Новости

Производство «Инроел» охватывает полный цикл металлообработки: от создания образцов до выпуска серийной продукции. В условиях активного роста стало очевидно, что ручной учет больше не отвечает бизнес-требованиям. Компании была нужна современная ИТ-платформа, чтобы видеть полную картину движения материалов и изделий в процессе производства, исключить потерю данных между узлами и оперативно контролировать выполнение заказов.

В качестве центральной учетной системы «Инроел» выбрала «1С:Управление нашей фирмой», которая позволит сохранить гибкость и прозрачность процессов при динамичном развитии бизнеса. В первую очередь было решено провести внедрение ИТ-системы в важнейшем для компании экспериментальном цехе.

Проект охватил функциональные блоки по закупке сырья, передаче материалов в переработку, производству и продаже готовой продукции. Производство «Инроел» включает несколько стадий: каждый узел цепочки обрабатывает металлоизделие, а затем передает заготовку следующему звену в качестве входного материала. Чтобы отразить эту специфику в ИТ-решении, «Корус Консалтинг» выполнил ряд доработок «1С:УНФ» — автоматизировал передачу изделий между узлами и учет производственного брака.

С помощью новой системы менеджмент получает достоверную отчетность о наличии сырья, движении заготовок, а также статусе выполнения заказов. Автоматизация процессов позволила существенно повысить эффективность контроля выполнения операций и сократить трудозатраты сотрудников.

Последовательность изготовления продукции отличается в каждом цехе компании. В будущем архитектура ИТ-системы позволит «Инроел» масштабировать решение на другие подразделения: без ограничений настроить новые маршруты производства и расширить функциональность.

В компании «Девелопмент-Юг» до внедрения Directum RX действовали десятки разных шаблонов договоров и маршрутов согласований. Это замедляло работу и увеличивало риск ошибок. С переходом на цифровую платформу удалось выстроить единую схему документооборота: выделены 18 видов договоров и 11 типов счетов, настроен динамический подбор согласующих и проверка контрагентов.

На следующем этапе компания внедрила искусственный интеллект. Система автоматически сравнивает версии договоров и выделяет отличия, что снижает вероятность пропуска критичных правок. При работе со счетами ИИ помогает формировать маршруты согласования, назначать ответственных и исключает лишние итерации согласований.

Еще одна задача — соблюдение требований законодательства о проектных декларациях. Если раньше юристы лично следили за сроками обновления, то теперь система сама формирует напоминания, запрашивает данные у ответственных и контролирует выполнение задач.

В системе работают 496 пользователей в 80 юридических лицах. Срок согласования договоров сократился на 20%, счетов — на 12%, повысилась прозрачность процессов.

В компании продолжают цифровую трансформацию: планируется сделать процесс сравнения версий обязательной частью согласования договора, перевести в цифру юридические заявки на подготовку документов, интегрировать систему с сервисами ЭДО и рассмотреть внедрение Directum HR Pro для кадрового документооборота.

Основной задачей решения, внедренного на Череповецком металлургическом комбинате, стало управление скоростью технологической части агрегата. Ранее этот процесс полностью зависел от действий оператора, который вручную выставлял параметры линии, основываясь на своем опыте и общепринятых значениях производительности для конкретного сортамента металла. Такой подход нередко приводил к неоптимальному использованию производственных мощностей. Кроме того, скорость травления могла варьироваться в зависимости от оператора, что не позволяло получать максимально возможный объем производства.

Новая система в режиме реального времени анализирует ключевые параметры продукции и состояния агрегата и автоматически задает оптимальную скорость работы технологической части НТА-4. Также модель прогнозирует длительность паузы в головной и хвостовой частях агрегата, что позволяет минимизировать простои и повысить общую производительность.

Для отработки управляющих воздействий модели был разработан цифровой двойник НТА-4. Это виртуальная копия агрегата, которая позволила специалистам тестировать алгоритмы в безопасной среде до их внедрения на реальном производстве. Такой подход обеспечил высокую надежность решения и снизил риски, связанные с его интеграцией.

Как отмечает Светлана Потапова, руководитель кластера «Искусственный интеллект» «Северстали», благодаря использованию этого решения за три месяца удалось увеличить производительность НТА-4 на 4%, а экономический эффект составил 273,5 млн руб. Решение стало одним из первых крупных проектов, реализованных в замкнутом контуре АСУТП.

