(АЦТ) Ассоциация цифровой трансформации - главный инфо-канал

По данным исследования российского рынка Process Mining, опубликованного в январе 2026 года, каждая третья крупная компания в России уже применяет инструменты процессной аналитики или тестирует их в пилотном режиме. И почти везде на старте обнаруживается одно и то же: реальная картина процессов расходится с той, что описана в регламентах.

Группа H «Данные и аналитика» методики АЦТ работает именно с этим. Десять инструментов покрывают полный цикл: от упорядочивания данных до их обработки в реальном времени и анализа того, как процессы устроены на самом деле.

В новой статье разбираем:
— 10 инструментов по трем подгруппам, с часами освоения и сложностью;
— кейсы «Норникеля» и «АЛРОСА»: Process Mining сократил затраты и время на ТОиР на 30–40%;
— промышленный кейс прогнозной аналитики: точность прогноза выросла с 49% до 64%;
— как группа H обеспечивает данными остальные группы методики — от OEE до стратегического планирования;
— что можно проверить за ближайший месяц своими силами.

В оркестровой логике методики группа H — это арфа: она не задает темп и не определяет тональность, но проявляет то, что было скрыто в общем гуле производственных процессов.

🔗 Читать полностью → https://dia.ru/news/5660

Как понять, что предприятие готово к цифровизации?

По данным одного из исследований 2025 года (более 1,7 тыс. предприятий машиностроения) 94% компаний считают внедрение цифровых технологий перспективным направлением. При этом 57% называют главным барьером нехватку финансовых ресурсов, второй по частоте — длительные сроки окупаемости.

Большинство предприятий запускают проекты раньше, чем оценивают реальную готовность к ним, которая складывается из четырех условий.

Управленческая воля. Сергей Сурков, руководитель отдела исследований Рексофт Консалтинг: «За громкими заявлениями о достижениях часто скрываются изменения в отдельных процессах без пересмотра операционной модели. Мы получаем цифру без реальной трансформации». Если решение о проекте принято ради отчета или давления рынка, а не из понимания конкретной задачи, проект не дойдет до результата независимо от бюджета. Проверочный вопрос: кто из топ-менеджмента готов лично отвечать за эффективность после запуска.

Состояние данных. Цифровые системы работают с данными, которые уже есть в компании. Если учет ведется в нескольких несвязанных системах, справочники не согласованы между подразделениями, а фактические показатели существуют в нескольких версиях — система воспроизведет эту ситуацию в цифровом виде. По данным ИСИЭЗ НИУ ВШЭ, 39% предприятий тратят на цифровые технологии менее 1 млн рублей в год — этого не хватает даже на то, чтобы привести данные в порядок.

Люди. По данным многолетних исследований Standish Group, только треть ИТ-проектов достигает успешного завершения — и одна из ключевых причин в том, что команда заказчика недоукомплектована или перегружена текущими задачами. Внедрение требует постоянного участия внутренних сотрудников: обследование, согласование требований, тестирование, приемка. Если этих людей нет до старта, то подрядчику не от кого получать обратную связь — и результат расходится с ожиданиями.

Бюджет на полный цикл. 57% предприятий называют нехватку финансов главным барьером. Но даже там, где деньги есть, их закладывают только на внедрение — без поддержки, обновлений и доработок после запуска. По отраслевым оценкам на основе методологии TCO Gartner, расходы после запуска составляют около 70% совокупных затрат за 5 лет. Проект, запущенный без этого расчета, генерирует непредвиденные расходы уже в первый год.

Что делать, если готовность неполная?

Эти четыре условия требуют внимания по очереди. Отсутствие управленческой воли останавливает проект еще до старта, без нее остальные три условия не имеют значения. Состояние данных и укомплектованность команды можно подтягивать параллельно с выбором подрядчика. Бюджетный пробел закрывается на этапе планирования — до подписания контракта, пока цена исправления минимальна.

Начать стоит с фиксации владельца результата на уровне топ-менеджмента. Затем провести инвентаризацию данных и оценить реальную загрузку внутренней команды. После этого пересчитать бюджет с учетом TCO. Компания, которая запускает проект без этих трех шагов, как правило, возвращается к ним в процессе внедрения и тратит на исправление больше, чем стоила бы пауза на старте.

Чему промышленность может научиться у ИТ-отрасли?

Когда говорят о заимствовании опыта ИТ-компаний, имеют в виду, как правило, программный стек: ERP, MES, BI, облака. Но есть вещи, которые нельзя просто так взять, и купить.

Отношение к циклу улучшений. В ИТ сложился уже привычный конвейер — выпустить версию, собрать обратную связь, исправить, выпустить следующую. Завод работает иначе: остановка линии ради эксперимента стоит денег, а ошибка в сварном шве — не баг в интерфейсе. Культура коротких итераций приживается на производстве только там, где цена ошибки контролируема: в планировании смен, в логистике, в расчете запасов. Там инструмент работает.

«Северсталь» столкнулась с этим в 2016 году. Новые виды продукции выводились на рынок в среднем за 2–2,5 года — медленнее не только зарубежных конкурентов, но и ряда российских. Компания адаптировала Scrum под металлургическую специфику: собрала кросс-функциональные команды из 4–5 человек, ввела спринты и ежедневные стендапы. Первые два пилотных проекта при загрузке участников всего на 20–30% дали ускорение разработки в 2–3 раза. Принципиальная оговорка: минимальная партия нового продукта в металлургии — 350 тонн — слова Виталия Сухарева, лидера agile-трансформации «Северстали» (CIO Magazine, 2018). Ошибка при запуске нового вида стали обойдется намного дороже, чем вернуть предыдущую версию кода. Поэтому Scrum не скопировали, а адаптировали под промышленную реальность.

