Фото: Shutterstock
Что стимулирует рост вложений в искусственный интеллект
Рост спроса на автоматизацию бизнеса приводит к увеличению вложений в искусственный интеллект (ИИ). По прогнозам Gartner, инвестиции в ИИ в мире в 2026 году могут достичь $2,59 трлн, и это на 47% выше результатов 2025 года. В 2027 году расходы на эти технологии достигнут $3,5 трлн, прогнозировал вице-президент Gartner Джон-Дэвид Лавлок. Эксперт считает, что нынешний год станет переломным, поскольку в ИИ станут все активнее вкладываться не только компании формата OpenAI, но и обычный бизнес.
ИИ активно используется в России. По данным консалтинговой компании «Яков и партнеры» и «Яндекса», в 2025 году 71% крупных российских компаний уже использовали генеративный искусственный интеллект хотя бы в одной бизнес-функции. По оценкам Высшей школы экономики, использование ИИ в российской промышленности может добавить 11,6 трлн руб. к ВВП к 2030 году, причем 14% этого вклада придется на наукоемкие предприятия, например: в атомной энергетике, аэрокосмической промышленности, фармацевтике, электронике. Их характеризует высокая доля научно-исследовательских опытных конструкторских работ (НИОКР), сложные технологические процессы и, как следствие, необходимость обработки больших объемов данных.
«Большинство крупных компаний применяют ИИ хотя бы в одной функции, но лишь единицы сумели масштабировать технологию на всю организацию. Наукоемкие отрасли не исключение», — рассказывает руководитель департамента инжиниринга консалтинговой компании Kept Игорь Коротецкий. «Классический ИИ, в том числе машинное зрение, предиктивные модели и анализ больших данных уже стал рабочим инструментом в промышленности, энергетике и медицине. Генеративные модели и агенты только входят в промышленный контур», — подтверждает ИИ-советник «Яков и партнеры» Сергей Кобелев.
В атомной энергетике ИИ сейчас внедряется активно, но с большой осторожностью, поскольку, как напоминает Игорь Коротецкий, в этой индустрии цена ошибки весьма велика. «МАГАТЭ характеризует текущее состояние как этап пилотных проектов. Но вектор очевиден. Например, американская компания Westinghouse применяет ИИ при строительстве станций, а в эксплуатации технология уже поддерживает предиктивное обслуживание и выявление аномалий. Тем же путем идет и «Росатом», — полагает эксперт. В частности, в «Росатоме» разработали систему на основе большой языковой модели, которая автоматизирует проверку технической документации (например, протоколов испытаний) — это уже ускорило проверку документов в 28 раз при точности 94%, по данным частного учреждения «Атомстандарт».
Алгоритмы в атомной энергетике также анализируют данные с датчиков (уровень вибрации или температуру) и выявляют ранние признаки износа или отклонений. Такие системы внедрены на Нововоронежской АЭС, рассказали в госкорпорации. В частности, ИИ может зафиксировать аномалию в подшипнике насоса, предупредив о его деградации. В этом случае ремонт детали можно будет провести по текущему состоянию, а не по жесткому графику планового обслуживания. В свою очередь, это заметно сокращается внеплановые простои на предприятии и в конечном счете экономит деньги. «Практический критерий зрелости индустрии для таких технологий прост: если промежуточный результат можно проверить расчетом или симуляцией, ИИ уже дает эффект. Если же нужны физический эксперимент, сертификация или допуск к критическому процессу, внедрение идет существенно медленнее», — поясняет Сергей Кобелев.
Игорь Коротецкий рассказывает, что новые технологии также активно используются в фармацевтике и в аэрокосмической индустрии. К примеру: концерн Boeing применяет ИИ для оптимизации аэродинамики и веса конструкций деталей, предиктивного обслуживания авиапарка и контроля качества производства. По данным аналитической платформы FounderNest, применение нейросетей при проектировании самолетов сокращает циклы разработки на 30%. В России ИИ помогает проектировать двигатели для ракет «Союз» и «Ангара», сообщали ранее в «Роскосмосе».
Как ИИ трансформирует процессы в наукоемком производстве
В «Яков и партнеры» рассказывают, что ИИ в наукоемких отраслях активно используется для дефектоскопии, предиктивного обслуживания и оптимизация режимов работы оборудования: «Отклонение находится раньше, натурных испытаний требуется меньше». В оптимизации технологических режимов и дефектоскопии на базе компьютерного зрения «машина, например, при рутинном контроле сварных швов или поверхностей уже работает стабильнее человека», а предиктивная аналитика позволяет уйти от планово-предупредительных ремонтов к обслуживанию оборудования по фактическому состоянию, полагает Игорь Коротецкий.
Фото: Shutterstock
И.о. директора по информационным и цифровым технологиям госкорпорации «Росатом» Евгений Гаранин подтверждает, что решения на базе машинного обучения и компьютерного зрения для мониторинга состояния оборудования и управления качеством изделий уже зарекомендовали себя на предприятиях машиностроения. Следующим шагом должно стать активное внедрение больших языковых моделей — они послужат драйвером трансформации процессов оперативного управления производством, куда входят вопросы выдачи сменно-суточных заданий, создания отчетности и проверки документации.
