Сегодня производители сталкиваются с растущими затратами на производство, нехваткой рабочей силы, нестабильностью цепочек поставок и необходимостью предлагать более персонализированные продукты. ИИ становится важным инструментом решения этой проблемы.

Большинство производителей стремятся снизить затраты, одновременно повышая производительность и качество. ИИ способствует достижению этих целей, прогнозируя отказы оборудования, корректируя производственные графики и анализируя сигналы цепочки поставок. Исследование Google Cloud показало, что более половины руководителей производственных предприятий используют ИИ-агентов в таких областях, как планирование и контроль качества. Этот сдвиг важен, поскольку использование ИИ напрямую связано с измеримыми бизнес-результатами. Сокращение простоев, снижение количества брака, повышение общей эффективности оборудования и повышение оперативности реагирования на запросы клиентов — всё это способствует формированию позитивной стратегии предприятия и повышению общей конкурентоспособности на рынке.

Исследование компании Motherson Technology Services говорит о снижении затрат на техническое обслуживание на 25–30%, сокращении времени простоев на 35–45% и повышении эффективности производства на 20–35% после внедрения решений на основе ИИ-агентов. Эти исследования показывают, что ИИ внедряется в операционную деятельность, причем не в пилотных проектах, а в рабочих процессах.

Производственные системы зависят от принятия решений с минимальной задержкой, особенно в отношении обслуживания и качества. Руководителям необходимо продумать, как сочетать периферийные устройства (часто ОТ-системы с поддерживающей ИТ-инфраструктурой) с облачными сервисами. Подключение операционного технологического оборудования к ИТ-системам и облачным технологиям повышает киберриск, поскольку некоторые ОТ-системы не предназначены для использования в более широком интернет-пространстве. Руководителям следует тщательно прописать правила доступа к данным и требования к мониторингу. В целом, управление ИИ следует начинать не на более поздних этапах, а уже на первом пилотном этапе.

Об особенностях и реалиях внедрения ИИ на производстве рассказывает доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:

Несмотря на быстрый прогресс, сохраняется ряд проблем при внедрении ИИ на производстве. Нехватка квалифицированных специалистов замедляет внедрение ИИ, устаревшее оборудование генерирует фрагментированные данные, а затраты порой сложно прогнозировать. Датчики, подключение, интеграция и обновление платформ данных — всё это накладывает свой отпечаток. Кроме того, возникают проблемы обеспечения безопасности. Наконец, ИИ должен сосуществовать с человеческим опытом, т.е. операторы, инженеры и специалисты по обработке данных должны работать вместе, а не параллельно. Однако недавние публикации показывают, что эти проблемы можно решить при наличии правильных управленческих мер. Чёткое управление, кросс-функциональные команды и масштабируемая архитектура упрощают внедрение и поддержку ИИ.

О рекомендациях по внедрению ИИ на производстве рассказывает Коротеев Михаил Викторович, заведующий кафедрой искусственного интеллекта Финансового университета при Правительстве Российской Федерации:

Производственным предприятиям необходимо связать инициативы в области ИИ с бизнес-целями предприятий, с ключевыми показателями эффективности, такими как время простоя, количество брака и себестоимость единицы продукции. Также целесообразно использовать продуманное гибридное сочетание периферийных и облачных технологий. Следует обеспечить доступ к данным в режиме реального времени, используя облачные платформы для обучения и аналитики.

Одной из главных рекомендаций является инвестирование в сотрудников. Важны смешанные команды экспертов в предметной области и специалистов по анализу данных, а также необходимо предлагать обучение и повышение квалификации операторам и руководству.

Для обеспечения информационной безопасности необходимо внедрять систему безопасности с самого начала внедрения ИИ. ИТ следует рассматривать, как единую среду, исходя из принципа нулевого доверия, а масштабирование ИТ лучше осуществлять постепенно, доказав эффективность сначала на одном предприятии, чтобы затем расширяться. При выборе компонентов единой ИТ-среды, следует выбирать компоненты открытой экосистемы, т.к. это позволяет компании сохранять гибкость и избегать привязки к поставщику.