Использование ИИ в промышленности рекордно растет. Но могло бы расти еще быстрее.

⚙️ Мировой рынок генеративного искусственного интеллекта увеличится с $5,51 млрд в 2020 году до $356,1 млрд в 2030 году, то есть более чем в 60 раз. Об этом говорится в аналитическом обзоре "Потенциал применения генеративного ИИ для решения инженерных задач" от АНО "Цифровая экономика", касающегося применения технологии в промышленности.

Если говорить о разбивке по направлениям, то ситуация выглядит следующим образом:

▪️объем мирового рынка решений искусственного интеллекта в CAD подрастет с $3,23 млрд в 2025 году до $7,6 млрд в 2030 году;
▪️ИИ для оптимизации процессов/планирования вырастет с $7,8 млрд до $47,9 млрд соответственно;
▪️объём рынка цифровых двойников увеличится с $37,2 млрд в 2025-м до $155,8 млрд в 2030-м году;
▪️ИИ в робототехнике - с $21,5 млрд до $124,8 млрд;
▪️а чат-боты и языковые интерфейсы - с $9,1 млрд до $27,3 млрд.

Лидерами по числу и влиянию публикаций в сфере ИИ являются США, Китай, Индия, Великобритания и Австралия. А Россия, как указано в исследовании, "присутствует в международной научной повестке". Для сравнения, у США 220 публикаций и 5576 цитирований, а у России 18 публикаций и 30 цитирований.

⚙️ Но есть у нас и примеры успешного использования генеративного ИИ для решения инженерных задач. Так, например, АО "РТ-Техприёмка" может похвастаться внедрением генеративного ИИ для поддержки
инженерных процессов, "Северсталь" - для управления технологическим агрегатом непрерывного травления стали, а "Сибур" - для диагностики и предиктивного обслуживания промоборудования.

Среди финансовых эффектов внедрения генеративного ИИ в промышленности и инженерии выделяют:

▪️снижение себестоимости продукции до 30%;
▪️снижение затрат на материалы на 20%;
▪️на НИОКР - до 30%;
▪️отмечают сокращение сроков проектирования до 87%;
▪️сокращение времени подготовки проектной документации на 50–80%;
▪️а трудозатрат инженеров - до 80%.

Короче говоря, интеграция генеративного ИИ в производственные процессы сокращает цикл НИОКР и оптимизирует эксплуатационные издержки, но эффективность решений становится устойчивой только при глубокой интеграции моделей в существующие цифровые
цепочки.

👨‍👨‍👦 К тому же масштабное распространение технологии пока затруднено из-за дефицита кадров в сфере ИИ, недостаточной доступности вычислительных ресурсов, и конечно же сложностей с производственными данными. Но об этом мы вам рассказывали в наших репортажах с недавнего Иннопрома.

™️ МашТех