Новости

Интеграция охватывает полный цикл работ: от обоснования инвестиций до выпуска документации и авторского надзора. Применение данных решений обеспечит прирост результативности без увеличения численности персонала, позволит улучшить качество проектов за счёт точного описания объектов и подготовит институт к переходу государственной экспертизы на машиночитаемые форматы.

В основе инженерных решений «Северсталь-Проекта» лежит информационное моделирование: более 80% объектов «Северстали» ведутся с применением BIM/3D-координации. Именно эта цифровая среда стала фундаментом для внедрения ИИ-инструментов. Они снимают с инженеров рутинные операции и формируют узлы будущего цифрового двойника проекта, где вся информация об объекте существует в единой модели. Например, AI-Ревизор автоматически находит несоответствия в документации со ссылкой на нормы, AI-ПК формирует структуру объекта и оценивает затраты, а AI-УЛ рассчитывает трудозатраты.

В разработке ИИ-решений заняты сами сотрудники института – участники внутреннего сообщества «Амбассадоры генеративного ИИ». Они самостоятельно автоматизируют рутинные операции, рассчитывают пожарную нагрузку и управляют рисками. На сегодняшний день собрано около 20 таких проектов, часть из них уже внедрена в ежедневную работу. Также для удобства инженеров внедрены инструменты «единого окна» с готовыми сценариями, не требующие самостоятельного составления сложных запросов.

Все решения постоянно совершенствуются: накопленные данные и обратная связь автоматически повышают точность алгоритмов, формируя единый информационный контур – основу будущего цифрового двойника проекта.

Каждый крупный проект сопровождается кредитной документацией объемом в сотни страниц и десятками дополнительных соглашений. До внедрения платформы специалистам приходилось вручную сверять актуальные редакции договоров, контролировать сроки исполнения обязательств и вести многочисленные Excel-таблицы. Такой подход увеличивал трудозатраты и повышал риск работы с устаревшими версиями документов или пропуска отчетных дедлайнов.

Теперь эти процессы полностью автоматизированы. ИИ-контролер автоматически формирует мастер-версию каждого кредитного договора с учетом всех дополнительных соглашений в хронологическом порядке. Система ведет единый календарь обязательств и заранее предупреждает ответственных сотрудников о приближении дедлайнов. ИИ берет на себя рутинный контроль, позволяя команде сосредоточиться на принятии решений, а не на ручной проверке документов.

Эффект от внедрения оказался ощутимым уже на первых этапах работы. Время на анализ кредитной документации сократилось на 80%, все ковенанты и обязательства по разным банкам-кредиторам объединены в единый цифровой контур, а система готова к аудиту и комплексным проверкам в любой момент. При этом экспертиза больше не зависит от присутствия конкретного сотрудника — знания и контроль процессов стали частью единой интеллектуальной платформы.

Аналитический центр проекта STAQ оценил масштаб использования инструментов ИИ в сфере ретейла в России по итогам I полугодия 2026 года. Доля инструментов искусственного интеллекта в цифровых экосистемах российских ретейлеров в данном периоде составила 26%. Для сравнения, в финансовом секторе доля ИИ-инструментов достигает 30%. Розничная торговля остается на втором месте по насыщенности ИИ на российском рынке: применение ИИ в рознице за полугодие выросло на 22% по сравнению с аналогичным периодом прошлого года, уступив только финансовому сектору (+28%).

Изменилась и структура этого роста. Если раньше ИИ в рознице ассоциировался прежде всего с работой на стороне покупателя — персонализацией, рекомендациями, ценообразованием, — то порядка 60% прироста первого полугодия 2026 года пришлось на операционные сценарии: управление заявками, обслуживание оборудования торговых объектов и поддержку персонала.