От автоматизации к автономии

«Цифровые сотрудники» выходят на промышленную эксплуатацию. Мировые банки уже автоматизировали до 84% клиентских сервисов с помощью ИИ. По данным Juniper Research, инвестиции в технологию достигли $6 млрд в 2024 году и, по прогнозам, превысят $85 млрд к 2030 году. Этот тренд подтверждается исследованием KPMG: 85% финансовых руководителей верят, что внедряющие ИИ компании получат устойчивое конкурентное преимущество. В банкинге ИИ-скоринг сокращает время одобрения кредитов в три раза, а виртуальные ассистенты обрабатывают до 90% типовых запросов. В страховании обработка убытков сократилась с недель до часов – алгоритмы анализируют фото повреждений и сразу оценивают стоимость ремонта.

Персонализация вместо унифицированных услуг

На смену стандартным предложениям приходят динамические сервисы, работающие на данных в реальном времени. ИИ-помощники анализируют поведение клиента, его транзакции и даже данные носимых устройств, чтобы предлагать персонализированные финансовые и страховые продукты. В страховании жизни тариф может меняться в зависимости от образа жизни клиента, поощряя здоровые привычки. Согласно исследованию KPMG, 74% страховых компаний видят в ИИ инструмент для роста, а не только для сокращения издержек.

Гибридная инфраструктура как новый стандарт

По данным KPMG, пилотные проекты по использованию ИИ в банковском секторе обычно стартуют в облачных средах. Однако впоследствии 76% финансовых организаций переносят рабочие ИИ-нагрузки на собственные серверы или гибридные модели. Это обусловлено несколькими причинами. Во-первых, это жесткие требования регуляторов к хранению и суверенитету данных. Во-вторых, растущие угрозы кибербезопасности: по данным Positive Technologies, финансовая отрасль входит в топ-5 самых атакуемых киберпреступниками индустрий – на нее пришлось 5% успешных кибератак за 2024 и первый квартал 2025 года во всем мире и 7% в России. В-третьих, достаточная производительность отечественных аналогов систем NVIDIA DGX, которые успешно справляются с большинством задач. Примечательно, что лишь 25% финансовых организаций имеют стратегически выстроенные облачные платформы.

Управление рисками и доверием

ИИ способен стать своего рода «антикризисным щитом». Искусственный интеллект сегодня – не только инструмент для заработка, но и средство защиты бизнеса. Алгоритмы в режиме реального времени анализируют транзакции и предотвращают миллиардные убытки от мошенничества: в 2023 году одна из мировых платежных систем таким образом защитила 40 млрд долл. В комплаенсе GenAI-чаты ускоряют анализ тысяч страниц нормативных документов и помогают соблюдать требования законодательства. Модели также позволяют прогнозировать уход клиентов за 30 дней до события, давая бизнесу возможность действовать на опережение.

Что касается российского рынка, то, по данным АФТ, лишь 10–15% проектов с генеративным ИИ в российских финансовых организациях доходят до промышленной эксплуатации, и только 20–25% из них дают заметный экономический эффект. Тем не менее, успешные примеры есть: «закрытые контуры» с on-premise решениями для скоринга, гибридные системы, сочетающие облачные и локальные мощности для аналитики, а также open source модели с дообучением на банковских данных.

Эволюция бизнес-моделей: переход в экосистемы

Самые продвинутые игроки рынка используют ИИ для создания новых бизнес-моделей и выхода за традиционные отраслевые рамки. Банки-платформы, например, Ping An или BBVA, трансформируются в комплексные экосистемы, интегрирующие финансовые, страховые, медицинские и ретейл-услуги в едином интерфейсе под управлением ИИ. При этом меняется сам подход к клиентскому сервису: вместо реактивного реагирования на запросы система становится проактивной, предугадывая потребности пользователей. Например, она может предложить кредит перед планируемой крупной покупкой или автоматически скорректировать параметры страхового покрытия в зависимости от изменения погодных условий.

Как отмечают в НейроТех, в России ИИ-проекты выходят на промышленный уровень, однако сталкиваются с инфраструктурными ограничениями. Ключевая задача сейчас — создание гетерогенной структуры управления ресурсами, объединяющей публичное облако и частные инсталляции. Это позволит быстро получать необходимые мощности и соблюдать внутренние и внешние регуляции, но потребует от компаний зрелых внутренних процессов и готовности команд. Важным аспектом является внедрение ИИ в системы информационной безопасности для опережающего реагирования на угрозы.

