Риски внедрения ИИ в производственные ИТ-системы кроются не в самих технологиях, а в архитектуре решений. Неправильное встраивание инструментов в существующий корпоративный контур может привести к зависимости от вендора, потере накопленных данных и неэффективном использовании дорогих вычислительных ресурсов. Об этом заявил Сергей Голицын, руководитель направления Т1 ИИ (ИТ-холдинг Т1) на ЦИПР-26.
Выступая на сессии «Сделано в России. Умные ERP, MES, CRM для нового этапа цифровизации производства», Сергей Голицын подчеркнул, что главная архитектурная ловушка — «вшивать» ИИ напрямую в существующие ERP, MES или CRM системы. В этом случае логика моделей и промпты оказываются жестко привязаны к конкретному продукту, а потенциальная смена ИТ-поставщика превращается в дорогостоящий и рискованный проект.
Вторая сложность — невозможность переиспользовать ИИ‑решения в разных контурах. Одна и та же модель может быть нужна и производству, и логистике, и сервису, но при встроенном подходе она работает внутри только одной вертикали. Бизнес фактически теряет накопленный интеллектуальный капитал, так как любая серьезная перестройка ИТ‑ландшафта оборачивается утратой обученных моделей и сценариев, которые создавались годами.
Третий риск связан с управлением вычислительными ресурсами. Модели для предиктивной аналитики, компьютерного зрения и работы с текстами требуют дорогих GPU‑кластеров. Если каждая система — ERP, MES, CRM — пытается управлять ими по‑своему, что провоцирует рост затрат.
«Если пытаться управлять GPU‑кластерами из каждой отдельной системы, получится крайне дорогая и неэффективная история. Правильнее выносить это на уровень единой AI‑платформы, через которую все бизнес‑приложения обращаются к моделям и ресурсам по единым правилам», — отмечает Голицын.
Эксперт подчеркнул, что российская промышленность находится в точке, где витрина кейсов уже сформирована. Решений, в которых нейросетевые модели работают внутри ERP и MES уже достаточно много. Среди самых распространенных сценариев Сергей Голицын выделил три: дефектоскопия, контроль промышленной безопасности и предиктивная аналитика, позволяющая прогнозировать в том числе сроки выхода оборудования из строя.
«Мы видим растущий запрос на подобные инструменты, что объясняется быстрым финансовым эффектом от их внедрения», — заметил Сергей Голицын.
Увеличение числа таких внедрений выводит промышленную автоматизацию в России на новый уровень. Со временем, как отмечает Сергей Голицын, система сможет не только выполнять заданный сценарий, но и в определенных пределах выбирать его сама, но это не перспектива нескольких лет, а гораздо более длинная история.