Генеративный ИИ в течение двух лет перейдёт в практику промышленной эксплуатации
В рамках исследования изучено свыше 150 кейсов применения GenAI зарубежными и российскими компаниями в различных сферах – машиностроении, металлургии, биотехнологиях, химической и нефтехимической промышленности, электроэнергетике и ТЭК, наиболее показательные из которых рассмотрены в отчете. Кроме того, проанализированы практики внедрения российских LLM (Large Language Models – Больших Языковых Моделей) в промышленности на основе интервью с вендорами и изучения открытых данных.
«В апреле Сколково запустил программу ProGenAI по развитию и распространению генеративного искусственного интеллекта в различных отраслях. Вместе с нашими партнерами – ведущими научными центрами, отечественными вендорами LLM, интеграторами и стартапами – мы собрали экспертизу для поддержки внедрений генеративного ИИ на всех этапах: от НИОКР до масштабирования на предприятии. В исследовании мы объединили различные кейсы в типовые сценарии применения и поделились экспертизой практиков», – сообщил Сергей Дутов, лидер платформы ProGenAI, директор по корпоративным инновациям Фонда «Сколково».
Согласно исследованию, несмотря на стремительный рост GenAI в других секторах, промышленность демонстрирует сдержанный подход. Технология активно апробируется передовыми компаниями, и в ближайшие 1-2 года ожидается переход первых успешных внедрений в практику промышленной эксплуатации.
Ключевые сценарии, сформулированные в ходе исследования, и рассмотренные практические кейсы демонстрируют значимые эффекты от внедрения GenAI-решений. Среди них: ускорение проектирования изделий на 30–80%, включая автоматизацию формирования документации и проверки соответствия техническим и нормативным требованиям, сокращение простоев оборудования до 50% по сравнению с традиционными подходами благодаря интеграции GenAI с предиктивной аналитикой и системами планирования, снижение объема избыточных запасов на 40–60% за счет синхронизации данных спроса с поставщиками сырья, а также сокращение времени оптимизации логистических цепочек до 10–15 минут при комбинированном применении GenAI, машинного обучения (ML) и систем классов SCM, TMS, WMS.
«Реализованные кейсы применения генеративного ИИ в инженерных и производственных задачах демонстрируют выраженный эффект в виде сокращения времени разработки, оптимизации ресурсов и повышения технологичности решений. Среди часто отмечаемых результатов — ускорение проектирования, уменьшение количества итераций, рост производительности, а также сокращение затрат и брака. Возможности и потенциал применения генеративного ИИ для решения инженерных задач отраслей промышленности, а также эффекты от внедрения представлены в аналитическом отчете, подготовленном АНО “Цифровая экономика” совместно с экспертами Фонда “Сколково” в июле 2025 года. Настоящий отчет является продолжением серии совместных исследований Центра технологического лидерства 2030, действующего на платформе АНО “Цифровая экономика” и Фонда “Сколково”, – прокомментировал Ярослав Авдиев, директор направления «Технологическое лидерство» АНО «Цифровая экономика».
Выводы исследования очерчивают трехэтапную траекторию развития применения GenAI на предприятиях. В течение первых 1–2 лет предполагается постепенное масштабирование от адаптированных opensource LLM или отечественных on-premise решений к корпоративным моделям, включающее внедрение LLM в контур управления и их интеграцию с MES/ERP/PLM и другими системами для решения конкретных задач. На следующем этапе, охватывающем 2–3 года, ожидается появление и развитие доменно-специфичных on-prem моделей глубокого обучения, достигающих точности 98–99%, что обеспечит их глубокую интеграцию и синергию с другими AI/ML-системами, такими как цифровые двойники, предиктивная аналитика и СППР. В долгосрочной перспективе прогнозируется формирование отраслевых платформ, где компании объединят усилия для удовлетворения профильных потребностей в GenAI путем создания доверенных центров общих данных и моделей (отраслевых SLM/агентов), что снизит порог входа и повысит эффективность для всех участников.
По данным исследования, раскрытие полного потенциала GenAI требует существенного объема качественных данных для обучения LLM и их безопасного применения. Для этого необходимо развитие отраслевых платформ с целью регулируемого обмена защищённой информацией и совместной разработки ИИ-активов.
Подробные результаты исследования, описание методологии и выводы доступны по ссылке.
