🗯️ #ПятничныйКейс с Сергеем Калюжным NISCO масштабировала ИИ-модель поверх цифрового двойника производства: 25 агентов в работе Крупная китайская сталелитейная компания Nanjing Iron & Steel вместе (NISCO) с Huawei реализовала связку цифрового двойника и ИИ. На этой неделе компания объявила о её масштабном внедрении в производство. Двойник работает на данных с более чем миллиона точек сбора и охватывает 5 доменных печей и 7 сталеплавильных агрегатов. Поверх него ИИ-модели прогнозируют работу печей и других элементов цепочки производства, а металлургические модели проверяют решения по физике процесса. В работе на текущий момент 25 агентов. Как результат реализации связки цифрового двойника с ИИ-моделями: Прогноз температурного тренда на 2 часа вперёд с точностью более 90%, доля чугуна первого сорта выросла более чем на 10 п.п., энергопотребление на единицу стоимости продукции снизилось на 12%. Точность прогноза усилия прокатки выросла с 88% до 98%, допуск по толщине сужен до ±0,2 мм. Модель использовали при освоении тонких листов 4–6 мм для круизного лайнера. Проверка одного образца сократилась с 10 до 3–5 минут. Но самое главное, агент S-Link по 602 параметрам за час предупреждает о риске превышения по сере, простои из-за превышения норм сократились более чем на 25%. Общий эффект по данным компании: затраты снижаются более чем на 100 млн юаней (около 15 млн долл.) в год. Несмотря на недавнее заявление о масштабировании, NISCO шла к нему с 2015 года: сначала управление данными и оцифровка всего контура для формирования математических и физических моделей процессов. Как итог они получили более миллиона точек сбора, цифровой паспорт у каждой из 34 тыс. единиц оборудования, 100% ключевого оборудования под цифровым управлением. С началом тренда на внедрение ИИ это дало сильную точку старта для внедрения агентов – ИИ видит состояние процесса сейчас и на перспективу благодаря моделированию процессов. На такой базе ИИ эффективен так как есть что прогнозировать и способ проверить до принятия решения. В целом, важно извлечь следующее – наблюдаемость процесса и его регламентированность является условием эффективного ИИ, и её стоит выстраивать до внедрения агентов. 💜 Telegram 🔴 MAX 🔴 Дзен

Лишь 5% российских компаний перешли от тестирования промышленных роботов с искусственным интеллектом к их полноценному использованию. Еще 28% предприятий находятся на этапе испытаний. Об этом сообщает Inc. Russia со ссылкой на совместное исследование компании «Яков и Партнеры» и KUKA Россия, в котором приняли участие около 200 предприятий из 15 отраслей. Классическая автоматизация распространена заметно шире: роботов без элементов ИИ уже используют 46% опрошенных компаний, а еще 26% начали их внедрение. Однако такие комплексы работают по жестко заданным алгоритмам и в шести случаях из десяти решают только базовые механические задачи — перемещение и типовую обработку объектов. Разрыв между широким парком традиционных манипуляторов и минимальной долей решений с ИИ отражает барьер перехода к Physical AI — системам, способным ориентироваться в обстановке и менять сценарий действий при изменении условий: - Сварка и сложная обработка: участники опроса назвали эти направления наиболее перспективными для внедрения адаптивных моделей в промышленности. - Складская логистика: сценарий автономного перемещения грузов получил самую высокую оценку потенциала среди сервисных решений — 66% респондентов считают его высокоэффективным. - Модернизация существующего парка: интеграция алгоритмов машинного зрения и адаптивного управления призвана расширить функционал уже установленных комплексов без полной замены оборудования. 💜 Telegram 🔴 MAX 🔴 Дзен

💬 #БизнесСреда с Александром Букуровым, основателем и директором Вебпрактик На прошлой неделе экономисты Anthropic опубликовали исследование «The AI Expectations Gap». В августе 2026 года они опросили почти 11 тысяч взрослых американцев и более 1 300 сотрудников самой Anthropic, то есть людей, которые каждый день работают с самыми передовыми моделями. Вопрос был простой: что ИИ сможет делать к 2030 году и как это изменит работу. Что выяснилось 🔴Обе группы в целом сходятся в оценке нынешних возможностей ИИ. Расходятся они в оценке скорости прогресса. Например, совершить открытие нобелевского уровня к 2030 году ИИ сможет, по мнению 39% американцев и 91% сотрудников Anthropic. 🔴Сильно различается и оценка экономии времени. Задачу в 4 раза быстрее (или ещё быстрее) с ИИ выполняют 26% американцев, использующих ИИ на работе, и 59% сотрудников лаборатории. Почти треть американцев говорит, что с ИИ задача занимает столько же времени или даже больше. 🔴Оценки по собственной работе отличаются сильнее всего. Сотрудники Anthropic считают, что к 2030 году ИИ сможет выполнять в среднем 75% их текущей работы. Американские работники называют 28%. 🔴Главные барьеры внедрения, по мнению людей, не технические. Чаще всего называют нежелание клиентов общаться с машиной, вопросы защиты данных, недостаточную надёжность и регулирование. 🔴При этом логика рассуждений у обеих групп одинаковая: чем большую часть своей работы человек отдаёт ИИ, тем выше безработицу он прогнозирует. Разница во мнениях объясняется не взглядами, а личным опытом. Те, кто регулярно пользуется ИИ, заметно ближе по ожиданиям к сотрудникам лаборатории. Что это значит для корпоративного ИИ Ожидания формирует опыт, а не презентации. Скепсис в командах лучше всего снимает реальный доступ к инструментам и пилоты на настоящих рабочих задачах, а не на демо-примерах. Ускорение «в 2 раза» — это только начало. Основной эффект дают не точечные подсказки в чате, а пересборка процесса: ИИ выполняет задачу целиком, человек проверяет результат. Экономию стоит измерять честно, вместе со временем на проверку и исправления. Главные барьеры — доверие и правила. Понятная политика работы с данными, защищённая среда и чёткий список разрешённого ускоряют внедрение сильнее, чем ещё одна новая модель. Проверка становится ключевым навыком. Если ИИ «делает, а человек проверяет», нужно учить людей ставить задачи, оценивать качество и отвечать за результат. Человеческий контакт там, где его ценят. Клиенты по-прежнему предпочитают живое общение. Логично в первую очередь автоматизировать внутренние процессы, а в клиентском сервисе усиливать сотрудников, а не заменять их. Говорить о тревоге открыто. Люди напрямую связывают автоматизацию своей работы с риском потерять её. Но автоматизация задач и сокращение штата — не одно и то же. Сотрудники Anthropic, ожидающие, что ИИ возьмёт на себя большую часть их работы, одновременно рассчитывают на рост численности компании. Прозрачная коммуникация и программы переобучения здесь важнее любых технологий. Итог: разрыв в ожиданиях — это разрыв в опыте. Чем раньше сотрудники получат реальную практику работы с ИИ, тем меньше у компании будет и завышенных страхов, и упущенных возможностей. Исследование целиком: https://www.anthropic.com/research/ai-expectations-gap 💜 Telegram 🔴 MAX 🔴 Дзен