Цифровизация и ИИ в металлургии: как большие языковые модели изменили отрасль

Некоторые тренды

Цифровизация продолжает ускоряться, охватывая как бытовые сервисы, так и сложные промышленные производства. Металлургические компании активно внедряют ИИ для повышения эффективности процессов, стабильности качества продукции, обеспечения безопасности производства и снижения воздействия на окружающую среду.

Еще в 2024 году, согласно исследованию «Яков и Партнеры», 55% участников рынка металлургии планировали увеличить эффект от цифровизации в горизонте 2–3 лет. При этом компании сталкиваются с вызовами: ростом сложности внедряемых решений в связи с переходом на более продвинутые технологии, применением ИИ и повышением охвата процессов в периметре цифровизации.

Этим продиктованы текущие тренды в отрасли на переход от экспериментальных пилотов к системному промышленному использованию ИИ. Металлургические предприятия интегрируют цифровые решения и интеллектуальных ассистентов в производственные процессы и корпоративные функции.

«Драйверами системной интеграции ИИ служат высокий уровень автоматизации производства, сложные и насыщенные данными технологические процессы, а также высокая капиталоемкость», — считает директор департамента технологий искусственного интеллекта «Русала» Михаил Граденко.

Одним из современных трендов для бизнеса, включая крупные промышленные компании, является внедрение инструментов обработки неструктурированных данных (текста, речи, видео), интеллектуальные интерфейсы (чаты, ассистенты), а также решения для ускорения аналитики и клиентского сервиса.

Какие задачи решают компании

ИИ-продукты в металлургии используются для оптимизации производственных и управленческих процессов. В рамках концепции Data-driven enterprise, когда компания строит процессы на основе непрерывной интеграции данных и аналитики, предприятия переходят от накопления информации к принятию решений на ее основе. Это повышает эффективность как отдельных операций, так и цифровой трансформации в целом.

Важную роль играет интеллектуальная интеграция: объединение АСУ ТП и MES с ИИ для оптимизации и предиктивного управления параметрами производства в режиме реального времени.

ИИ и большие данные обеспечивают переход от классической аналитики к ИИ-продуктам, которые способны:

• прогнозировать отклонения от стандартов и технологических режимов;
  
• оптимизировать графики работ оборудования и персонала;
  
• анализировать энергопотребление и предлагать способы его снижения;
  
• автоматически извлекать ключевые данные из документов;
  
• генерировать отчеты, резюме встреч и полезные в повседневной работе материалы.

«Среди распространенных результатов внедрения LLM-сервисов – ускоренная разработка ПО, улучшение качества документации и ускорение принятия решений», – отмечает Граденко (от ред. — LLM (Large Language Models) – это современный тип программы искусственного интеллекта, которая может распознавать и генерировать текст).

Кейс «Русала»

Производственные площадки «Русала» расположены в десятках городов в России и за рубежом. В условиях распределенных команд и гибридного формата работы встречи стали одним из ключевых элементов управления, а их содержание – стратегическим активом.

«Менеджер обычно участвует в 4–8 встречах в день, при этом значительная часть решений фиксировалась только устно, а потери от неформализованных договоренностей могли достигать 10–15% рабочего времени команды», — уточняет руководитель направления Data Science Operations «Русала» Иван Казарин.

Технологии ИИ применяют для автоматизации обработки речи и создания ассистентов. Это актуально как для индивидуальных пользователей (например, студентов), так и для бизнеса, где требуется структурированная работа с контентом встреч и мероприятий.

«Русал» разработал корпоративный транскрибатор на основе ASR и LLM-сервисов, который:

• автоматически преобразует аудио- и видеозаписи встреч в текст;
  
• определяет спикеров;
  
• формирует краткие отчеты с ключевыми решениями;
  
• структурирует длинные записи в удобные логические блоки;
  
• обрабатывает крупные файлы (до 5 ГБ) без необходимости разбиения.

«Инструмент позволяет фиксировать все важные договоренности, ускоряет подготовку протоколов, повышает прозрачность коммуникаций и обеспечивает возможность интегрировать результаты в корпоративные процессы. Потоки речи превращаются в управляемые знания, минимизируется ручной труд, а сотрудники получают время для решения более сложных и творческих задач», — отмечает эксперт.

Советы для эффективного внедрения

Для успешного внедрения LLM-продуктов в компании важно выполнить несколько условий, говорит Михаил Граденко. Прежде всего необходимо определить задачи, где ИИ способен ускорить работу или снять рутинные нагрузки: поддержка сотрудников и клиентов, фиксация договоренностей, саммаризация документов, генерация отчетов, поиск знаний. Далее важно оценить качество и объем данных, доступность инфраструктуры, уровень компетенций. Это позволяет выбрать реалистичные направления внедрения.

«Начинать лучше с наиболее доступных и при этом полезных функций, например, ассистентов для обработки документов, сервисов для транскрибации встреч», — считает Иван Казарин.

В процессе внедрения интеллектуальные сервисы адаптируются к специфике бизнеса и повышают качество рекомендаций по мере накопления данных.

«Следует отметить важность структурированного вывода моделей. Результаты ИИ должны быть формализованы и легко интегрируемы в корпоративные системы, что повышает доверие и качество контроля», — говорит эксперт.

Внедрение ИИ должно решать конкретные бизнес-задачи и повышать эффективность компании. Современное промышленное предприятие – это система, управляемая данными. ИИ помогает понимать происходящее, прогнозировать события и принимать решения быстрее и точнее. При этом, как отмечают эксперты, лучше небольшая работающая функция, чем масштабный проект, который так и не был реализован.