Использование ИИ в промышленной автоматизации выросло на 78%: AVEVA задаёт рамку безопасности

Компания AVEVA, один из крупных мировых разработчиков промышленного софта, опубликовала подход к безопасному внедрению автономного ИИ на производствах, электростанциях и добывающих объектах. Главный технолог компании Арти Гарг изложила принципы в подкасте Business Lab, выпущенном MIT Technology Review совместно с AVEVA: ИИ должен дополнять человека, а не заменять его в критически важных решениях, а каждая зона автоматизации нуждается в чётких границах ответственности.

Контекст прост: промышленный ИИ существует больше 20 лет, но раньше это были узкие специализированные модели. Сейчас появились три новых слоя. Фундаментальные модели (foundation models), то есть большие универсальные нейросети вроде тех, что стоят за ChatGPT, но адаптированные под промышленные данные. Физический ИИ (physical AI), нейросети, управляющие роботами и дронами в реальном мире. И агентный ИИ (agentic AI), программы-агенты, которые сами планируют и выполняют цепочки действий без пошаговых команд человека. По данным, которые приводит Арти Гарг, внедрение ИИ в промышленном секторе выросло примерно на 78% за последние два года.

Что меняется в подходе AVEVA?

• Человек остаётся в контуре принятия решений. ИИ-агент (программа, которая сама выбирает следующий шаг) может действовать автономно только там, где это явно разрешено. В остальных зонах решение принимает человек. AVEVA называет это «guardrails», ограничительными рамками.
• Данные из разрозненных источников связываются в реальном времени. Телеметрия, журналы обслуживания, инженерная документация, всё это раньше лежало в разных системах. Новые модели позволяют операторам получать подсказки при диагностике проблем, собирая информацию из всех источников сразу.
• Роботы и дроны берут на себя опасные зоны. ИИ-управляемые роботы могут собирать данные в опасных средах, в шахтах, на высотных конструкциях, на химических объектах, не подвергая людей риску.
• Экологический след самого ИИ будет измеряться по стандарту. Арти Гарг участвует в рабочей группе IEEE (Институт инженеров электротехники и электроники, главная мировая организация технических стандартов), которая разрабатывает единую методологию оценки воздействия ИИ: электричество, энергия, ресурсы, вода, углеродный след.
• Доменные эксперты смогут создавать приложения сами. Использование ИИ в промышленной автоматизации подразумевает, что инженер на заводе, а не программист, сможет через ИИ-ассистента для кода собрать нужное приложение для своей задачи.

Как российскому предприятию начать внедрение безопасного промышленного ИИ?

1. Составьте карту зон автономии. Определите, где ИИ может действовать сам (мониторинг вибраций, предсказание поломок), а где обязательно нужен оператор (управление реактором, переключение энергосистем). Это то, что AVEVA называет «guardrails».
2. Объедините промышленные данные в одну платформу. Телеметрия с датчиков, журналы ремонтов, проектная документация должны быть доступны одной системе. В России для этого можно использовать платформы вроде «Цифра» или SCADA-системы отечественного производства.
3. Начните с пилота на некритичном участке. Не ставьте ИИ-агента сразу на управление турбиной. Запустите его на анализе журналов обслуживания или прогнозе износа подшипников, там, где ошибка не приведёт к аварии.
4. Зафиксируйте требования регулятора. Для объектов критической инфраструктуры в РФ действуют требования ФСТЭК и отраслевые стандарты (например, для энергетики, «Системный оператор»). Любое использование ИИ в промышленной автоматизации на таких объектах нужно согласовать с этими нормами до запуска.

Есть ли аналоги в России?

AVEVA работает на глобальном рынке и пока не объявляла о локализации описанного подхода для РФ. Но российские промышленные предприятия не в вакууме.

• «Цифра» (Zyfra) разрабатывает ИИ-решения для горнодобычи, металлургии и нефтегазовой отрасли. Компания работает с данными SCADA и предлагает предиктивную аналитику для оборудования.
• Сбер и GigaChat развивают корпоративные ИИ-ассистенты, но пока ориентированы больше на офисные задачи, чем на промышленную автоматику.
• YandexGPT может использоваться как основа для внутренних ИИ-помощников на предприятии, но вопросы безопасности и ответственности при автономных действиях в промышленности остаются на стороне самого предприятия.

По моим наблюдениям, ни одна из российских платформ пока не предлагает цельной публичной методологии «ответственного промышленного ИИ» в том формате, который описывает AVEVA. Это пробел, который стоит закрывать.

Кому это нужно и что делать прямо сейчас?

Инженеру на производстве. Если вы работаете с SCADA, MES или предиктивной аналитикой, изучите, какие зоны вашего процесса можно отдать ИИ-агенту без риска для безопасности. Начните с документирования: какие данные у вас есть, где они хранятся, кто принимает решение по каждой зоне.

Руководителю предприятия. Не гонитесь за полной автономией. Подход AVEVA прямо говорит: сначала границы ответственности, потом автоматизация. Для объектов критической инфраструктуры в РФ это не рекомендация, а требование закона.

Автору Дзена, пишущему про технологии. Тема промышленного ИИ пока слабо покрыта на русском языке. Если вы разбираетесь в производстве или энергетике, материал о реальном использовании ИИ в промышленной автоматизации на конкретном российском заводе соберёт аудиторию, которую не перехватят общие тексты про ChatGPT.

Частые вопросы

Нужно ли менять оборудование, чтобы внедрить промышленный ИИ?

Нет. Речь идёт о программном слое поверх существующих систем. Если на предприятии уже стоят датчики и SCADA (система диспетчерского управления, которая собирает данные с оборудования в реальном времени), ИИ подключается к этим данным. Новое «железо» может понадобиться только для дронов и роботов на опасных участках.

Можно ли доверять ИИ-агенту управление критически важным процессом?

По позиции AVEVA, нет, не на текущем этапе. Арти Гарг прямо говорит: ИИ должен дополнять, а не заменять человека в критических контурах. Автономные действия допустимы только в зонах с явно установленными ограничениями и только там, где последствия ошибки контролируемы.

Как измерить, сколько энергии тратит сам ИИ на производстве?

Единого стандарта пока нет. Рабочая группа IEEE, в которой участвует Гарг, разрабатывает методологию, охватывающую электричество, воду, ресурсы и углеродный след. До выхода стандарта предприятиям стоит хотя бы фиксировать энергопотребление серверов, на которых работают модели, отдельной строкой в учёте.