Что такое ИИ-агент на заводе: ТЕХНОНИКОЛЬ назвала 5 барьеров, убивающих пилоты при масштабировании

ТЕХНОНИКОЛЬ Диджитал, ИТ-подразделение промышленной компании ТЕХНОНИКОЛЬ, в июне 2025 года опубликовало развёрнутый разбор того, как устроена цифровизация реального производства и почему большинство ИИ-пилотов умирает при попытке выйти за пределы одного цеха.

Генеральный директор ТЕХНОНИКОЛЬ Диджитал Яков Ильиных дал комментарии порталу «Технологии для бизнеса» и опубликовал статью в корпоративном блоге на Хабре. Вместе эти материалы складываются в редкую для российского рынка картину: не абстрактные обещания про ИИ, а честный список барьеров и конкретных условий, без которых ИИ-агент (программа, которая сама выполняет цепочку связанных задач в заданных границах) на заводе не заработает.

Что мешает ИИ работать на заводе?

• Пилот не равен продукту. Получить результат на одной площадке легко, но при переносе на другой завод модель теряет точность. Поддерживать нужно весь путь: от пилота до тиражирования на все площадки.

• Разрозненные данные и дорогая интеграция. Оборудование нужно связать с информационными системами, не останавливая производство. Платформа больших данных (инфраструктура для сбора, хранения и анализа информации с датчиков и систем) обходится дорого и строится долго.

• Разная цена галлюцинации. Галлюцинация (когда ИИ уверенно выдаёт несуществующий факт) у кадрового помощника и у системы управления промышленным оборудованием имеет принципиально разные последствия. Яков Ильиных подчёркивает: требования безопасности должны учитывать конкретный сценарий.

• Кадровый голод. На рынке не хватает специалистов, которые одинаково хорошо понимают и технологический процесс, и ИТ. Без заранее определённой ответственности новый инструмент добавляет слой согласований вместо того, чтобы ускорять работу.

• Нет единых стандартов обмена данными. Без них каждый новый завод превращается в отдельный проект, а не в тиражирование готового решения.

Три вектора, которые ТЕХНОНИКОЛЬ видит впереди

Адаптивное производство. ИИ-агенты будут пересчитывать планы при изменении спроса и сбоях поставок, но строго внутри границ, которые определяет человек. Яков Ильиных формулирует это так: агент не «делает что хочет», а работает в пределах заданных полномочий.

Управление энергией и сырьём на основе данных. Эффект считается на единицу годной продукции, а не на сэкономленные киловатты в отрыве от результата.

Рост значения инженерной экспертизы. Чем больше действий поручают ИИ, тем лучше люди должны понимать границы применения. Высвобожденное время идёт на увеличение выпуска и ускорение разработки продуктов.

Что такое ИИ-агент в промышленном контексте?

В публикации ТЕХНОНИКОЛЬ Диджитал термин «ИИ-агент» используется не в маркетинговом, а в инженерном смысле. Это программа, которая сама выполняет цепочку связанных задач, но действует в рамках правил, заданных человеком. На производстве агент может, например, отслеживать качество на линии, фиксировать отклонения и запускать пересчёт параметров, но решение об остановке линии принимает оператор.

Яков Ильиных приводит точное сравнение: начинать цифровую трансформацию с выбора модели так же странно, как начинать строительство завода с выбора шуруповёрта. Сначала нужно понять производственный процесс, контроль качества и экономику, и только потом выбирать модель внутри этой системы.

Как попробовать подход ТЕХНОНИКОЛЬ у себя?

1. Определите, какова цена ошибки ИИ в вашем конкретном сценарии. Кадровый бот и система управления оборудованием требуют разных уровней контроля.
2. Проверьте, есть ли у вас единый стандарт обмена данными между программами и оборудованием. Без него масштабирование превращается в серию разрозненных проектов.
3. Назначьте ответственного за результат внедрения до старта пилота, а не после. По словам Якова Ильиных, размывание ответственности убивает проекты не реже, чем нехватка данных.

Как это выглядит на фоне российских ИИ-инструментов?

Для тех, кто работает с текстами и контентом, в России доступны YandexGPT и GigaChat. Но публикация ТЕХНОНИКОЛЬ подчёркивает принципиальное различие: на производстве важна не сама языковая модель, а инфраструктура вокруг неё. Понятные правила доступа к данным, защита информации, стабильные вычислительные ресурсы. Именно эти элементы отличают промышленный ИИ от чат-бота, с которым можно поэкспериментировать в браузере.

Что делать с этим прямо сейчас, по ролям?

Авторам Дзена. Если пишете про технологии или производство, разбор ТЕХНОНИКОЛЬ даёт готовый каркас для контента: не «ИИ всё изменит», а конкретные барьеры и условия. Это формат, который собирает доверие аудитории.

Маркетологам. Кейс показывает, как крупная компания публично говорит о неудачах пилотов. Такая открытость работает как контент-стратегия: честность про ограничения повышает доверие к бренду.

Предпринимателям в РФ и СНГ. Тезис про стандарты обмена данными касается любого бизнеса с несколькими площадками. Если у вас два склада или два цеха и вы думаете об ИИ, начните не с выбора модели, а с аудита данных и назначения ответственного.

Частые вопросы

Что такое ИИ-агент на производстве и чем он отличается от обычного чат-бота?

ИИ-агент на производстве выполняет цепочку связанных задач самостоятельно, но в границах, которые задал человек. Чат-бот отвечает на вопросы. Агент действует: отслеживает параметры, запускает пересчёт, сигнализирует об отклонениях. При этом финальное решение, например об остановке линии, остаётся за оператором.

Почему ИИ-пилоты на заводах часто не переживают масштабирование?

По словам Якова Ильиных, главные причины: разрозненные данные между площадками, отсутствие единых стандартов обмена данными, нехватка специалистов на стыке ИТ и производства, а также размытая ответственность за результат внедрения. Каждый из этих факторов в отдельности способен остановить проект.

Можно ли применить выводы ТЕХНОНИКОЛЬ к малому бизнесу?

Да, ключевой принцип масштабируется вниз: начинать не с выбора модели, а с понимания процесса и назначения ответственного. Если у вас даже два склада, вопрос стандартов обмена данными уже актуален. Разница в том, что малому бизнесу не нужна платформа больших данных, но логика «сначала процесс, потом инструмент» работает при любом размере.

Кейс ТЕХНОНИКОЛЬ напоминает: зрелость цифровизации измеряется не количеством установленных нейросетей, а тем, какую долю пути от задачи до результата система проходит быстрее и без потери контроля. Для российской промышленности в условиях дефицита кадров и ограниченного доступа к западным платформам это не абстрактная формула, а рабочий критерий, по которому стоит оценивать каждый следующий ИИ-проект.