При этом почти половина всех инициатив внедрения (47%) находятся на стадии пилотов. Однако многие эксперты ожидают взрывной рост применения этой технологии в отдельных отраслях промышленности. Например, ожидается, что к 2027 году 70% предприятий ТЭК будут использовать технологии ИИ.
В мире 74% промышленных компаний уже применяют ИИ в той или иной форме. Однако системным применение пока называть преждевременно: менее трети компаний по всем отраслям применяют лучшие практики масштабирования ИИ (например, управление метриками и дорожные карты). В статье расскажем, что сдерживает полномасштабное внедрение ИИ, в каких именно отраслях промышленности ИИ уже работает и что необходимо для массового внедрения ИИ в промышленность.
Где ИИ уже приносит результат
77% предприятий, уже интегрировавших ИИ-решения в России, фиксируют ощутимый бизнес-эффект: от автоматизации и оптимизации процессов до повышения качества продукции и производительности труда.
Компании, который выстроили систему метрик внедрения ИИ на уровне бизнеса демонстрируют:
рост выручки на величину до 15%;
снижение затрат на 10-20%;
повышение операционной устойчивости и адаптивности.
Наибольший спрос в промышленности наблюдается на прикладные решения, направленные на:
повышение эффективности логистики;
анализ и оптимизацию производственных процессов;
предиктивную диагностику и предупреждение отказов оборудования.
Также растёт интерес к продвинутым ИИ-инструментам: машинному обучению, компьютерному зрению, технологиям обработки естественного языка (NLP) и глубокой аналитике на основе больших данных.
Ограничения и перспективы
Одним из главных ограничений является отсутствие чёткой стратегии внедрения ИИ.Многие компании продолжают рассматривать ИИ как набор отдельных пилотных проектов, не интегрированных в общую бизнес-стратегию. Это приводит к фрагментации усилий и отсутствию ощутимого эффекта на уровне всей организации.
В результате даже успешные пилоты «замирают» на этапе масштабирования, поскольку отсутствует готовность системно пересматривать бизнес-процессы и архитектуру под новые технологии.
Вторым важным фактором является разрозненная ИТ-инфраструктура.Компании сталкиваются с техническими ограничениями, которые не позволяют эффективно масштабировать ИИ-решения. Среди них:
устаревшие системы автоматизации (например, SCADA, MES), которые не интегрированы между собой;
отсутствие единого озера данных (data lake) или платформы для централизованной обработки;
слабая совместимость между системами ИТ и ОТ (операционными технологиями).
ИИ требуется доступ к большим объёмам актуальных, чистых и структурированных данных. Без модернизации инфраструктуры, включающей облачные решения, API и современные инструменты безопасности, ИИ не может эффективно функционировать.
Практика применения:проблемы и пути внедрения ИИ в промышленную инфраструктуру
В процессе внедрения ИИ компании сталкиваются с рядом существенных проблем. Например, часто на предприятиях работают разрозненные системы, поэтому сбор и анализ данных для эффективного управления производством затруднен. А устаревшая ИТ-инфраструктура не позволяет внедрять современные технологии. Ограниченные возможности обработки данных и отсутствие единых стандартов интеграции существенно тормозят процесс цифровизации.
Модернизация таких производств начинается с аудита текущей инфраструктуры для выявления проблем и определения объема работ. Далее создается ИТ-архитектура для последующего внедрения ИИ. В задачи входит:
объединение разрозненных систем в единый цифровой контур;
создание цифрового двойника производственных процессов;
внедрение IoT-решений для сбора данных с оборудования;
формирование единого озера данных;
интеграция системы аналитики и визуализации данных в режиме реального времени.
Такой подход дает возможность интегрировать ИИ в общую цифровую стратегию и в дальнейшем проследить ценность усилий на уровне эффективности всего предприятия. Он может быть адаптирован под специфику конкретного производства.
Что ждёт бизнес от ИИ
Если крупные игроки располагают ресурсами для экспериментов и тестирования, то предприятия малого и среднего звена чаще ограничены в бюджете, квалифицированных кадрах и инфраструктуре. Поэтому массовое внедрение ИИ в промышленность требует проверенных отраслевых кейсов и понятных экономических моделей возврата инвестиций. Ключевыми требованиями со стороны массового промышленного потребителя остаются:
предсказуемая окупаемость и низкий порог входа;
простота и скорость внедрения;
наличие масштабируемых отраслевых решений;
интеграция с существующими ИТ-системами: SCADA, ERP, MES.
Будущее ИИ в промышленности напрямую связано с развитием отраслевых облачных сервисов и платформенных решений. Их гибкость, доступность и способность масштабироваться создают условия для массового распространения интеллектуальных технологий.
Денис Хлебородов, генеральный директор компании Cloud X
Источник: https://www.itweek.ru/ai/article/detail.php?ID=232638
