш» и «Объединенная двигателестроительная корпорация».
Помощник бурильщика
В добывающей и тяжелой промышленности ИИ берет на себя функции интеллектуального соавтора сложных технологических операций. Уникальный кейс реализует Уральский государственный горный университет. Кафедра информатики УГГУ разрабатывает программно-аппаратный комплекс «Помощник бурильщика», призванный автоматизировать буровзрывные работы, которые традиционно считались непригодными для роботизации.
В условиях реальной шахты датчики буровой установки (энкодеры и измерители линейных перемещений) постоянно «дрейфуют», а в механических шарнирах манипулятора возникают люфты и упругие деформации. В результате компьютерная система управления начинает «мазать» мимо проектных точек на 10–15 см. Ранее приходилось останавливать работу для ручной калибровки, — описывает проблему доцент кафедры информатики УГГУ Евгения Волкова.
Комплекс, который разрабатывается в УГГУ с помощью ИИ-алгоритмов и концепции «кибериммунитета», способен самостоятельно выявлять сбои, прогнозировать отклонения, автоматически компенсировать люфты и изолировать аномальные показания датчиков, обеспечивая непрерывность бурения.
Архитектура решения разделяет все компоненты на три уровня доверия:
- недоверенные домены (камеры, пульт оператора, внешние каналы связи),
- доверенные домены (критические вычислительные модули),
- домены повышения целостности данных.
Коммуникация между всеми компонентами осуществляется через брокера сообщений под контролем «Монитора безопасности» — единственного субъекта, который принимает решения о том, какие сообщения можно передавать, а какие нужно заблокировать.
Он проверяет все сообщения с датчика. В случае, если показания выбиваются из нормы или отличаются от данных с других датчиков, сообщение блокируется, а в журнале аварий появляется предупреждение. Система продолжает работу, используя последние достоверные данные или переходит в безопасный режим. Защита срабатывает в случае любых сбоев, изолируя аномалии так, что они не могут повлиять на управление, — объясняет логику работы ИИ-помощника Евгения Волкова.
Прототип «Помощника бурильщика» уже доказал свою эффективность во время серии испытаний. К 2028 г. в УГГУ планируют создать полностью роботизированную буровую установку, работающую без присутствия человека в забое.
Советчики для горняков и металлургов
Производственные процессы с помощью ИИ также оптимизируют горняки и металлурги. В блоге на Хабре — одной из крупнейших отечественных платформ для разработчиков — Группа НЛМК делилась опытом по созданию цифровых советчиков для специалистов ГОКа, доменного, конвертерного производства и не только.
ИИ на производстве применяют в разных сферах: для проектирования деталей, контроля качества руды и оптимизации загрузки оборудования. Например, машинное зрение анализирует цвет жидкости при обогащении руды и сигнализирует специалисту, если показатели отклоняются от нормы.
Пример — ИИ-помощник для специалистов, которые обслуживают магнитно-гравитационные сепараторы (МГС). Эти агрегаты используются при подготовке руды к плавке: в них загружают водно-рудную смесь (пульпу), под воздействием магнитного и гравитационного поля тяжелый, магнитный, металл опускается и идет на дальнейшую переработку, легкий, немагнитный, поднимается и затем уходит в «хвосты». Чтобы помочь сепараторщикам и обеспечить качественную подготовку руды, МГС оборудовали машинным зрением. Кадры с камер передаются в нейросеть, которая сравнивает имеющийся цвет жидкости с эталонной: если несоответствия велики, специалист получает сигнал о необходимости вмещаться в процесс.
Подобные помощники есть и на металлургических переделах: ИИ-советчики помогают оптимизировать загрузку шихты, ферросплавов и т. д.
Перспективные направления
Помимо проектирования и непосредственного управления оборудованием, промышленники рассматривают внедрение ИИ в других сферах. В первую очередь — контроль качества: там, где речь идет о потоке, использование машинного зрения помогает автоматически выявлять брак, вести подсчет готовой продукции, мониторить состояния сырья и т. д.
Еще одна перспективная сфера применения ИИ — обслуживание и ремонт оборудования. С помощью прогнозной аналитики нейросети отслеживают изменения температуры и вибрации станков и выявляют признаки возможных неисправностей. Это позволяет обнаружить проблему до поломки оборудования, избежать незапланированных простоев и сократить связанные с ними расходы.