Отношение к данным как к рабочему материалу. ИТ-команда принимает решения на основе метрик. На заводе данные часто существуют, но не используются: производительность линии — в Excel или в бумажном журнале у мастера, загрузка оборудования — в голове у главного механика. Разрыв не технический, а управленческий. По данным ИСИЭЗ НИУ ВШЭ (2025, > 1,7 тыс. организаций машиностроения), 57% предприятий назвали нехватку финансов главным барьером цифровизации — но вторым по частоте шли длительные сроки окупаемости. Предприятие не умеет считать эффект цифровых вложений — и поэтому не видит, зачем вкладываться.

Парадокс в том, что сам инструмент управления данными о потоке придумали не программисты. Канбан-доску разработал инженер Toyota Тайити Оно в 1953 году для управления потоком деталей в цехе. Через полвека программисты взяли производственный инструмент и перенесли в разработку. Сейчас промышленность заимствует его обратно — уже в цифровом виде, в составе MES и BI-систем. Направление переноса менялось дважды. Выигрывает тот, кто умеет смотреть на процесс через данные — независимо от того, откуда пришел инструмент.

Привычка к незавершенности. ИТ-продукт никогда не «готов»: есть дорожная карта, горизонт всегда открыт. Завод часто мыслит проектно: запустили, подписали акт, команда разошлась. Что происходит с системой через год — отдельный вопрос, которым занимаются редко. «Росатом» пошел другим путем: культура бережливого производства и непрерывного совершенствования закреплена в корпоративном стандарте — производственная система действует постоянно, а не запускается под проект. По данным Рексофт, комплексные проекты дают эффект в 20 раз больше точечных за 10 лет.

Граница переноса при этом реальная — там, где сбой останавливает конвейер или грозит травмой, культура «попробовали и откатили» неприменима. Промышленность берет у ИТ не методы целиком, а принципы: считать эффект до старта, развивать систему после запуска, не закрывать горизонт актом приемки.

Четыре инструмента, которые существуют дольше, чем большинство современных подходов к управлению производством.

PDCA описан в 1939 году. Диаграмма Ишикавы предложена в 1952-м. 5S сформировалась в Toyota в 1950-х. RCA пришел из авиации и атомной энергетики того же периода.

Почти восемь десятилетий в практике, но они по-прежнему входят в перечень инструментов любого серьезного проекта повышения эффективности, потому что закрывают задачу, которую не решает ни одна система автоматизации: найти настоящую причину проблемы и не дать ей вернуться.

В новой статье цикла об инструментах методики АЦТ разберем:
— Как PDCA организует улучшение, чтобы оно не остановилось после первого шага: малый эксперимент, проверка на данных, стандартизация результата;
— Диаграмма Ишикавы и разбор проблем по категориям причин сразу в нескольких направлениях;
— Как RCA доводит анализ до уровня, где изменение действительно предотвращает повторение, а не закрывает расследование на «человеческом факторе»;
— Почему 5S создает рабочую среду, в которой отклонение становится видимым до того, как превратилось в аварию или потери.

По каждому инструменту — не только суть, но и разбор ошибок, на которых останавливаются даже опытные команды. И отдельный блок о том, как эти четыре инструмента работают в связке: где начинать, в каком порядке и что происходит, когда один из них пропускают.

🔗 Читать статью: https://dia.ru/news/5649

Первый заместитель Председателя Правительства России Денис Мантуров дал старт новому производству промышленных роботов и автоматизированных систем хранения ООО «Семаргл» (концерн «Калашников») в особой экономической зоне «Санкт-Петербург «Новоорловская» в рамках ПМЭФ-2026.

Современная площадка по созданию комплексных решений для высокоавтоматизированных и «безлюдных» производств создана в рамках национального проекта «Средства производства и автоматизации». «Семаргл» призван стать первым в России предприятием, освоившим серийный выпуск широкой линейки роботизированного оборудования для внутрискладской и производственной логистики.

Сегодня в Санкт-Петербурге открывается ПМЭФ-2026 — глобальное деловое событие, которое собирает на одной площадке государственный сектор, российский и зарубежный бизнес.

В программе — свыше 150 сессий, страна-гость — Саудовская Аравия. О масштабе форума говорит прошлогодний результат: 1 084 соглашения на 6,48 трлн рублей. Крупные компании традиционно приберегают заметные анонсы к открытию, поэтому основной поток новостей ожидается сегодня и завтра.

Но к старту форума ИТ-повестка подошла уже с собственным контуром. За первые три дня недели параллельно сложились три самостоятельных сюжета.

1️⃣ ИИ выходит в физический контур. ВТБ и Т1 показали платформу, где ИИ-агенты управляют роботами через единый интерфейс. За этим анонсом стоит не только банковский сценарий, но и более широкая технологическая гонка: управление физическими исполнителями через ИИ становится одной из заметных тем для крупных игроков.

2️⃣ Регулирование данных становится жестче. Правительство поручило Минэкономразвития и Минцифры подготовить предложения по обороту данных цифровых платформ. Параллельно истек срок подтверждения аккредитации ИТ-компаний — без нее организации теряют право на льготные ставки по налогу на прибыль и страховым взносам.

3️⃣ Доступность ИИ усиливает риски. Мошенники начали использовать дипфейки голосов директоров школ и деканов вузов для обзвона родителей выпускников. То, что еще недавно выглядело инструментом для точечных атак, становится массовой схемой социальной инженерии.

Получается важная предыстория к ПМЭФ: форум еще только открывается, а ключевые темы уже обозначены — ИИ, данные, безопасность и правила, по которым российский цифровой сектор будет развиваться дальше.

