Фонд «Сколково» выдвинул собственные инициативы в области искусственного интеллекта для промышленности. Его новая платформа ProGenAI нацелена на внедрение генеративного ИИ в производственные процессы, охватывая весь цикл — от научных исследований и опытных проектов до масштабного применения на реальных предприятиях. Это несмотря на то, что в России уже сформирована база проверенных ИИ-решений при Федеральном центре прикладного развития искусственного интеллекта.
Так, Сколково делает акцент на создании интегрированной экосистемы, где специалисты и учёные работают в тесном сотрудничестве с промышленными предприятиями и технологическими партнёрами. Благодаря объединению знаний и опыта можно не только ускорить разработку инновационных инструментов, но и обеспечить их успешное внедрение в условиях постоянного роста требований к производительности и надежности.
Основная идея проекта заключается в адаптации современных ИИ-решений под конкретные нужды российских компаний, что должно способствовать оптимизации процессов и повышению эффективности производства. Сейчас многие частные компании предлагают свои решения, охватывая широкий спектр задач, от оптимизации производственных процессов до аналитики и автоматизации. Однако выдержать конкуренцию с крупными игроками вроде Сбера, Яндекса и МТС, у которых целые подразделения по развитию технологий и искусственного интеллекта, не так уж просто.
Конкуренция малого бизнеса с экосистемами
По мнению экспертов, когда речь заходит о выборе подхода к разработке и внедрению ИИ-решений, для малых компаний гораздо выгоднее делать акцент на узкую специализацию. Это связано с тем, что узкие ниши позволяют сосредоточиться на конкретной прикладной задаче, обеспечивая более глубокое и качественное решение. Широкие платформы потенциально могут быть более универсальными, но при этом требовать значительных ресурсов для поддержки и развития.
С какими вызовами сталкиваются малые ИТ-компании и ИИ-стартапы? Основатель компании "Нейросети" Сергей Курьян отмечает, что основные препятствия для развития малых предприятий — ограниченный доступ к промышленным заказчикам, слабая поддержка со стороны институтов развития и нехватка ресурсов для масштабирования проектов.
«Крупные предприятия зачастую сотрудничают только с проверенными игроками, у которых есть солидный опыт и репутация. Малому бизнесу сложно пробиться через этот «барьер доверия» и закрепиться на рынке. Существующие же программы грантовой поддержки от «Сколково» и других зачастую создают иллюзию поддержки, чем дают реальные возможности для роста. Это не решает ключевых проблем с каналами продаж и масштабированием бизнеса», — добавляет Сергей Курьян.
Еще одна важная проблема — нехватка ресурсов. Разработка ИИ-решений требует инвестиций в сбор данных, обучение моделей и пилотные проекты, что не всегда под силу малым компаниям, особенно в долгосрочной перспективе. Маленьким предприятиям редко удается вкладывать деньги в развитие годами, ожидая первых доходов от индустриальных заказчиков.
Ставка на гибкость и экспертизу
У малых компаний есть свои преимущества, которые можно использовать для решения прикладных задач в промышленности и других отраслях экономики. Сергей Курьян перечислил три основных:
- Узкая специализация и гибкость. Компактные команды могут быстро адаптировать свои решения под конкретные задачи. Например, создание ИИ для прогнозирования износа оборудования на химических производствах позволяет внедрять такие решения за месяцы, а не за годы.
- Разработка решений на заказ. Малые компании часто разрабатывают решения на заказ, что дает им возможность предлагать более быстрый возврат инвестиций (ROI) для клиентов. Они могут идти от запроса заказчика, создавая кастомизированные продукты. Это позволяет не только быстрее запускать проекты, но и лучше понимать потребности клиента.
- Экспертиза на стыке отраслей. Стартапы часто возникают на пересечении, например, инженеры, знающие “боль” конкретной индустрии, создают решение под нее. Такая экспертиза имеет большую ценность, чем просто «глубокий тех».
Подытожим: крупным игрокам с большим штатом и устойчивым финансированием проще создать многопрофильное решение, а малым — лучше сосредоточиться на узкой специализации. Такой подход помогает избежать распыления ресурсов и снижает риск недоработанных прототипов, плюс обеспечивает рост в условиях высокой конкуренции и ограниченных ресурсов.
Говоря о развитии российского рынка искусственного интеллекта, важно сказать, что выбор оптимальных решений зависит от стратегических целей, готовности компаний к инновациям и специфики их производственных задач. Пример инициативы Сколково демонстрирует, что слаженная работа науки, бизнеса и государственных структур способна стать мощным драйвером перемен, создавая условия для цифровой трансформации. Но проекты малого бизнеса тоже нуждаются в поддержке и внимании со стороны крупных игроков, так как предлагают нестандартные и эффективные решения.
]]>