По оценке аналитиков STAQ, у этого сдвига три причины. Первая — экономика самой розницы: на фоне замедления роста оборота отрасли и дорогих денег ИТ-бюджеты сетей развернулись с задач роста выручки на сокращение операционных затрат, и ИИ начали оценивать по тем же правилам, что и любую другую статью расходов. Вторая — кадры: розница конкурирует за линейный персонал с доставкой, складской логистикой и производством, и автоматизировать рутину стало дешевле, чем удерживать под нее штат. Третья — накопленные данные: у большинства крупных сетей уже выстроен цифровой учет заявок, оборудования, смен и подрядчиков, а разрозненные системы связаны в единый цифровой контур, поэтому у моделей появилась база, на которой их можно обучать и проверять.

Эксперты выделили ключевых задач, для которых ИИ используется российскими ретейлерами чаще всего. Первая задача — классификация и маршрутизация сервисных заявок. Торговая сеть получает единую точку входа вместо обращений по телефону, почте и в мессенджерах, а система по тексту обращения определяет, идет ли речь об отказе холодильной витрины, сбое кассового узла или протечке, и назначает исполнителя с нужной компетенцией без участия диспетчера.

Вторая задача — прогнозирование отказов торгового и инженерного оборудования. Холодильные установки, кассовые узлы, вентиляция: отказ означает не только ремонт, но также списания товара и потери продаж. Модель отслеживает не сам факт поломки, а предшествующие ей признаки — отклонение температурного режима, изменение частоты включений компрессора, повторяющиеся кратковременные сбои. Далее работает принцип автоматической реакции на события: при выявлении отклонения система сама формирует задачу, назначает ответственного и контролирует срок выполнения.

Третья задача — поддержка диспетчеров и директоров магазинов. ИИ подсказывает приоритет, предупреждает о риске нарушения SLA и подсвечивает объекты, где одна и та же неисправность повторяется несколько раз за квартал, — такие случаи обычно указывают не на поломку, а на системную причину. Применяется тот же принцип контролируемого ИИ, который используется в промышленности: система анализирует данные и формирует рекомендации, но значимые решения остаются за человеком. В распределенной рознице это принципиально, поскольку цена автоматической ошибки на сотнях объектов слишком высока.

Там, где ИИ встроен в сквозной процесс с измеримой метрикой — срок закрытия заявки, доля повторных выездов, простой оборудования, — заказчики оценивают эффект положительно: результат виден в операционных показателях, и его несложно подтвердить. Там, где ИИ внедряли как отдельную технологию без привязки к операционной метрике, ожидания оказались выше результата: точность модели улучшилась, а бизнес-показатель не изменился. В таких проектах постановку задачи нередко пересматривают уже после пилота. Разочарование здесь вызвано не ИИ, а тем, что эффект изначально не был определен.

За полтора года ИИ в рознице сменил место в архитектуре: из витринных сценариев он переместился в бэк-офис и торговый зал, где отвечает за непрерывность работы объектов. Это изменило и экономику масштабирования — сеть может расширяться без пропорционального роста дежурных и диспетчерских служб. Второе следствие — выросла ценность эксплуатационных данных. Учет оборудования, история ремонтов и корректно оформленные заявки превратились из отчетной дисциплины в актив, определяющий, какие сценарии вообще доступны компании. Помимо этого, изменились требования к поставщикам: ретейлеры все чаще запрашивают не отдельную ИИ-функцию, а ее встроенность в процесс — кто получит задачу, как будет проверен результат и по какой метрике оценивается эффект.

Сотрудники ГНИВЦ удаленно получают информационные сообщения от компании, подают кадровые заявления по готовым шаблонам и в свободной форме, оформляют согласия на обработку персональных данных, подписывают кадровые документы, знакомятся с ЛНА. Прием на работу проходит полностью в цифровом формате с идентификацией через Госуслуги. Трудозатраты HR-специалиста и кандидата при оформлении в штат сократились в два раза

Компания самостоятельно развивает систему под свои процессы: настраивает интеграцию с внутренними системами для передачи и подписания документов, созданных вне 1С:ЗУП. С помощью no-code инструментов сформировали маршруты для контроля движения ЛНА: руководитель или ответственный специалист в любой момент видят, кто уже ознакомился с документом, кто отказался подписывать или еще не приступил к выполнению задачи.

В ближайшие два года компания планирует интегрировать архив кадровых документов с общефирменным электронным хранилищем.

