На полях международной промышленной выставки ИННОПРОМ-2026 эксперты собрались, чтобы обсудить, что на самом деле стоит за декларациями о внедрении искусственного интеллекта в производство. Дискуссия «Промышленность будущего. Искусственный интеллект и новые горизонты операционной эффективности» стала одной из центральных в деловой программе. Модератором выступила генеральный директор «ФедералПресс» Надежда Плотникова. Участники – представители ведущих промышленных компаний и эксперты в сфере ИИ – поделились не теориями, а конкретным опытом: сколько это стоит, как считать эффективность и почему без «человеческого фактора» внутри компании любые алгоритмы бесполезны.
ИИ заработал 34 миллиона за полгода на одном комбинате
Министр цифрового развития Челябинской области Игорь Фетисов привел пример, который сложно назвать абстрактным. На Магнитогорском металлургическом комбинате внедрили ИИ-систему для расчета присадок в металл. Результат – 34 миллиона рублей экономического эффекта за полгода. При этом Челябинская область стала первым регионом России, где создан совет по развитию ИИ, в который входят губернатор и все члены кабмина. Этот пример показывает: ИИ не про «модно», а про конкретные деньги, которые можно посчитать. Но для того чтобы система заработала, нужно пересмотреть всю цепочку сбора и обработки данных.
ИИ не победит хаос – это должны сделать люди
Директор по стратегическому развитию СТАРКОВ Групп Сергей Бабайцев, одним из первых указал на главный парадокс автоматизации. По его словам, хаос в бизнесе или производстве – это, по сути, разрозненность данных. Предприятие может использовать десятки систем, которые управляют складами, бухгалтерией, зарплатами и производством. Проблема в том, что руководитель обычно знает, кто за какие данные отвечает, но эти люди труднозаменимы. Как только они выбывают из процесса, данные перестают быть достоверными.
«Искусственный интеллект не создает хаос, он его подсвечивает. Для успешной интеграции нужна единая цифровая платформа и комплексный подход к автоматизации», – отметил Сергей Бабайцев.
Иными словами, сначала нужно навести порядок в данных, а только потом запускать алгоритмы. Иначе искусственный интеллект покажет лишь то, что уже давно сломано.
2–3 миллиарда экономии в год
Заместитель генерального директора по информационным технологиям ПАО «ТМК» Дмитрий Якоб подтвердил тренд на прикладное использование технологий. Компания добилась ежегодного экономического эффекта в 2–3 миллиарда рублей за счет внедрения систем машинного обучения в различных производственных переделах. Цифра – серьезный аргумент для всех, кто еще сомневается в целесообразности инвестиций в ИИ.
«Мы вырастили сильную внутреннюю команду на стыке компетенций. Помимо технических знаний и Data Science, необходимо глубоко понимать металлургию на уровне физико-химических моделей. Находить такие кадры на стыке очень сложно, это требует времени и терпения, но именно такой симбиоз позволяет эффективно применять искусственный интеллект на каждом этапе производства. Чтобы ИИ работал в производстве, айтишникам нужно понимать физико-химию, а металлургам — возможности цифры, и выстраивать этот диалог пришлось годами», – сказал Дмитрий Якоб.
«Если руководитель не понимает, не начинайте»
Алексей Парфун, CEO и сооснователь Ai influence, выступил с позицией, которая многим может показаться неудобной. Он жестко раскритиковал поверхностный подход к внедрению ИИ.
«Если первое лицо бизнеса не использует искусственный интеллект, не понимает, как это работает, то нет смысла заниматься всей этой историей. Очень часто внедрение ИИ происходит по двум причинам: потому что надо и потому что модно. Без понимания, зачем это нужно, без понимания влияния на бизнес-процессы такие инициативы обречены на провал. Внутри компании должны появиться новые люди с новыми компетенциями. Отдавать этот контур на аутсорс – не лучшая идея, особенно для крупных корпораций», – заявил Алексей Парфун.
По его мнению, попытка купить «готовое ИИ-решение» без перестройки внутренних процессов – это просто способ потратить бюджет. Настоящий результат дает только глубокая интеграция, когда в компании появляются собственные специалисты, понимающие и бизнес, и технологию.
Баланс между энтузиазмом и критикой
Директор направления по сопровождению проектов по промышленной безопасности «Лаборатории Касперского» Андрей Бондюгин затронул тему рисков. Кибербезопасность при внедрении ИИ – не второстепенный вопрос, а один из ключевых. Тем более если речь идет о закрытых контурах и данных, связанных с государственной тайной или критической инфраструктурой. Директор Всероссийского научно-исследовательского института «Экология» Александр Закондырин добавил еще одну грань – экологическую. Новые технологии не должны решать одни проблемы, создавая другие. Кандидат экономических наук, доцент кафедры экономики и управления на металлургических предприятиях УрФУ Ирина Пелымская высказалась о подготовке кадров, обладающих компетенциями в смежных отраслях.
Итог дискуссии подвел Дмитрий Старков, директор СТАРКОВ Групп. Он призвал соблюдать баланс между технооптимизмом и критическим мышлением.
