💬 «Технологии — это зеркало культуры. Мы создаём не то, что можем, а то, что умеем внедрять».
(автор неизвестен, но пусть будет наш 😊)
На днях прошла выставка GoDigital. Параллельно я поучаствовал в нескольких обсуждениях на тему ИИ с коллегами из индустрии и бывшими консультантами McKinsey. Плюс, мы в компании сейчас активно систематизируем знания по GenAI и другим технологиям — так что получился интересный срез, и хочу поделиться наблюдениями.
🔍 1. Всё теперь называется AI. Даже если это просто BI
Первая вещь, которую сложно не заметить — повсеместное «ребрендирование»: цифровые проекты стали называться AI-инициативами.
Раньше у вас был дашборд в Power BI? Теперь это “AI-инструмент по мониторингу KPI в реальном времени”. Делаете оптимизацию маршрутов логистики? Привет, “AI-driven supply chain”.
В целом — нормальный ход. Так же было с big data, с lean, с блокчейном. Сейчас хайп на ИИ — и маркетинг это использует. Это не плохо. Но полезно понимать, что не каждое «AI» — это про интеллект.
💬 2. GenAI = ChatGPT. Но он — не единственный в мире
Самая применимая и понятная часть ИИ сейчас — это лингвистические модели (LLM): ChatGPT, GigaChat и прочие.
Именно они чаще всего попадают в фокус: автоматизация документооборота, ответы в чат-ботах, помощь HR-ам, поддержка инженеров.
Но при этом GenAI — это не только слова. Это и генерация изображений, видео, 3D-моделей, звука, данных. Только всё это — пока в зачаточном применении в промышленности. Есть пилоты, есть энтузиасты. Но массового, тиражируемого применения мало.
⚙️ 3. Где реальный ИИ? Видеоаналитика и оптимизаторы
Вот здесь начинается самое интересное. Потому что настоящая польза от ИИ в индустрии — не там, где хайп.
📹 Видеоаналитика
Это уже работает, и в некоторых отраслях — давно:
- анализ безопасного поведения,
- контроль СИЗов (есть ли каска, жилет и т.д.),
- контроль периметра и перемещений на объекте,
- оценка качества продукции по видео,
- распознавание операций на производстве.
Пример: одна из фабрик внедрила AI-анализ вспенивания в флотации. Экономический эффект — десятки миллионов рублей в год. И никакого ChatGPT.
🧠 Оптимизаторы
Работают системы подбора оптимальных параметров:
- подбор сырьевого состава,
- баланс между производительностью и потреблением энергии,
- выбор маршрутов для транспорта на карьере.
Это тоже ИИ, просто в инженерной обёртке, а не в чат-боте.
🤷♂️ 4. Чего было мало (на выставке и в отрасли)
При этом есть одна зона, которую редко поднимают в открытую — организационная готовность к ИИ.
📉 Про людей, команды, навыки, лидерство — почти никто не говорит.
Как внедрять эти инструменты? Как менять поведение? Как сделать так, чтобы ИИ не остался «штукой, которую не трогают»?
Даже самые гениальные решения — не взлетают без адаптации процессов и команд. Но об этом не было ни ярких слайдов, ни стендов, ни ажиотажа.
Вот тебе кейс:
Завод внедрил систему интеллектуального планирования ремонтов. Мощная штука: приоритеты, анализ рисков, визуализация.
Через 3 месяца выяснилось, что 80% планов всё ещё составляют вручную в Excel. Почему? Потому что:
- не обучили мастеров,
- не отменили старые формы,
- никто не интегрировал ИТ-систему с системой премий.
Результат: проект закрылся. Не потому что плохой. А потому что никто не занимался внедрением.
🛠️ 5. Проклятие пилота: работает, но не масштабируется
Классическая история: пилот сделали, эффект получили, кейс написали.
Но дальше — ступор. Потому что:
- проект был «вне системы»;
- масштабирование требует ресурсов;
- нет оргструктуры для масштабирования;
- соседние функции не в курсе.
Это как построить один идеальный самолет. Но без чертежей, без завода, без пилотов. Один раз получилось. Второй — уже нет ✈️
🏛️ 6. Государство очень хочет помочь. И даже может. Но пока неуклюже
Интересный парадокс.
💸 Деньги на запуск высокотехнологичных стартапов в стране — есть. Много. Субсидии, гранты, акселераторы, льготные кредиты.
Но действует государство часто тяжело и формально. Огромные требования по документам, сложные метрики, неподъёмные отчётности.
Из-за этого:
- часть достойных команд не идут за деньгами вовсе — боятся утонуть в бумагах;
- а часть получают финансирование не те, кто может принести реальную пользу, а те, кто умеет красиво писать заявки.
Получается, что возможности вроде есть, но связка «государство — стартап — промышленность» пока работает через раз.
📌 Что делать?
Если вы в промышленности и задумываетесь о внедрении ИИ:
- Начинайте с видеоаналитики или оптимизаторов. Это реально работает.
- Планируйте масштабирование сразу. Не делайте пилот ради пилота.
- Вовлекайте людей. Обучение, привычки, премии — критичны.
- Будьте готовы объяснять. И клиентам, и сотрудникам.
- Если идёте к государству — идите с консультантом. Один не выживешь 😄
🙋 А у вас были проекты с ИИ? Что сработало, а что — нет? Поделитесь — обсудим.
Комментарии