Бигтех в каске: зачем промышленной компании искусственный интеллект

Дата публикации: 24-08-2026 07:53:00

8 августа 2026 г. на «ИТ-Пикнике» в Коломенском в шатре «Норникеля» говорили о том, как нейросети могут изменить сам принцип работы промышленной компании. В перспективе сотрудники будут всё меньше искать информацию, проверять документы и согласовывать рутинные операции, а все больше — принимать решения и отвечать за них. Решения на основе ИИ уже сейчас ежегодно дают компании дополнительный экономический эффект примерно в 100 млн долларов. И если сегодня «Норникель» владеет рудниками, фабриками и металлургическими заводами, то через 10 лет технологическая компания «Норникель» будет владеть промышленными активами и управлять ими с помощью цифровых инструментов.

Основное содержимое страницы с новостью.

Бигтех в каске: зачем промышленной компании искусственный интеллект

8 августа 2026 г. на «ИТ-Пикнике» в Коломенском в шатре «Норникеля» говорили о том, как нейросети могут изменить сам принцип работы промышленной компании. В перспективе сотрудники будут всё меньше искать информацию, проверять документы и согласовывать рутинные операции, а все больше — принимать решения и отвечать за них. Решения на основе ИИ уже сейчас ежегодно дают компании дополнительный экономический эффект примерно в 100 млн долларов. И если сегодня «Норникель» владеет рудниками, фабриками и металлургическими заводами, то через 10 лет технологическая компания «Норникель» будет владеть промышленными активами и управлять ими с помощью цифровых инструментов.

От ИИ-помощников к цифровому штату

Следующий этап после точечного внедрения ИИ — появление полноценного «цифрового штата». Речь идёт не об одном ИИ-помощнике, а о системе из агентов, роботов, цифровых двойников и других инструментов, которые смогут взаимодействовать между собой.

Директор центра развития цифровых технологий «Норникеля» Алексей Тестин предложил представить обычную закупку. Компании нужно приобрести 25 касок. Сегодня для этого человек оформляет заявку, отправляет её в закупки, проверяет наличие на складе, запускает новый процесс, если нужного количества нет, проходит согласования и контроли.

В модели с ИИ большая часть этой цепочки исчезает. Агент может самостоятельно проверить склад, обратиться к нужным системам, собрать информацию и выполнить необходимые проверки. Ему не нужны бумажные печати и ручная передача заявки между подразделениями.

В результате меняется не только отдельный процесс, но и вся операционная модель: ИИ взаимодействует с ИИ, агенты — с агентами, а человек подключается там, где действительно требуется решение.

Рабочий день будущего: что останется человеку

Как это может выглядеть на практике, спикер показал на утрированном сценарии рабочего дня. Сотрудник приходит в офис и идёт за кофе. В это время его цифровые помощники уже работают: читают почту, выделяют важные сообщения, обращаются к корпоративным данным, анализируют показания датчиков и при необходимости запрашивают информацию у других агентов.

Человек открывает компьютер и вместо десятков писем и уведомлений видит условный дашборд: три зелёных сигнала и один красный. Зелёные означают, что ИИ самостоятельно решил вопросы. Красный — что необходимо вмешательство человека.

Причём на экран должна попадать не просто информация о неисправности. Система уже проанализирует проблему, предложит несколько вариантов действий и покажет сроки их реализации. Человеку останется решить, например, ремонтировать оборудование или менять его.

По оценке спикера, подобный сценарий может стать реальностью через 8-10 лет, когда генеративный ИИ перестанет быть просто «подсказчиком» и станет полноценной частью производственных процессов.

Главная идея доклада состояла в том, что новые технологии должны забрать прежде всего ту работу, для которой человек подходит хуже машины. Например, расчёты, хранение огромных массивов информации, поиск файлов и данных, рутинные проверки.

Другие доклады «Норникеля» продолжили тему того, как ИИ меняет промышленную компанию. Данил Ивашечкин говорил о том, что главным ограничением становится уже не сама технология, а способность человека находить для нее правильные задачи. Антон Руцков показал, как ИИ-агенты могут брать на себя аналитику, контроль и рутину на уровне целой бизнес-функции.

