В настоящее время искусственный интеллект рассматривается, как основной двигатель финансовых результатов. Согласно исследованию Future-Ready Manufacturing Study 2025, проведенному компаниями Tata Consultancy Services (TCS) и Amazon Web Services (AWS), 88 процентов производителей ожидают, что ИИ будет составлять не менее пяти процентов операционной прибыли. Каждый четвертый ожидает доходности, превышающей 10 процентов.

Существует несоответствие между финансовыми прогнозами и реальностью на заводах и в производствах. В то время как расходы на интеллектуальные системы растут, базовая инфраструктура данных остается ненадежной, а стратегии управления рисками по-прежнему опираются на дорогостоящие ручные резервы.

Компания TCS отмечает, что давление, направленное на извлечение прибыли из технологических решений, никогда не было таким высоким. Согласно данным того же исследования TCS и AWS, 75 процентов респондентов ожидают, что к 2026 году искусственный интеллект войдет в тройку лидеров по увеличению операционной прибыли. В результате организации направляют 51 процент своих инвестиций в трансформацию на ИИ и автономные системы в течение следующих двух лет. Эти расходы затмевают другие жизненно важные области. Выделенные средства на внедрение искусственного интеллекта значительно превосходят расходы на переквалификацию персонала (19%) и модернизацию облачной инфраструктуры (16%). Для руководителей ИТ-отделов этот дисбаланс сигнализирует о надвигающемся кризисе, заключающемся в попытке развернуть сложные алгоритмы на шаткой устаревшей технологической основе.

Об основных проблемах и инфраструктурном долге на производствах при внедрении технологий искусственного интеллекта рассказывает доцент кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянова Наталия Юрьевна:

Главным препятствием на пути к получению высоких финансовых результатов компаний являются не модели искусственного интеллекта, а данные, которые они используют. На предприятиях существует фрагментация, которая создает информационные разрозненные хранилища, которые препятствуют доступу алгоритмов и моделей ИИ к общекорпоративным данным, необходимым для принятия точных решений.

Также важной проблемой является интеграция с устаревшими системами на производстве. Этот «технический долг», накопленный за десятилетия цифровизации, затрудняет внедрение ИИ-агентов в более старые операционные технологии.

Еще одной ключевой проблемой для производств является проблема безопасности. В условиях, когда киберфизическое нарушение может остановить производство или причинить физический вред, готовность к риску автономного вмешательства остается низкой.

О переходе к агентному искусственному интеллекту в производстве рассказывает профессор кафедры искусственного интеллекта Финансового университета при Правительстве Российской Федерации Емельянов Виталий Александрович:

Несмотря на препятствия, отрасль движется в направлении агентного искусственного интеллекта (то есть систем, способных принимать решения с минимальным участием человека). Чтобы превратить эти огромные капиталовложения в реальную прибыль, высшему руководству необходимо отбросить рекламный ажиотаж. В первую очередь необходимо привести в порядок данные. Без чистых, унифицированных данных высокоэффективные варианты использования в области устойчивого развития и прогнозирующего технического обслуживания не смогут масштабироваться. В свою очередь руководители должны преодолеть разрыв в доверии к искусственному интеллекту. Решением является поэтапная автономия, начиная с простых административных задач, прежде чем передавать сложные решения в цепочке поставок.

Производители делают ставку на будущее в сфере ИИ, но для получения отдачи от этих инвестиций требуется меньше внимания к «интеллекту» моделей и больше к рутинной работе по очистке данных, интеграции устаревшего оборудования и укреплению доверия со стороны персонала.