ЕвроХим: идеальный промышленный ИИ – это не один поставщик, а сильная экосистема

Заместитель генерального директора по обеспечению деятельности ЕвроХима Денис Самохвалов рассказал в интервью телеграм-каналу МашТех о развитии промышленного ИИ в России.

При выборе промышленной ИИ-платформы что сегодня становится определяющим фактором: экономический эффект, зрелость технологии или способность поставщика соответствовать новым требованиям регулирования? Изменится ли этот баланс после вступления закона в силу?

– Для промышленности главным критерием остается измеримый экономический эффект: снижение издержек, рост производительности, повышение качества продукции и сокращение простоев. Однако получить этот эффект можно только при наличии зрелой технологии, способной работать в сложной производственной среде. Поэтому сегодня эти два фактора тесно взаимосвязаны.

Регуляторные требования становятся третьим важным элементом. После вступления закона в силу соответствие требованиям по безопасности, прозрачности и происхождению моделей станет обязательным условием участия в крупных промышленных проектах. При этом заказчики по-прежнему будут выбирать решения, которые обеспечивают понятную окупаемость и минимальные риски.

Переходный период до 2032 года дает предприятиям возможность постепенно адаптировать уже внедренные ИИ-системы. Планируете ли вы использовать это время для модернизации существующих решений или будете сразу переходить на новые платформы, построенные на отечественных foundation-моделях?

– Для большинства крупных предприятий наиболее рациональным сценарием станет поэтапная модернизация. За последние годы промышленность инвестировала значительные средства в цифровые платформы, аналитические системы и специализированные модели, поэтому их одномоментная замена экономически неоправданна.

Переходный период позволяет постепенно обновлять архитектуру, интегрировать отечественные foundation-модели там, где они дают дополнительные преимущества, и при этом сохранять непрерывность производственных процессов. Такой подход снижает технологические и финансовые риски.

Сегодня цифровые двойники, предиктивная аналитика и интеллектуальное управление производством требуют обмена огромными объемами технологических данных. Какие ограничения в части локализации инфраструктуры и хранения данных вы считаете оправданными, а какие могут замедлить цифровую трансформацию промышленности?

– Для критически важных производств требования к локализации данных и вычислительной инфраструктуры вполне оправданы. Они повышают уровень информационной безопасности и снижают зависимость от внешних поставщиков технологий.

При этом важно, чтобы регулирование не ограничивало развитие современных распределенных архитектур, гибридных облаков и механизмов безопасного обмена промышленными данными между участниками производственных цепочек. Оптимальным представляется риск-ориентированный подход, при котором уровень требований определяется критичностью данных и конкретного производственного процесса.

Если через несколько лет отечественные модели станут обязательными для значительной части промышленности, каким вы видите идеального поставщика промышленного ИИ: разработчика собственной модели, интегратора, поставщика цифровой платформы или консорциум нескольких игроков? Какая модель сотрудничества наиболее устойчива для крупных производственных предприятий?

– Наиболее устойчивой моделью представляется экосистема, объединяющая нескольких участников. Разработка фундаментальных моделей требует одних компетенций, создание отраслевых решений – других, а внедрение на производстве невозможно без глубокого понимания технологических процессов предприятия.

Поэтому наиболее эффективной выглядит модель консорциума, где разработчики моделей, поставщики цифровых платформ, интеграторы и отраслевые эксперты работают совместно. Это позволяет быстрее внедрять инновации, снижать зависимость от одного поставщика и обеспечивать долгосрочное развитие решений.

Для крупных промышленных предприятий особенно важны открытая архитектура, совместимость с существующими информационными системами и возможность поэтапного развития ИИ-инфраструктуры без необходимости полного пересмотра уже реализованных цифровых проектов.