Консалтинговая компания TRIADA Partners (бывшие партнеры и консультанты Mckinsey & Company) проанализировала данные по использованию технологий искусственного интеллекта более 10 крупнейших компаний-клиентов, крупных и средних бизнесов на российском рынке в сегментах горной добычи, металлургии, добычи нефти и строительной отрасли. Согласно их данным, около 70% исследуемых корпораций на текущий момент не окупили инвестиции в технологии искусственного интеллекта, в том числе, генеративного.

Также 70% российских компаний уже применяют ИИ в своей работе по результатам исследования Центра аналитических продуктов VK Predict и Prognosis. На текущий момент средний срок окупаемости инвестиций в ИИ-технологии для российских компаний составляет в среднем два-три года. Но по прошествии этого периода многие бизнесы по-прежнему не могут компенсировать понесенные затраты. Наиболее остро данный вопрос стоит для промышленности – компании данной специализации внедряют ИИ в целях оптимизации производственных процессов и проведения предиктивной аналитики. Компании энергетики и сырьевых отраслей используют технологии искусственного интеллекта для предсказания аварий и оптимизации логистики. В госуправлении и обороне ИИ интегрируют для анализа больших данных. Стоимость готовых ИИ-решений (модель и поддержка) у вендоров сегодня превышает десятки и даже сотни миллионов рублей, а также обязывает компании делиться с вендором данными, что вызывает опасения в вопросах безопасности и реальной ценности сделки для обеих сторон.

Основными причинами, которые препятствуют своевременному возврату инвестиций, в TRIADA Partners считают отсутствие единой стратегии и координации ИИ-проектов, что приводит к конфликтующим решениям, а также несистемность трансформаций. Одиночные пилоты, по мнению экспертов, не дают системного эффекта, необходимо охватывать все ключевые и поддерживающие функции – производство, маркетинг, HR, закупки, финансы, юристы.

Аналитики также обозначили, что окупить инвестиции в технологии ИИ позволит коммерциализация и вывод собственных разработок на рынок, когда успешные корпоративные проекты становятся самостоятельным продуктом или сервисом для внешнего рынка или когда в рамках экосистемы корпорации предлагают ИИ-платформы партнерам и клиентам. Кроме этого, важно приоритизировать кейсы с ощутимым эффектом, решающие конкретные бизнес-задачи и ставить четкие цели и KPI. Имеет значение степень адаптации организационной структуры под ИИ. По мнению экспертов, лучшая практика — это гибридная модель, при которой создается центр ИИ-экспертизы для разработки методологии, стандартов и обучения, а также формируются проектные команды в бизнес-единицах для внедрения в конкретные процессы.

Усредненное распределение бюджета компаний на процесс интеграции технологий ИИ происходит следующим образом: затраты на разработку и обучение модели (25%), формирование команды разработчиков и обучение персонала (25%), процесс интеграции в текущую IT-инфраструктуру, включая перестройку IT-ландшафта, закупку облака и лицензий (15%), создание датасета для сбора и обработки данных (15%), создание условий для тестирования и эксплуатации, включая энергопотребление (10%), управление изменениями, то есть перестройка процессов и ролей (5%) и риск-менеджмент (5%).

Как подчеркивают аналитики, скорость и повсеместность интеграции ИИ имеет обратную сторону – пока не для всех компаний очевидна эффективность таких технологий, правильный алгоритм их внедрения и использования, что приводит к увеличению сроков окупаемости инвестиций. В сложившейся ситуации бизнес находится в поиске решений оптимизировать затраты. Все больше компаний прибегают к использованию open source решений – среди компаний-клиентов TRIADA Partners более половины предпочитают ИИ-модели с открытым кодом. Такие модели бесплатны, инвестиции требуются только в инфраструктуру и составляют 50-100 млн руб.

Решение NGFW Novum работает на собственном сетевом стеке с использованием технологий DPDK и VPP. Они обеспечивают прямой доступ к сетевым картам с минимальными задержками и ускоряют пакетную обработку на многоядерных системах. Полнофункциональный межсетевой экран корпоративного уровня с собственным прокси-сервером, сигнатурами и DPI обеспечивает производительность до 200 Гбит/с и способен обрабатывать до 1 млн TCP-сессий в секунду. Файрвол с собственным компилятором правил обрабатывает трафик при 100 тыс. правил для 500 тыс. пользователей и групп безопасности.

