14 октября в Екатеринбурге прошла конференция «Цифровой контур эффективности — практика внедрения мультиагентных систем и применение передовых инструментов инженерного искусственного интеллекта для повышения эффективности бизнеса и производительности предприятий Свердловской области».
Мероприятие стало первым крупным событием новой Комиссии Уральской торгово-промышленной палаты по цифровой трансформации и технологиям искусственного интеллекта в промышленности. Комиссия была создана решением Правления Уральской ТПП в начале октября как экспертная площадка, объединяющая промышленный бизнес, разработчиков, научное сообщество, институты развития и органы власти. Возглавил её заместитель генерального директора Корпорации развития Среднего Урала Олег Мошкарев.
Организаторами конференции выступили Уральская торгово-промышленная палата, Корпорация развития Среднего Урала и Сколковский институт науки и технологий. В центре обсуждения оказались уже не общие перспективы искусственного интеллекта, а конкретные вопросы: почему большинство ИИ-пилотов не превращается в экономический результат, где заканчивается ИИ-ассистент и начинается полноценный агент, как интегрировать агентные решения в ERP, MES, PLM и САПР, каким образом обеспечить безопасность автономных систем и какие инженерные процессы уже сегодня можно автоматизировать.
Открывая мероприятие, представители организаторов неоднократно подчеркивали промышленную специфику Свердловской области. Задача конференции состояла именно в том, чтобы посмотреть на искусственный интеллект с точки зрения реального сектора — через производительность, сроки проектирования, стоимость операций и возможность масштабирования решений.
Президент Уральской ТПП Андрей Беседин, говоря о создании новой комиссии, отметил высокий запрос предприятий на следующий этап цифровизации после автоматизации и роботизации. При этом, по его словам, сам факт использования новых инструментов ещё не означает получения экономического эффекта: предприятиям необходимо понимать, какие решения выбирать и каким образом интегрировать их в существующие процессы. Эта логика стала одной из центральных тем всей конференции.
Агент или просто новый ярлык для чат-бота
Один из первых вопросов, который обсуждался на конференции, — что в действительности сегодня представляет собой ИИ-агент.
Директор по продуктам Центра искусственного интеллекта Сколтеха Дмитрий Филатов предложил оценивать такие системы не по названию продукта, а по конкретным признакам автономности: способности самостоятельно планировать работу, взаимодействовать с внешними инструментами и корпоративными системами, сохранять контекст, корректировать собственные действия и доводить поставленную задачу до результата.
Принципиальная разница состоит в том, что ассистент работает в постоянном взаимодействии с человеком, тогда как агент получает цель и способен самостоятельно выстроить последовательность действий для её достижения. На следующем уровне несколько специализированных агентов объединяются в мультиагентную систему и распределяют между собой разные части процесса.
Для предприятий этот вопрос имеет не только терминологическое значение. Ошибка на этапе выбора технологии может привести либо к переплате за решение, которое фактически остаётся обычным ассистентом, либо, напротив, к созданию слишком сложной инфраструктуры там, где полноценная автономность не требуется.
Почему ИИ-пилот ещё не означает экономического эффекта
Отдельный блок был посвящён одной из наиболее болезненных для рынка тем — разрыву между количеством ИИ-пилотов и реальным финансовым результатом.
Эксперты обратили внимание на так называемый «каскад затухания»: искусственный интеллект способен в разы ускорить отдельную операцию, однако это не обязательно ускоряет весь бизнес-процесс.
На конференции приводился простой производственный пример. Если ИИ помогает конструктору подготовить пакет изменений за два часа вместо двух дней, но следующий специалист продолжает обрабатывать документы с прежней скоростью, узкое место просто перемещается дальше по цепочке. Производительность одного сотрудника выросла, а скорость всего процесса и финансовый результат предприятия могли не измениться.
Поэтому проектирование ИИ-пилота должно начинаться не с выбора нейросети, а с определения законченного процесса, исходных показателей, ответственного за бизнес-результат и финансовой цели.
Практика бизнеса: от перевода документов до инженерного проектирования
Особый интерес вызвали примеры компаний, которые уже используют ИИ в текущих процессах.
Предприниматель Павел Блохин рассказал о нескольких таких сценариях. В частности, в компании тестировали ИИ при подготовке технических переводов, инженерных предложений, работе с корпоративной информацией и конструкторской документацией.
По его словам, стоимость обработки одной страницы технической документации в одном из процессов после настройки решения сократилась с сотен рублей до единиц рублей. В другом кейсе механическая часть подготовки инженерного предложения, ранее занимавшая около 18 часов, была сокращена примерно до одного часа. При работе с 3D-моделью после первоначальной настройки продолжительность отдельной операции удалось уменьшить с десятков минут примерно до девяти минут. Эти цифры относятся к внутреннему опыту конкретной компании и не могут рассматриваться как универсальные показатели для рынка.
