27 февраля в Екатеринбурге прошел бизнес-семинар «Цифровизация и ИИ в промышленности: лучшие практики». Организаторы мероприятия — группа компаний IBS и Сбер.
Открыли встречу директор кластера «Урал» IBS Илья Тихонов и начальник отдела клиентских менеджеров ОПК Уральского банка ПАО Сбербанк Константин Пузырев.
«Цифровизация и искусственный интеллект стали неотъемлемой частью нашей жизни. В Сбере есть хорошая практика: апробировать на себе все технологии, прежде чем выводить во внешний контур. Именно поэтому мы уверены в их надежности и готовы делиться своим опытом. Убежден, эти решения будут полезны и применимы в других компаниях», — отметил Константин Пузырев, начальник отдела КМ ОПК Уральского банка ПАО Сбербанк.
«У группы компаний IBS накоплен большой опыт внедрения корпоративных систем. После ухода иностранных вендоров в рамках программы «Федерация» мы построили композитную архитектуру, где на каждом уровне автоматизации представлено несколько отечественных решений. Эта архитектура была протестирована в лабораторных условиях, выстроены интеграционные потоки между функциональными блоками. Архитектура успешно внедряется на предприятиях различных отраслей промышленности России. Примечательно, что ИИ может применяться практически во всех функциональных блоках», — подчеркнул Илья Тихонов, директор кластера «Урал» IBS.
Эксперт GigaB2B Константин Арсенов подробно рассказал о «ГигаЧат Бизнес» (GigaChat Enterprise) — диалоговой ИИ-модели для бизнеса, разработанной Сбером. Спикер разобрал риски при использовании общедоступных моделей и предложил решение — дать сотрудникам безопасную корпоративную альтернативу. Он представил ключевые функции ИИ-модели от Сбера и возможности ее применения в продажах, финансах, управлении персоналом и других направлениях.
Опытом использования ИИ на промышленном предприятии поделились представители Челябинского кузнечно-прессового завода — начальник отдела цифровизации производства Егор Тишин и начальник отдела разработки и внедрения новых технологий Леонид Шульга. ЧКПЗ активно внедряет роботизированные системы и решения на базе искусственного интеллекта, в том числе для автоматизации доставки и контроля заготовок.
Начальник отдела цифрового моделирования IBS Андрей Никитин рассказал об особенностях различных технологий искусственного интеллекта и их применении в бизнесе.
«Искусственный интеллект включает ряд направлений: машинное обучение, компьютерное зрение, генеративный ИИ. В случае машинного обучения на входе всегда есть структурированные данные. Это могут быть данные учетных систем или информация с датчиков. На основе статистического анализа такие модели прогнозируют качество выпускаемой продукции, отклик клиентов на предложение или поломки оборудования. Компьютерное зрение работает с изображениями: если на стоп-кадре с камеры человек может распознать дефект, то и модель тоже его обнаружит. Генеративный ИИ способен обрабатывать неструктурированные данные. На его базе создаются различные помощники и чат-боты», — отметил Андрей Никитин, начальник отдела цифрового моделирования IBS.
Эксперт привел примеры ИИ-решений из проектного опыта IBS. На базе машинного обучения реализованы система-советчик для производства удобрений, система прогнозной аналитики для газоперекачивающего оборудования, а также цифровые двойники компрессорных установок, помогающие оптимизировать потребление топливного газа. Компьютерное зрение используется для обнаружения дефектов трансформаторного проката. Большие языковые модели легли в основу ассистента по бизнес-процессам и аналитического ассистента пользователя баз данных, применяются в службе поддержки для ускорения обработки заявок и в управлении персоналом для выявления среди сотрудников групп риска по выгоранию.
Кроме того, Андрей Никитин рассказал о подготовке к внедрению ИИ-решений и вызовах, с которыми сталкиваются компании.
«Для машинного обучения нужен накопленный массив данных. Например, для прогнозирования поломок оборудования необходимы размеченные примеры, позволяющие проследить, какие режимы приводили к аварийным ситуациям. Если данные будут некачественными, то и построенные модели будут работать неэффективно, — напомнил спикер. — Аналогичные сложности возникают и при внедрении генеративного искусственного интеллекта. Требуется большая работа по созданию актуальной базы данных, которая будет использоваться в ответах ИИ. Кроме того, нужно продумать взаимодействие с чувствительной информацией и настроить ролевую модель».
Эксперт также обратил внимание на причины того, почему многие проекты, связанные с ИИ, не приводят к достижению заявленных целей. Зачастую дело в информационном разрыве между реальными возможностями ИИ-решений и представлениями сотрудников о них. В связи с этим он выделил три типа ИИ-консалтинга: обучающий — знакомство с возможными сценариями использования ИИ; тактический — помощь в выборе наиболее перспективного для внедрения ИИ бизнес-процесса; стратегический — выработка дорожной карты для интеграции искусственного интеллекта в масштабах всей компании.
Еще одна тема, рассмотренная на бизнес-семинаре, — гибкие подходы к управлению производством. Модель планирования материальных потребностей на основе фактического спроса — Demand-Driven Material Requirements Planning (DDMRP) — представил ведущий эксперт в этой области, архитектор 1С DD FLOW Андрей Лапшин. Он показал, как такой подход помогает строить оптимальные планы даже в условиях рыночной и производственной неопределенности.