Отдельные выступления были посвящены применению ИИ непосредственно в производстве и НИОКР: Сослан Зангиев и Ян Лупандин рассказали об автономной горной добыче, Павел Комиссаров — об использовании больших языковых моделей в проектировании и нормоконтроле, а Наиля Мунзаферова — о том, как ИИ помогает ускорять поиск и разработку новых материалов.

ИИ становится инфраструктурой

Искусственный интеллект дешевеет, проникает во всё большее число бизнес-процессов и постепенно становится такой же привычной технологией, как интернет или облака. Но между доступностью ИИ и реальной трансформацией бизнеса по-прежнему остается большая дистанция.

На дискуссии «Когда у всех будет одинаковый ИИ, кто останется впереди?» представители технологических и промышленных компаний поговорили о том, почему внедрение генеративного ИИ идет медленнее ожиданий, чем промышленность может конкурировать с бигтехом и почему перед массовой агентизацией компаниям приходится сначала разбираться с собственными процессами.

Модератором выступил заместитель генерального директора Альянса в сфере искусственного интеллекта Никита Худов. По его мнению, максимальный эффект от ИИ получают не те компании, которые просто используют технологию, а те, кто внедряет её системно и считает влияние на бизнес-показатели.

Если сравнивать крупные российские компании по заявленному экономическому эффекту от ИИ, то самый большой показатель у «Сбера» — 475 млрд рублей в год. У «Норникеля» — около 10 млрд рублей, у ВТБ — 15 млрд, у X5 — 5 млрд, у «Северстали» — 2 млрд рублей. Хотя 39% компаний видят измеримый эффект ИИ на EBITDA, лишь у 6% он превышает 5%.

Длинный процесс, но короткие циклы

Представители технологических компаний предложили не ждать завершения всего производственного цикла, а искать промежуточные сигналы. Если компания внедрит генеративный ИИ в процесс продолжительностью три года, а затем просто станет ждать результата, объяснить такую инвестицию руководству будет сложно. Поэтому большой процесс приходится делить на части, результат которых можно контролировать значительно раньше.

Алексей Тестин подтвердил, что строительство крупного промышленного объекта действительно может продолжаться 3-5 лет. Но внутри производства существует множество значительно более коротких процессов.

Один из примеров — измельчение и обогащение руды. Здесь обратную связь можно получать практически непрерывно, в том числе с интервалами порядка нескольких минут. Это позволяет обучать модели и быстро проверять влияние управляющих решений. То есть большой промышленный цикл фактически раскладывается на множество небольших циклов, доступных для анализа и автоматизации.

Данные, которых нет у бигтеха

Доступ к самой технологии перестает быть конкурентным преимуществом. Большую языковую модель сегодня может использовать практически любая компания. Поэтому главным активом становятся собственные данные и накопленный отраслевой опыт. Для промышленности это особенно важно.

Алексей Тестин напомнил, что компания работает в условиях, воспроизвести которые в лаборатории практически невозможно. Это глубокие рудники, сложная инфраструктура, экстремальные температуры Норильска, производство, энергетика, вода, трубопроводы и десятилетия эксплуатации оборудования. За 90 лет вокруг этих процессов сформировался огромный объем знаний.

Бигтех обладает моделями и вычислительными ресурсами, но не имеет данных о работе конкретного станка, поведении технологического процесса или действиях смены на производственной площадке. Промышленность, в свою очередь, не должна пытаться самостоятельно воспроизвести весь технологический стек больших ИТ-компаний.

Наиболее эффективной моделью участники назвали кооперацию: технологические компании предоставляют модели и инфраструктуру, промышленность — уникальные данные и отраслевую экспертизу.

Завышенные ожидания вокруг ИИ

Еще одной темой дискуссии стали завышенные ожидания вокруг генеративного ИИ. Так, в корпоративном сегменте с появлением ИИ-агентов появилась идея, что достаточно подключить модель к документации компании, дать ей необходимые инструменты и доступ к внутренним системам и она самостоятельно разберется, как выполнять работу сотрудников.

Артем Бондарь, руководитель направления обработки естественного языка в Т-Банке, рассказал, что в компании экспериментировали с созданием агента для поддержки. Ему передали реальные обращения клиентов, внутренние регламенты и попросили определить, почему сотрудник поддержки в каждом случае действовал именно так и на какой документ он опирался.