«Газпром экспорт» — ключевой оператор экспорта российского газа, для которого критически важны безопасность и непрерывность бизнес-процессов. Перед компанией стояла задача отказа от зарубежной СЭД на базе OpenText Documentum без остановки операционной деятельности.

В рамках проекта реализован бесшовный переход «Газпром экспорт» на импортонезависимую платформу документооборота на базе «Авандок.Платформа» без периода параллельной эксплуатации систем.

Проект уже перешел в стадию промышленной эксплуатации и охватывает ключевые бизнес-процессы компании. В части договорной работы и работы с документами КТ/КИ/ДСП внедрена многоуровневая система защиты конфиденциальных документов. Она включает централизованный запрет удаления файлов, матрицы прав доступа и защиту цифровых документов водяными знаками.

В кадровом ЭДО оцифрованы HR-процессы, включая оформление командировок, отпусков и удаленной работы. Нагрузка на HR-блок снизилась за счет перевода заявлений в электронный формат, а автоподстановка данных сотрудников позволила исключить ошибки ручного ввода.

Для контроля исполнительской дисциплины реализован механизм упреждающего контроля и визуализации в реальном времени с системными уведомлениями об истечении сроков. Также ИТ-служба «Газпром экспорт» получила возможность самостоятельной настройки новых видов документов, отчетов и рабочих столов без привлечения внешних разработчиков, что ускоряет вывод изменений в работу.

Наиболее активно внедрять ИИ в информационную безопасность планируют энергетические предприятия — доля таких компаний достигает 25%. В транспортной отрасли показатель составляет 21%, а в производственном секторе — 18%.

Как отмечают эксперты, промышленность сегодня находится в точке, когда искусственный интеллект из экспериментальной технологии превращается в рабочий инструмент, который интегрируется в ключевые бизнес- и производственные процессы. Это открывает значительные возможности для повышения эффективности, но одновременно требует нового подхода к безопасности. Важно учитывать риски не только на этапе внедрения ИИ, но и на протяжении всего жизненного цикла таких решений — от выбора модели и настройки доступа до контроля действий ИИ-агентов.

Первую версию системы используют более 1 тыс. медицинских организаций России, включая 50% крупнейших коммерческих клиник страны. На базе накопленного опыта «Ростелеком» провел полную архитектурную переработку МИС. «Медиалог 2.0» — полностью импортозамещенное решение с использованием технологий open source. В основе новой МИС лежит микросервисная архитектура, которая обеспечивает высокую отказоустойчивость и масштабируемость системы, а также гибкость при внедрении и развитии функциональности. Платформа поддерживает интеграцию с государственными информационными системами здравоохранения, включая ЕГИСЗ Минздрава России.

Ключевое преимущество системы — возможность интеграции с собственной информационной low-code платформой Pulsar Apps+. С ее помощью ИТ-специалисты «Медси» могут самостоятельно адаптировать систему под уникальные задачи конкретной клиники, что позволяет быстрее реагировать на изменения и не зависеть от вендора при решении типовых задач. В состав базовой поставки также входят подсистема электронных медицинских документов и интеграционная платформа для связи с мобильным приложением «Медси» SmartMed. Через приложение ежегодно совершается свыше 8 млн записей на прием, все эти данные будут обрабатываться в новой МИС.

С помощью нового решение сеть клиник сможет автоматизировать рутинные бизнес-задачи, оперативно отслеживать загрузку врачей и медоборудования, стандартизировать медицинскую помощь и повысить качество обслуживания пациентов.

В Т1 прогнозируют, что объем рынка компьютерного зрения (CV) может увеличиться с 25 млрд руб. в 2025 году до 50 млрд руб. к 2030-му. Технология уже используется не только для распознавания объектов на изображении, но и для контроля многих производственных процессов. Кейсы внедрения доказывают, что ИИ-контроль качества продуктов помогает автоматизировать контроль свежести продукции и сократить долю списаний до 5%, а их стоимость — до 10%.

