Искусственный интеллект (ИИ) с головокружительной скоростью по всем фронтам отвоевывает позиции у устоявшихся и усложнявшихся многими десятилетиями методов анализа, правил и процессов. Сложные и зарегулированные системы управления и принятия решений устаревают быстрее, чем большинство из нас осознаёт их полную несостоятельность перед новыми возможностями нейросетей. При этом совершенно нет времени на неторопливый и обстоятельный анализ происходящего, уровень «глобальной конкурентоспособности» начинает напрямую зависеть от внедрения ИИ во все аспекты госуправления и экономики.
Одним из основных индикаторов цивилизационной зрелости государства является уровень его технологического развития. Ценой колоссальных жертв и усилий наша страна в цикле новейшей истории отстояла право быть равной среди лучших. Сохранение и преумножение этих позиций уже невозможно без ИИ как сверхмощного катализатора в промышленном секторе.
Однако мы мало знаем о том, что происходит с внедрением ИИ в нашей промышленности. Какие особенности несёт в себе трансформация промышленности в новых условиях непрерывного соревнования информационных технологий? За экспертным мнением мы обратились к Мутиеву Зурабу Сагибовичу, президенту группы компаний «Технотранс», работающей на самом острие последних достижений в промышленном ИТ-секторе, чей спектр компетенций простирается от авиации и военной техники до критических гражданских инфраструктур.
– Зураб Сагибович, если через призму Вашего опыта, как Вы оцениваете текущее состояние развития ИИ в России, особенно в промышленности? Создаётся впечатление, что в таких сферах, как финансы и маркетинг, ИИ у нас продвинут больше, чем в промышленности. Так ли это, и в чём причины?
– Действительно, ИИ уже широко применяется в сервисных отраслях (банки, телеком, маркетинг), а в промышленности его внедрение идёт сложнее и медленнее, чему есть ряд объективных причин. Во-первых, цифровизация промышленности сама по себе сложнее: много устаревшего оборудования, разрозненные данные, нет единых стандартов их сбора. Во-вторых, не хватает специалистов, совмещающих ИТ-компетенции с отраслевым знанием – это узкое место. Ну а в-третьих, внедрение ИИ в производство многограннее и дороже: нужна перестройка процессов, интеграция с производственными системами, достоверные данные. В ноябре 2025 года на AI Journey Президент поставил задачу подготовить национальный план внедрения генеративного ИИ во всех ключевых отраслях и социальной сфере. Таким образом, курс задан: усилить промышленность за счёт масштабного внедрения ИИ для кардинального воздействия на такие критические показатели эффективности как производительность труда и инновационность.
– Чем пользоваться промышленному сектору для решения своих специфических задач – теми же мощными ИИ-инструментами, как, например, крупнейшие языковые модели (LLM) вроде GPT? Или проблемы промышленности требуют каких-то других подходов?
– Специализированные модели зачастую эффективнее для промышленных задач, чем громоздкие LLM – цеху, как правило, не нужна модель с миллиардом параметров, знающая «все обо всём». Важнее безусловная конкретика и точность в узкоспециализированных рамках, которые обеспечивают компактные нейросети, обученные на профильных достоверных данных. Такие решения проще развернуть локально, они гораздо быстрее создаются, обучаются и выходят на максимальный уровень эффективности. Президент подчеркнул, что России нужен полный спектр собственных ИИ-технологий, обученных под контролем российских специалистов. В логике курса на собственный стек ИИ (модели и инфраструктура) для промышленности наиболее практичен гибридный подход: крупные системы обеспечивают базовые технологии, а малые доводят ИИ до конкретных производственных процессов. Этот подход соответствует курсу на технологический суверенитет: важные решения создаются своими силами и под свои нужды, без зависимости от чужих разработок.
– Вы упомянули достоверные данные. В чём смысл акцента на качество данных для успешного применения ИИ промышленности?
– Вся промышленность, все технологии и процессы – это совокупность инженерной логики и точных расчётов, поэтому качество применения ИИ напрямую зависит от полноты, точности и достоверности исходных данных. ИИ, обученный на «шумных» или неполных данных, просто не будет иметь прикладного смысла. Национальная стратегия развития ИИ, в подготовке которой я принимал участие в качестве эксперта, среди ключевых принципов закрепляет эту самую достоверность данных. Если хотите, политика, направленная на обеспечение достоверных данных в отрасли, – это наш в чём-то уникальный путь развития и применения ИИ. Президентом подчёркивается недопустимость зависимости от зарубежных ИИ-систем в критичных сферах и важность суверенитета данных. Таким образом, нужно накапливать и защищать собственные промышленные данные и на их основе быстро создавать решения. Очевидно, ИИ в промышленности возможен только на прочном фундаменте достоверных данных: без надёжных данных не будет ни точных прогнозов, ни эффективной оптимизации процессов.
– А что необходимо предпринять, чтобы наладить сбор данных по всей цепочке создания продукции – от этапа проектирования до утилизации изделия? Почему говорят об унификации форматов данных на всём жизненном цикле?
– На всех этапах жизненного цикла промышленной продукции и средств производства – от проектирования до утилизации – генерируются ценные данные, но сейчас они разрозненны и «разноформатны», из-за чего практически невозможно наладить автоматизированный обмен данными между, например, проектированием и эксплуатацией. Решение – связать эти этапы единой цифровой нитью: внедрить системы сбора данных, унифицировать форматы и интегрировать ИТ-системы всех участников для создания единого источника информации. Необходимы средства сбора и унификации данных, а также автоматического (бесшовного) обмена данными между подсистемами. Во-первых, появляется сквозная трассировка: изменения в проекте автоматически учитываются в производстве, а данные эксплуатации возвращаются инженерам. Во-вторых, процессы унифицируются и автоматизируются, а единый источник данных повышает прозрачность и управляемость производства.
– А что на Ваш взгляд необходимо предпринять на государственном уровне? Очевидно же, что практические шаги, о которых Вы говорите, требуют нетривиальных управленческих и, возможно, нормативно-правовых инициатив. Причём чем быстрее, тем лучше. Может быть, какая-то новая структура нужна, с особыми полномочиями или надведомственным статусом?
– Полностью с Вами согласен: идея создания единого центра ответственности за цифровую трансформацию промышленности выглядит весьма рационально и оправданно. Из-за ведомственной раздробленности промышленности нужен единый центр с общими стандартами и координацией сверху для прорыва в ИИ. Недавно Президент предложил создать специальный штаб по развитию ИИ. А это ясное понимание того, что существующих разрозненных структур недостаточно и нужен координационный центр. Упомянутая Вами структура – назовем её «единый оператор», очевидно, и должна централизованно внедрять цифровые платформы сопровождения жизненного цикла в промышленности и заниматься сбором и анализом отраслевых данных. В итоге повысится надежность и эффективность производства, данные унифицируются, и будет заложена основа суверенного промышленного ИИ. Такой оператор мог бы также заниматься непрерывным обучением кадров, чтобы нивелировать дефицит специалистов и выдерживать необходимую производительность ценных человеческих ресурсов. Фактически это «единое окно» для внедрения ИИ – центр, предоставляющий инфраструктуру и снимающий регуляторные барьеры. Концентрация усилий через единую структуру решит вопрос контролируемости процессов, ускорит и масштабирует внедрение ИИ, а значит, приблизит достижение национальных целей – таких, как 11-триллионный вклад ИИ в экономику и прочный технологический суверенитет России в сфере высоких технологий.