При этом один из важных выводов бизнеса состоял в том, что эффект от ИИ определяется не только технологией. Не менее значимы готовность руководителя менять процессы и формирование внутри компании культуры использования новых инструментов.
Инженерный ИИ: проверка чертежей за минуты
Сколтех представил сразу несколько разработок в сфере инженерного искусственного интеллекта.
Одна из систем предназначена для автоматизированной проверки инженерных чертежей на соответствие нормативным требованиям. Нормативная документация переводится в структурированную базу требований, после чего система анализирует чертёж и указывает возможные нарушения со ссылкой на конкретные нормы.
По данным Центра ИИ Сколтеха, в испытаниях на выборке из 350 чертежей было получено 90% правильных ответов. Среднее время автоматизированной проверки одного чертежа составило около пяти минут против приблизительно 30 минут при ручной работе. При этом окончательное решение остаётся за инженером.
Ещё одна представленная система объединяет несколько стадий реверс-инжиниринга: восстановление редактируемой 3D-модели по результатам сканирования, создание расчётной сетки, проведение численного моделирования и оптимизацию конструкции.
В демонстрационном кейсе полный цикл от 3D-скана детали до оптимизированной конструкции занял около четырёх часов. По оценке разработчиков, ручное восстановление CAD-модели при отсутствии исходной документации может занимать от одного до десяти рабочих дней в зависимости от сложности объекта.
ИИ должен работать внутри управляемого и защищённого контура
Отдельно рассматривалась безопасность агентных систем.
Профессор Сколтеха Иван Тюкин обратил внимание на то, что размещение модели внутри инфраструктуры предприятия само по себе не решает вопрос безопасности. Необходим контроль происхождения моделей и данных, разграничение прав доступа, мониторинг действий автономных агентов и проверка получаемого ими результата.
Это особенно важно по мере перехода от чат-ботов и помощников к системам, которые получают доступ к корпоративным данным, инженерному ПО и возможности самостоятельно выполнять последовательность операций.
От отдельных пилотов — к региональной системе внедрения
Финальная панель конференции была посвящена переходу от отдельных экспериментов к системному росту промышленного потенциала региона. Представители органов власти, университетов, бизнеса, институтов развития и разработчиков обсуждали, какие условия необходимы для появления в Свердловской области полноценных проектов с измеримым эффектом.
Одним из практических результатов стало соглашение о сотрудничестве между Сколтехом и Корпорацией развития Среднего Урала. Документ предусматривает развитие инновационной деятельности, научно-технологических проектов и взаимодействия с предприятиями региона. Одним из следующих направлений может стать формирование совместных пилотных проектов по мультиагентным системам и инженерному ИИ.
Работа должна продолжиться и на площадке новой Комиссии Уральской ТПП по цифровой трансформации и технологиям искусственного интеллекта в промышленности.
В состав комиссии вошла председатель правления Ассоциации инновационных решений и искусственного интеллекта «Регионы XXI ВЕК», член Совета ТПП РФ по развитию информационных технологий и цифровой экономики, член Комитета ТПП РФ по медиа-коммуникациям Ольга Чернокоз.
По её словам, участие в комиссии позволит соединить региональную практику с работой, которая ведётся на федеральном уровне.
Ольга Чернокоз:
«Для нас важно выстроить постоянное взаимодействие между региональными торгово-промышленными палатами и федеральными структурами ТПП России по вопросам внедрения искусственного интеллекта. На предприятиях уже появляется большое количество конкретных запросов, и наша задача — не обсуждать ИИ абстрактно, а соединять эти запросы с разработчиками, экспертами, институтами развития и действующими механизмами поддержки. Отдельно важно, чтобы практический опыт регионов учитывался при формировании федеральных подходов к внедрению и регулированию искусственного интеллекта».
В составе новой комиссии Уральская ТПП также указывает ректора УрФУ Илью Обабкова, министра цифрового развития и связи Свердловской области Евгения Шонова и директора департамента Технопарка «Сколково» Ольгу Сломинскую. Председателем комиссии стал заместитель генерального директора Корпорации развития Среднего Урала Олег Мошкарев.
По сути, конференция показала изменение самой повестки вокруг промышленного ИИ. Вопрос уже не в том, способны ли нейросети выполнять отдельные операции. Главный вопрос — можно ли встроить их в реальный производственный процесс так, чтобы предприятие получило измеримый экономический эффект, сохранило контроль над данными и технологиями и смогло затем масштабировать решение.