Исследование, подготовленное при участии Газпромбанка, «Газпром нефти», ПАО «Северсталь» и ООО «Газинформсервис», посвящено анализу состояния и перспектив рынка промышленного ИИ в России и мире, основным технологическим направлениям, инвестициям, барьерам внедрения, вопросам регулирования и кибербезопасности. В отдельном разделе рассмотрены практические кейсы применения ИИ на предприятиях «Газпром нефти» и «Северстали».
Павел Салугин, Исполнительный Вице-Президент Газпромбанка: «Промышленный искусственный интеллект постепенно переходит от отдельных пилотных проектов к более широкому внедрению в производственные процессы. При этом сама ИИ-модель — только один из элементов таких систем. Для масштабирования нужны: подготовленная ИТ-инфраструктура, качественные данные, необходимые компетенции, механизмы кибербезопасности. Исследование позволяет увидеть потенциал этих технологий, существующие ограничения и практические результаты их применения на промышленных предприятиях».
Иван Эрих, начальник управления инновационной экосистемы и коммерциализации в компании «Газпром нефть»: «Для масштабного применения ИИ в нефтегазовой отрасли нужны не только технологии, но и специалисты, умеющие с ними работать. Поэтому мы развиваем оба направления параллельно: вместе с университетами готовим ИИ-специалистов и обучаем сотрудников, а также создаём специализированную ИИ-модель O1L для нефтяной отрасли. Она нужна, потому что универсальные нейросети не всегда учитывают специфику индустриальных задач, а наша модель обучена на отраслевых знаниях и инструменты на её основе уже помогают инженерам находить нужную информацию и выполнять расчёты. Мы делаем ИИ доступным помощником в повседневной работе инженеров. Это создает основу для широкого применения ИИ в «Газпром нефти». А в перспективе наша ИИ-модель может стать национальной моделью для всей нефтегазовой отрасли».
Александр Бубнов, руководитель центра экспертизы по инновациям и трендам Академии по развитию Бизнес Системы «Севергрупп»: «Для промышленного бизнеса особенно важен переход от отдельных экспериментов к масштабируемым решениям, встроенным в реальные производственные и управленческие процессы. Модель может хорошо показать себя на тестовых данных, но на производстве ей приходится работать с разным оборудованием, неполной телеметрией и высокими требованиями к надёжности и безопасности. Поэтому масштабирование начинается с качества данных и понятной ответственности за результат, а не только с выбора технологии. В совместном отчёте мы рассматриваем рынок промышленного ИИ в России и мире через задачи предприятий: где технологии уже находят применение, что требуется для их внедрения и какие ограничения важно учесть до запуска проекта. Нам было важно отделить перспективные сценарии от тех, для которых пока не хватает данных, инфраструктуры или подтверждённого эффекта».
Лидия Виткова, начальник Аналитического центра кибербезопасности ООО «Газинформсервис»: «По мере того как искусственный интеллект всё глубже встраивается в производственные процессы, защищать только инфраструктуру уже недостаточно. Объектами защиты становятся сами модели, данные, на которых они обучаются и работают, механизмы их обновления, а также логика принятия решений. Для промышленного ИИ особенно важно сохранять контроль над тем, какие данные получает модель, какие действия ей разрешены и как меняется её поведение со временем. Поэтому безопасность должна закладываться на уровне архитектуры и сопровождать весь жизненный цикл ИИ-системы — от разработки и обучения до эксплуатации и обновления. Чем выше автономность системы, тем жёстче должны быть требования к контролю доступа, мониторингу моделей, управлению изменениями и возможности вмешательства человека».
По оценке авторов исследования, мировой рынок промышленного ИИ вырастет с 53,8 млрд долларов в 2025 году до 153,9 млрд долларов к 2030 году при среднегодовом темпе роста 23,4%.
В промышленности ИИ применяется для предиктивной аналитики, компьютерного зрения, управления эффективностью активов, обработки данных, машинного обучения и периферийных вычислений.
Российский рынок промышленного ИИ имеет ряд особенностей. Крупные промышленные компании преимущественно разворачивают ИИ-решения внутри собственных закрытых ИТ-контуров, что повышает требования к вычислительным мощностям и собственной технологической инфраструктуре.
По оценке исследования, на организации промышленного сектора приходится порядка 24% совокупных расходов на цифровые технологии, а объем российского рынка промышленного ИИ в денежном выражении в 2025 году оценивается в 40 млрд рублей.
К 2030 году структура российского рынка может заметно измениться. Объем сегмента платформ машинного обучения, по прогнозу исследования, увеличится с 4,8 до 18,8 млрд рублей, периферийных вычислений — с 1,6 до 10,7 млрд рублей. Сегмент компьютерного зрения может достичь 24,1 млрд рублей против 10,4 млрд рублей в 2025 году. Рынок предиктивной аналитики оценивается в 21,4 млрд рублей к 2030 году против 8 млрд рублей в 2025 году.
В исследовании также сформулированы стратегические контуры развития промышленного ИИ в России до 2030 года. В качестве одного из целевых состояний указано достижение высокой готовности к внедрению ИИ в 95% приоритетных отраслей экономики. Точечные пилотные проекты при этом должны постепенно уступать место типовым отраслевым платформам с готовыми домен-специфичными моделями. Еще один контур связан с развитием вычислительной инфраструктуры и снижением зависимости от импортных аппаратных решений.
Отдельная часть исследования посвящена кибербезопасности промышленного ИИ. Авторы предлагают определять требования к защите с учетом уровня зрелости конкретной ИИ-системы, ее роли в производственном процессе и степени автономности. По мере роста автономности повышаются требования к контролю данных и доступа, мониторингу моделей, управлению изменениями и сохранению человеческого контроля над работой системы.