Результат оказался показательным: лишь в 20% разобранных случаев действия операторов удавалось объяснить существующими регламентами. Остальные знания нигде полностью не были описаны. Они находились «в головах», в корпоративном обучении, опыте сотрудников и привычках, сформировавшихся за годы работы.

И это стало одной из центральных проблем агентизации. Чтобы передать работу ИИ, компания сначала должна понять, как на самом деле выполняет ее человек. А во время этой работы организации делают еще одно неприятное открытие: иногда формализованного бизнес-процесса вообще не существует. Разные сотрудники решают одну и ту же задачу по-разному, исходя из собственного опыта.

Почему генеративный ИИ внедряется медленно

В «Норникеле» рассчитывали, что генеративный ИИ позволит кратно ускорить ряд бизнес-процессов и изменения произойдут достаточно быстро. Однако реальность оказалась сложнее. Даже уже работающие технологические решения могут месяцами проходить внутренние согласования, прежде чем фактически начнут использоваться в крупной организации. Вертикально интегрированную компанию с 90-летней историей невозможно перестроить за несколько месяцев.

«Мы сначала думали: сейчас придет генеративный ИИ и кратно ускорит бизнес. Но переоценили не технологию, а скорость, с которой сможем измениться сами. Начинаешь цифровизировать один процесс — и тут же упираешься в следующий. А иногда выясняется, что этого процесса вообще толком не было, его еще сначала нужно описать. Поэтому движемся медленнее, чем ожидали. Но в точечных сценариях, таких как проектирование, закупки и другие процессы, генеративный ИИ уже реально работает и дает эффект», — подчеркнул Алексей Тестин.

Кто окажется лидером через несколько лет

В финале модератор предложил участникам назвать один актив или качество, которое будет отличать лидеров эпохи ИИ. Ответы оказались разными, но хорошо дополняли друг друга.

Первый — данные. Особенно те, которые компания создает сама: пользовательские, производственные, технологические.

Второй — естественный интеллект. Искусственному интеллекту по-прежнему необходимо у кого-то учиться, поэтому люди и их профессиональная экспертиза остаются критически важными.

Третий — гибкость и готовность рисковать. По мнению генерального директора Yandex Cloud Григория Атрепьева, технологии развиваются настолько быстро, что крупная компания рискует закончить перестройку процесса уже после того, как появится более эффективный способ решить ту же задачу. Поэтому выигрывать будут организации, способные быстрее менять собственные правила и структуру.

И наконец — культурный код. Этот тезис представитель руководитель направления по отраслевой координации развития ИИ в Гринатоме Владимир Лещенко назвал менее очевидным, но не менее важным. Огромный пласт инженерного и управленческого опыта хранится не только в современных базах данных, но и в архивах, книгах, истории компаний и практиках, которые никогда не были подробно описаны.

Универсальная модель может отлично составить бизнес-план по знакомым западным шаблонам и при этом плохо понимать специфику конкретной российской отрасли или предприятия.

Схожие новости

#	Наименование новости	Тональность	Информативность	Дата публикации
1	«Сбер» ожидает экономический эффект от ИИ в размере 550 млрд рублей в 2026 году	0	5	30-06-2026
2	Рынок ИИ в ближайшие годы достигнет триллиона долларов, заявили в ...	5	7	15-07-2026
3	Искусственный интеллект в бизнесе: как нейросети помогают увеличивать прибыль компании	5	7	05-06-2026
4	Российский рынок ИИ начинает разгоняться – 316 млрд рублей в ...	1	16.25	10-08-2026
5	Российский рынок ИИ начинает разгоняться – 316 млрд рублей в ...	1	16.25	10-08-2026
6	🤯 А ТЫ ЗНАЛ? Траты на ИИ растут быстрее, чем ...	1	8.35	05-08-2026
7	FT: инвестиции технологических гигантов в ИИ превысили $1 трлн	0	20.34	31-07-2026
8	К 2030 году расходы на нейросети для кол-центров превысят затраты на персонал	0	7	15-07-2026
9	☄️ ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ - МЕНЯЕТ ВСЕ. И сейчас кто-то использует ...	0	8.14	31-07-2026

Классификация: Экономика. Схожих патентов: 0. Схожих новостей: 9. Тональность: 0. Информативность: 10. Источник: www.cnews.ru.