🔗 Полный разбор — в статье: https://dia.ru/news/5643

Что это значит для тех, кто еще не начал

Рост рынка в 4,5 раза означает, что конкуренты накапливают операционный опыт. Компании, которые начинают без готовых данных и без определенного владельца процесса, получают систему, которой не на чем учиться и некому отвечать за результат.

Перед первым контрактом с поставщиком стоит ответить на четыре вопроса: где в операционной цепочке есть понятный повторяющийся процесс с измеримым результатом; в каком состоянии данные; кто владелец процесса после внедрения; каким операционным показателем измеряем эффект.

Компании, которые пропускают эти вопросы, как правило, возвращаются к ним через год с выросшим бюджетом и меньшими ожиданиями.

В 2024 году российский рынок генеративного ИИ оценивался в 13 млрд рублей. По итогам 2025-го — уже 58 млрд. Рост в 4,5 раза за один год.

Компании перешли от разовых экспериментов к регулярным расходам на платформы и интеграцию.

Такие данные приводит консалтинговое агентство Onside совместно с вендором Just AI в исследовании, опубликованном в декабре 2025 года. Параллельно — исследование «Яков и Партнёров» и «Яндекса»: 71% крупных российских компаний к концу 2025 года применяют генеративный ИИ хотя бы в одной бизнес-функции. Это на 17 процентных пунктов больше, чем в 2024-м.

Что изменилось структурно

Из 58 млрд рублей общего объема рынка 44 млрд — корпоративный сегмент. Крупные клиенты Yandex AI Studio за 2025 год увеличили потребление генеративных нейросетей в облаке в пять раз. В 2023 году в среднем 2,4 бизнес-функции на компанию были охвачены пилотами или полным внедрением ИИ. К 2025-му — уже 3,1.

Лидеры по объему рынка — банки и страховые компании (около 12 млрд рублей, 20% рынка), ИТ-сектор (7 млрд), ритейл (6 млрд), телеком (3 млрд). Производственный сектор и машиностроение в этой структуре пока представлены скромно: там интеграция сложнее, а цена ошибки выше.

По структуре кейсов: 58% применений — оптимизация внутренних процессов и операций, 35% — генерация дополнительной ценности, 7% — стратегические конкурентные преимущества.

Генеративный ИИ сегодня работает прежде всего там, где понятен процесс, ограничен риск ошибки и относительно короткий цикл проверки результата.

Что стоит за цифрой роста

Передовые отрасли, по данным «Яков и Партнеров», тратят на ИИ 13–17% годового ИТ-бюджета. Экономический эффект в этих отраслях — до 8% EBITDA уже сейчас. Прогноз для тех же передовых отраслей на следующий год — 13–21%.

Есть конкретные российские цифры. Сбер по итогам 2025 года зафиксировал совокупный экономический эффект от внедрения ИИ более 450 млрд рублей, из которых порядка 50 млрд — от генеративного ИИ. МТС за тот же период оценил эффект от ИИ-трансформации в группе компаний в более чем 2,5 млрд рублей, еще более 10 млрд рублей находится в активной воронке ИИ-инициатив.

Масштаб Сбера и МТС — исключение, не норма. Оба вложили в ИИ-инфраструктуру и данные несколько лет работы до того, как появились измеримые результаты.

Прогноз до 2030-го

По оценке Onside, к 2030 году российский рынок генеративного ИИ может достичь 778 млрд рублей при среднегодовых темпах роста 68,1%. «Яков и Партнёры» дают схожий ориентир: вклад генеративного ИИ в ВВП к 2030-му — от 1,6 до 2,7 трлн рублей. Оба прогноза содержат одну и ту же оговорку: при успешном масштабировании внедрений в 2026–2027 годах.

Переход от 58 млрд к 778 млрд упирается в три реальных ограничения. Качество корпоративных данных: по данным НИУ ВШЭ ИСИЭЗ (2025), 57% промышленных предприятий называют нехватку финансовых ресурсов и длительную окупаемость главными барьерами — данные при этом остаются неупорядоченными даже там, где деньги есть. Нехватка кадров с опытом ИИ-интеграции. И неспособность тиражировать разовые пилоты в промышленные решения.

По данным исследования FinExpertiza (декабрь 2025 — февраль 2026, около 50 крупнейших российских компаний), 9 из 10 пилотных проектов по генеративному ИИ, запущенных в 2025 году, до полноценного промышленного внедрения не дошли. Тормозили кадры, инфраструктура и требования к безопасности данных. Генеральный директор MWS AI (группа МТС) Павел Воронин прокомментировал эту цифру прямо: такой показатель конверсии он считает нормальным для текущего этапа, поскольку значительная часть проектов еще находится в активной разработке.

20 лет автоматизации в России: что изменилось и что осталось прежним

Если оглянуться на двадцать лет назад, видно, как менялся сам предмет разговора на российских производствах — какие технологии в конкретный момент собирали вокруг себя бюджеты и внимание руководства.

Середина 2000-х. Учет и первая волна бережливого производства.
Предприятия внедряли западные ERP — к рубежу 2000–2010-х доля SAP на рынке доходила до 48%. В цехах разворачивали импортные АСУ ТП и SCADA.
Тогда же распространилось бережливое производство: ГАЗ запустил производственную систему в 2003-м одним из первых в стране, следом пришли КАМАЗ, Русал, позже Росатом и НЛМК. Задача стояла прикладная: убрать потери и бумажный документооборот, свести разрозненные таблицы в единую систему.

