ИИ
От пилотов к масштабированию: как получить эффект от внедрения GenAI в промышленности
Компании, которые проводят реинжиниринг процессов с учётом возможностей генеративного AI, достигают масштабирования с измеримыми эффектами: ключевые показатели бизнеса улучшаются более чем на 15%. Однако для промышленных предприятий GenAI пока остаётся полем для экспериментов, а не драйвером трансформации, показывает исследование консалтинговой компании Strategy Partners.
Делимся выводами аналитиков и рекомендациями для крупных производственных компаний, стремящихся к эффективному внедрению GenAI.
Содержание:
Уровень GenAI-зрелости в производственном секторе
По оценкам аналитиков Strategy Partners, средний уровень GenAI-зрелости крупных промышленных компаний в России составляет 2.0 из 5. Это соответствует стадии точечных экспериментов. Большинство организаций пока реализуют единичные инициативы без системного подхода, что приводит к эффекту «застревания» в пилотах.
Несмотря на низкий текущий балл зрелости, интерес к технологии продиктован экономической необходимостью.
Ключевые драйверы спроса:
Сергей Кудряшов подчёркивает: важно начинать постепенное пилотирование и внедрение GenAI уже сегодня, не ожидая «идеальной технологии».
5 основных барьеров масштабирования GenAI-проектов — и как их преодолеть
1. GenAI используется не там, где создаётся ценность.
Крупные промышленные компании применяют GenAI преимущественно во вспомогательных функциях. Такой подход ограничивает потенциальный эффект от внедрения технологии: экономия времени не конвертируется в рост выпуска продукции или снижение простоев оборудования.
Использование GenAI в крупных промышленных компаниях России
Источник: Strategy Partners
2. Формальная стратегия внедрения AI не равна AI-трансформации.
У большинства промышленных компаний (63%) AI-стратегия формально была утверждена, но не стала рабочим инструментом трансформации. Формализм создаёт ложное ощущение прогресса и снижает управленческую мотивацию к реальным изменениям процессов, ролей и ответственности.
3. On-premise — не преимущество, а усложнение пути.
Промышленность делает ставку на локальное развёртывание технологий искусственного интеллекта из-за регуляторных требований. Так, 79% компаний запрещают публичные AI-сервисы, 86% ориентируются на on-premise-модели, требующие собственной вычислительной инфраструктуры, которой у компании может не быть. Самостоятельное разворачивание моделей требует более выверенного подхода к сбору требований и проектированию, а также к расчёту бизнес-кейса.
4. Фокус на экономии вместо достижения новых возможностей.
80% предприятий ожидают от внедрения GenAI в первую очередь экономию времени и снижение затрат, рассматривая технологию через призму снижения затрат на ФОТ (фонд оплаты труда). Тогда как компании с более высоким уровнем GenAI-зрелости при оценке ожидаемых эффектов фокусируются на создании конкурентных преимуществ через инновации.
5. Главный барьер — не технологии, а культура и данные
Компании объясняют медленное внедрение GenAI регуляторикой и внутренними ИБ-требованиями. Однако реальные ограничения лежат глубже — на уровне цифровой культуры организации. Без управляемых данных и навыков персонала GenAI остаётся «чёрным ящиком», которому бизнес не доверяет. Для перехода на уровень, где GenAI может принести значимые эффекты, требуется преодолеть не столько технологические ограничения, сколько организационные и культурные барьеры. Для планирования преодоления барьеров на пути внедрения GenAI Strategy Partners предлагает использовать специально разработанную «Модель AI зрелости компании».
Перспективы применения GenAI в промышленности
По оценкам аналитиков Strategy Partners, в 2026–2027 году отрасль перейдёт от единичных проектов к тиражируемым решениям, появятся референсные кейсы эксплуатации GenAI в производственных процессах.
Ключевые тренды
Главное по тексту
В ближайшие два года в промышленности ожидается переход от экспериментов к массовому применению GenAI с развитием отраслевых платформ и стандартизированных решений. Ключевым фактором успеха становится не разовая реализация проектов, а системная реорганизация процессов под возможности AI, что позволяет улучшать ключевые показатели более чем на 15%.