Однако для достижения подобных показателей важно учитывать не только технические качества модели: высокая точность нейросети сама по себе не гарантирует экономического результата. Модель с точностью более 95% может оказаться неэффективной, если имеет слишком высокую задержку, генерирует большое количество дорогостоящих ложных срабатываний или требует значительных вычислительных ресурсов.

Зрелые CV-проекты необходимо оценивать одновременно на трех уровнях: технологическом, принимая во внимания точность, полноту, задержку сигнала, число кадров в минуту, устойчивость к изменению условий съемки; операционном, для автоматически обработанных событий, учитывая количество предотвращенных инцидентов, сокращение ручных операций, время реакции и доступность системы; финансовом, оценивая снижение OPEX, экономию фонда рабочего времени, предотвращенные потери, стоимость простоев, изменение себестоимости и срок окупаемости инвестиций.

В т1 подчеркивают, что максимальный эффект возникает тогда, когда CV-модель встроена непосредственно в бизнес-процесс и связана с корпоративными ИТ-системами. В этом случае ИИ начинает влиять уже на OPEX, производительность персонала, доступность оборудования, себестоимость продукции и финансовый результат компании.

Следующим этапом развития технологии станет переход от изолированных CV-сервисов к мультимодальным интеллектуальным системам, где данные компьютерного зрения будут объединяться с показаниями датчиков, историей технологических процессов и корпоративными данными. Это позволит использовать ИИ не только для фиксации уже произошедших событий, но и для прогнозирования отклонений и выбора оптимального действия.

Под брендом Rostic’s работает более 1,3 тыс. ресторанов в 74 регионах России — такой масштаб бизнеса требовал перейти от фрагментарных инструментов к единому стандарту управления. Территориально распределенная структура и большое количество ручных процессов увеличивали операционные риски, а отсутствие единого подхода к контролю партнеров и поставщиков ИТ-услуг усложняло сквозной анализ цепочки поставок.

Для реализации проекта была выбрана BI.ZONE GRC — платформа, автоматизирующая процессы кибербезопасности и выполнение требований законодательства. Решение помогает компаниям минимизировать риски нарушений, оптимизировать ресурсы и повысить уровень зрелости кибербезопасности.

Внедрив платформу, компания оцифровала данные контрагентов и автоматизировала оценку рисков 15 поставщиков ИТ-услуг, что существенно сократило нагрузку на команду. Ее запуск позволил выстроить прозрачный и управляемый процесс оценки партнеров и поставщиков ИТ-решений. Значительно сокращены трудозатраты, повысилось качество контроля соответствия требованиям.

Для трансформации комплаенс-процессов проведена централизация данных. Разрозненные сведения о партнерах собраны в единую систему, разработаны стандартизированные шаблоны для проведения оценки. Обеспечена автоматизация контроля. Настроен автоматический расчет показателей соответствия, а также механизмы согласования изменений и контроля устранения нарушений с назначением ответственных.

Кроме того, внедрена система уведомлений и гибкая отчетность для принятия управленческих решений на основе актуальных данных.

Системный интегратор TANAiS отказался от «зоопарка систем» для ведения ИТ-проектов в пользу комплексной и полностью импортонезависимой ИСУП Directum Projects. В компании самостоятельно запустили решения «Планирование проектов» и «Agile-доски». Порог входа оказался минимальным, так как платформа Directum RX уже была основной рабочей средой в компании. Для адаптации ПО компания использовала инструменты no-code/low-code.

Благодаря внедрению и настроенным интеграциям TANAiS сформировала единую среду для проектов, финансового учета, документов, задач. Компания получила возможности для календарно-сетевого планирования, организации проектного документооборота и управления загрузкой сотрудников на канбан-досках. Планирование ресурсов ускорилось в два раза.

Сейчас в системе работают 80 специалистов — весь штат, занятый проектной деятельностью. Снизился ручной контроль, руководители и участники проектов получают необходимую информацию в режиме одного окна. В итоге сквозная аналитика в четыре раза ускорила адаптацию графиков проектов к изменениям.

На следующем этапе компания планирует внедрение решений «Портфели и программы», а также супераппа Directum Omni.