Курс на технологический суверенитет и задачи импортозамещения поставили предприятия перед необходимостью одновременно поддерживать текущее производство и перестраивать его архитектуру под новые технологические реалии. В этом процессе ИИ играет особую роль: последовательно меняет логику производства на всех уровнях — от управления оборудованием до стратегического планирования. Предприятия, не интегрирующие ИИ-инструменты в свои процессы, рискуют оказаться вне конкурентного поля уже в среднесрочной перспективе. Однако за видимой стороной цифровой трансформации скрывается проблема, которую значительно труднее решить, чем выбрать и внедрить программный продукт. Промышленность меняется быстрее, чем система подготовки кадров успевает реагировать. Новые технологии создают новые роли, новые роли требуют новых компетенций, а новые компетенции должны быть описаны, стандартизированы и встроены в систему образования. Сокращение разрыва между скоростью технологических изменений и возможностями системы квалификаций — важная задача для всей промышленной экосистемы региона. В Санкт-Петербурге реализации данной задачи способствует «БизнесШтаб» — инфраструктурное решение Ассоциации промышленных предприятий Санкт-Петербурга1. Далее ключевые задачи и проблемы деятельности предприятий, связанных с ИИ, приведем на примере работы «БизнесШтаба».
ИИ в промышленности: применение и квалификационный разрыв
Разговор об ИИ в промышленности легко скатывается в две крайности: технологический оптимизм и скептицизм практика. Обе позиции одинаково далеки от реальности. ИИ уже работает на российских промышленных предприятиях, и его применение оказывает существенное влияние на эффективность производственных процессов. Четыре направления демонстрируют наибольшую зрелость и измеримый экономический эффект.
▪ Предиктивное обслуживание оборудования — системы машинного обучения анализируют данные датчиков и предсказывают отказ за часы или сутки до наступления. Результат: сокращение незапланированных простоев на 25–40%, снижение затрат на техобслуживание на 15–30%.
▪ Компьютерное зрение и контроль качества — системы машинного зрения выявляют дефекты с точностью, недостижимой при ручном контроле, сокращая долю брака в отгрузке на 60–80%.
▪ Цифровые двойники — виртуальная модель производственной линии позволяет моделировать изменения параметров без остановки реального производства, оптимизировать загрузку мощностей и обучать персонал без рисков для оборудования.
▪ Оптимизация производственного планирования — ИИ-системы анализируют историю заказов, динамику запасов и производственные мощности, переводя планирование от интуитивных решений мастера к алгоритмически выверенному расписанию.
Каждое из этих направлений создает на предприятии новые роли, которые еще 5 лет назад не существовали. К примеру, предиктивное обслуживание. Системе нужен специалист, который понимает и физику производственного процесса, и логику алгоритма машинного обучения, умеет интерпретировать аномалии в данных датчиков в контексте реального состояния оборудования. Это принципиально новая профессия на стыке инженерии и анализа данных. Ее нет в учебных программах технических университетов в полноценном виде. Ее нет в профессиональных стандартах национальной системы квалификаций. Человек, выполняющий эти роли на предприятии, освоил их самостоятельно.
Практика взаимодействия промышленных предприятий Санкт-Петербурга показывает, что запрос становится все настойчивее: нужны люди, которые умеют работать с ИИ-системами внутри производственного процесса каждый день, понимая и производство, и цифровые инструменты одновременно. Таких людей рынок труда сегодня предложить не может в нужном количестве, потому что система образования их не готовит, а система квалификаций не описывает их трудовые функции. Квалификационный разрыв фиксируется как один из ключевых ограничителей цифровой трансформации предприятий наравне с дефицитом финансирования и технологических решений. Устранить его быстро невозможно. Но управлять им — через правильный подбор внешних партнеров, программы переподготовки и поэтапное наращивание компетенций — можно и нужно. Именно эта работа становится неотъемлемой частью комплексного сопровождения цифровой трансформации предприятия.
ИИ в образовании: адаптация системы под запрос промышленности
Система образования и промышленность в России традиционно существовали в режиме параллельных монологов. Университеты и колледжи готовили специалистов по утвержденным программам, предприятия принимали выпускников и доучивали их под свои задачи и условия. Эта модель работала десятилетиями — не идеально, но предсказуемо. Появление ИИ как производственного инструмента сделало ее принципиально недостаточной. Доучить выпускника колледжа под конкретный станок можно за несколько месяцев. Сформировать способность работать — с ИИ-системами в условиях реального производства — задача принципиально иного порядка, требующая иных образовательных подходов.
Образовательная система реагирует на этот вызов неравномерно. Ведущие технические университеты Санкт-Петербурга — Политехнический университет Петра Великого, ИТМО, Горный университет — последовательно встраивают дисциплины в области машинного обучения и анализа данных в инженерные программы. Однако разрыв между академическим содержанием этих курсов и реальными производственными задачами остается значительным. Студент учится работать с алгоритмами на открытых датасетах в учебной среде. На производстве его ждут зашумленные данные промышленных датчиков, устаревшие интерфейсы SCADA-систем и инженеры старшего поколения, не доверяющие алгоритмическим рекомендациям.
