В рамках XIII Международного форума технологического развития «Технопром» состоялся круглый стол «Инженерный ИИ: технологии и компетенции на основе мультиагентных систем для промышленности». Модератором дискуссии выступила Алёна Норко, руководитель направления дополнительного профессионального образования Сколтеха (входит в группу ВЭБ.РФ). В дискуссии приняли участие представители компаний «Евраз», «Газпромнефть НТЦ», «ТВЭЛ», Raft Digital Solutions, а также Университета Иннополис. Сколтех выступил в роли организатора круглого стола.

Открывая сессию, Алёна Норко обозначила главную цель обсуждения — не просто поговорить о развитии ИИ-технологий, а понять, каким может быть следующий переход в промышленности в связи с их внедрением.

«С одной стороны, у нас уже есть пилотные решения, есть отдельные решения по цифровизации и ИИ, которые промышленные компании успешно реализуют, — отметила модератор. — Но с другой стороны, возникает вопрос: как ИИ мог бы стать частью реального производственного процесса и решать сложные инженерные задачи? Есть задачи, которые мы уже признаём решаемыми с помощью ИИ, но пока нет примеров, где они были бы решены целостно, как сквозной процесс, где системы сами принимают решения. Насколько это реализуемо сейчас и видим ли мы это в будущем?»

Начальник регионального центра разработки, главный разработчик «Евраза» Владимир Тимонов рассказал, что компания прошла большой путь и реализовала проекты с применением классического машинного обучения, математической оптимизации и компьютерного зрения. Эти решения уже принесли ощутимый экономический эффект. Спикер подчеркнул, что локальных чат-ботов уже недостаточно — промышленности нужны мультиагентные системы, то есть команды виртуальных специалистов, которые на разных стадиях производства анализируют информацию и помогают принимать управленческие решения.

«Важно иметь в команде планировщиков, аналитиков, технологов и, что немаловажно, контролёров, которые дают обратную связь, в том числе человеку: стоит ли принимать на веру решение, которое предлагает искусственный интеллект? — пояснил спикер. — Накопленные знания, которые люди несут в своём опыте, никто не отменял».

Владимир также обратил внимание на риски, связанные с галлюцинациями моделей, утечкой корпоративных данных и необходимостью обезличивания чувствительной информации. Эти вопросы, по его словам, решаются по мере внедрения, но требуют отдельного внимания.

Максим Симонов, руководитель центра развития ИИ в компании «Газпромнефть НТЦ», сосредоточился на инженерных задачах в сфере разведки и добычи полезных ископаемых. Он отметил, что для промышленных компаний важен не только быстрый ответ от ИИ, но и его валидность и объяснимость. Ни один внутренний заказчик не доверится «чёрному ящику», если тот не сможет обосновать свои рекомендации.

Ключевым элементом, по словам спикера, становится онтология — единое описание бизнес-процессов, данных и инструментов. Без неё агенты не смогут эффективно взаимодействовать. Максим привёл успешный пример пилотного проекта на семи месторождениях, где мультиагентная система помогла быстрее находить эффективные сценарии разработки по сравнению с классическим математическим оптимизатором.

«Генеративный ИИ показывает, что нам нужно работать не только с данными, но и с увязкой данных, систем и процессов в единую онтологию, — подчеркнул он. — Иначе мы будем тратить много времени на то, чтобы разобраться, как всё должно работать, прежде чем передавать это в систему».

Константин Балезин, представляя компанию «ТВЭЛ», рассказал о специфике атомной отрасли, где всё жёстко зарегламентировано, а ключевым решением является цифровой паспорт оборудования. Он отметил, что данные на предприятиях часто представляют из себя разрозненные модули, написанные под разные системы и не стыкующиеся друг с другом.

Он подчеркнул, что экономический эффект от внедрения ИИ можно получить только при комплексном подходе к производству целиком, а не к отдельным участкам. Константин добавил, что итоговое решение всегда остаётся за человеком — цифровой двойник предполагает обратное воздействие, но в поднадзорном оборудовании без персонала оно невозможно. Однако система способна значительно облегчить труд, оптимизировать обслуживание и снизить нагрузку на сотрудников.

Алексей Бобок, соучредитель компании Raft Digital Solutions, предложил рассматривать мультиагентный подход через декомпозицию не только ролей, но и отдельных технологических функций. Он выделил три уровня: сбор данных с датчиков, технологическую обработку и «офисный» уровень (закупки, документооборот, администрирование). Он подчеркнул, что мультиагентная архитектура, построенная на малых специализированных моделях, даёт лучшую наблюдаемость и управляемость.

«Когда мы говорим о суверенитете в рамках предприятия, мы имеем в виду независимое использование решения, — пояснил Алексей. — Малые отраслевые модели, которые можно обучать внутри контура, дают намного больше свободы, чем привязка к одному крупному вендору. Это позволяет контролировать данные, выбирать открытые модели и защищать себя от некомфортных условий поставщиков».

Марина Абдрахманова, руководитель Межотраслевого центра трансфера технологий в Университете Иннополис, представила результаты исследования отрасли патентования по данным Национальной ассоциации трансфера технологий. Она отметила, что научные работы по мультиагентным системам растут быстро, но их пересечение с инженерными задачами пока невелико — всего около 150 работ.

«Инженерный ИИ растёт, но медленно и неравномерно, — констатировала Марина. — ИИ-агенты и промышленность — пока два разных мира. Научное сообщество исследует точечные решения, а не комплексные прикладные кейсы. Полностью автономные цифровые заводы с системами управления появятся не ранее 2030 года».

По данным спикера, в России патентуют в основном решения в области компьютерного зрения и нейронных сетей, а мультиагентные системы и языковые модели пока защищены единичными патентами. При этом компании уже обгоняют вузы в патентовании ИИ-решений. Марина рекомендовала вкладываться в отраслевые модели, обученные на уникальных данных конкретных производств, а также в безопасность и интерпретируемость ИИ.

Подводя итоги, модератор Алёна Норко выделила два ключевых вывода. Во-первых, переход от точечных решений к системным, управляемым мультиагентными системами, возможен, но он требует построения онтологий инженерной деятельности и вовлечения всех участников производственного процесса — от технологов до закупщиков. Во-вторых, основная ценность сегодня — в отраслевых моделях, обученных на уникальных данных конкретных производств, а также в развитии кадров, способных соединять предметные знания с ИИ-компетенциями.