Хочу поделиться кейсом!
Ваша компания использует генеративный AI в продуктах, проектах и бизнес-процессах? Смело рассказывайте о своем опыте на страницах проекта Generation AI!
Правила отбора
Правила отбора
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
У вас есть вопросы и предложения? Напишите нам!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите такой же кейс, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Хотите внедрить GenAI в свои бизнес-процессы, но не знаете, с чего начать?
Запишитесь на консультацию, и наш эксперт ответит на ваши вопросы о генеративном AI!
Нажимая кнопку «Отправить», я даю свое согласие на обработку файлов cookie в соответствии с Политикой обработки персональных данных.
Сентябрь 2025
Ксения Иванчикова
Редактор Generation AI
Редактор Generation AI
Тренды применения генеративного AI в промышленности: мировые кейсы
Генеративный AI постепенно выходит за пределы офисных задач и начинает менять промышленность. Здесь компании двигаются осторожно, но первые результаты внедрения искусственного интеллекта в промышленность уже есть — от ускорения проектирования до оптимизации логистики.
Фонд «Сколково» представил исследование «GenAI в промышленности. Тренды, сценарии, кейсы», где проанализированы более 150 российских и зарубежных практик. Выводы однозначны: в ближайшие 1–2 года успешные пилоты перейдут в промышленную эксплуатацию. Мы проанализировали исследование фонда «Сколково» — делимся самыми интересными выводами и кейсами.
Фонд «Сколково» представил исследование «GenAI в промышленности. Тренды, сценарии, кейсы», где проанализированы более 150 российских и зарубежных практик. Выводы однозначны: в ближайшие 1–2 года успешные пилоты перейдут в промышленную эксплуатацию. Мы проанализировали исследование фонда «Сколково» — делимся самыми интересными выводами и кейсами.
ИИ в промышленности: тренды
Внедрение ИИ в промышленности 2025 происходит очень быстро. Вот что в фокусе:
Мультиагентные системы
Если раньше компании работали с одной моделью, то теперь в моду входят «команды» AI-агентов. Они могут распределять задачи: один ищет данные, второй проверяет, третий делает прогноз. Такой подход удобен для сложных производственных процессов, где важна слаженность.
RAG (Retrieval-Augmented Generation)
Почти стандарт: модель «подтягивает» в ответ свежие данные из базы или документации. Это особенно важно для нейросетей в промышленности, где ошибка в инструкции может стоить миллионы. Уже идут эксперименты с RAG для видеоаналитики, например, чтобы оценивать поведение оборудования по камерам.
Новые подходы к обучению моделей
Обучать ИИ на огромных массивах данных становится слишком дорого. Поэтому развиваются методы, где нужно меньше данных или модель «доучивается сама». Это открывает дорогу маленьким отраслевым моделям (SLM) — например, для анализа работы станка или конкретного производственного процесса.
Данные как продукт
Если раньше компании ревниво прятали свои данные, то сейчас формируется рынок отраслевых AI-маркетплейсов. Уникальные датасеты становятся таким же товаром, как станки или сырьё.
AI-агенты и копилоты
По прогнозам Gartner, к 2025 году в мире продадут 114 млн ноутбуков с встроенными ИИ-копилотами. В промышленности это «со-пилоты» для инженеров и операторов, которые помогают быстрее находить ошибки или проверять параметры оборудования.
AI Governance — контроль за AI
В США и Европе активно развивают платформы для управления ИИ: соблюдение законов, этика, защита данных. Для промышленности это вопрос безопасности — например, при использовании ИИ в химической или энергетической отрасли.
Энергоэффективные вычисления
Обучать AI — очень энергозатратно. Поэтому растет интерес к новым типам вычислений: квантовым, фотонным, нейроморфным. Gartner прогнозирует: к 2028 году 30% AI-решений будут «зелеными».
Синтетические данные
Вместо реальных данных (часто дефицитных или конфиденциальных) компании используют сгенерированные. Gartner считает, что к 2026 году 75% компаний будут применять этот подход. Например, автопроизводитель может смоделировать миллионы дорожных ситуаций без риска для водителей.
