Dev48
ЯЗЫК
  • О нас
  • Услуги
  • Индустрии
  • Технологии
  • Статьи
  • Контакты
Забронировать звонок
    Главная/Статьи/Ot pilotnogo proekta k okupaemosti chto lidery industrii rasskazali nam o vnedre
Dev48
info@dev48.org+375 29 320-40-96WhatsApp@isky_by

© 2026 · Все права защищены.

От пилотного проекта к окупаемости: что лидеры индустрии рассказали нам о внедрении агентного ИИ

Источник: DataArt•19 ноября 2026 г. в 08:29

От пилотного проекта к окупаемости: что лидеры индустрии рассказали нам о внедрении агентного ИИ

Семь избранных руководителей из производственного и промышленного секторов собрались в Лондоне, чтобы обсудить свои самые насущные повседневные задачи, изучить возможности агентного ИИ по созданию реальной бизнес-ценности, а также обменяться идеями и опытом с коллегами.

Почему буксуют промышленные пилоты ИИ

Пилотов много, а окупаемости мало. Именно об этом говорили семь лидеров производственного и промышленного секторов, собравшиеся в Лондоне 8 октября, чтобы обсудить, как агентный ИИ может принести ощутимую пользу бизнесу. Ставки высоки и вполне реальны: тысячи автомобилей, простаивающих без движения месяцами, десятилетия инженерного опыта, уходящего на пенсию, и тендерные команды, тратящие недели на подготовку одной заявки.

Встреча проходила в рамках мероприятия The Art of Agentic AI, организованного компаниями DataArt и Google Cloud. Семь топ-менекторов по технологиям и операционной деятельности собрались на круглый стол в лондонском офисе Google, после чего продолжили общение за ужином в отдельном ресторане. Список гостей представлял срез британской промышленности: управление автопарками, промышленное машиностроение, дистрибуция, автомобильный ритейл, строительство, энергетика и науки о жизни. Должности участников варьировались от инженера по ИИ до директора по ИТ и глобального директора по цифровой трансформации.

Гости использовали в своей работе уже развернутые облачные среды. Большинство из них уже миновали начальный этап освоения ИИ и используют инструменты в повседневной работе, однако находятся на среднем или низком уровне зрелости. Две темы возникали снова и снова: их данные находились в беспорядке, а слишком много пилотных проектов завершилось без четкого сценария использования или понятной отдачи.

Лилиан Чжан (Lillian Zhang), руководитель направления GTM по работе с Google Cloud в DataArt, подчеркнула ориентированный на бизнес подход к ИИ: начинайте с четкой операционной задачи и заранее проверяйте рентабельность инвестиций (ROI). Она расспросила каждого гостя об их бизнес-потребностях, существующих агентах, а также о том, что работает эффективно, а что нет. Их ответы определили ход дискуссии и демонстрации с акцентом на реальные приоритеты.

Концепция оказалась простой: формулируйте измеримые проблемы, создавайте агентов, способных действовать, укрепляйте доверие с помощью данных и управления, а также измеряйте рентабельность инвестиций с первого дня.

Объединение лидеров из разных отраслей также оказалось полезным. Поскольку в комнате не было прямых конкурентов, участники могли более открыто говорить о своих проблемах, что создало благоприятную атмосферу для более откровенных и практических дискуссий.

Начинайте с острой и измеримой проблемы

Лучшие сценарии использования ИИ, обсуждавшиеся на встрече, начинались не с возможностей моделей. Они начинались с операционной проблемы, которую бизнес уже умел измерять.

  • Устранение поломок до их возникновения. Директор по управлению автопарком описал масштаб проблемы: в любой момент времени около 5500 автомобилей простаивают, каждый — от 32 до 33 дней. Многие из них адаптированы для людей в инвалидных колясках, поэтому простой доставляет особенно много хлопот, а на один только осмотр машины в мастерской может уйти от трех до четырех недель. Суммарный ущерб исчисляется десятками миллионов фунтов стерлингов в год. Его команда работает с производителями над интеграцией данных датчиков и диагностических кодов неисправностей в прогнозные модели, чтобы ремонт можно было планировать до того, как автомобиль выйдет из строя.

Я не думаю, что у нас найдется хоть один аналитик, способный обработать все имеющиеся у нас данные и метрики. Мне нужно что-то гораздо более умное.

  • Сохранение экспертизы при уходе экспертов на пенсию. Группа компаний в сфере промышленного инжиниринга опирается примерно на 15 000 инженеров по применению, которые выступают в роли надежных советников для клиентов. На обучение одного специалиста может уйти до десяти лет, и многие опытные инженеры близки к выходу на пенсию. Компания обучает модели на десятилетиях внутренней технической документации и даже рассматривает возможность предоставления этой экспертизы клиентам в качестве услуги. Препятствия хорошо знакомы: устаревшие данные в плохом состоянии и уровень вовлеченности пользователей, который застревает ниже отметки в 30%.