2010-е. Интеграция и цифровая трансформация как стратегия.
На первый план вышла интеграция: связать ERP, MES и SCADA в один поток данных, добавить BI-аналитику. Цифровая трансформация из ИТ-задачи перешла в разряд корпоративной стратегии и стала зоной ответственности отдельных топ-менеджеров.
В 2017-м запустилась нацпрограмма «Цифровая экономика», тогда же Россия одной из первых в мире начала разрабатывать стандарты цифровых двойников, а их массовое внедрение закладывали в дорожные карты на середину 2020-х.

2020-е. Импортозамещение и волна ИИ.
После ухода иностранных вендоров системы, годами работавшие на зарубежном ПО, пришлось переводить на отечественное (в 2021 году только на SAP приходилось около 42% российского рынка ПО для автоматизации бизнеса). Рынок АСУ ТП в 2024-м вырос почти на 50%, до 124 млрд рублей, при этом доля российских продуктов в нем составляла лишь 25–27%, а в обрабатывающей промышленности — около 5%.
Параллельно пришла волна ИИ и предиктивной аналитики: производство стало лидером по числу внедрений, а кейсы вроде AI-контроля качества проката на ММК (брак ниже на 17%) дали измеримый эффект.

При этом технологии распространяются медленнее, чем о них говорят. В 2024 году генеративный ИИ применяли лишь около 0,3% промышленных компаний, промышленный интернет вещей — около 7%. Получается, что инструменты, вокруг которых строят стратегии, пока дошли до считанных предприятий.

Похожая картина в роботизации: плотность в российской промышленности в 2025 году — около 40 роботов на 10 тысяч работников против 29 годом ранее, тогда как среднемировой показатель около 162, а в Китае — порядка 2000.

Технологический набор за двадцать лет обновился полностью: от учетных систем до промышленного ИИ. Управленческие практики вокруг него изменились меньше. Данные собираются почти на всех уровнях, но значительная часть решений принимается так же, как пятнадцать лет назад. Проекты по-прежнему нередко стартуют без четко сформулированной задачи, а успехом внедрения считают сам факт запуска системы, а не положительное изменение производственного показателя.

Контуры следующего десятилетия уже заданы. К 2030 году поставлены цели перевести не менее 80% организаций ключевых отраслей на российское ПО и поднять долю отраслей с высокой готовностью к ИИ с 12% до 95%.
Свои прогнозы строит и бизнес: первый межотраслевой обзор «Мегатренды-2026» относит к ключевым направлениям связь нового поколения, повсеместный ИИ, робототехнику и цифровые двойники.

Российский бизнес вкладывается в цифровизацию все активнее.

Доля промышленных предприятий, использующих машинное зрение, выросла с 18,9% до 41,6% за 2020–2024 годы (по исследованию Strategy Partners, конец 2025). На начало 2026 года компьютерное зрение в промышленности применяют более 36 тысяч предприятий, промышленный интернет вещей — около 6 тысяч, машинное обучение и большие данные — более 5 тысяч.

Цифровые двойники используют 22% крупных компаний, еще 34% планируют внедрение. Доля компаний, вложивших более 3,5 млн рублей в автоматизацию, за год выросла с 38% до 62%. При этом 60% бизнеса по-прежнему действует без единой стратегии цифровизации, а 80% работают с разрозненными системами, где данные передаются фрагментарно.

Компании вкладывают средства и внедряют технологии, но отдачу получают не все. Причина в том, что цифровая технология усиливает процесс, на который ее ставят: на выстроенном процессе она повышает результат, на неотлаженном — ускоряет ошибки и удорожает их. Решающее значение имеет не выбор технологии, а ее сочетание с готовым процессом и пригодными данными.

Об этом — новая статья серии о методике АЦТ. На очереди группа G «Цифровые технологии трансформации», которая объединяет 16 инструментов: от облачных вычислений и low-code до цифровых двойников, машинного обучения и ИИ-агентов.

В статье разбираем:
— 16 инструментов по четырем подгруппам, с часами освоения и сложностью;
— реальные кейсы Северстали и «Газпром нефти» — что именно дало эффект;
— пять типовых проблем производства и аккорды инструментов под каждую;
— матрицу зрелости: как понять, на каком уровне ваше предприятие;
— что можно сделать за ближайший месяц своими силами.

🔗 Читать полностью: https://dia.ru/news/5613

Доля крупных компаний, применяющих генеративный ИИ, за два года выросла с 54 до 71%

По данным отраслевого обзора российского рынка по итогам 2025 года, 71% крупных компаний применяют генеративный ИИ хотя бы в одной бизнес-функции. Годом ранее таких было 54%, а в 2023-м — 33%. За два года технология прошла путь от точечных пилотов до присутствия в среднем в 8 из 10 ключевых функций бизнеса.

Высокая доля показывает, насколько широко ИИ разошелся по компаниям, но не говорит, насколько глубоко он встроен в работу. О глубине точнее судить по тому, ради чего компании используют эту технологию.

В 2024 году почти половина компаний (49%) связывала проекты с сокращением расходов на персонал. По итогам 2025-го такую цель называют 12% — за год задача сэкономить на фонде оплаты труда перестала быть основным мотивом. Чаще теперь называют рост выручки, запуск новых продуктов и перевод сотрудников на более сложные задачи. Снижение операционных затрат фиксируют 94% компаний, дошедших до реальной эксплуатации, но уже как сопутствующий результат.

Перемена в мотивации говорит о рынке больше, чем сама доля в 71%. Когда технологию покупают ради экономии, она остается статьей затрат и попадает под сокращение бюджета наравне с прочими расходами. Когда за ней идут ради выручки и новых продуктов, она встраивается в стратегию предприятия и держится дольше одного бюджетного цикла. Именно такой мотив и характерен для зрелой части рынка.

При охвате в 71% вопрос «стоит ли пробовать генеративный ИИ» для большинства крупных компаний уже не стоит так остро. На первое место выходит масштабирование, а здесь начинаются трудности, которые не решаются покупкой новой модели.

