На фоне стремительного развития генеративного искусственного интеллекта (GenAI) в мировой промышленности, Россия демонстрирует уверенное движение от пилотных проектов к промышленному внедрению. Хотя в абсолютных масштабах отечественная индустрия ещё уступает лидерам – Bosch, Siemens, AWS, NVIDIA, – российские компании уже доказали, что способны осваивать ключевые направления: от инженерного проектирования до диагностики сложного оборудования.
Шкала зрелости – от лаборатории до завода
Сегодня оценка готовности промышленных решений всё чаще проводится по шкале TRL (Technology Readiness Level) – от фундаментальных исследований (TRL 1) до серийного производства (TRL 9). Большинство решений в области GenAI в России находится на уровне TRL 6–8, в отдельных кейсах – на уровне внедрения. Это подтверждается как примерами лидеров (Северсталь, СИБУР, BIOCAD, РТ-Техприемка), так и международной аналитикой.
«Россия движется в тренде мировых разработок, но ключевая задача – обеспечить переход от точечных внедрений к индустриальному масштабу», – отмечает Светлана Васильевна Карпова, д.э.н., профессор, заведующий кафедрой маркетинга Финансового университета.
Наиболее зрелое направление – цифровое проектирование и инжиниринг. Так, «Северсталь» применяет генеративные модели и алгоритмы обучения с подкреплением (GAN + RL) для управления агрегатом непрерывного травления стали, повышая производительность на 6,5%. В «РТ-Техприемке» LLM-ассистент помогает инженерам работать с нормативной документацией и готовить инспекционные отчеты, снижая нагрузку и ускоряя экспертизу. BIOCAD использует генеративный ИИ для подбора молекул при разработке препаратов, а СИБУР – для диагностики оборудования и предиктивного ремонта.
«Генеративный ИИ позволяет инженерам работать не по шаблону, а в контексте задач. Он не заменяет эксперта, но усиливает его способность к анализу и принятию решений», – комментирует Ярослав Олегович Зубов, доцент кафедры бизнес-информатики Финансового университета.
Российские компании при внедрении GenAI учитывают специфические инфраструктурные требования. Так, решения работают либо в локальных защищённых контурах (как у РТ-Техприемки и Северстали), либо в гибридных архитектурах – с генерацией в облаке и инференсом на edge-устройствах. Это важно в условиях импортозамещения и ограничений на передачу данных.
«Сегодня архитектура решений становится критически важной. Успешны те, кто умеет интегрировать ИИ в производственные процессы без ущерба для ИБ и суверенности данных», – подчёркивает Степан Алексеевич Сергеев, ассистент кафедры бизнес-информатики Финансового университета.
Если раньше генеративный ИИ применялся в основном в инженерии, то сегодня охватываются новые слои – логистика, контроль качества, управление цепочками поставок. Например, в Bosch технологии TRL 9 помогают снизить уровень брака и повысить производительность на десятки миллионов долларов. В AWS – модели на базе LLM структурируют неструктурированные данные контрактов и заявок. В Genix Copilot от ABB – цифровой ассистент повышает эффективность решений операторов в реальном времени.
Россия также движется в этом направлении: Ростех, СИБУР, Силовые машины, Норникель уже тестируют системы поддержки решений, визуального контроля и цифровых ассистентов. В частности, чат-боты и LLM-помощники помогают инженерам быстрее адаптироваться, находить документацию и оценивать нештатные ситуации.
Инженерный GenAI: цифровые двойники, генеративный дизайн, проектирование с ИИ – направления, где Россия демонстрирует зрелые решения.
Диагностика и обслуживание: СИБУР, FANUC, Силовые машины – GenAI помогает предсказывать сбои и планировать ремонты.
LLM-ассистенты и документация: Ростех, Сбер, РМК – генеративные модели применяются в системах поддержки принятия решений.
«Важно, что в российских кейсах генеративный ИИ не воспринимается как мода, а встраивается в процессы. И это даёт результат – рост производительности, снижение затрат, повышение прозрачности», – подчеркивает Мария Сергеевна Федотова, ассистент кафедры политологии Финансового университета.
Главный вызов – переход от пилотных проектов к повсеместному внедрению. Требуется развитие вычислительной инфраструктуры, обучение персонала, нормативное сопровождение и согласование архитектур. Без единой платформенной логики и тиражируемости решений индустриализация GenAI может застопориться.
Впрочем, фундамент уже заложен. Развитие TRL 6–8 в России подтверждает: технологический задел есть, опыт – тоже. Вопрос в скорости масштабирования и способности создавать устойчивые экосистемы.
Генеративный ИИ – это не только про технологии. Это переход к новой логике мышления в инженерии, производстве, логистике. И тот, кто научится не просто создавать модели, а строить под них процессы – получит конкурентное преимущество в масштабах отрасли.
Материал подготовлен на основе аналитического отчета «Потенциал применения генеративного ИИ для решения инженерных задач» АНО «Цифровая экономика».
Карпова С. В.,
д.э.н., профессор заведующий кафедрой маркетинга
Финансового университета при Правительстве Российской Федерации
Зубов Я.О.,
доцент кафедры бизнес-информатики
Финансового университета при Правительстве Российской Федерации
Сергеев С. А.
ассистент кафедры бизнес-информатики
Финансового университета при Правительстве Российской Федерации
Федотова М.С.,
ассистент кафедры политологии
Финансового университета при Правительстве Российской Федерации
