ИИ в промышленности: от пилотов к системному эффекту

Средний уровень зрелости промышленных компаний в генеративном ИИ сегодня — 2 из 5. Измеримый эффект получают лишь 10–15% компаний, а успешные примеры масштабирования пока единичны. Такими фактами поделилась Ольга Тихонова, руководитель направления «Данные и прикладной ИИ в промышленности» AXENIX, в рамках круглого стола «Применение практик внедрения ИИ в промышленности» на форуме «Российский промышленник».

Почему промышленным компаниям сложно масштабировать ИИ и что мешает получать от него измеримый бизнес-эффект?

Эксперт выделила 5 барьеров масштабирования ИИ:

🔸️️️️️️Данные. Только 5% крупных компаний считают свои данные полностью готовыми к применению ИИ, а 37% не выделяют бюджет на управление ими.
🔸️️️️️️Инфраструктура. Наличие GPU отмечают лишь 9% промышленных компаний.
🔸️️️️️️Инвестиции. Инвестиции США в ИИ в более чем 200 раз превышают российские.
🔸️️️️️️Управление. Компании до сих пор часто оценивают эффективность внедрения по числу пилотов, а не по бизнес-результатам. Единой методики оценки эффекта все еще нет.
🔸️️️️️️Кадры. К 2030 году прогнозируется дефицит в 89 тысяч специалистов.

При этом Ольга отметила, что для промышленности перспективен переход к модели AI Native, когда транзакционное ядро предприятия сохраняется при развитии опорного слоя — слоя данных, знаний, контекста, оркестрации и контроля ИИ-агентов.

Ольга Тихонова подчеркивает:

Фактически промышленность у нас застряла в экспериментах. Пилоты не доходят до тиража, потому что ИИ встраивают сбоку в устаревший ИТ-ландшафт, не меняя процессы. Наш подход — не добавлять ИИ к процессу, а выстраивать процесс вокруг ИИ.

AXENIX предлагает стимулировать инвестиции в ИИ и обучение, оценивать результаты внедрения через измеримый экономический эффект и развивать корпоративную инфраструктуру для работы с ИИ. Компаниям важно выстраивать управление данными, адаптировать процессы и развивать экспертизу внутри команд.

Подробнее об экспертизе AXENIX в области внедрения ИИ в бизнес-процессы >>

#AXai