Пять лет назад «Норникель» начал внедрять машинное обучение в производственные процессы, сейчас это уже масштабная система: более 80% ключевого оборудования управляется алгоритмами. Компания входит в тройку мировых лидеров по применению ИИ в металлургии вместе с Tata Steel и POSCO, экономический эффект за три года оценивается в десятки миллиардов рублей. Этот результат связан не с визуализацией данных, а с операционными улучшениями: снижением простоев, более точной настройкой режимов и прогнозируемым обслуживанием.
На Талнахской обогатительной фабрике три ИИ-агента управляют годовым циклом ремонтов: анализируют состояние оборудования, рассчитывают сроки обслуживания и формируют программы работ. В проектировании ИИ выполняет функции генерального проектировщика, от технического задания до готовой документации, сокращая сроки с нескольких месяцев до нескольких дней. Внутренний «ассистент сотрудника» на базе MetalGPT, Яндекс и DeepSeek помогает работать с информацией: формирует протоколы совещаний из аудио и суммирует документы.
Ключевое отличие MetalGPT в том, что модель обучена на отраслевых данных и учитывает специфику металлургических процессов, чего нет у универсальных языковых моделей.
Заявление Владимира Потанина о том, что ИИ не заменяет человека, в данном случае отражает реальную практику. В тяжелой промышленности решения связаны с рисками для оборудования, безопасности и значительными инвестициями. Алгоритмы эффективно оптимизируют процессы и поддерживают принятие решений, но выбор параметров, учет ограничений и ответственность остаются за инженерами. ИИ снижает неопределенность и нагрузку на персонал, но не устраняет необходимость экспертного контроля.
🔤 Практический вывод
Пример Норникеля заслуживает отдельного внимания, ИИ встроен в ключевые производственные и инженерные процессы, опирается на отраслевые данные и используется как инструмент поддержки решений. Это пример систематизированного, осмысленного внедрения.
Подписаться на канал Кластера цифровой экспертизы ВШЮА НИУ ВШЭ