Что если бы каждый инженер по продажам мог получить знания лучшего из лучших инженера за три-шесть месяцев вместо того, чтобы учиться этому целый десяток лет?

Цифровой лидер, группа промышленного инжиниринга

  • Тендеры за минуты, а не за недели. Дистрибьютор, обслуживающий аэропорты, больницы и государственные учреждения, раньше тратил не менее 20 дней на подготовку каждой тендерной заявки, работая с более чем 56 000 документов и 30 000 товаров, причем в каждом секторе использовались своя терминология и правила маржинальности. Теперь его внутренняя система на базе ИИ позволяет экспертам загружать запрос предложений и получать готовый проект примерно за пять минут. Команда использует API без сохранения данных для обеспечения конфиденциальности чувствительной информации.

В каждом случае отправной точкой была операционная проблема, которую бизнес уже мог измерить, что и позволяло оценить, действительно ли ИИ помогает улучшить показатели.

Стремитесь к агентам, которые действуют, а не просто отвечают

Обсуждавшиеся проблемы требовали активных действий, а не просто предоставления информации: бронирование ремонта, составление тендерной документации или предоставление экспертных знаний инженерам именно тогда, когда они им нужны.

Все дальнейшее обсуждение строилось на одном важном различии: между моделью, которая отвечает, и системой, которая действует. Чтобы задать отправную точку для беседы, участникам предложили простую аналогию. Обычная большая языковая модель — это библиотекарь: он все знает, но может лишь составить статический маршрут по памяти. Агент — это турагент: он проверяет билеты в реальном времени, разбирается с ошибками при бронировании и завершает оформление поездки.

Для промышленных компаний это означает переход от простого обобщения руководств по техническому обслуживанию к выявлению неисправных компонентов и планированию ремонтных работ.

Живая демонстрация на базе платформы Google Antigravity и Gemini наглядно это показала. Агент-менеджер по цепочке поставок координировал специализированных агентов, отслеживающих данные логистики, судоходные пути и новости для оперативного выявления потенциальных сбоев. Antigravity переводила запросы на естественном языке в рабочий код и инфраструктуру, в то время как Gemini обеспечивала среду выполнения и управление.

Бизнес-цель: сократить разрыв между обнаружением проблемы и принятием мер. Поскольку демонстрация была адаптирована под задачи, которыми поделились гости, она показала актуальные сценарии применения, а не абстрактный пример.

Не ждите идеальных данных, но завоевывайте доверие

Агенты, способные совершать действия, повышают ставки, и участники открыто говорили о том, что стоит между многообещающим пилотом и измеримой ценностью. Выявилось четыре противоречия, и не все из них получили однозначное разрешение.

  • Сначала данные или сначала агенты? Несколько гостей рассказали о данных, разбросанных по разным системам. Один из них задался вопросом, могут ли агенты напрямую работать со сложным ландшафтом данных, вместо того чтобы ждать многолетней очистки, которая задержит получение результатов на срок от двух до пяти лет.
  • Можем ли мы доверять ответу? Проблема галлюцинаций и точности данных была поднята с самого начала. Ответ оказался практичным: внедряйте контекст на основе собственной документации компании с помощью таких инструментов, как Gemini Notebook и коннекторы Gemini Enterprise, и добавляйте ссылку на источник к каждому ответу, чтобы пользователи всегда могли самостоятельно все перепроверить.
  • Чьи это данные? Гости спрашивали, как гиперскейлер будет обращаться с их информацией. Ответ сочетал в себе факты и возможности: Google Cloud уже поддерживает организации с жесткими требованиями к регулированию, включая оборонный и государственный секторы; корпоративные данные не используются для обучения моделей; доступно развертывание на собственных серверах (on-premises); а API без сохранения данных удаляют информацию сразу после генерации инференса, а не хранят ее в течение 30 дней.
  • Привязка к поставщику, но не такая, какой ее ожидают. Привязка к вендору не вызвала серьезных опасений. Руководители хотели опираться на существующие инвестиции в облачные технологии, изучая специализированные возможности за пределами стандартных корпоративных помощников (copilots), уделяя при этом первостепенное внимание внедрению и контролю затрат. Ключевым вопросом было то, где второе облако может принести дополнительную пользу, что делает экспертные знания в области мультиоблачных решений критически важными.

