К 2026 году промышленный ИИ в России уже не выглядит чем-то из далёкого будущего. Системы компьютерного зрения, предиктивное обслуживание оборудования и алгоритмы оптимизации процессов используются на многих крупных предприятиях. Однако говорить о массовом внедрении пока рано. По разным оценкам, реально работающие решения на базе ИИ есть менее чем на 15–20% крупных и средних производств.
Ситуация сильно различается по отраслям. В нефтегазе, металлургии и энергетике отдельные компании уже получают заметный эффект. В машиностроении, пищевой промышленности и логистике внедрения чаще носят точечный характер. При этом разрыв между лидерами и остальным рынком продолжает увеличиваться.
Что будет двигать развитие до 2030 года
Основных драйверов несколько.
Первый — продолжение политики импортозамещения. Ограничения на поставки иностранного оборудования и программного обеспечения вынуждают компании искать российские или китайские решения. Это создаёт спрос на отечественные платформы компьютерного зрения и системы для работы с промышленными данными.
Второй драйвер — дефицит кадров. Нехватка квалифицированных специалистов толкает предприятия к автоматизации рутинных задач. Особенно это заметно в контроле качества и мониторинге соблюдения требований безопасности, где компьютерное зрение частично замещает визуальный осмотр.
Третий фактор — меры государственной поддержки. Программы субсидирования цифровизации и пилотных проектов продолжают действовать, и для многих компаний это становится важным стимулом хотя бы для запуска первых проектов.
Главные ограничения
В то же время есть несколько серьёзных ограничений, которые вряд ли исчезнут к 2030 году.
Кадровый вопрос остаётся одним из самых острых. Подготовка специалистов, способных не только внедрять, но и поддерживать промышленные системы на базе ИИ, требует времени. Существующие программы переподготовки пока не закрывают эту потребность в нужном объёме.
Доступ к современному оборудованию тоже ограничен. Хотя российские и китайские производители камер и вычислительной техники активно развиваются, по качеству и надёжности они часто уступают прежним западным решениям. Это особенно критично для задач, где требуется высокая точность работы в сложных производственных условиях.
Качество и доступность данных — ещё одно узкое место. Многие предприятия до сих пор не имеют выстроенной системы сбора и хранения производственных данных. Без этого даже хорошие алгоритмы показывают слабые результаты.
Наконец, экономическая целесообразность. В условиях высокой ключевой ставки и общей неопределённости многие компании предпочитают откладывать инвестиции в цифровизацию, если эффект не очевиден уже в горизонте 12–18 месяцев.
Где развитие будет идти быстрее
К 2030 году заметнее всего промышленный ИИ, скорее всего, продвинется в нескольких направлениях.
Контроль качества с помощью компьютерного зрения продолжит активно внедряться. Это одна из самых понятных задач с относительно быстрым возвратом инвестиций. Особенно активно это будет происходить в металлургии, автомобилестроении и пищевой промышленности.
Предиктивное обслуживание оборудования тоже будет развиваться, но заметно медленнее. Здесь требуется больше данных и более глубокая интеграция с существующими системами предприятия.
Автоматизация складов и внутренней логистики будет расти, особенно на крупных производствах с высоким товарооборотом.
А вот полностью автономные производства в российском масштабе к 2030 году останутся скорее исключением. Для этого требуется слишком высокий уровень зрелости процессов и инфраструктуры, которого пока нет у большинства предприятий.
Что скорее всего не изменится
К 2030 году промышленный ИИ в России, вероятнее всего, останется нишевым инструментом, а не универсальным решением для всех.
Большинство средних и мелких предприятий продолжат использовать традиционные методы контроля и управления. Внедрения будут сосредоточены в основном в крупных компаниях и отдельных высокомаржинальных производствах.
Российский рынок промышленного ИИ останется раздробленным. Будет несколько сильных игроков в каждом сегменте, но доминирующего решения, как это часто бывает на западных рынках, скорее всего, не появится.
Уровень доверия к таким системам со стороны производственников будет расти медленно. Многие до сих пор воспринимают ИИ-решения как «чёрный ящик», и этот скепсис вряд ли исчезнет полностью даже через несколько лет.
Выводы
К 2030 году промышленный ИИ в России будет более зрелым, чем сейчас, но вряд ли совершит революцию. Развитие будет идти постепенно — через расширение применения в тех задачах, где экономический эффект понятен и измерим.
Быстрее всего будут развиваться решения для контроля качества и мониторинга безопасности. В более сложных задачах — предиктивном обслуживании, оптимизации процессов и автономном управлении — заметный прогресс будет в первую очередь у лидеров рынка.
Для большинства компаний ключевым фактором успеха останется не столько доступность технологий, сколько способность выстроить процессы сбора данных, подготовить кадры и правильно оценить экономическую целесообразность внедрения. Без этого даже самые современные решения рискуют остаться на стадии пилотов.
Об авторе
Статья подготовлена на основе практического опыта компании ИТиС ЛАБ, которая занимается внедрением систем компьютерного зрения и видеоаналитики на промышленных предприятиях.
lab-itis.ru
t.me/itis_lab