ИИ-агенты на производстве: что это и почему внедрения буксуют

ИИ-агент — это программа на базе искусственного интеллекта, которая сама выполняет задачу из нескольких шагов: собирает данные, принимает промежуточные решения и готовит результат, а человек его проверяет и утверждает. В промышленности агентов уже называют следующим этапом после чат-ботов и подсказчиков. Но большинство предприятий пока застревает на экспериментах, и причины у этого вполне понятные.

Что такое ИИ-агент простыми словами

Обычный чат-бот похож на справочное окно: вы спросили, он ответил. Дальше работать с ответом приходится вам.

ИИ-агент похож на толкового помощника, которому можно поручить дело целиком. Например, агент замечает отклонение в работе станка, сверяет его с историей ремонтов, готовит заявку на диагностику и предлагает время ремонта с учётом производственного плана. Человек смотрит на готовое решение и нажимает «согласовать».

В отрасли сейчас различают два типа помощников:

• копилоты понимают вопросы на обычном языке и помогают сотруднику: найти документ, подсказать норматив, объяснить цифру;
• агенты сами проходят цепочку действий под контролем человека.

Когда агентов несколько и каждый отвечает за свой участок, такую связку называют мультиагентной системой.

Почему все заговорили об агентах

Интерес к агентам подтверждают исследования. По данным ИСИЭЗ НИУ ВШЭ, которые обследовали более 1,7 тыс. предприятий машиностроения, к 2027 году каждое третье из них планирует внедрить ИИ-агентов или считает их перспективными (CNews, октябрь 2026).

Растут и деньги в отрасли. По оценке, подготовленной при участии Газпромбанка, «Газпром нефти» и «Северстали», российский рынок промышленного ИИ может вырасти с 40 млрд рублей в 2025 году до 134 млрд рублей к 2030 году (Ведомости, ноябрь 2026).

Почему внедрения застревают на экспериментах

Интерес высокий, а до реальной работы доходят немногие. По данным Strategy Partners, из крупных компаний промышленности и электронной торговли, которые занимаются генеративным ИИ, реально внедряют его около трети. Половина ограничивается экспериментами. В международном исследовании Deloitte по 140 предприятиям только примерно каждый пятый успешный случай применения ИИ масштабировали на весь завод или несколько площадок (Ведомости).

Аналитики Gartner ещё строже: по их прогнозу, больше 40% проектов по созданию ИИ-агентов закроют к концу 2027 года из-за растущих расходов и неясной пользы для бизнеса (Inc. Russia).

Если собрать причины вместе, получается пять типичных ловушек.

1. Нет понятной задачи с измеримым результатом

«Давайте внедрим ИИ» звучит как цель, но результат такого проекта нечем измерить. Быстрее всего ИИ приживается там, где пользу можно посчитать в рублях, часах или тоннах продукции.

2. Данные завода в беспорядке

Агент учится и работает на данных предприятия: чертежах, техпроцессах, справочниках, истории ремонтов. Если они разбросаны по папкам, таблицам и бумажным архивам, даже сильная модель будет ошибаться. Сложнее всего здесь средним заводам, у которых мало ИТ-специалистов.

3. ИИ живёт отдельно от учётных систем

Агенту мало найти проблему. Чтобы предложить решение, ему нужно видеть заказы, склад, загрузку оборудования и план выпуска. Без связи с ERP, MES, PLM и PDM-системами он работает вслепую, а сотрудникам приходится переносить данные вручную.

4. Непонятно, кто отвечает за решение

На производстве цена ошибки высока: остановка линии или неверный режим станка стоят дорого. Поэтому эксперты сходятся во мнении, что сейчас агенты должны работать с «разомкнутым контуром». Система готовит решение, ключевые действия подтверждает человек. При этом зрелые правила контроля над агентами есть пока у немногих: по данным Deloitte, такой системой управления располагают только 21% организаций (iXBT).

5. Страх за безопасность данных

Чертежи и техпроцессы — ноу-хау завода, и отправлять их во внешнее облако готовы далеко не все. Поэтому крупные промышленные компании разворачивают ИИ внутри собственных закрытых ИТ-контуров. Это надёжнее, но требует своих серверов и вычислительных мощностей.

С чего начать, чтобы не застрять

1. Выберите одну задачу, где сегодня больше всего теряется времени или денег. Например, подготовку техпроцесса по чертежу, расчёт себестоимости детали или проверку документации.
2. Договоритесь о мерке успеха до старта: сколько часов уходит сейчас и сколько должно уходить после.
3. Подготовьте данные именно для этой задачи. Наводить порядок во всём архиве сразу необязательно.
4. Оставьте финальное решение за специалистом. Агент ускоряет работу, технолог или инженер проверяет и утверждает результат.
5. Сразу продумайте связь с учётными системами, чтобы результат не пришлось перебивать вручную.
6. Масштабируйте после первого результата: когда одна задача работает и окупается, переходите к следующей.

Такой подход называют MVP: сначала минимальная работающая версия на одной задаче, затем расширение на другие.

Где агенты уже полезны на заводе

Чаще всего ИИ сегодня применяют там, где много повторяющихся операций и результат легко проверить:

• контроль качества — поиск дефектов на продукции по видео;
• обслуживание оборудования — раннее выявление износа и планирование ремонтов;
• технологическая подготовка производства — путь от чертежа до техпроцесса, расчёт трудоёмкости и материалов;
• работа с документацией — проверка требований, поиск нормативов, подготовка отчётов.

В подготовке производства мы в ООО «Технология и Бизнес» развиваем мультиагентную систему ТАБ: ИИ-Технолог. Она устанавливается на серверы заказчика и работает без интернета.

Вопросы и ответы

Чем ИИ-агент отличается от чат-бота? Чат-бот отвечает на вопрос. ИИ-агент сам выполняет задачу из нескольких шагов и отдаёт человеку готовый результат на проверку.

Можно ли доверить ИИ-агенту управление оборудованием? Сейчас эксперты советуют оставлять ключевые решения за человеком. Агент готовит вариант, специалист его подтверждает.

Почему внедрение ИИ на заводе часто не даёт результата? Чаще всего из-за размытой цели, беспорядка в данных и отсутствия связи с учётными системами предприятия.

С чего начать внедрение ИИ на производстве? С одной задачи, где потери времени или денег можно измерить. После первого результата решение расширяют на другие задачи.

Можно ли использовать ИИ на заводе без интернета? Да. Многие предприятия разворачивают ИИ на своих серверах, чтобы чертежи и техпроцессы не покидали завод.