Физический AI
Новая волна трендов ИИ в промышленности — модели, которые понимают физику и пространственные отношения. Это важно для робототехники или проектирования зданий: AI учитывает законы реального мира, а не только текст или цифры.
Кейсы ИИ в промышленности: от разработки софта до предиктивного обслуживания
Исследования и разработка
Rolls-Royce Aerospace (Великобритания) — новые сплавы
Инженеры Rolls-Royce подключили платформу Alchemite™, которая умеет находить скрытые закономерности даже в неполных и шумных данных. AI подсказал, какие рецептуры сплавов стоит попробовать и какие эксперименты важнее всего.
Результат: новый сплав разработали и проверили, проведя на 90% меньше экспериментов, чем обычно. Экономия — более 10 млн фунтов стерлингов.
Insilico Medicine (Гонконг) — лекарства нового поколения
Биотех-компания использовала платформу Chemistry42, где более 40 AI-моделей генерировали и проверяли молекулы. Так удалось найти новый ингибитор PHD, который помогает организму вырабатывать эритроциты — потенциальное лекарство от анемии при хронической болезни почек.
Результат: процесс разработки лекарства ускорился и стал дешевле. Препарат уже считается прорывом в фарме.
Botswana Diamonds (Великобритания) — поиск алмазов
Компания внедрила платформу Xplore, которая с помощью AI проанализировала сотни тысяч геологоразведочных данных — от проб почвы до аэросъемки. Алгоритмы не только обработали массив информации, но и сгенерировали новые гипотезы о месторождениях.
Результат: нашли 7 новых кимберлитовых целей и перспективные зоны с золотом, медью, серебром и платиной. Компания уже подала заявки на новые лицензии.
Генеративное проектирование
GE Aviation (США) — экономичнее и легче реактивные двигатели
GE вместе с Autodesk Research использовали генеративный дизайн для улучшения конструкции реактивных двигателей. AI помог оптимизировать усиления и линии охлаждения так, чтобы двигатель выдерживал экстремальные нагрузки и при этом был более экономичным.
Результат: масса деталей снизилась примерно на 30–35%, давление жидкости уменьшилось на 91%, а экономия тепловой энергии составила около 16 ГДж, что напрямую влияет на расход топлива и выбросы CO₂.
LEAP 71 (ОАЭ) — ракетный двигатель за 3 недели
Дубайская компания LEAP 71 разработала собственную AI-систему Noyron, которая полностью спроектировала ракетный двигатель Aerospike. От идеи до прототипа ушло всего три недели вместо месяцев и лет в традиционной разработке. Фишка двигателя в том, что он автоматически подстраивается под условия атмосферы и остается эффективным на разных высотах.
Результат: создание рабочего прототипа заняло всего три недели, а новая архитектура двигателя сделала его проще в производстве и надежнее в эксплуатации.
ICON (США) — AI-дизайнер домов
Компания ICON, известная проектами 3D-печати зданий, представила платформу Vitruvius. Она умеет проектировать дома под клиента — от архитектурного стиля до планировки, учитывая строительные нормы. Пользователь вводит параметры вроде «дом на три спальни в средиземном стиле», и AI предлагает готовые варианты.
Результат: можно быстро и недорого создавать качественные проекты жилья, которые не уступают по дизайну работам профессиональных архитекторов.
Obayashi Corporation (Япония) — фасады по клику
Вместе с SRI International компания разработала систему AiCorb®, которая превращает фотографии и чертежи в готовые варианты фасадов зданий. Один алгоритм генерирует дизайн в 2D, второй превращает его в 3D-модель для согласования с заказчиком.
Результат: архитекторы получают десятки вариантов за считанные минуты и быстрее приходят к консенсусу с клиентами по итоговому проекту.
Производственные процессы
Bosch (Германия) — контроль качества без ручной проверки
Bosch внедряет генеративный AI на заводах в Германии, чтобы заменить ручную проверку компонентов системы впрыска топлива. Алгоритмы создают синтетические изображения, учатся на них и распознают дефекты, передавая только «сомнительные случаи» людям. Такие ИИ в промышленности кейсы показывают, как синтетические данные помогают ускорить обучение моделей.
Результат: время тестирования компонентов сократилось с 3,5 до 3 минут, а запуск новых AI-приложений теперь занимает недели вместо месяцев.