Компании предстоит определить, на каких процессах эффект измерим, а где идет имитация работы. Свести пилоты в одну действующую систему, а не накапливать пятнадцать разрозненных. Перевести людей на новые задачи, а не ограничиться выдачей доступов к нейросети.

Из этого следует простой вывод для тех, кто только подступается к теме. Само по себе наличие ИИ преимущества уже не дает — его применяют две трети крупного бизнеса. Разницу создает то, как компания встраивает технологию в процессы: под определенные цели, по выбранной методике, с понятными метриками отдачи.


🔹 А у вас в компании ИИ уже встроен в процессы — или пока на стадии «попробовали и отложили»? Поделитесь в комментариях.

📊 По итогам III Всероссийского опроса по цифровой трансформации, который Comindware опубликовала в январе 2026 года, сопротивление сотрудников по-прежнему держится в тройке главных барьеров автоматизации: его называют 42% компаний — наравне с высокой стоимостью внедрения (62%) и сложностью интеграции систем (58%). Причем эти же три барьера остаются неизменными с 2023 года.

Когда предприятие сталкивается с таким сопротивлением, оно чаще всего отвечает обучением, мотивационными сессиями и работой с вовлеченностью. Внедряя подобные меры, руководство предполагает что сотрудники не принимают новое по психологическим причинам, и эти причины достаточно легко устранить. На деле у сопротивления чаще всего есть конкретные, не всегда рациональные обоснования и страхи, связанные с тем, как внедрение может отразиться на самом сотруднике.

В опросе крупного бизнеса, который РБК провел в 2026 году среди компаний с численностью свыше тысячи человек, это особенно заметно. Главным препятствием технологического развития там называют именно сопротивление изменениям, а нехватка денег и неясная окупаемость оказались среди наименее значимых факторов. Средства на трансформацию у таких предприятий есть, понимание целей тоже — отстает готовность самой организации.

5 самых частых причин внутреннего сопротивления изменениям:

1️⃣ Непонятно, чьи показатели ухудшатся. Новая система перераспределяет ответственность и отчетность, и пока сотруднику неясно, как это отразится на его результатах, он не торопится включаться.

2️⃣ Работа становится прозрачной. Система фиксирует, кто что сделал, и позволяет сравнивать результаты напрямую. Для тех, кто привык к свободе трактовок, это ощутимая потеря контроля, и это, по оценкам специалистов по внедрению, одна из самых скрытых причин сопротивления.

3️⃣ Нет ответа на вопрос о собственном будущем. Опасение обоснованное: по данным исследования «Технологии Доверия» конца 2025 года, почти половина крупного бизнеса (47%) допускает сокращение штата из-за внедрения ИИ. Когда о судьбе конкретных должностей молчат, сотрудник толкует это молчание не в свою пользу.

4️⃣ Прошлые проекты ничем не закончились. Если это уже третья «трансформация», а две предыдущие свернули на полпути, скепсис опирается на историю предыдущих внедрений, а не на нежелание меняться.

5️⃣ На первых порах работа в новой системе идет медленнее, чем привычными методами. Пока сотрудник осваивает систему, он закономерно теряет скорость, но результат с него продолжают спрашивать по прежним нормативам. В этой ситуации проще остаться с тем, чем умеешь пользоваться, и не проигрывать в показателях на период обучения.

💡 Отсюда видно, почему часто «в лоб» снять внутреннее сопротивление не получается: обучение и мотивация направлены на сотрудника, тогда как перечисленные страхи находятся полностью в зоне принятия решений руководством — как устроены показатели, что будет с ролями, доведутся ли проекты до конца.

Пока эти вопросы остаются без ответа, сопротивление повторяется от проекта к проекту, несмотря на любые вложения в вовлеченность. Снизить сопротивление может само руководство — прояснив последствия внедрения для людей еще до старта проекта, например в формате стратегической сессии или модного «воркшопа».

Цифровизация сама по себе, не наводит порядок в процессах, но фиксирует и ускоряет их в том виде, в каком они сложились.

Если процесс выстроен плохо, с лишними согласованиями, нечеткими зонами ответственности и простоями, система не исправит его, а перенесет «хаос« в цифровой вид без изменений. Прежние потери никуда не денутся, но теперь будут воспроизводиться быстрее и обходиться дороже. Дорогое решение на необследованном процессе закрепляет неэффективность вместо того, чтобы ее устранить.

Отсюда и разрыв между вложениями и отдачей: бюджет освоен, система внедрена в срок, а обещанного эффекта нет. Чаще всего дело в пропущенном первом шаге — процесс автоматизировали раньше, чем разобрались, как он устроен и где в нем настоящие потери.

Поэтому работа над эффективностью начинается на шаг раньше любой технологии — с диагностики. Инструменты для нее не требуют ни бюджета, ни внедрения: они проще и старше любого софта и осваиваются за несколько часов.

Начинаем цикл публикаций с разбором инструментов методики АЦТ. В первой статье — четыре инструмента, с которых начинается диагностика процесса:
— «5 Почему» помогает дойти до настоящей причины сбоя, скрытой за первым видимым проявлением.
— Анализ Парето поможет найти главные проблемы и сосредоточить на них силы для наибольшего эффекта.
— Гемба приводит руководителя на рабочее место сотрудника, где можно увидеть то, что не попадает в отчеты.
— SMART задает цель так, что ее выполнение можно однозначно проверить.

Низкий порог входа здесь обманчив: именно на этих инструментах чаще всего “подрываются” серьезные команды, считая, что осваивать здесь нечего. Поэтому по каждому инструменту в статье есть не только суть и история, но и чек-лист перед применением и разбор типичных ошибок.