В Kept сообщают, что ИИ доказал состоятельность и в моделировании — «нейросети учатся заменять тяжелые физические расчеты, будь то аэродинамика или теплогидравлика, и сокращают время вычислений на порядок без потери точности». В наукоемких отраслях ИИ применяется и в промышленном дизайне, «когда алгоритм сам предлагает топологию детали под заданные ограничения и находит решения, до которых человек просто не додумался бы», добавляют в Kept.
В фармацевтике и биотехнологиях ИИ ускоряет разработку лекарств, начиная от скрининга молекул и заканчивая клиническими испытаниями. Представители Национального исследовательского центра «Курчатовский институт» ранее сообщали в СМИ, что используют алгоритмы машинного обучения и ИИ для расчета структуры вакцин-кандидатов против вируса денге, коронавируса, болезни Лайма и африканской чумы свиней. Институт искусственного интеллекта AIRI разработал инструмент SEMA, помогающий биологам и иммунологам в разработке вакцин и терапевтических препаратов на основе антител.
В Единой цифровой стратегии «Росатома» ИИ из изолированного объекта исследований становится инструментом, включенным во все процессы развития отрасли. «Внедрение имеет под собой рациональную основу — так мы раскрываем потенциал ИИ на самых ранних инновационных стадиях, когда продукты или процессы только замышляются или проектируются», — говорит начальник управления цифровой стратегии «Росатома» Диана Сюняева. По ее словам, ИИ уже внедрен в пилотном режиме в ряде проектов в сферах проектирования и строительства, производства оборудования, логистики и энергетики. В «Росатоме» прогнозируют, что сроки строительства АЭС и снижение сопутствующих управленческих издержек от внедрения ИИ к 2032 году могут сократиться до 5%, а к 2050 году — на 22–25%. «Ожидаемые эффекты от ИИ — не экономия на персонале, а сжатие производственных циклов: от идеи до изделия, от проектирования до сертификации, от сигнала датчика до управленческого решения. А в наукоемких отраслях длительность разработки — главный ограничитель конкурентоспособности», — подтверждает Игорь Коротецкий.
Какие перспективы открывает внедрение ИИ
Внедрение ИИ в наукоемких отраслях не всегда идет гладко. В Kept упоминают кадровую проблему, в том числе дефицит специалистов, одновременно «понимающих» машинное обучение и, скажем, нейтронную физику и газодинамику. Одним из барьеров выступает дороговизна вычислительной инфраструктуры, в частности мощных GPU-кластеров, что для российских компаний усугубляется санкционными ограничениями, говорит Игорь Коротецкий. К тому же критически важные отрасли могут работать только в защищенном контуре без использования облачных технологий, а это снова упирается в «железо», добавляет он.
Успех системного внедрения ИИ во многом будет зависеть также от качества данных и удобства их применения, отмечает Евгений Гаранин: «В жизненном цикле строительства и эксплуатации таких сложных объектов, как АЭС, множество операций проходят в закрытом контуре, поэтому в «Росатоме» мы уделяем большое внимание подготовке данных, на базе которых будет вестись разработка ИИ-решений для повышения эффективности и последующей трансформации процессов. Человекоцентричность в этом подходе остается для нас приоритетом». Техническая готовность ИИ-инструментов, по словам эксперта, сегодня находится на должном уровне, однако главным вызовом при внедрении ИИ является скорость доставки ценности до конечного пользователя: решение вопросов, входящих в поле предпроектной подготовки, сбора и разметки данных, порой занимает больше времени, чем разработка самого решения. Именно поэтому одним из скрытых трендов сегодняшнего дня является разработка ИИ-инструментов на базе единой платформы. Такой подход позволит существенно ускорить процесс выхода в промышленную эксплуатацию решений посредством учета требований безопасности, управления и переиспользования предиктивных моделей в режиме «одного окна», констатирует Евгений Гаранин.
Не менее важным вызовом для наукоемких индустрий в Kept называют нехватку данных для обучения ИИ-моделей. «Общедоступные датасеты для наукоемких задач почти бесполезны. Нужны результаты испытаний, телеметрия, данные дефектоскопии конкретного оборудования, а они малочисленны, разрозненны, нередко существуют в бумажных архивах или засекречены. Есть и объективная ловушка. Отказы критического оборудования, к счастью, редки, поэтому обучающих примеров для предиктивных моделей физически мало», — полагает Игорь Коротецкий.
В Kept говорят, что на отраслевом уровне «обсуждается создание общих промышленных датасетов», упоминая еще одну проблему — неопределенность ответственности. «Пока юридически неясно, кто отвечает за решение, принятое с участием ИИ, предприятия с критическими процессами будут внедрять технологию предельно осторожно — и будут правы», — отмечает Игорь Коротецкий. При этом аналитики «Яков и партнеры» полагают, что все большую популярность в наукоемких отраслях будут набирать автономные ИИ-агенты, приводя в пример проектирование структурами «Росатома» целой фабрики ИИ-агентов «для рутинных процедур».
«В долгосрочной перспективе работа с данными и технологии будут внедрены во все направления деятельности «Росатома», что обеспечит работу с единым массивом информации на протяжении всего жизненного цикла объекта. ИИ будет внедрен в рекомендательные системы поддержки работников отрасли, при этом принятие ключевых решений мы все же пока оставляем за человеком», — отмечает Евгений Гаранин.