ИИ в промышленности: почему проекты застревают на стадии тестов

Большинство проектов с искусственным интеллектом на заводах так и остаются экспериментами. По оценкам экспертов, до реальной работы в цеху доходит лишь около 10% из них. Мешают в основном разрозненные данные, отсутствие ответственного за результат и попытка перестроить всё сразу. Быстрее всего ИИ окупается там, где много повторяющейся работы с понятным результатом, например в технологической подготовке производства.

Эту тему журнал «Промышленные страницы» разобрал вместе с экспертами отрасли в пятом номере за 2026 год. Своим взглядом поделился и генеральный директор ООО «Технология и Бизнес» Андрей Мелков. Ниже главное из его комментариев и то, что полезно знать заводу перед внедрением ИИ.

Где ИИ на производстве уже приносит пользу

Технологическая подготовка производства — это всё, что происходит между получением чертежа и запуском детали в цех. Нужно разобрать чертёж, выбрать заготовку, составить техпроцесс (по сути, рецепт изготовления детали), рассчитать трудоёмкость и себестоимость. Работы много, она похожа от детали к детали, а результат легко проверить. Поэтому именно здесь ИИ даёт самый заметный эффект.

Андрей Мелков привёл в журнале пример компании «Тимокс»:

• расчёт себестоимости уникальной детали сократился с двух недель до трёх минут;
• обработка одного чертежа занимала от 4 до 16 часов, теперь она занимает от одной до пяти минут;
• в целом работа ускорилась более чем в 40 раз, точность выросла на 35%;
• вложения окупились за три–шесть месяцев.

Это результаты одного предприятия. На другом заводе цифры будут зависеть от номенклатуры деталей и от того, в каком виде хранятся исходные данные.

Почему ИИ-проекты не выходят за рамки эксперимента

Эксперты, которых опросил журнал, называют несколько общих причин.

Данные не сходятся. Один и тот же насос на одной площадке записан под одним названием, на другой под другим, а на третьей существует только в бумажном журнале. Человек разберётся, нейросеть увидит три разных объекта.

Тепличные условия. Тестовый запуск часто проводят на вручную подготовленной выборке в отдельной среде. В цеху данные грязнее, и систему приходится подключать к учётным программам и реальным документам.

Нет хозяина у проекта. Когда никто не отвечает за результат, ИИ становится игрушкой ИТ-отдела и до цеха не доходит.

Скрытые расходы. Подготовка данных, интеграция со старыми системами и обучение сотрудников могут съесть большую часть бюджета, если не заложить их заранее.

Нужно ли перестраивать процессы под ИИ

У экспертов здесь разные подходы. Позиция Андрея Мелкова: технолог знает свои процессы лучше любого консультанта, поэтому переписывать их незачем. Процесс остаётся прежним, из него убирается рутина, и время на каждую деталь сокращается в разы.

На практике мы начинаем с MVP на одной задаче клиента: например, с расчёта себестоимости. Когда результат измерен и понятен, систему масштабируем на другие задачи.

Как выбрать поставщика ИИ для завода: 5 проверок

Андрей Мелков советует до покупки проверить у поставщика пять вещей.

1. Живая демонстрация на ваших чертежах. Красивая презентация на подготовленных примерах ничего не говорит о том, как система справится с вашей номенклатурой.
2. Предпроектное обследование. Поставщик должен разобраться в вашем производстве, прежде чем обещать результат.
3. План масштабирования. Заранее понятно, как решение перейдёт с одной задачи или одного цеха на остальные.
4. Локальная установка. Чертежи и техпроцессы — коммерческая тайна завода. Система должна работать на ваших серверах. Так устроен, например, ИИ-Технолог: он ставится в контур предприятия и работает без интернета.
5. Экономика. Для технологической подготовки производства окупаемость за три–шесть месяцев — реалистичный ориентир.

Вопросы и ответы

Почему ИИ-проекты в промышленности не доходят до внедрения? Чаще всего из-за разрозненных данных, отсутствия ответственного за результат и неучтённых расходов на интеграцию. По оценкам экспертов, до промышленной эксплуатации доходит около 10% проектов.

В какой области производства ИИ окупается быстрее всего? Там, где много повторяющейся работы с проверяемым результатом. Один из таких участков — технологическая подготовка производства: разбор чертежей, техпроцессы, расчёт себестоимости.

Сколько окупается ИИ в технологической подготовке производства? По опыту ООО «Технология и Бизнес», три–шесть месяцев. Точный срок зависит от объёма и типа деталей.

Можно ли использовать ИИ на заводе без интернета? Да. Систему можно установить на серверы предприятия, и тогда чертежи никуда не передаются.

Нужно ли менять производственные процессы перед внедрением ИИ? Не обязательно. Можно оставить процесс как есть и автоматизировать в нём самые трудоёмкие шаги.

---

Полный материал читайте в журнале «Промышленные страницы» №5 за 2026 год: indpages.ru. PDF всего номера: ссылка, комментарии Андрея Мелкова начинаются с 45-й страницы.