С этих инструментов начинается наведение порядка в процессах, на который потом смогут опереться и автоматизация, и ИИ.

🔗 Читать статью: https://dia.ru/news/5625

Есть метрика для команды цифровой трансформации, которая выглядит абсолютно разумной и именно поэтому опаснее остальных, — количество внедренных за год систем. Ее ставят в KPI почти по умолчанию: легко посчитать и легко защитить перед руководством.

Команда, у которой в KPI стоит число внедрений, на него и работает. Выбираются решения, которые быстрее поставить и «закрыть» актами, а не те, что устраняют узкие места производства. И сам акт, конечно, ничего не говорит о том, перешли ли люди в новую систему или продолжают работать как раньше, параллельно с ней. Показатель растет одинаково в обоих случаях, и отличить по нему результативное внедрение от формального невозможно.

«Количество» отвечает на вопрос, сколько систем поставили. А собственник часто задает другой: какие конкретные изменения произошли на предприятии после внедрения, и можно ли их измерить в деньгах.

По нашему опыту, рабочий набор KPI для команды ЦТ держится на трех показателях.

📊 Эффект от использования, а не от внедрения. Важен не факт запуска, а доля операций, которые проходят через систему: например, сколько заявок оформляется в ней, а не на бумаге. Пока эта доля низкая, система числится внедренной, но простаивает.

⚙️ Результат в показателях самого предприятия, а не ИТ-контура. Не «внедрили MES», а на сколько сократились простои. Цель команды ЦТ формулируется на языке производства и финансов, иначе ее нечем защитить перед теми, кто выделяет бюджет.

🔄 Устойчивость. Решение, которое держится три месяца после ухода интегратора и перестает работать на четвертый, результатом не считается. Показатель здесь простой: какая доля сотрудников остается в системе через полгода, а не возвращается к привычному Excel.

Все три критерия отвечают на один вопрос: меняется ли что-то на предприятии или работает только сама команда? Им и стоит проверять любую метрику до того, как она попадет в план.

Слово гемба появилось раньше, чем бережливое производство стало отдельной управленческой модой.

В японском языке оно означает «реальное место» или «место события». Так можно сказать о съемочной площадке, месте происшествия, рабочей зоне, участке, где что-то действительно происходит. Управленческий смысл появился позже благодаря японской производственной культуре и Toyota Production System.

В lean-подходе гемба стала означать место, где создается ценность и где можно увидеть процесс без пересказа через отчет: для завода это может быть производственная линия, склад, ремонтная зона, лаборатория качества, участок обслуживания оборудования.

Смысл здесь не в японском слове, а в управленческой оптике. В отчете видно отклонение: простой, задержка, рост брака, лишние часы обслуживания. На месте же выясняется, из чего это отклонение сложилось: материал ждали дольше обычного, инструмент лежал неудобно, данные пришлось вводить дважды, инструкция была формально правильной, но плохо подходила к реальной смене и т.д.
Гемба не равна прогулке руководителя по цеху: можно выйти на площадку, посмотреть на оборудование, сделать замечания и все равно оставить проблему нерешенной.

В рабочей практике команда сначала смотрит на процесс без готового ответа. Что происходит сейчас. Где появляется ожидание. Почему люди делают лишние действия. В какой точке регламент расходится с фактической работой. Только после этого имеет смысл менять маршрут, норму, инструкцию, интерфейс или цифровую систему.

В российских промышленных кейсах этот подход встречается в разных форматах.

На Сургутской ГРЭС-2 (филиал энергетической компании Юнипро) такой подход применяли к обслуживанию щеточного контактного аппарата генератора в 2018 году. После работы сразу на месте появились мероприятия, которые помогли сократить время технического обслуживания за год на 40 часов. Параллельно с персоналом участка были разработаны улучшения условий труда.

КАМАЗ в 2024 году возобновил обходы производственных площадок в формате Go&See. Первым объектом стал Кузнечный завод. Обход строился как рабочая процедура: чек-листы, фиксация наблюдений, обсуждение после посещения площадки и протокол с планом действий. Проверяли вполне прикладные вещи: 5S, риски травматизма, освещенность рабочих зон, организацию проходов и размещение материалов.

Коломенский завод (входит в ТМХ) встроил эту практику в регулярное управление. В механическом цехе №15 организовали гемба-офис: еженедельные совещания проходят у информационного стенда с данными по проектам. Заказы, отклонения и ограничения обсуждают рядом с производством, в той же среде, где они появляются.

В методике АЦТ гемба входит в группу А «Операционное превосходство» под номером A1-03. Он не заменяет бережливое производство, систему качества или цифровую модель процесса, а дополняет более сложные инструменты, потому что помогает увидеть, как процесс устроен на площадке, где появляются потери и какие данные стоит брать в работу перед изменением регламентов, маршрутов, показателей или цифровых систем.

Ключевые события за прошедшую неделю. Фокус — промышленность, IT и цифровая трансформация.

1. Путин назвал пять преимуществ России в гонке за ИИ — ставка на энергетику
28 мая на Евразийском экономическом форуме в Астане Владимир Путин перечислил пять конкурентных преимуществ России в развитии ИИ, сделав главный акцент на энергетике: ИИ требует огромного энергопотребления, а у страны есть атомная генерация и гидрогенерация. Россия, по его словам, — одна из немногих стран, создающих суверенные ИИ-платформы. Прозвучал и трезвый тезис: ИИ уже замещает сотрудников младшего звена на рутинных операциях с документами и кодом.

2. С 27 мая компьютеры и серверы вычеркнули из параллельного импорта
27 мая вступил в силу обновленный перечень параллельного импорта: из него исчезли отдельные марки ноутбуков, компьютеров и серверов. Критерий исключения — локализация производства в России или наличие отечественных аналогов.

