Генеративный искусственный интеллект в 2024–2025 годах стал одной из наиболее заметных технологий на повестке российской промышленности. Большинство крупных компаний уже попробовали GenAI на практике – через публичные сервисы, внутренние пилоты или инициативы отдельных подразделений. Сейчас отрасль проходит закономерный этап «настройки промышленного контура»: от первых экспериментов к внедрениям, где важны надежность, управляемость и прозрачная оценка результата. По мнению Сергеева Степана Алексеевича, заместитель заведующего Кафедрой Кафедры бизнес-информатики Финансового университета, «ключевой вопрос GenAI в промышленности сегодня – не в алгоритмах, а в готовности бизнеса встроить технологию в критичные процессы с понятными правилами контроля и ответственности».
По данным Strategy Partners, около 79% крупных промышленных компаний уже используют GenAI хотя бы в одной функции или планируют это сделать в ближайшее время. При этом уже 10–15% организаций вышли на стадию внедрения с измеримым бизнес-эффектом, а влияние на финансовые показатели фиксируют почти 20% респондентов. Это формирует важный сигнал для рынка: практические сценарии работают, и база кейсов расширяется – следующий шаг заключается в тиражировании лучших решений и закреплении их в операционной модели.
Специфика промышленности делает путь внедрения более «инженерным», чем в сервисных отраслях: цена ошибки в производственных контурах выше, а требования к валидации строже. Поэтому компании логично начинают с процессов, где проще доказать пользу, выстроить контроль качества и подготовить организацию к масштабированию. В первую волну чаще попадают документооборот, протоколирование, аналитика и подготовка отчётности – именно там GenAI используют 70–80% компаний. При этом эффект не сводится к «косвенной экономии времени»: речь идёт о росте производительности, сокращении цикла подготовки документов и управленческой отчётности, разгрузке экспертов и повышении скорости принятия решений – то есть о конкретной операционной выгоде, которая создаёт базу для дальнейшего распространения технологии на более сложные контуры.
Отдельное направление ускорения – работа с данными. Промышленность располагает значительными массивами информации, однако они часто распределены по разным системам и требуют нормализации, описания и интеграции для устойчивого применения GenAI. Около 75% компаний называют качество данных ключевым условием успеха, а 70% – сложность интеграции решений GenAI с корпоративными системами (ERP, MES, АСУ ТП). На практике это означает, что многие организации сейчас параллельно решают две задачи: получают быстрые результаты в офисных и аналитических процессах и одновременно выстраивают фундамент – единые справочники, контуры данных, интерфейсы и интеграционные слои. По мере укрепления этого фундамента масштабирование становится не только технически возможным, но и экономически более оправданным.
В промышленности особенно значимы требования информационной безопасности и соответствия внутренним политикам и регуляторным нормам. По этой причине почти 80% компаний либо ограничивают использование публичных GenAI-сервисов, либо выстраивают строгие регламенты доступа. В результате основной фокус смещается на решения, разворачиваемые внутри корпоративного контура. Такой подход повышает контроль над данными, обеспечивает трассируемость и снижает риски – и именно это позволяет промышленности формировать более устойчивую модель внедрения, в которой масштабирование происходит не «любой ценой», а с сохранением надежности и управляемости.
Показательно, что формальная готовность во многих организациях уже оформлена: около 63% промышленных предприятий заявляют о наличии утверждённой стратегии по ИИ/GenAI. Это важный признак зрелости управления – однако максимальный эффект появляется, когда стратегия переводится в операционные механизмы: пересмотр процессов, обучение сотрудников, выделение владельцев продуктов и единая модель оценки результата. Когда такие элементы собраны, GenAI перестаёт быть набором разрозненных пилотов и превращается в управляемую программу изменений.
В целом уровень GenAI-зрелости крупной промышленности оценивается примерно в 2,0 балла из 5, что соответствует стадии экспериментов и формирования стандартов внедрения. Для промышленности это естественная и рациональная фаза: здесь важно накопить портфель проверенных сценариев, определить критерии качества и встроить контроль в жизненный цикл решений. Для сравнения, крупная электронная коммерция приближается к уровню систематизации (около 2,9), что отражает различия в природе процессов и требованиях к надежности, а не «разницу в талантах» или доступе к технологии. «Жёсткие требования к информационной безопасности действительно делают внедрение более внимательным и поэтапным, но именно это формирует осознанный и устойчивый подход к технологии», – комментирует Ежова Лилия Альбертовна, кандидат экономических наук, старший преподаватель Кафедры бизнес-информатики Финансового университета.
Перспектива 2026–2027 годов связана с управляемым ускорением: от пилотов к ограниченному промышленному использованию в приоритетных контурах. Наиболее востребованными станут производственные ассистенты (для инженеров, технологов, служб ТОиР), отраслевые модели, работающие с технологической документацией и знаниями предприятия, а также решения, глубоко встроенные в существующие системы управления. В этом смысле GenAI постепенно переходит из статуса «универсальной новинки» в роль практичного инструмента точечной, но потенциально глубокой трансформации – там, где у компании уже готов фундамент данных, понятна архитектура интеграции и выстроена модель ответственности за результат.