Дуальное обучение — наиболее перспективная модель подготовки кадров для промышленности, при которой теоретическая подготовка сочетается с практической работой на конкретном предприятии. В Санкт-Петербурге ряд предприятий машиностроения и оборонно-промышленного комплекса взаимодействует с профессиональными образовательными организациями именно по этой модели. Однако в части ИИ-компетенций дуальное обучение пока работает лишь в единичных случаях: предприятия не всегда готовы открывать доступ к производственным данным для студентов, а образовательные организации не располагают преподавателями с реальным производственным опытом работы с ИИ-инструментами. Крупные промышленные холдинги — в первую очередь в контуре «Ростеха» — закрывают этот дефицит через корпоративные программы переподготовки собственных инженеров. Слабое место этой модели — замкнутость: компетенции растут внутри корпоративного контура, не обогащая систему квалификаций и открытый рынок труда.
Отдельного внимания заслуживает роль самого ИИ как инструмента образования. Системы адаптивного обучения на основе ИИ персонализируют образовательный маршрут под конкретного обучающегося — его текущий уровень знаний, темп усвоения материала, производственный контекст, в котором он работает. Для промышленности это означает возможность создавать программы подготовки, формирующие именно те компетенции, которые нужны конкретному человеку на конкретном рабочем месте. Это не футуристический сценарий: такие системы уже применяются в корпоративных университетах крупных технологических компаний.
Любой образовательный инструмент работает эффективно только тогда, когда за ним стоит четко сформулированный запрос на конкретные компетенции. Именно здесь возникает критическая роль посредника между производственным запросом предприятия и рынком образования. В Санкт-Петербурге складывается практика, при которой отраслевые объединения выполняют эту функцию в рамках работы с предприятиями, выступая площадкой практического взаимодействия между предприятиями и образовательными организациями, формируя адресные решения под конкретный производственный запрос.
Цифровизация предприятий и новая логика кадрового запроса
Когда руководитель промышленного предприятия говорит о цифровизации, он должен иметь в виду изменение операционной логики предприятия на постоянной основе. Предприятия, подходящие к цифровой трансформации как к разовому мероприятию, через 2 года обнаруживают, что вложенные средства не дали ожидаемого экономического эффекта.
Реальная цифровизация промышленного предприятия — это построение цифровой экономики производства, при которой каждый ключевой процесс получает цифровое измерение, данные поступают в единую аналитическую среду и становятся основой для управленческих решений. Это управленческая трансформация, в которой технология является инструментом, а не целью. И именно здесь возникает ключевой кадровый вопрос: кто способен эту трансформацию спроектировать, провести и удержать в рабочем состоянии?
Практика показывает три типичных сценария. • Назначение ответственного из числа действующих сотрудников. Директор по производству или главный инженер получает дополнительную функцию координировать цифровизацию. Человек компетентен в своей области, но не имеет ни времени, ни возможности проводить специфическую экспертизу. Результат — фрагментарная цифровизация отдельных производственных участков и полная остановка там, где «не горит». • Наем директора по цифровой трансформации. Хороший специалист с реальным опытом стоит от 4 млн до 8 млн рублей в год, рынок таких специалистов крайне узок. Для предприятия среднего масштаба это либо финансово недоступно, либо заканчивается наймом человека с красивым резюме без релевантного производственного опыта. •Делегирование подрядчику. ИТ-интегратор внедряет решение, сдает проект и уходит. Через полгода система требует доработки — и предприятие снова платит подрядчику, потому что внутренней экспертизы нет. Зависимость становится постоянной, стоимость владения системой оказывается значительно выше плановой.
Все три сценария объединяет одно: предприятие пытается решить задачу цифровой трансформации имеющимися инструментами, не признавая, что для нее нужен принципиально иной подход. Подход, при котором внешний партнер берет на себя функцию управляющего трансформацией на переходный период и разделяет ответственность за результат.
В Санкт-Петербурге формируется практика комплексного сопровождения цифровой трансформации, которая включает несколько взаимосвязанных этапов. На этапе диагностики проводится аудит цифровой зрелости предприятия с приоритизированной картой трансформации и оценкой экономического эффекта по каждому направлению. На этапе проектирования формируется архитектура цифровой трансформации: какие системы внедряются, в какой последовательности, как интегрируются между собой. На этапе реализации координируется работа технических подрядчиков, контролируется соответствие внедряемых решений архитектуре и обеспечивается передача компетенций внутренней команде предприятия. Параллельно прорабатываются возможности государственного финансирования цифровизации. Отдельным направлением является разработка цифровых продуктов под задачи предприятия — мобильных приложений, внутренних платформ, систем управления данными.
