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
• 5 основных барьеров масштабирования GenAI-проектов и как их преодолеть
• Перспективы применения GenAI в промышленности
• Главное по тексту

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:

• Экономическое давление. Рост издержек и замедление инвестиций заставляют искать способы кратного повышения производительности.
• Кадровый дефицит. GenAI становится инструментом компенсации нехватки специалистов.
• Доступность и конкуренция. По словам партнёра практики «Цифровая трансформация» Strategy Partners Сергея Кудряшова, широкая доступность публичных сервисов GenAI, конкурентное давление на рынке и запрос на инновации со стороны топ-менеджмента — основные причины, почему генеративный искусственный интеллект становится востребованным именно в крупном промышленном секторе.
• Прикладной интерес. Согласно исследованию, 42% предприятий уже планируют или развернули GenAI для управления производством, а 29% — для ускорения этапов проектирования и исследований (R&D). Почти 50% крупных российских промышленных компаний рассматривают возможность внедрения генеративного искусственного интеллекта в производство.

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

• Что делать бизнесу. Начинать с некритичных процессов оправдано, однако портфель GenAI-инициатив должен включать кейсы, привязанные к операционным показателям эффективности, — без этого масштабирование невозможно.

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.

• Что делать бизнесу. Сместить фокус со стратегии «на бумаге» на портфель приоритетных бизнес-кейсов — с фиксацией ответственных, бюджетами, понятной экономикой. Стратегия должна быть следствием практики, а не её заменой.

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.

• Что делать бизнесу. Рассмотреть возможность применения облачных генеративных моделей с соблюдением требований конфиденциальности — через гибридные подходы, локальное размещение и протоколы управления данными.

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.

• Что делать бизнесу. Фокусироваться на новых возможностях: ускорении критичных процессов, повышении качества принимаемых решений, масштабировании экспертизы. Начинать оценивать бизнес-эффекты от реализации AI-инициатив нужно на этапе пилота.

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».

Барьеры внедрения GenAI в промышленности

Источник: Strategy Partners

• Что делать бизнесу. Использовать системный подход на базе модели зрелости. Инвестировать не только в модели, но и в качество данных, а также развивать культуру работы с ними до начала пилотных проектов. Систематически обучать сотрудников разных уровней (включая специалистов производственных процессов) промпт-инжинирингу, валидации данных, информационной безопасности. Повышать AI-культуру и демонстрировать бизнес-ценность решений, чтобы снизить недоверие к технологии.

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

• На рынке развиваются специализированные платформы с готовыми доменными моделями для промышленности, обеспечивающие более быстрое встраивание GenAI в операционные процессы без необходимости кастомизации с нуля.
• Укрепляются позиции отечественных GenAI-платформ, таких как GigaChat, адаптированных к специфике российской нормативной базы, инфраструктуре и производственным процессам.
• Расширяется внедрение AI-помощников для поддержки рабочих процессов на производстве — от оптимизации логистики до помощи специалистам в реальном времени.
• Ожидается активное применение передовых облачных генеративных моделей с параллельным соблюдением требований конфиденциальности.

• Чтобы быть в курсе важных трендов и мнений ведущих экспертов, следите за нами в телеграм-канале. О развитии навыков управления, личностном росте пишем в «Дзене». Про технологии и развитие в IT — в блоге на VC.