⚙️ Успешной интеграции ИИ в производство часто мешает недостаток общеотраслевых данных для обучения моделей, которыми компании не хотят делиться с конкурентами. Об этом в рамках конференции Conversations 2025 говорил директор по корпоративным инновациям фонда "Сколково" Сергей Дутов.
Из-за страха потерять обрабатываемые данные, которые являются коммерческой тайной, предприятия разворачивают ПО на серверах компании, а не в облаке. А это, в свою очередь, ведет к большим расходам на аппаратную часть. К примеру, на недостаток качественных данных жаловались в "Северстали" - они часто были фрагментированы или вовсе отсутствовали, а на верификацию пришлось потратить много сил и времени.
Часть систем работала на устаревшем ПО и оборудовании, не совместимом с современными ИИ–решениями. Необходимо было их адаптировать, пробовать альтернативные варианты. В исключительных случаях как временное решение даже приходилось применять так называемые “костыли”. Подобные системы требуют постоянного мониторинга, регулярной донастройки и дообучения. Без этого даже изначально эффективная модель со временем начнёт деградировать, выдавая некорректные прогнозы и рекомендации
Производитель микроэлектроники АО "Заслон" рассказал, что не хватает данных для системы выявления дефектов, так как некоторые дефекты встречаются очень редко. В итоге модели пришлось обучать на хороших платах, а затем с помощью нейросетей искать аномалии. При этом персонал продолжает с недоверием относиться к ИИ.
Приходилось объяснять сотрудникам, что ИИ неидеален и тоже может ошибаться. Но у него есть свои несомненные преимущества — например, он не устаёт и может работать 24 часа 7 дней в неделю
Одновременно с этим, как пишет ДП, у промышленников нереальные ожидания - они хотят, чтобы ИИ-решения стоили недорого, и требуют от разработчика передачу продукта с открытым исходным кодом. По словам директора по развитию бизнеса Just AI Светланы Захаровой, вендоры не готовы идти на такие условия, опасаясь копирования, потери денег и прав на разработку.
🖥 Помимо этого, у предприятий периодически появляются очень тяжёлые кейсы, которые мешают масштабироваться и правильно двигаться по пути трансформации. За них компании готовы платить много, но Захарова рекомендует не браться сразу за сложные проекты, особенно если нет экспертизы и внутренней команды.
™️ МашТех