Как заводы считают эффект от ИИ — большой срез по девяти промышленным компаниям
«Атвинта» собрала опыт девяти предприятий из металлургии, добычи, химии и пищёвки. Получилась редкая по честности картина: где ИИ реально приносит миллиарды, а где упирается в скучные ограничения.
Три типа задач — три размера эффекта
🔴Подсказка оператору. Самое быстрое во внедрении, потому что последнее слово за человеком. В «ЕвроХиме» система анализирует 1500 параметров техпроцесса и советует оптимальные значения. За три года выработка +2%, расход газа −1%. В деньгах — 1,5 млрд рублей.
🔴Управление оборудованием. Тут эффекты максимальные. В «Норникеле» модель прогнозирует состояние мельницы на 15 минут вперёд и сама правит режим — один этот проект даёт около 4 млрд рублей в год. Всего у компании больше 50 ИИ-проектов и свыше 10 млрд эффекта ежегодно.
🔴Контроль качества и безопасности. Компьютерное зрение ищет дефекты и людей в опасных зонах. Дороже всех: камеры, серверы, инженерные сети, монтаж, обучение моделей.
Деньги появляются не от ИИ, а от перестройки процесса
Ключевая мысль от «Северстали»: за 2025 год насчитали 300 тысяч сэкономленных часов, но «трудочасы сами по себе в деньги не конвертируются». Деньги — это изменение бизнес-процесса, а на него нужна воля руководителя.
Показательный кейс «Черкизово»: первый ИИ-агент в техподдержке путался среди 1800 позиций каталога. Пока не переделали каталог до 400 позиций и не разделили базы знаний — толку не было. Сначала процесс, потом модель.
По каким критериям берут проект
▶️Измеримая метрика — есть что померить до и после
▶️Окупаемость за 1-2 года
▶️Тиражируемость на другие заводы
Почему в промышленности даже доли процента = миллионы: «ценность технологии определяется не масштабом изменения метрики, а масштабом самого производственного процесса».
Что мешает
🔴Железо. Дефицит видеокарт и памяти, цены растут даже на устаревшее оборудование. Надолго.
🔴Данные. Заводы строились до эпохи ИИ, данные разбросаны по разным системам. В «Норникеле» это называют самой трудной частью проектов.
🔴Люди. Сотрудники боятся замены, а специалистов, которые понимают и производство, и ML, на рынке почти нет — навыками владеют 3,2% работников.
⬛️Финал, под которым подпишется любой наш пост про промышленный ИИ. Сначала перестраивают процессы, приводят в порядок данные и договариваются, что считать результатом, — и только потом запускают модель. Эффект получают те, кто начал с фундамента, а не с покупки нейросети.
И везде одна граница: финальное решение остаётся за человеком. Не из-за слабости технологии, а из-за цены ошибки — в металлургии одна неверная интерпретация данных даёт партию брака с репутационными последствиями. Автономность растёт, но полностью убрать человека там, где ошибка стоит миллионы, никто не спешит.
🦾 AI для бизнеса в Telegram | в MAX
«Атвинта» собрала опыт девяти предприятий из металлургии, добычи, химии и пищёвки. Получилась редкая по честности картина: где ИИ реально приносит миллиарды, а где упирается в скучные ограничения.
Три типа задач — три размера эффекта
🔴Подсказка оператору. Самое быстрое во внедрении, потому что последнее слово за человеком. В «ЕвроХиме» система анализирует 1500 параметров техпроцесса и советует оптимальные значения. За три года выработка +2%, расход газа −1%. В деньгах — 1,5 млрд рублей.
🔴Управление оборудованием. Тут эффекты максимальные. В «Норникеле» модель прогнозирует состояние мельницы на 15 минут вперёд и сама правит режим — один этот проект даёт около 4 млрд рублей в год. Всего у компании больше 50 ИИ-проектов и свыше 10 млрд эффекта ежегодно.
🔴Контроль качества и безопасности. Компьютерное зрение ищет дефекты и людей в опасных зонах. Дороже всех: камеры, серверы, инженерные сети, монтаж, обучение моделей.
Деньги появляются не от ИИ, а от перестройки процесса
Ключевая мысль от «Северстали»: за 2025 год насчитали 300 тысяч сэкономленных часов, но «трудочасы сами по себе в деньги не конвертируются». Деньги — это изменение бизнес-процесса, а на него нужна воля руководителя.
Показательный кейс «Черкизово»: первый ИИ-агент в техподдержке путался среди 1800 позиций каталога. Пока не переделали каталог до 400 позиций и не разделили базы знаний — толку не было. Сначала процесс, потом модель.
По каким критериям берут проект
▶️Измеримая метрика — есть что померить до и после
▶️Окупаемость за 1-2 года
▶️Тиражируемость на другие заводы
Почему в промышленности даже доли процента = миллионы: «ценность технологии определяется не масштабом изменения метрики, а масштабом самого производственного процесса».
Что мешает
🔴Железо. Дефицит видеокарт и памяти, цены растут даже на устаревшее оборудование. Надолго.
🔴Данные. Заводы строились до эпохи ИИ, данные разбросаны по разным системам. В «Норникеле» это называют самой трудной частью проектов.
🔴Люди. Сотрудники боятся замены, а специалистов, которые понимают и производство, и ML, на рынке почти нет — навыками владеют 3,2% работников.
⬛️Финал, под которым подпишется любой наш пост про промышленный ИИ. Сначала перестраивают процессы, приводят в порядок данные и договариваются, что считать результатом, — и только потом запускают модель. Эффект получают те, кто начал с фундамента, а не с покупки нейросети.
И везде одна граница: финальное решение остаётся за человеком. Не из-за слабости технологии, а из-за цены ошибки — в металлургии одна неверная интерпретация данных даёт партию брака с репутационными последствиями. Автономность растёт, но полностью убрать человека там, где ошибка стоит миллионы, никто не спешит.
🦾 AI для бизнеса в Telegram | в MAX