О выстраивании комплексной системы работы в разных сферах промышленности за счёт агентности говорят эксперты Yandex B2B Tech.
«Агентные решения позволяют переосмыслить подход к проектированию технических и бизнес‑процессов, их выполнению и контролю. От контроля качества и безопасности до продаж и взаимодействия с клиентами — агенты способны брать на себя повторяемые задачи, ускорять принятие решений и помогать компаниям повышать эффективность без существенного роста штата и инфраструктуры», — отмечает Артём Терновых, менеджер по работе с промышленными компаниями Yandex Cloud.
🔴 Ускорение агентного ИИ стало возможным благодаря пересечению трёх ключевых трендов, обращает внимание Артём Терновых:
🔘 Готовность инфраструктуры для ИИ-вычислений.
🔘 Появление MCP, через который агенты подключаются к многоуровневым корпоративным системам. Цель MCP — унифицировать способ обмена контекстом между моделью, клиентом и сервером, упрощая подключение ИИ‑приложений к внешним системам без сложной индивидуальной настройки.
🔘 Качественный скачок больших языковых моделей, благодаря которому они стали более устойчивыми, интерпретируемыми и пригодными для многошагового планирования.
В канале «Битубитех от Яндекса» мы уже рассказывали о некоторых кейсах применения ИИ в промышленности. В том числе Боровичский комбинат огнеупоров значительно оптимизировал работу с документами. «Норникель» — один из лидеров по цифровизации в промышленности. Предприятие внедряет различные решения, используя в том числе инфраструктуру Yandex Cloud. Сейчас один из фокусов — агентские системы, под которые предприятие заново проектирует процессы: не просто ускоряет текущие, а собирает цепочки по‑новому.
Еще один кейс касается Трубной Металлургической Компании. «Мы хотели ускорить поиск аналогов товарно‑материальных ценностей: процесс занимал много времени и не всегда приводил к корректному подбору замен. В итоге мы разработали прототип интеллектуальной системы на базе LLM. Инструмент автоматически находит и сравнивает аналоги товаров, снижая ручную нагрузку и ускоряя цикл принятия решений.
Вторая инициатива была связана с работой с технической документацией. Наши сотрудники тратили значительное время на поиск нужной информации в больших объёмах текстов. Для проверки гипотезы мы применили RAG‑подход на базе генеративной модели. В результате система стабильно отвечала на вопросы по сложным техническим документам, а точность в экспериментах составила около 80%», — рассказывает Александр Лунев, руководитель центра цифровых технологий ТМК++ (ИТ‑кластер Трубной Металлургической Компании).
Подробнее об тренде на ИИ-агентов в промышленности и о других кейсах можно почитать на сайте Yandex Cloud.
Подписывайтесь 👉 @yab2btech