Согласно отчету Gartner (www.gartner.com/en/newsroo...), 2025 год стал переломным моментом в развитии искусственного интеллекта. Индустрия совершает стратегический поворот от широкого резонанса вокруг генеративного ИИ (GenAI) к планомерному формированию фундаментальных основ для масштабируемого и устойчивого внедрения искусственного интеллекта.
Генеративный ИИ (GenAI) входит в «Стадию разочарования» (Trough of Disillusionment). Первая волна эйфории прошла: компании столкнулись с трудностями в демонстрации измеримой ценности и ROI. Несмотря на значительные инвестиции (в среднем $1,9 млн на инициативы в 2024 году), менее 30% ИИ-лидеров сообщают об удовлетворенности CEO окупаемостью вложений.
При этом в течение двух лет ожидается переход GenAI в практику промышленной эксплуатации. Исследование Фонда «Сколково» демонстрирует значительные эффекты от внедрения GenAI-решений в промышленности:
Ускорение проектирования изделий на 30–80%, включая автоматизацию формирования документации и проверки соответствия техническим и нормативным требованиям.
Сокращение простоев оборудования до 50% по сравнению с традиционными подходами благодаря интеграции GenAI с предиктивной аналитикой и системами планирования.
Снижение объема избыточных запасов на 40–60% за счет синхронизации данных спроса с поставщиками сырья.
Сокращение времени оптимизации логистических цепочек до 10–15 минут при комбинированном применении GenAI, машинного обучения (ML) и систем классов SCM, TMS, WMS.
Внедрение генеративного ИИ в промышленности включает интеграцию больших языковых моделей (LLM) в управленческие контуры, связку с MES/ERP/PLM-системами для решения конкретных задач, а также обеспечение глубокой синергии с другими AI/ML-технологиями и цифровыми двойниками, что открывает новые возможности для повышения эффективности и инноваций в производственных процессах.
AI-агенты и AI-ready data находятся на «Пике завышенных ожиданий» (Peak of Inflated Expectations). AI-агенты обещают автономное выполнение сложных задач, но сталкиваются с проблемами безопасности и доверия. Концепция AI-ready data (данные, готовые для использования в ИИ) стала актуальной, поскольку 57% организаций признают, что их данные не готовы для эффективного использования ИИ.
Инженерия ИИ (AI Engineering) и ModelOps движутся к «Плато продуктивности». Эти дисциплины становятся критически важными. AI Engineering – это фундамент для надежного развертывания AI-решений, а ModelOps обеспечивает сквозное управление жизненным циклом моделей, помогая переводить пилоты в промышленную эксплуатацию.
Composite AI – фундаментальная стратегия для объединения различных техник ИИ. Композитный ИИ - определяет архитектурную основу для взаимодействия множества специализированных моделей и обеспечивает инфраструктуру для мультиагентных систем.
Таким образом, несмотря на текущие вызовы и переход на более зрелые стадии, внедрение GenAI и связанных технологий в промышленности открывает значительный потенциал для оптимизации процессов и достижения устойчивой масштабируемости. В ближайшие годы именно системный подход к интеграции ИИ и развитию инженерных практик станет ключом к успешной цифровой трансформации.