Ключевое отличие такого подхода от стандартного ИТ-интегратора — горизонт ответственности. Подрядчик отвечает за внедрение. Системный партнер отвечает за результат. Институциональный статус отраслевого объединения при этом обеспечивает доступ к верифицированной сети технологических партнеров, каналам взаимодействия с Минпромторгом России и горизонтальным связям между предприятиями, позволяя тиражировать успешные решения цифровой трансформации внутри индустриального сообщества.
Государственная поддержка как катализатор цифровой трансформации
Государственная поддержка промышленных предприятий требует специфической экспертизы, которой у большинства промышленных предприятий просто нет. Масштаб доступного финансирования делает эту экспертизу критически важным активом. Только на федеральном уровне действует более 100 программ государственной поддержки, прямо или косвенно направленных на цифровую трансформацию промышленности. В Санкт-Петербурге накоплен опыт систематизации этого массива в реестр, структурированный по 26 параметрам — от отраслевой принадлежности и масштаба предприятия до стадии готовности проекта и формы получения поддержки.
Ключевые инструменты для промышленных предприятий сосредоточены в нескольких институтах. Фонд содействия инновациям реализует программу «Цифровые технологии» и программу «Развитие» для компаний в фазе активного роста. РФРИТ субсидирует внедрение отечественного ПО. Минпромторг России субсидирует НИОКР в области цифровых технологий, поддерживает создание промышленных технопарков и реализует программы поддержки предприятий ОПК при диверсификации на гражданские рынки. Региональные инструменты Санкт-Петербурга дополняют федеральный контур: Фонд развития промышленности города предоставляет льготные займы на технологическую модернизацию, резиденты ОЭЗ «Санкт-Петербург» получают дополнительные налоговые преференции.
Принципиально важна связь государственной поддержки с национальной системой квалификаций. Программы ФСИ и Минпромторга России при экспертизе заявок оценивают не только технологическую состоятельность проекта, но и кадровую готовность предприятия. Наличие специалистов с подтвержденной квалификацией в области цифровых технологий становится весомым аргументом при защите заявки. Предприятие, одновременно работающее над квалификационным профилем команды и над заявкой на поддержку, получает конкурентное преимущество.
Почему при всем этом большинство предприятий государственной поддержкой не пользуются? Есть три системных барьера.
• Информационный — программы существуют, но информация о них разрознена и представлена в основном в нормативных документах.
• Финансовый — большинство программ предъявляет требования к структуре выручки и отсутствию налоговой задолженности.
• Документарной подготовки — качественная заявка требует финансовой модели, бизнес-плана, ТЭО и комплекта специфических форм.
Инфраструктура роста как ответ на вызов цифровой трансформации
Инфраструктура роста — это управляемая среда, в которой промышленное предприятие получает доступ к нескольким критически важным ресурсам: экспертизе в области цифровой трансформации, инструментам государственного финансирования, верифицированной сети технологических партнеров, механизмам независимой оценки ИТ-решений и институциональному ресурсу отраслевого объединения.
В Санкт-Петербурге эта инфраструктура формируется через взаимосвязанные механизмы. Участие в отраслевых советах по профессиональным квалификациям транслирует реальный производственный запрос в систему национальной системы квалификаций. Партнерство с РУССОФТ создает верифицированный канал между промышленными заказчиками и отечественными разработчиками цифровых решений. Прямые рабочие контакты с Минпромторгом России и региональными институтами развития обеспечивают доступ к государственным программам поддержки.
Искусственный интеллект в этой системе занимает особое место — он одновременно является целью трансформации и ее катализатором. Давление ИИ-технологий на конкурентную среду промышленности ускоряет принятие решений о трансформации теми предприятиями, которые в иных обстоятельствах продолжали бы откладывать это решение. Предприятие, игнорирующее ИИ-инструменты сегодня, через 3–5 лет окажется в положении структурного отставания от конкурентов, преодолеть которое будет значительно дороже и сложнее, чем начать трансформацию сейчас. Национальная система квалификаций в этом контексте перестает быть просто регуляторной рамкой и становится стратегическим инструментом управления конкурентоспособностью: предприятие, системно работающее над квалификационным профилем команды, одновременно повышает операционную эффективность, усиливает позиции при получении государственной поддержки и формирует организационную устойчивость.
Модель, которая выстраивается в Санкт-Петербурге, воспроизводима. Любое региональное отраслевое объединение, располагающее реальным доступом к предприятиям реального сектора и готовое взять на себя функцию системного посредника между промышленностью, образованием, государством и технологическим рынком, способно выстроить аналогичную инфраструктуру. Санкт-Петербург в данном случае является не исключением, а прецедентом — демонстрацией того, как институциональный ресурс отраслевого объединения конвертируется в практический инструмент цифровой трансформации промышленного кластера.
Цифровая трансформация промышленности — это непрерывный управляемый процесс, в котором технологии, компетенции, финансирование и институциональный ресурс должны развиваться синхронно. Предприятия, понявшие это раньше других, и партнеры, помогающие им выстроить эту синхронность, определят облик российской промышленности на следующее десятилетие.