Межсетевой экран обладает всеми необходимыми современными функциями. Возможности файрвола усиливает облачная защита DNS, которая обнаруживает и блокирует DNS-туннелирование в первые минуты появления аномалий, включая защиту от Botnets & C2C, Cryptojacking, DGA, Malware, Phishing & Typosquatting, Ransomware. А технология виртуальных контекстов (VCE) позволяет создавать на одном устройстве несколько изолированных виртуальных копий NGFW с разделением ресурсов (оперативная память и ядра процессора) и управлением сетевыми политиками для разных сегментов.

Продукт поддерживает кластеризацию в режиме active-passive с синхронизацией сессий и конфигурации виртуальных контекстов между узлами, что обеспечивает полную отказоустойчивость. Также предусмотрена работа с LACP-интерфейсами в кластере. Новой фичей является в том числе и режим L2-мост (Virtual wire), позволяющий интегрировать решение без перестройки существующей сети, обеспечивая быстрый запуск пилотных проектов.

Кроссплатформенный клиент для удаленного доступа с поддержкой основных корпоративных операционных систем Ideco Center обеспечивает централизованное управление enterprise-класса до 10 тыс. устройств из единого интерфейса. Система позволяет централизованно настраивать политики безопасности и сетевой фильтрации, собирает логи и консолидирует события перед отправкой в SIEM-системы. Решение поддерживает интеграцию с корпоративными каталогами пользователей до 500 тыс. учетных записей и групп безопасности с синхронизацией не более 30 секунд. Также предусмотрена консолидация с другими решениями ИБ через syslog, ICAP, SNMP, NetFlow, Zabbix.

СЭД «Ростелекома» — современное, гибко настраиваемое и удобное в эксплуатации отечественное решение, которое позволяет организовать работу с документами в электронном виде. Система создана на базе современной low-code платформы для управления корпоративным контентом и решения смежных задач в различных отраслях бизнеса.

Основные задачи проекта заключались в разработке системы управления документооборотом (включая корреспонденцию, внутреннюю документацию, договорные и организационно-распорядительные документы), интеграции с существующими информационными системами, упрощении обработки документов, а также обеспечении комплексного администрирования. Проект реализован «БФТ-Холдингом» и разработчиком платформы «Авандок» — компанией «Корус Консалтинг».

Переход на новую платформу выполнен бесшовно: все данные (документы, задачи, поручения, отчеты, история принятых решений, справочные материалы и индивидуальные пользовательские настройки) были перенесены в новую платформу без перерыва в рабочем процессе.

Вводу СЭД в промышленную эксплуатацию предшествовали комплексные испытания производительности, которые подтвердили не только соответствие системы всем заявленным требованиям, но и значительный запас прочности. В ходе тестирования при целевой нагрузке, превышающей 30 тыс. параллельных пользовательских сессий в течение 8 часов, система стабильно обработала 450 тыс. различных сценариев и сформировала более 220 тыс. объектов документооборота. Отмечено безупречное выполнение операций экстремальной нагрузки — экспорт 10 тыс. записей, отправка документа 20 тыс. пользователей и изменение 1 тыс. связанных документов. При этом ключевые показатели производительности значительно превзошли нормативы: время отклика интерфейса не превышало 1 секунды при норме в 2 секунды, время входа в систему составило всего 0,6 секунды против требуемых 5 секунд, а 99,4% поисковых операций были выполнены в пределах 2 секунд при стабильной утилизации серверов не более 80%.

Для мониторинга оборудования «СервисТелеком» применяет интеллектуальную систему комбинированного опроса по различным протоколам, таким как SNMP, CLI, SSH, ICMP, а также используется агентский мониторинг для ряда серверов. С целью проверки доступности телефонных номеров используется модуль SIP-проб. Naumen Network Manager автоматически обзванивает указанные номера, оценивая работоспособность услуг телефонии.

С помощью процесса автодискаверинга система находит новые устройства в инфраструктуре и подбирает подходящий шаблон опроса из готовой библиотеки. Также автодискаверинг умеет собирать данные агентским способом. Если обнаружено оборудование, на котором развернуто агентское ПО, то в систему поступает информация о новом объекте мониторинга и настраивается сбор метрик.

Собранные данные автоматически обрабатываются и учитываются при расчете состояния оборудования и сервисов. На основе полученных значений метрик в системе формируются дашборды для руководителей и специалистов. Например, для контроля SLA рассчитываются среднее время восстановления, MTBF («наработка на отказ») и уровень доступности в процентах. Для оперативной аналитики разработан дашборд, который выводит информацию о доступности всех устройств на один экран.

