Что я вынес из вебинара про ИИ в промышленности

1 и 2 апреля мы провели онлайн-вебинар «Реальное применение искусственного интеллекта в промышленности». Участники — технологи, начальники производств, IT-директора, собственники.

Вместо общих рассуждений об ИИ мы взяли стандартную воронку продаж промышленного предприятия и прошли по ней этап за этапом: обращение клиента → диалог с менеджером → технический расчёт по чертежу → подготовка договора. На каждом этапе показали, какие возникают потери и как специализированные ИИ-агенты (мы их назвали ИИ-продавец, ИИ-ОКК, ИИ-технолог, ИИ-юрист) эти потери сокращают.

Все решения, о которых мы говорили, уже работают на реальных производствах. И используют не общие данные, а информацию конкретного предприятия — его оборудование, нормы, скрипты.

Вопрос про ИИ-продавца. Технолог из машиностроительного холдинга спросил: «А если клиент пишет сложный запрос с кучей технических деталей, которые наша типовая номенклатура не покрывает? ИИ его отсечёт как нецелевой, и мы потеряем уникальный заказ». Мы ответили, что классификатор настраивается под каждое предприятие: можно задать правило «если в сообщении есть слова “чертёж”, “ГОСТ”, “допуск” — не отсекать, а передавать менеджеру с пометкой “срочно”». Участник предложил добавить ещё «эскиз» и «спецификация» — записали.

Вопрос про ИИ-ОКК. Начальник отдела продаж спросил: «Как система отличит плохой диалог от хорошего, если у нас скрипты не жёсткие, а творческие?» Оказалось, у многих так. Мы объяснили: критерии оценки задаёт предприятие. Это могут быть не только «приветствие — возражения — завершение», но и, например, «менеджер не перебивал клиента», «использовал название компании клиента», «предложил альтернативу». В итоге сошлись на том, что идеального решения нет, но даже частичная автоматизация даёт больше, чем полное отсутствие контроля.

Вопрос про ИИ-технолога. Технолог с завода металлоконструкций сказал: «У нас половина чертежей — от руки, с помарками, с нечитаемыми размерами. Ваш ИИ их распознает?» Мы честно ответили: нет, если размер не видно человеку, не увидит и ИИ. Но он подсветит проблемные места: «размер не определён», «противоречие между видами». И технолог не тратит время на поиск этих противоречий, а сразу их видит и решает.

Вопрос про безопасность данных. IT-директор спросил: «Где хранятся чертежи и записи звонков?» Мы ответили: все ИИ-агенты могут устанавливаться на серверах заказчика, данные не уходят в облако. Участник уточнил про производительность: хватит ли обычного сервера для распознавания чертежей? Сказали, что для расчёта одной детали хватает, для потокового — нужны GPU.

Первый вывод. Главное препятствие — не ИИ, а данные. Участник из нефтехимии рассказал, как они полгода пытались внедрить предиктивную аналитику для насосов. Данные с датчиков были с разной периодичностью, с пропусками, без меток о ремонтах. В итоге бросили. «Теперь я знаю, что начинать надо не с покупки ИИ, а с аудита данных», — сказал он. С ним согласились ещё двое.

Второй вывод. Технологи не доверяют «чёрному ящику». Участник с производства сказал: «Мне плевать на точность 98%. Я не утвержу расчёт, если не пойму, почему ИИ решил, что эта операция занимает 12 минут, а не 15». Мы показали, как в нашей системе выводится обоснование: на какой ГОСТ опирался, какой коэффициент применил, какое оборудование выбрал. Участник сказал, что без этого внедрение невозможно. Остальные закивали.

Третий вывод. Экономический эффект считают по-разному, и часто забывают про косвенные выгоды. Один из собственников добавил про снижение текучки. Технологи уходят от рутины, их сложнее переманить». Другой добавил про скорость реакции в тендерах: «Если мы отвечаем за час, а конкурент за неделю, мы забираем заказ даже с чуть более высокой ценой». Эти вещи сложно посчитать, но они реальны.

Проводить такие встречи дальше — обязательно. Но с изменениями.

Сделаю вебинары длиннее. Час — это слишком мало. Участники начали оживать и задавать вопросы к 40-й минуте, а через 20 минут эфир закончился. Нужно полтора-два часа.

Вместо обзора всех решений буду брать один сквозной процесс. Например, следующий вебинар — только по ИИ-технологу: загрузили чертёж (даже плохой), получили техкарту и расчёт себестоимости. Или только по ИИ-ОКК: как проанализировать 100 звонков за ночь и выдать отчёт каждому менеджеру.

Попрошу присылать вопросы заранее. В этот раз на живые вопросы отвечал хорошо, но на общие рассуждения уходило время. Если знать вопросы до эфира, можно подготовить ответы и примеры именно под боли аудитории. И не тратить время на разогрев.

Сделаю отдельный мини-вебинар про ошибки. Участники спрашивали про провалы чаще, чем про успехи. Расскажу, как мы однажды переобучили модель на некачественных чертежах и она начала выдавать нереальные нормы времени. Или как заказчик не дал доступ к реальным данным, а мы строили тесты на синтетике — и в боевых условиях всё сломалось. Оказалось, что такие истории ценнее победных отчётов.