«В наше время технооптимисты немного преобладают, и это радует. Однако важно понимать: успешные решения принимаются только при балансе между оптимизмом и критическим мышлением. В каждой компании есть те, кто смотрит в будущее с энтузиазмом, и те, кто говорит: «Давайте посмотрим на наши реалии и оценим возможные негативные сценарии». Именно такой подход приводит к действительно эффективным решениям», — резюмировал Дмитрий Старков.
ИИ против рутины: три рабочих кейса
Опыт, представленный на сессии, подтверждает: искусственный интеллект в промышленности – это не красивая декларация, а работающие решения с измеримыми результатами. Несколько показательных примеров, приведенных СТАРКОВ Групп, иллюстрируют, как технологии меняют операционные процессы в разных отраслях.
В частности, в крупной газоснабжающей компании ежедневный поток входящей корреспонденции – письма, счета, договоры, акты – исчислялся сотнями. Делопроизводители тратили значительный ресурс на ручную сортировку: определить тип документа, присвоить категорию, разнести реквизиты в учетную систему. Решением стало внедрение AI-инструмента, обученного на нескольких тысячах образцов реальной корреспонденции заказчика. Система автоматически распознает содержание, классифицирует документ и самостоятельно заполняет карточку – данные берутся непосредственно из текста письма. Результат: скорость обработки входящих документов выросла минимум вдвое. Сотруднику остается только согласовать подготовленный системой проект – рутина ушла, человек переключился на контроль и содержательную работу.
Схожая по логике задача была решена для АО «Инфаприм» – производителя детского и специализированного питания. Ассортиментный портфель компании включает 130 видов продукции. Здесь требовалось автоматизировать обработку финансовых и договорных документов. Раньше сотруднику приходилось заходить в систему, вручную создавать каждый документ и построчно вносить данные. Теперь достаточно отправить файлы в выделенный почтовый ящик – ИИ самостоятельно распознает содержимое, классифицирует документ и заполняет карточку. Человек подключается только на этапе финального согласования.
На дочернем предприятии газового холдинга стояла задача оцифровать разрозненный архив проектно-сметной документации, накопленный за годы эксплуатации. Сложность – в разноформатности: от титульных листов с ключевыми параметрами до детализированных чертежей и смет. Традиционная оцифровка силами архивариусов растянулась бы на месяцы, а ошибки ручного ввода ставили под вопрос достоверность базы. Решение построили на связке сканирования и ИИ-классификации: специалист сканирует документ – тот попадает в папку захвата – искусственный интеллект распознает нужные объекты, классифицирует их по заданным алгоритмам и отправляет данные архивариусу для подтверждения. Работа ускорилась в десятки раз, выросла и точность данных.
Цифровые экосистемы и закрытые контуры
Промышленная цифровизация не ограничивается точечными ИИ-решениями. В Уральском федеральном университете была построена единая цифровая экосистема, охватившая более 1000 подразделений и 2300 пользователей. Автоматизированы свыше 30 ключевых бизнес-процессов: от делопроизводства до управления закупками и договорами. Внедрен механизм «сквозных процессов», позволивший сотрудникам работать в режиме «одного окна». Ключевой результат для вуза – снижение зависимости от внешних подрядчиков: no-code-компетенции были переданы внутреннему ИТ-департаменту, что заложило технологическую основу для дальнейшего внедрения ИИ-решений уже силами самой организации.
Для Русской медной компании были перенесены в импортонезависимую систему делопроизводство и договорная работа. Эффект не заставил себя ждать: система позволяет масштабировать бизнес-процессы, а внедрение единого сквозного маршрута согласования внутренних договоров, охватившего 26 структурных подразделений, дало измеримый результат: количество задач сократилось на 30%, длительность цикла согласования – на 30%, трудозатраты – на 40%. Еще один промышленный кейс – проект для «Уральских локомотивов», где была построена единая цифровая экосистема для основного предприятия и дочерней структуры. Система охватила 250 пользователей, обеспечив бесшовную работу двух юридических лиц в едином цифровом контуре.
Отдельный вектор – кибербезопасность, о которой говорилось на сессии. Компания СТАРКОВ Групп работает с ИИ в формате закрытого контура: развернута локальная инфраструктура для запуска LLM-моделей и разрабатываются системы для встраивания ИИ во внутренние процессы. Такой формат позволяет полностью контролировать потоки данных, исключая их выход за пределы цифрового контура организации и позволяя использовать всю мощь AI.
Что дальше?
Собравшиеся на сессии эксперты сошлись во мнении, что искусственный интеллект уже стал самостоятельным участником производственных процессов, но человека он не заменит. Успешная интеграция требует не столько технологических, сколько управленческих изменений: единой цифровой платформы, новых компетенций внутри компаний и осознанной позиции первых лиц. А главное — понимания, что ИИ не решает проблемы, а лишь помогает увидеть их и найти пути решения. И в этом смысле промышленность будущего начинается не с закупки алгоритмов, а с готовности их правильно использовать.
Изображение сгенерировано с помощью ИИ / Светлана Возмилова Фото: ФедералПресс / Елена Ельцова
ИННОПРОМ-2026