3. Startup Village сменил формат: корпорации диктуют заказ, лидеры спроса — промтех и IT
28–29 мая в «Сколково» Фонд «Сколково» представил Индекс спроса на технологии: крупнейший спрос концентрируется в промышленности, IT и строительных технологиях. Выручка резидентов за 2025 год достигла 787,5 млрд рублей против 704,3 млрд годом ранее. Формат сменился принципиально — корпорации («Ростелеком», «Росатом», «РЖД», СИБУР, «Норникель») впервые публично озвучили технологические запросы и бюджеты, а стартапы предложили решения. Рынку нужны не идеи, а продукты, за которые бизнес готов заплатить.

4. Сколтех и РЖД защитили 5G квантовым шифрованием — первое решение такого рода в стране
Специалисты Сколтеха по заказу РЖД создали комплекс для защищенной передачи данных в мобильных сетях через квантовое распределение ключей — первое в России оборудование такого рода для сетей 5G. В составе серверная часть, базовые станции 4G и 5G и абонентские устройства на ОС «Аврора» и Android. Разработку показали на конференции «Микроэлектронные системы — 2026».

5. Прибыль IT-отрасли за 2025 год выросла на 21%
Прибыль IT-компаний по итогам 2025 года выросла до 1,676 трлн рублей — на 21% больше, чем годом ранее, по данным АНО «Цифровая экономика». Налогов и страховых взносов отрасль уплатила на 30% больше — 2,225 трлн рублей. IT перестала быть затратной статьей импортозамещения и стала самостоятельным источником дохода и налогов.

6. Ростех представил платформу комплексной безопасности «Слава России»
28 мая на I Международном форуме по безопасности в Подмосковье Ростех показал цифровую платформу «Слава России»: она собирает данные из оперативных и муниципальных систем мониторинга, привязывает их к интерактивной карте и оценивает угрозы — от природных до информационных — на объектовом, региональном и муниципальном уровнях, в том числе на объектах без интернета. Основа — продукты отечественной «РЕД Софт». Спрос на цифровое управление рисками выходит за пределы промышленности — в городское и региональное управление.

7. Медтех назвал барьеры 2026 года: дефицит ИИ-кадров и сопротивление врачей
28 мая участники рынка медтеха обозначили главные вызовы 2026 года: нехватка специалистов по ИИ и машинному обучению, сопротивление части медперсонала и давление на экономику клиник. Среди перспективных направлений — остеоинтеграция (крепление протеза через имплант в кости без приемной гильзы) и голосовые ассистенты, которые уже сопровождают врача на приеме, подсказывая вопросы и сверяя диагноз с записью.

🎻 В оркестре контрабасы редко становятся главной темой для слушателя — их партия звучит ниже и спокойнее, но именно она придает музыке глубину, пульс и опору.

С логистикой на промышленном предприятии ситуация схожа: пока поставки идут вовремя, склад не спорит с производственным планом, а запасы не превращаются ни в дефицит, ни в лишнюю нагрузку на капитал, эту часть бизнеса легко воспринимать как рабочий фон. Но стоит цепочке поставок дать сбой, последствия быстро выходят за пределы логистики.

Шестой материал серии о методике АЦТ посвящен группе F «Логистика и цепочки поставок». В нее входят 12 инструментов для работы с поставками, запасами, складом, маршрутами, поставщиками, WMS/SCM-системами, ИИ-аналитикой и логистическими рисками.

В статье разбираем:
— почему логистика — это не только доставка и склад;
— какие задачи решают 12 инструментов группы F;
— что показывают кейсы X5, СИБУРа и компании «Лидер»;
— какие пять «аккордов» помогают работать с задержками, затратами, запасами, рисками и координацией с поставщиками;
— как оценить зрелость цепочки поставок по шкале АЦТ;
— с чего начать разбор цепочки поставок без большой программы цифровизации и внешнего проекта.

Главная мысль: логистика — это не обслуживающий «хвост», а часть управленческой системы. Именно здесь становится видно, может ли предприятие выполнить свои планы не на уровне презентации, а в реальной цепочке поставок, запасов, маршрутов и обязательств перед клиентами.

🔗 Читать шестой материал серии: https://dia.ru/news/5558

До промышленной эксплуатации доходит один ИИ-проект из двадцати.

Девятнадцать остаются пилотами и через год тихо закрываются. Это не оценка скептика — это цифра из обзора системных вызовов ИТ-2026, который Владимир Зотов опубликовал на Habr.

На фоне этого числа 28 мая 2026 года произошло сразу несколько вещей. Банк России выпустил доклад об ИИ на финансовом рынке и впервые заговорил про ответственность владельца модели как про регуляторное требование.

Госорганы получили целевые показатели по переезду в мессенджер MAX — со школами, больницами и МФЦ.

Yandex Cloud, Selectel и MetaMentor показали, как развернуть промышленный ИИ за пять рабочих дней.

Разобралиcm, почему всё это случилось в один день и где именно потерялись 19 проектов из 20.

→ Читать полный материал на dia.ru

ERP-система: стоимость запуска против стоимости владения

Бюджет внедрения ERP редко показывает полную стоимость системы: в стартовой смете обычно есть лицензии, настройка, миграция данных, работа проектной команды и обучение первой группы пользователей. Но после запуска появляются расходы на сопровождение, развитие, интеграции, доработки или поддержку отдельных подсистем.

В российских кейсах совокупную стоимость владения почти не раскрывают, однако по открытым закупкам и описаниям проектов видно, что происходит после внедрения.