Siemens (Германия) — AI-помощник для обслуживания
Компания развивает Industrial Copilot для ремонта, профилактики и предиктивного обслуживания оборудования. Решение на базе Microsoft Azure объединяет инструкции для инженеров с возможностью прогнозировать поломки. Это пример того, как ИИ в производстве становится частью повседневной работы.
Результат: время на реактивное обслуживание сократилось в среднем на 25%.
Schneider Electric (Франция) — copilot для инженеров и операторов
Совместно с Microsoft компания представила AI-помощника в платформе EcoStruxure Automation Expert. Он интегрируется с разными системами и помогает инженерам работать с данными в реальном времени — от диагностики до предиктивного обслуживания. Такие решения — один из главных трендов ИИ в промышленности последних лет.
Результат: упрощение инженерных процессов и снижение нагрузки на сотрудников за счёт быстрого доступа к данным и рекомендациям.
OreFox (Австралия) — поиск месторождений с AI-моделью
Совместный проект OreFox AI и университетов Австралии создал модель PorphyryGPT для геологов. Она обучена на исследованиях и данных о порфировых системах и помогает находить закономерности в геохимии и минералогии.
Результат: геологи тратят меньше времени на анализ литературы и быстрее принимают решения в полевых условиях.
Предиктивное обслуживание оборудования
Westinghouse (США) — AI для атомной энергетики
В 2024 году компания представила систему Hive — первую генеративную AI-платформу для атомной отрасли. Ее ядро — языковая модель bertha, обученная на более чем вековой базе инженерных данных, эксплуатационных отчетов и нормативных документов. Hive автоматизирует создание технической документации, формирует рекомендации по обслуживанию оборудования и даже генерирует сценарии для обучения персонала и моделирования аварий.
Результат: сроки проектирования и лицензирования ядерных реакторов сокращаются, прогнозирование состояния оборудования становится точнее, а работа с нормативкой — автоматизированной.
US Steel (США) — помощь в ремонте и обслуживании
В 2023 году US Steel вместе с Google Cloud запустила систему MineMind для своих рудников в Миннесоте. Теперь инженеры могут задавать AI вопросы о ремонте гидравлики, калибровке датчиков или замене конвейерных лент. MineMind находит нужные данные в технических руководствах, формирует пошаговые инструкции с диаграммами и даже показывает уровень достоверности ответа.
Результат: время на выполнение рабочих заказов сократилось примерно на 20%, что повысило производительность и снизило затраты на техобслуживание.
Разработка софта
IBM + AWS (США) — автоматизация всего цикла разработки
IBM вместе с AWS создали решение для SDLC, которое доступно на AWS Marketplace. Оно использует большие языковые модели через Amazon Bedrock (в том числе Claude от Anthropic) и автоматизирует ключевые задачи: контроль архитектурных стандартов, проверку безопасности, работу с API, документацию и тестирование. Для разработчиков это значит меньше рутины и больше фокуса на коде.
Результат: время разработки сократилось до 30%, генерация тестов стала быстрее на 25%, качество кода улучшилось примерно на четверть, а анализ занимает на 60% меньше времени. Кроме того, усилилось сотрудничество между командами.
Cognizant + Google Cloud (США) — обучение и интеграция Gemini
В 2024 году Cognizant расширила партнерство с Google Cloud, сделав ставку на модель Gemini. Более 70 000 сотрудников компании проходят обучение, чтобы использовать AI для написания и тестирования кода. Кроме того, возможности Gemini интегрируются в новые платформы, включая Cognizant Flowsource, которая помогает автоматизировать процессы у разработчиков.
Результат: компания ожидает ускорения разработки кода, автоматизации тестирования и улучшения анализа инцидентов, что повышает эффективность внутренних процессов и клиентских проектов.
Поддерживающие процессы: рутина и бэк-офис
Suzano (Бразилия) — быстрый доступ к корпоративным данным
Suzano, крупнейший в мире производитель целлюлозы, внедрила AI-агента VagaLúmen на базе Gemini Pro. Теперь сотрудники могут писать запросы на естественном языке, а агент превращает их в SQL-код и достает нужные данные из BigQuery и SAP.