Среди других востребованных направлений — безопасность, охрана труда и логистика. В логистике ИИ помогает прогнозировать спрос, оптимизировать цепочки поставок и управлять складскими запасами, повышая эффективность процессов. В сфере охраны труда и промышленной безопасности видеоаналитика позволяет контролировать использование средств индивидуальной защиты, а также автоматически останавливать производственные линии, если человек без разрешения попадает в опасную зону.
Почему бизнес осторожничает
Несмотря на очевидные преимущества, повального и молниеносного внедрения ИИ во все промышленные циклы не происходит. Представители реального сектора, выделяют ряд жестких сдерживающих факторов, которые заставляют бизнес внимательно «приглядываться и принюхиваться» к технологиям.
Во-первых, деньги — их всегда не хватает. Во-вторых, люди: на любом предприятии всегда есть свой процент скептиков-луддитов, — делится мнением Максим Сергеев, заместитель технического директора по управлению проектами «Атоммашкомплекса». — В нашем случае есть и еще такой фактор, так партнерство с Росатомом, которое зачастую связано с ограничительным грифом.
Впрочем, подобные ограничения есть и в других отраслях. Информационная безопасность остается одним из важнейших барьеров для внедрения промышленного ИИ. Передавать технологические данные во внешние облачные нейросети не горит желанием ни одно предприятие, да и государственные стандарты это запрещают.
Как рассказала Евгения Волкова, в декабре 2025 г. в силу вступил жесткий государственный стандарт ГОСТ Р 721182025 «Защита информации. Системы с конструктивной информационной безопасностью. Методология разработки». Этот документ запрещает использовать внешние «заплатки» и антивирусы для защиты промышленных ИИ-систем. Безопасность и «киберимунитет» должны быть встроены непосредственно в саму архитектуру программного комплекса, разделяя ее на доверенные и недоверенные домены под управлением строгих мониторов безопасности. Разработка таких систем требует времени и уникальных компетенций, что пока замедляет темпы интеграции ИИ на опасных и режимных производствах.
Эволюция взаимодействия
Несмотря на существующие сегодня сложности, все эксперты единогласно сходятся во мнении, что представить себе развитие производства без ИИ уже невозможно. И если конкретные технологии пока и не внедряются, то почва для них готовится.
Мы, к примеру, принимаем на работу молодых специалистов, уже не мыслящих себя без взаимодействия с нейросетью, а старожилов предприятия отправляем на соответствующую учебу: взять хотя бы меня, который недавно окончил курс по «Промпт-инжинирингу», — рассказывает Максим Сергеев.
ИИ постепенно становится рабочим инструментом для сотрудников: он помогает сравнивать данные, готовить типовую документацию и находить оптимальные инженерные решения.
Интересен и социально-психологический аспект эволюции ИИ в промышленности. Вопреки расхожему мнению о том, что использование нейросетей развивает у сотрудников лень и инфантилизм, практика показывает обратное. Работа с ИИ жестко дисциплинирует человеческое мышление. Чтобы получить от алгоритма адекватный результат, специалист обязан овладеть навыком точного промпт-инжиниринга — то есть научиться предельно четко, структурированно и пошагово ставить задачи и формулировать технические требования.
В ближайшие годы, к 2028 г., ожидается массовое внедрение готовых ИИ-решений. Разработчики и ученые из УГГУ планируют поставлять свои системы, например «Помощник бурильщика», в виде универсальных комплектов, которые можно устанавливать на уже работающие промышленные станки и оборудование старых моделей. В перспективе это должно привести к созданию полностью автономных роботизированных цехов и производственных участков. Они будут работать на основе цифровых двойников и систем сквозного кибериммунитета, а присутствие людей в опасных зонах сведется к минимуму.
Полноценная дружба между тяжелой промышленностью и искусственным интеллектом неизбежна. Но развиваться оно будет только в том случае, если новые технологии обеспечат реальную экономическую выгоду и необходимый уровень безопасности.
Подготовила Анастасия Фортуна
Читайте также на DK.RU:
>>> Эксперт Alibaba Group: «Нам необходимо привыкнуть к ИИ так же, как к смартфонам»
>>> Искусственный интеллект перестал быть экспериментом: что нужно для его массового внедрения