Что искусственный интеллект может дать промышленности и нефтегазовой отрасли России? Чтобы выяснить это, эксперты Центра социального проектирования «Платформа» совместно со специалистами Промышленно-энергетического форума TNF провели масштабное исследование. «Энергия+» побеседовала с ними и подготовила серию публикаций. В новом материале директор экспертно-аналитического центра «Цифровые индустриальные технологии» при Минпромторге России Эдуард Шантаев рассказывает о том, как эффективно внедрять ИИ в производство и чем умение работать с нейросетями поможет нынешним сотрудникам.
Промышленность активно экспериментирует с самыми смелыми технологиями — от генеративного искусственного интеллекта (ИИ) для работы с кадрами, документооборотом и маркетингом до систем видеоаналитики и компьютерного зрения для логистики и контроля качества продукции.
Главный тренд — автономность. Это роботизированные руки над конвейерами, автоматизированные перевозки. Когда-то появятся и автономные «темные» заводы, в цехах которых нет света, потому что все автоматизировано, а процесс контролирует из мониторингового центра небольшой коллектив операторов, сидящих перед экранами. Это не фантастика, а логичный итог объединения технологий и человека.
ИИ — мостик к глобальной трансформации экономики. Промышленность будет стремиться повысить производительность труда и объемы выпуска продукции, и цифровые инструменты с этим помогут. Например, использование генеративного ИИ в химической промышленности ускоряет в 10–15 раз написание технической документации. Это колоссальный выигрыш в скорости и эффективности как для самого предприятия, так и для разработки, синтеза и внедрения новых веществ и материалов.
Однако ИИ может «галлюцинировать» — выдавать неточные данные за достоверные. Поэтому внедрять цифровые инструменты важно точечно и аккуратно. Нельзя просто взять и полностью перейти на эти технологии разом — пока у нас не хватает знаний и навыков, чтобы правильно управлять такими системами в большом масштабе. Однако постепенно мы обязательно к этому придем.
Основное препятствие для применения ИИ в промышленности — дороговизна и сложность. Из-за этого предприятиям нелегко стать цифровыми, особенно если в штате нет ИТ-специалистов, а сторонние разработчики не производят новые инструменты, потому что у них нет заказов. В таких условиях важна государственная поддержка. Нужно создать новую модель субсидий со стороны Минпромторга, которая софинансировала бы именно внедрение технологий.
Еще один барьер — кадровый. Тяжело найти высококлассных сотрудников, которые отправились бы работать на предприятие в регионе, вместо того чтобы трудиться в больших городах в других сферах, связанных с ИТ.
Возникают и препятствия, связанные с законом. В России правовая система лояльна по отношению к ИИ. При этом есть отрасли с жестким регулированием. В итоге руководитель завода думает: стоит ли рисковать, если нет никаких гарантий, что внедренную технологию можно будет использовать и дальше?
Отсутствуют единые отраслевые стандарты. Если у вас десять разных информационных систем, которые «общаются» каждая на своем языке, они не будут работать синхронно и взаимодействовать друг с другом.
Для ИТ-разработчиков главные сложности — найти заказчиков и перейти от создания штучных решений к разработке универсальных ядер продуктов для тиражирования. Имея 70% готового решения, они смогут дорабатывать его под нужды конкретных предприятий. Если обучать ИИ на данных одного завода, его точность будет ниже. Сейчас идет работа над регулированием оборота промышленных данных — на них начнут тренировать системы ИИ, которые будут эффективнее и найдут применение на разных предприятиях.
Для использования технологий ИИ нужно оцифровать производство — наладить сбор, обработку и хранение данных. Следующая большая задача — разобраться с политикой информационной безопасности. Готово ли предприятие работать с облачными вычислениями или ему надо развернуть свою закрытую инфраструктуру? Безопаснее работать в закрытом контуре, но наладить этот процесс сложнее.
Среди объектов критической информационной инфраструктуры, к которым относятся нефтегазовые предприятия, распространен гибридный подход. Нейронные сети обучают в облаке, а затем «забирают» и разворачивают во внутреннем, защищенном цифровом контуре. Для обновления ИИ направляют на дообучение в облако, сегментируя данные и снижая риски их утечки. На многих предприятиях уже действуют системы менеджмента качества, которые отслеживают, когда нейросетям требуется переобучение.
Некоторые работники переживают, что из-за внедрения ИТ-технологий предприятие откажется от людей. Это заблуждение. Машина никогда не сможет нести полную ответственность — вот главный аргумент против подобных опасений. Всегда нужен человек-оператор, который контролирует работу и проверяет настройки. Яркий пример незаменимости человеческого опыта, экспертизы, управления: без инженера-метролога, настраивающего станки, вся партия продукции уйдет в брак.
Бороться со страхами и стереотипами нужно методичной работой с персоналом. Важно развивать сотрудников, направлять их на переобучение и повышение квалификации, знакомить с интерфейсами, проводить мастер-классы и показывать, как работают технологии, чтобы ИИ стал для них понятным инструментом.
В результате сформируется уникальный коллектив, который понимает, как предприятие работает в ручном режиме и как оно может работать с помощью цифровых систем. Именно такие кадры, обладающие гибридным опытом, станут особенно ценными для экономики будущего.