Результат: время запроса сырья и материалов сократилось на 95% — с двух минут до восьми секунд. В пилоте систему использовали 473 сотрудника, а скоро она станет доступна для шести тысяч пользователей.
Honeywell (США) — тренеры и ассистенты на рабочем месте
Компания интегрировала большие языковые модели Google в свою платформу Honeywell Forge, которая собирает промышленные данные со всего мира. AI-агенты делают этот массив информации простым и понятным: помогают инженерам и техникам устранять неполадки, предлагать улучшения конструкции и находить идеи для профилактического обслуживания.
Результат: сотрудники тратят значительно меньше времени на поиск информации в базе знаний компании и быстрее находят решения проблем.
Оптимизация управления процессами предприятий
South32 (Австралия) — больше марганца, меньше отходов
Горнодобывающая компания South32 внедрила генеративный AI, который анализирует химический состав руды и выдаёт рекомендации по переработке. Система в реальном времени подсказывает операторам, как корректировать параметры производства, чтобы извлечение марганца было максимально эффективным.
Результат: за первый год работы выпуск товарной продукции увеличился на 19 тысяч тонн, а содержание марганца в отходах снизилось на 12–15%.
Ola Electric (Индия) — цифровые двойники для фабрик
Производитель электросамокатов запустил платформу Ola Digital Twin на базе NVIDIA Omniverse. Она создаёт цифровые двойники производственных линий и позволяет тестировать изменения в виртуальной среде до внедрения на заводе. AI также генерирует синтетические данные для обучения роботов и систем контроля качества.
Результат: время вывода продукции на рынок сократилось на 20%, а крупнейшая в мире фабрика скутеров была спроектирована всего за 8 месяцев.
Uber Freight (США) — умная логистика
Компания представила платформу Insights AI для анализа транспортных данных. Она помогает выявлять узкие места, прогнозировать сроки доставки и оптимизировать маршруты. Пользователи могут задавать вопросы в обычном языке и получать детальные аналитические отчеты и прогнозы.
Результат: клиенты Uber Freight получили быстрый доступ к релевантной аналитике, что повысило эффективность управления цепочками поставок и снизило затраты.
Aramco (ОАЭ) — собственная гигантская модель
Saudi Aramco запустила генеративный AI Metabrain, обученный на 90-летнем массиве данных компании. Он помогает анализировать буровые планы, геологические данные и рыночные показатели, выдавая рекомендации для оптимизации бурения и downstream-процессов.
Результат: ожидается снижение затрат на бурение, рост эффективности производственных операций и более точные прогнозы цен на нефтепродукты. К концу года компания планирует увеличить размер модели до одного триллиона параметров.
Итоги: от пилотов к промышленной эксплуатации
Промышленность идет в AI не так стремительно, как финтех или медиа. Здесь компании действуют осторожно: сначала проводят пилоты, тщательно их тестируют и только потом переходят к внедрению. Но уже сейчас видно, что эффект от первых проектов значителен.
Опыт мировых компаний и кейсы ИИ в промышленности показывают, что использование AI позволяет ускорить проектирование в несколько раз вместе с автоматизацией документации и проверкой по стандартам, сократить простои оборудования почти наполовину благодаря связке с предиктивной аналитикой, уменьшить избыточные запасы сырья на десятки процентов за счет синхронизации спроса и поставок и оптимизировать логистику так, что задачи, занимавшие часы, решаются за минуты.
Эксперты сходятся во мнении: в ближайшие год-два первые успешные пилоты перейдут в промышленную эксплуатацию, а ИИ в промышленности 2025 станет частью повседневных процессов на предприятиях.
Опыт мировых компаний и кейсы ИИ в промышленности показывают, что использование AI позволяет ускорить проектирование в несколько раз вместе с автоматизацией документации и проверкой по стандартам, сократить простои оборудования почти наполовину благодаря связке с предиктивной аналитикой, уменьшить избыточные запасы сырья на десятки процентов за счет синхронизации спроса и поставок и оптимизировать логистику так, что задачи, занимавшие часы, решаются за минуты.
Эксперты сходятся во мнении: в ближайшие год-два первые успешные пилоты перейдут в промышленную эксплуатацию, а ИИ в промышленности 2025 станет частью повседневных процессов на предприятиях.