Нейротехнологии, ранее использовавшиеся преимущественно для автоматической генерации текстов и видеоконтента, теперь нашли применение на заводах для управления оборудованием, разработки новых продуктов и множества других задач.
Сегодня такие нейросети служат частью сложных систем поддержки принятия решений. К примеру, нейросеть может выступать помощником металлургического специалиста, анализируя качество исходного сырья и рекомендуя оптимальные настройки оборудования для плавки металла. Генеративные нейросети умеют извлекать и синтезировать информацию из разнотипных источников, вырабатывая полезные рекомендации по применению полученной информации. Другое возможное применение - закупки: нейросеть способна не только искать подходящие комплектующие в корпоративных базах данных и остатках на складах, но и подсказывать аналоги деталей. Одно из перспективных направлений — это печать трехмерных моделей.
В Министерстве промышленности и торговли отмечают увеличение заинтересованности в подобных решениях, при этом наибольший интерес вызывают системы, предназначенные для внутреннего использования и работающие с ограниченным объёмом корпоративных данных. Примеры применения генеративного ИИ разнообразны. В частности, анализ информации, поступающей с датчиков оборудования (включая показатели температуры, давления, вибрации и другие параметры), позволяет заранее определить возможные неисправности, что способствует предотвращению внеплановых остановок и увеличению срока эксплуатации техники.
Подобные нейросети также находят применение в сфере проектирования и конструирования, где они генерируют инженерные решения, опираясь на заданные характеристики (материалы, финансовые ограничения и технологические процессы). Данная технология способствует ускорению процесса разработки программного обеспечения и автоматизирует стандартные операции, начиная от формирования финансовой отчётности и заканчивая подготовкой типовых документов для оформления кредитов. Нейросеть способна оперативно обрабатывать и сопоставлять значительные объёмы документации, что представляет собой сложную и трудоёмкую задачу для ручного выполнения.
Например, корпорация «Роскосмос» недавно начала использовать нейросети для обнаружения несоответствий в технических регламентах и стандартах (ГОСТах), что особенно актуально для ракетно-космической отрасли, где таких нормативных актов немало.
Генеративные нейросети способны значительно повысить экономическую эффективность, многократно ускоряя процессы и сводя ошибки к минимуму. Даже простая операция, такая как поиск нужных документов, позволяет сэкономить сотруднику отдела около семи часов в месяц, что в годовом эквиваленте для коллектива из десяти человек обернется экономией в 1,3 млн рублей. Время, затраченное на анализ документов, уменьшается на целых 19 часов в неделю, что эквивалентно ежегодной экономии в 3,8 млн рублей. Если умножить это на компанию с 2000 офисными работниками, общая выгода может превышать 3 млрд рублей в год.
Приложения генеративных нейросетей могут значительно увеличить как чистую прибыль, так и выручку предприятия, в зависимости от того, как именно они использованы. Большие языковые модели (LLM) показывают хорошие результаты в оптимизации внутренних процессов, например, при создании цифровых аналогов сотрудников или менеджеров.
«Польза от внедрения генеративных нейросетей велика не только для промышленных предприятий, но и для конечных потребителей. Снижение временных и денежных затрат неизбежно приводит к снижению цен на продукцию, а также появлению новых инновационных товаров на рынке. В условиях необходимости импортозамещения и введенных против России санкций это приобретает особую актуальность и значимость», — комментирует доцент Ставропольского филиала Президентской академии Ася Ионова.
