Сейчас AI-агентом принято называть всё, что умеет открыть документ, отправить письмо и бодро составить план из семи пунктов. Для промышленного предприятия этого, мягко говоря, недостаточно.
Авторы нового препринта Enactive Artificial Intelligence предлагают оценивать ИИ не по тому, насколько красиво он рассуждает, а по тому, способен ли он участвовать в реальном цикле принятия решений — с физическими ограничениями, ответственностью и обратной связью.
Архитектура состоит из четырёх частей:
• Organizational World — цели компании, KPI, политики, полномочия и ответственность;
• Site World — реальное состояние оборудования, запасов, людей и производственных ограничений;
• Schema Intelligence — перевод бизнес-целей на язык производственных объектов и допустимых действий;
• Enactive Decision Cycle — решение, исполнение, фактический результат и корректировка следующего решения.
Для mining это выглядит почти как готовое описание AI-native Mine.
Допустим, цель компании — выполнить план производства с максимальной EBITDA.
Но сегодня один экскаватор на ремонте, дробилка ограничивает поток, на складе меняется качество руды, а мельница уже упёрлась в лимит мощности.
Обычный AI-помощник подготовит красивый отчёт и, возможно, порекомендует «повысить эффективность дробления» (спасибо, сами бы не догадались).
Enactive AI должен работать иначе:
понять цель → увидеть текущее состояние всей цепочки → рассчитать несколько допустимых сценариев → передать разрешённые действия в FMS, MES или DCS → получить фактический throughput, recovery и cost → обновить следующее решение.
Именно здесь проходит разница между Mine Copilot и AI-native Mine.
Copilot помогает человеку разобраться в информации. Enactive AI становится частью системы управления — но действует только в пределах заданных ограничений и полномочий.
Важна и другая мысль статьи: локально хорошее решение может ухудшить результат всей системы. Можно увеличить производительность экскаватора, забить дробилку, нарушить blending и в итоге снизить извлечение на фабрике. Каждый участок при этом героически перевыполнил собственный KPI.
✈️ Поэтому следующий этап industrial AI — не ещё один более умный чат рядом с производством. Это единый замкнутый контур:
цель бизнеса → состояние Mine-to-Mill → допустимое решение → исполнение → измеренный экономический результат.
Статья пока концептуальная, а не готовый технический стандарт. Но язык она предлагает очень правильный: ценность ИИ нужно измерять не качеством ответа и даже не точностью прогноза, а тем, улучшил ли он работу всей производственной системы после исполнения решения.
Вот это, на мой взгляд, и есть настоящее определение AI-native Mine.
Enactive Artificial Intelligence — arXiv