У Приокского завода цветных металлов после внедрения подсистемы «Бюджетирование и планирование» в составе 1С:ERP появился отдельный договор на ее развитие и адаптацию под управленческие задачи предприятия.

В закупках ПЗЦМ видны и регулярные расходы на сопровождение 1С:ERP и 1С:ЗУП: 6 млн рублей в 2023 году, 4,9 млн рублей в 2024-м, 2,8 млн рублей в 2025-м. Для работающей корпоративной системы это не исключение, а нормальный эксплуатационный контур: она требует команды, времени и бюджета каждый год.

У «Петростали» — металлургического завода, который производит углеродистые, высоколегированные и специальные стали, — внедрение 1С:ERP охватило 300 рабочих мест и 30 тыс. человеко-часов. Масштаб важен, но еще показательнее состав работ: под металлургическое производство разрабатывали модуль лаборатории, калькулятор плановой себестоимости, отчеты по материалам, закупкам, заказам, ремонтам и план-фактному анализу.

В таких случаях ERP зачастую перестает быть типовой и требует отдельной кастомизации. В нее приходится переносить отраслевую специфику, правила расчетов, производственные исключения и управленческую отчетность, которой нет в стандартной конфигурации.

Кейс Unitile — производителя керамической плитки, керамогранита и строительных смесей — показывает, во что со временем превращаются накопленные доработки. Компания долгое время использовала старую финансовую систему, глубоко адаптированную под потребности бизнеса. Когда пришло время обновления, его стоимость оказалась сопоставима со стоимостью внедрения новой ERP — то есть доработки, которые годами помогали системе соответствовать процессам, стали отдельной статьей стоимости владения.

Эти кейсы не дают единого шаблона для ERP-бюджета, потому что у каждого предприятия своя архитектура, процессы и глубина доработок. Но общий вывод из них понятен: запуск — только первая финансовая граница проекта. После начинается владение системой, и именно там появляются регулярные расходы на сопровождение, интеграции, развитие подсистем, обучение новых пользователей и адаптацию под реальные процессы.

Daily standup в проектах цифровой трансформации на производстве

За последние десять лет Agile-методики из продуктовой ИТ-разработки прочно вошли в управленческий контур российских промышленных компаний. Самая заметная из них — daily standup: короткая ежедневная встреча у доски задач, на которой каждый отвечает на три вопроса о работе — что сделал вчера, что планирует сегодня и что мешает.
По опросу TAdviser 2025 года, российский рынок проходит фазу нормализации: «Agile-бум закончился, его применяют более осознанно», фокус смещается с церемоний к измеримым результатам. Никита Аксянов, руководитель Directum Projects, отдельно отмечает: «Agile стал частью общей культуры управления и используется в проектах цифровой трансформации, управлении инициативами и портфелями».

В Северстали Scrum-пилоты для разработки новых видов металлопродукции стартовали в 2016 году с двух кросс-функциональных команд по 4-5 человек и со всеми типичными атрибутами — спринты, стендапы, скрам-мастера; разработка ускорилась в 2-3 раза, число продуктов на этой модели позже выросло до 70 (согласно докладу Виталия Сухарева, лидера agile-трансформации функции маркетинга «Северстали», 2018).

Газпром нефть применяет Agile в работе проектных команд размером 5-15 человек, у компании есть собственный ресурсный пул скрам-мастеров.

В СИБУР Диджитал гибкие практики используются в цифровом подразделении. При этом еще в 2018 году Дмитрий Конов — на тот момент председатель правления СИБУРа — в интервью «HBR Россия» отдельно обозначил границу: на опасных производственных объектах самоуправляемые команды он считает неприменимыми, а в централизованных сервисных функциях — вполне.

Сложность начинается там, где формат пытаются перенести на проект цифровой трансформации, в котором проектная команда находится в постоянной стыковке с производственным контуром заказчика.

Чтобы standup работал в такой среде, в нем перенастраиваются четыре параметра.

📌 Время — под смену. Утренний стендап в 9:30 работает там, где у команды один рабочий день. На двух- и трехсменном производстве к этому моменту дневная смена три часа в работе, а ночная уже ушла домой. Рабочее окно для встречи — пересменка или первые полчаса основной смены, при этом все решения обязательно фиксируются.

📌 Состав — ядро вместо всей команды. Классический Scrum собирает на стендап всю команду. На промышленном проекте «вся команда» — это 10-15 человек с очень разным уровнем включенности в ежедневную работу, поэтому встреча рискует быстро превратиться в формальность. Рабочий состав — ядро из 4-5 человек, принимающих ежедневные решения; остальные подключаются по согласованному графику и при необходимости.

📌 Повестка — из цеха. Три классических вопроса хорошо работают у разработчиков, у которых вся работа на день — это набор задач в трекере. У начальника смены день устроен иначе: план-факт по выпуску, риск простоя на линии, что готово к смене и что не готово. Повестка стендапа собирается из событий, которые в этот день связывают проект и его линию — тогда встреча перестает быть проектной нагрузкой и встраивается в его обычное утро.

📌 Инженерный контур — отдельным каналом. Архитектурные споры и разбор багов превращают 15-минутный стендап в часовое техническое совещание, на котором производственники первыми выпадают из обсуждения. Технические разговоры выносятся в отдельный канал — между разработчиками и ИТ-блоком заказчика, без операционных руководителей.

В методике АЦТ Scrum и Agile входят в группу B «Управление проектами и процессами» как одни из инструментов управления проектом со своим контекстом применимости. Несмотря на это, они редко работают в одиночку — гибкий подход в команде разработки сочетается с предсказуемыми каскадными этапами на уровне взаимодействия с заказчиком, и собирается под конкретную задачу как аккорд из нескольких инструментов сразу.