В быстром реагировании на инциденты помогают специальные триггеры, которые срабатывают при изменении заданных пороговых значений метрик. Если в инфраструктуре случается сбой, специалисты сервисного центра получат автоматические уведомления на почту и в Телеграм.

В дальнейших планах — включить в контур проекта все элементы ИТ-инфраструктуры для автоматического контроля систем и услуг. Кроме того, провести инвентаризацию и картографию инфраструктуры: составить карты серверов, сетевых устройств, сервисов. Последующая интеграция с системой класса Service Desk поможет в настройке механизмов реагирования на аварийные события.

В рамках опроса респондентов просили назвать направления в рамках сферы HR, в которых ИИ будет наиболее полезен в перспективе одного-двух лет. 40% опрошенных отметили перспективы инструментов для автоматизации найма, в том числе для анализа резюме и саммаризации интервью с кандидатами. На втором месте — ИИ-инструменты для корпоративного обучения: в их перспективы больше всего верит треть респондентов. Среди конкретных сценариев применения называют генерацию обучающих материалов и автоматизацию проверки знаний.

Всего 18% HR-профессионалов считают, что ИИ будет наиболее полезен для борьбы с оттоком кадров. По их мнению, технология позволит отслеживать признаки выгорания сотрудников на основе речевой аналитики — таким образом, HR-специалисты смогут вовремя предпринимать необходимые меры.

Меньше всего опрошенных отмечают пользу ИИ для коучинга и индивидуального развития сотрудников. Только 11% HR-профессионалов считают таких ИИ-агентов наиболее перспективной технологией ближайших двух лет.

Платформа GenAI, запущенная в «Северстали», позволяет создавать ИИ-ассистентов, которые генерируют и анализируют текст, интегрируются с корпоративными системами для быстрого поиска информации, анализируют файлы и извлекают из них нужные данные, а также находят данные в интернете. Их можно использовать для проверки или улучшения контента – например, отчетов или презентаций, а также для решения задач, которые требуют поиска закономерностей в больших объемах данных.

Сотрудник может настроить своего ассистента в интуитивно понятном интерфейсе, не обладая навыками программирования или специфическими знаниями. Для этого нужно составить текстовый запрос, показать источник данных, выбрать одну из нескольких доступных больших языковых моделей (LLM) и задать параметры. Один клик – и ассистент размещен на платформе или в корпоративном мессенджере. Им также могут пользоваться и другие сотрудники компании.

Пользователям платформы доступны несколько установленных моделей: для обработки текста и изображений, размышлений и генерации изображений или кода. Продукт является собственной разработкой компании, но в то же время использует компоненты open source, отдельные решения российских вендоров и модели ИИ, разработанные другими компаниями.

Сейчас к платформе подключены 500 пользователей, они работают над 200 решениями. В планах – в 2026 году обеспечить массовый доступ, создать полную мультимодальность, настроить гиперсонализацию и сделать на платформе конструктор для создания мультиагентных систем в связке с корпоративными системами. Среди первых результатов – прикладное применение генеративного ИИ в области технологии производства, управления персоналом, в закупках, финансах и ремонтной функции. Например, создан ассистент, который обрабатывает запросы в службе поддержки, система протоколирования совещаний, ассистент для анализа отчетов вибрационного состояния агрегата и многие другие.

Как отмечает Владимир Сидоров, руководитель кластера «Стратегия и новые технологии» «Северсталь-инфокома», практическое изучение возможностей генеративного ИИ для потребностей «Северстали» было начато еще в 2023 году, когда пробовали все доступные на тот момент нейросети – как российские, так и зарубежные. В компании выбрали первые 300 пользователей из разных функций, которые предложили 80 гипотез, как можно было бы применить ИИ в ежедневной работе. 40 гипотез оправдали ожидания и подтвердили эффект – например, экономию времени или улучшение качества контента.

Ранее потенциал применения генеративного ИИ в реальных задачах сотрудников «Северстали» ограничивали риски в области информационной безопасности и отсутствие возможности интеграции с корпоративным ПО. Собственная платформа позволяет безопасно использовать инструменты на базе генеративного ИИ и встраивать их во все процессы компании как базовый элемент экосистемы. Цель компании – в 2026 году подтвердить значимые экономические эффекты на уровне PnL компании, запустить в продуктивную эксплуатацию первых автономных ИИ-агентов и перейти к масштабному внедрению во все процессы.