— Решения, основанные на объективных данных, обычно точнее и эффективнее, хотя они не всегда популярнее решений, принимаемых на основе информации от цехового персонала. В этом и заключается наш бизнес: мы собираем данные с промышленного оборудования и станков, анализируем их и предоставляем руководству предприятий информацию для принятия обоснованных управленческих решений. Это могут быть как архивные данные, так и сведения, получаемые в режиме реального времени.

Сегодня промышленность переходит на новый этап развития, чему во многом способствует появление нейросетей. Теперь мы не просто собираем и отображаем данные, но и передаем их искусственному интеллекту, который способен обрабатывать информацию быстрее и точнее человека.

Пока речь идёт не о самостоятельном принятии решений, а о помощи человеку. Однако этот этап, вероятно, будет пройден значительно быстрее, чем предыдущий, связанный с организацией сбора и накопления промышленных данных.

— Мы прошли почти десятилетний путь, объясняя промышленным предприятиям ценность объективных данных. По моей субъективной оценке, в 2025 году произошёл важный психологический перелом: раньше часть цехового персонала саботировала сбор данных со станков и промышленного оборудования, воспринимая его как инструмент наблюдения и контроля; сегодня люди в значительной степени преодолели этот барьер - они поняли, что цифровизация неизбежна, что проще работать по единым правилам и что использование объективных данных действительно повышает эффективность. Это позволяет предприятиям ежедневно совершенствовать процессы и полноценно решать задачи, стоящие перед промышленностью страны.

Интерес к цифровизации сегодня проявляют все: руководители заводов, отраслевые компании и государство - все заинтересованы в повышении эффективности и производительности промышленности. Поэтому психологический барьер, связанный со сбором данных, в значительной степени уже преодолен.

Следующий вопрос заключается в том, готов ли персонал предприятий передавать эти данные искусственному интеллекту. Пока такой готовности нет. Сохраняются психологические барьеры, связанные с устоявшейся производственной культурой. Есть и технологические ограничения, поскольку данные нельзя просто передать искусственному интеллекту без предварительной подготовки: если система получает неструктурированный информационный хаос - результат будет таким же хаотичным. Поэтому данные необходимо правильно собирать, очищать и систематизировать. Кроме того, сохраняется дефицит знаний. Далеко не все специалисты понимают, как работают нейросети, большие языковые модели, LLM, и искусственный интеллект в целом.

Таким образом, работу необходимо вести одновременно по тем направлениям: менять отношение людей к новым технологиям, развивать инфраструктуру и повышать уровень компетенций. Мы активно участвуем в каждом из этих процессов.

— На государственном уровне мы участвуем в разработке национальных стандартов по сбору и структурированию промышленных данных.
В 2025 году рабочая группа подготовила восемь национальных стандартов ГОСТ. Эти стандарты были разработаны и опубликованы совместно с профильными ассоциациями и Минпромторгом России. Они определяют, что следует понимать под промышленными данными, как их необходимо собирать и каким образом правильно структурировать.

Кроме того, мы разработали аппаратную часть инфраструктуры для сбора данных, в том числе промышленные шлюзы. Они получают информацию от различных станков, каждый из которых может использовать собственный способ передачи данных, а затем приводят ее к единому протоколу и стандарту, закрепленному на государственном уровне.

Таким образом, стандартизация позволяет предприятиям объединять разнородное оборудование в единый цифровой контур и использовать собранные данные в информационных и аналитических системах.

— Искусственный интеллект позволяет обрабатывать огромные объемы данных и действовать на опережение. С его помощью можно не только видеть текущую ситуацию в цехе, но и прогнозировать события, способные привести к поломке оборудования или срыву сроков выполнения заказа.

Например, система может оценить, что произойдет, если определенные операторы не выйдут на смену или, наоборот, на участке окажется больше сотрудников, чем предусмотрено планом. Подобные ситуации происходили и раньше, но их последствия зачастую никто системно не анализировал. Искусственный интеллект способен изучить накопленную информацию, выявить закономерности и сформировать прогноз.

Еще одно направление применения искусственного интеллекта связано с обучением пользователей. В нашей системе существует большой объем документации, но при сдаче проекта и обучении клиента мы понимаем, что подробные инструкции становятся вторичным источником информации. Пользователь, скорее всего, не станет искать ответ в многостраничном документе, поскольку теперь в системе есть ассистент на базе искусственного интеллекта. Клиент может задать ему конкретный вопрос: как добавить новый станок, зафиксировать операцию, сформировать отчет или найти необходимую информацию. В результате взаимодействие с промышленной системой становится проще и быстрее.

— Сегодня искусственный интеллект способен анализировать весь объем информации, который собирается в производственной системе, на этой основе мы создали «Диспетчер AI» - это только начало развития технологии.

Пока искусственный интеллект выступает в роли помощника: он не заменяет человека и не принимает решения самостоятельно, а помогает обратить внимание на наиболее важные процессы и проблемные участки. Это означает смену привычной парадигмы управления. У человека появляется цифровой помощник, который с высокой вероятностью может подсказать, куда следует посмотреть и на какую ситуацию необходимо отреагировать.

Раньше технологи и производственные специалисты часто действовали на основе опыта и интуиции. Например, они могли предположить, что отсутствие определенного сотрудника приведет к проблемам на участке. Сегодня подобные риски можно выявлять и оценивать с помощью искусственного интеллекта.

Одновременно мы разработали продукт «Центр управления заводом» или «Центр управления холдингом». В диспетчерской предприятия устанавливается несколько экранов, на которые выводится сводная информация по всему производству. Диспетчер может видеть, какие заказы поступили, как выполняются текущие производственные задания, какие станки остановлены, какие операторы вышли на смену, а какие отсутствуют. Система анализирует эту информацию, выделяет проблемные зоны и формирует рекомендации. Искусственный интеллект помогает определить, какие события требуют первоочередного внимания.

— Сейчас мы проходим важный этап, и основные сложности связаны уже не столько с технологиями: необходимые инструменты существуют и способны решать поставленные задачи, оставшиеся технические вопросы будут постепенно доработаны разработчиками.

Главный барьер заключается в готовности людей и внутренней организации предприятий: клиенты должны быть готовы изменить привычный образ мышления, перестроить процессы и встроить новые технологии в ежедневную работу.

Таким образом, основная задача сегодня заключается не только в создании ИИ-помощника, но и в формировании организационной среды, в которой предприятия смогут полноценно использовать его возможности.