Момент ChatGPT в промышленности: когда пилоты встречают заводской цех

2,5 года прошло с того момента, как выход ChatGPT радикально изменил публичную дискуссию об искусственном интеллекте. Однако для промышленности "момент ChatGPT" наступил не тогда, когда технология появилась, а сейчас — когда закончилась эра громких пилотов и началась эра прагматичного внедрения.

От экспериментов к индустриализации 2025 год стал поворотным: переход от экспериментов к индустриализации ИИ аналитики назвали главной причиной роста спроса на ИИ-технологии в России. Если общий ИТ-рынок демонстрирует сдержанный рост, то спрос на ИИ увеличился на 12% в 2025-м и, по прогнозам, вырастет еще на 16% в 2026-м. Компании больше не хотят "посмотреть, что получится" — они внедряют ИИ как полноценный производственный инструмент, способный формировать новые источники доходов и заменять устаревшие операционные модели.

По данным исследования РБК Тренды, 35% российских промышленных предприятий уже используют ИИ, а 77% из них отмечают положительный эффект. При этом 64% крупнейших российских компаний намерены в ближайшие два года увеличить расходы на ИИ-технологии минимум на 20%.

Но за этими цифрами стоит более сложная реальность.

Трудный переход: почему только 10% пилотов доходят до цеха Самая тревожная статистика, характеризующая нынешний этап, такова: по данным опроса консалтинговой компании "Интеллектуальная аналитика", лишь 7–10% пилотных проектов крупных технологических компаний, запущенных в 2025 году, достигли стадии полноценного промышленного внедрения. Остальные 90% либо продолжают находиться в режиме пилотирования, либо были существенно трансформированы, либо полностью закрыты.

Ключевой фактор, сдерживающий промышленную эксплуатацию, — неготовность данных. Генеральный директор компании "Индастри софт солюшнс" Алексей Акулов формулирует это жестко: главный барьер для промышленного ИИ — не трудный доступ к технологиям, а беспорядок в данных.

Исследование Arenadata, проведенное в 2026 году, подтверждает этот тезис: 44% российских организаций до сих пор лишь тестируют ИИ для анализа данных — и этот показатель практически не изменился по сравнению с 2025 годом (40,4%). При этом доля активно использующих ИИ даже слегка снизилась — с 23,1 до 21%. Главный вывод исследователей: ажиотаж вокруг ИИ не переходит в промышленное использование из-за неготовности данных и бизнеса.

Среди других барьеров — отсутствие четкой стратегии и ожидание "волшебства". Около 30–40% пилотов были свернуты, так как не дали ожидаемого финансового эффекта, а главная причина — слабая интеграция в реальные бизнес-процессы компаний и отсутствие встроенности в ERP- и CRM-системы.

Сопротивление и безопасность: человеческий фактор на передовой Технологические сложности — не единственная проблема. По данным исследования "Работа.ру" и "СберПодбора", 45% работодателей называют недостаток внутренней экспертизы и знаний у сотрудников главным вызовом при внедрении ИИ. Следом идут сопротивление персонала изменениям и нежелание осваивать новые инструменты (27%). Рынок труда, как отмечают эксперты, переходит от интуитивных решений к эпохе алгоритмов — но технологии опережают психологическую готовность.

Вопросы кибербезопасности тоже приобретают новую остроту. Западные хакеры уже начали использовать вредоносные программы с ИИ для атак на российскую инфраструктуру. При этом 67% организаций планируют интегрировать ИИ-решения в свои центры информационной безопасности, однако 37% сталкиваются с отсутствием качественных данных для обучения моделей, а 32% — с дефицитом собственных ИИ-специалистов.

Кейсы: от "голого" ИИ к инженерным ассистентам Несмотря на все трудности, реальные примеры промышленного внедрения есть. И они показывают, что успех приходит там, где ИИ решает конкретную задачу, а не внедряется "для галочки".

Челябинский кузнечно-прессовый завод внедрил "AI-ассистента сервисного инженера-робототехника" на базе GigaChat. Ассистент работает в формате интерактивного чата: инженер обращается с вопросами по техобслуживанию, настройке или ремонту роботов и станков — система находит ответы в корпоративной базе знаний. Результат — сокращение времени диагностики и ремонта оборудования, снижение вероятности ошибок.

CYBERSTEEL (группа компаний, занимающаяся производством стальных труб) запустила комплекс ИИ-решений стоимостью более 16 млн рублей. Система компьютерного зрения отслеживает количество труб в пакете перед отгрузкой, автоматически измеряет длину труб (сокращая время операции в 4 раза по сравнению с ручными замерами рулеткой) и ведет предиктивный контроль термообработки для раннего выявления отклонений качества.

Холдинг "Росэл" (входит в Ростех) в апреле 2026 года вывел на рынок ShokinGPT — защищенную промышленную ИИ-платформу для работы с документами и данными, функционирующую внутри IT-среды предприятия без подключения к интернету. Платформа построена по принципу мультиагентной системы: вместо одного универсального сервиса — набор специализированных цифровых помощников, каждый из которых отвечает за свою задачу. Внедрение позволяет экономить в среднем от 3 до 5 рабочих часов в день на одного специалиста и на 80% сокращает время поиска информации.

Уральский трубный завод стал первым промышленным клиентом системы оперативного планирования производства Planmatic — еще один пример того, как накопленная цифровая инфраструктура (MES, ИИ-модули контроля качества) становится базой для следующего шага автоматизации.

Технологии, которые работают уже сейчас Те, кто прошел этап пилотов и вышел на промышленную эксплуатацию, применяют конкретные технологии с измеримыми результатами.

Предиктивная аналитика — лидер по экономическому эффекту. Анализируя данные с вибродатчиков, термопар и расходомеров, алгоритмы прогнозируют отказы оборудования. Внедрение таких систем помогает сократить время простоя на 25%, а число поломок — на 35%.

Компьютерное зрение работает круглосуточно: контролирует безопасность, качество продукции и ведет поштучный учет. В металлургии такие системы позволяют автоматически измерять ширину ленты без остановки конвейера, экономя до 10 минут на каждой проверке.

Цифровые двойники эволюционируют от простой визуализации к полноценным виртуальным полигонам. На них тестируют новые режимы работы, обучают операторов и отрабатывают планы модернизации, исключая риски для физического производства и экономя миллионы рублей на дорогостоящих реальных экспериментах.

Что дальше: системная интеграция и прагматизм По оценкам экспертов, 2026 год станет периодом перехода от точечных цифровых инициатив к системной технологической трансформации — перестройке бизнес-моделей, инфраструктуры и операционных процессов. Фокус смещается с масштабирования любых ИИ-решений на качество архитектурных решений и управляемость автономных систем.

При этом регуляторная среда тоже меняется: в марте 2026 года Минцифры представило законопроект "Об основах государственного регулирования сфер применения технологий искусственного интеллекта в России". Бизнес оценивает, что затраты на соблюдение новых требований могут вырасти на 20–40%, а вывод продуктов на рынок замедлится вдвое.

И все же общая тенденция не вызывает сомнений. Искусственный интеллект окончательно покидает стенды пилотных проектов. Как отмечают аналитики Т1, компании отказываются от витринных экспериментов и ожидают от моделей доказуемого результата — сокращения расходов, автоматизации и роста производительности.

"Момент ChatGPT" в промышленности — это не момент появления технологии, а момент, когда бизнес перестал спрашивать "что такое ИИ?" и начал спрашивать "какой конкретный процесс я могу автоматизировать с его помощью уже завтра, и сколько это сэкономит мне денег?". И ответы на эти вопросы уже есть.