Измеряйте окупаемость инвестиций с первого дня

Если бы одно выражение могло охарактеризовать этот день, это была бы окупаемость инвестиций (ROI):

  • В автомобильном ритейле, где практически нет места неэффективности, один из лидеров отметил коммерческое влияние процессов, которые работают не так, как ожидалось. В его группе 70% сделок содержат ошибки, а ожидания запчастей для автомобилей могут составлять до четырех месяцев. Он пришел, чтобы узнать, как другие превращают ИИ в измеримые результаты.
  • Энергетическая компания проводит пилотное тестирование 50 лицензий Gemini Enterprise и хочет получить подтверждение эффективности внедрения, прежде чем брать на себя дальнейшие обязательства, сообщая при этом, что работа, на которую раньше уходило шесть человек в течение шести месяцев, теперь может быть выполнена одним или двумя людьми за один месяц.
  • ИТ-директор строительной компании, стремящийся контролировать процесс внедрения и расходы, хочет провести хакатон, чтобы выбрать наиболее ценные варианты использования, а затем перейти от пилотного проекта к промышленной эксплуатации.

Совет Лиллиан каждому руководителю был неизменен: начинайте с проблемы, а не с технологии. Затем доказывайте ценность заранее: оценивайте, какой должна быть окупаемость проекта, еще до его создания, а не после завершения пилота. В последние минуты Роман Сорокан, руководитель подразделения Google Cloud в DataArt, обладающий более чем 10-летним опытом работы в экосистеме Google Cloud, продемонстрировал калькулятор окупаемости инвестиций, который компания создала на основе почти 30-летнего опыта работы с клиентами. Вместо того чтобы полагаться на оценки вендоров, он помогает руководителям оценить возможные результаты проекта с использованием агентов ИИ и сравнить их с затратами. Гости остались, чтобы посмотреть презентацию, и многие попросили предоставить дополнительные материалы.

В совокупности аргументация проста: начните с затрат, которые вы можете количественно оценить; создавайте агентов, которые действуют, а не просто отвечают; заслужите доверие с помощью надежных данных и управления; используйте моделирование окупаемости инвестиций для демонстрации потенциальной отдачи и формирования бизнес-обоснования до принятия обязательств по разработке, одновременно подтверждая реальные преимущества в процессе поставки и развертывания.

Участники ушли с ценными идеями и знаниями, и некоторые из них уже забронировали дополнительные углубленные сессии. Один из ведущих инженеров по искусственному интеллекту охарактеризовал мероприятие как «одно из лучших отраслевых мероприятий, которые я когда-либо посещал».

Разработайте свою индивидуальную дорожную карту внедрения ИИ

Гости уходили с более четким пониманием того, как ИИ-агенты могут создавать ценность для бизнеса. Вы можете получить такую же ясность на семинаре по приоритизации для руководителей, проводимом специалистами Google и DataArt.

Выработка правильной стратегии в области ИИ начинается с понимания вашего бизнеса: его приоритетов, процессов, данных и результатов, которых необходимо достичь. Вместе мы определим возможности с высокой окупаемостью инвестиций, оценим их на соответствие вашим требованиям к данным и управлению, а также определим следующие шаги совместно с нашей командой инженеров по ИИ. Мы также рассмотрим, как Google Cloud может интегрироваться в вашу существующую инфраструктуру в качестве специализированного уровня.

Обладая глубокой технологической и отраслевой экспертизой, DataArt помогает организациям связать бизнес-приоритеты с нужными данными, платформами и инженерными возможностями, превращая перспективные возможности ИИ в решения, предназначенные для достижения измеримых результатов.

Готовы превратить возможности ИИ в практическую дорожную карту? Давайте определим, где агенты могут принести наибольшую пользу для бизнеса.

← Все статьи

О чём эта статья

Ещё в разделе «Разработка ПО»

Все →
Что такое батарея в шахматах?
Duolingo

Что такое батарея в шахматах?

Партнерство, которое меняет к лучшему: транспортная компания Franz-Peter Vendel и шины Continental
Continental

Партнерство, которое меняет к лучшему: транспортная компания Franz-Peter Vendel и шины Continental

Встречайте Sopra Steria на ADOPT AI
Sopra Steria

Встречайте Sopra Steria на ADOPT AI

Лучшие системы контроля версий: что показывают данные
JetBrains

Лучшие системы контроля версий: что показывают данные

Sopra Steria и Scaleway объединяют усилия для поддержки миграции критически важных приложений в суверенное облако
Sopra Steria

Sopra Steria и Scaleway объединяют усилия для поддержки миграции критически важных приложений в суверенное облако

ENGIE переосмысливает клиентский сервис с помощью Agentforce
Salesforce

ENGIE переосмысливает клиентский сервис с помощью Agentforce

Ещё от DataArt

Эп. 23 — Как ИИ переписывает аналитику
DataArt

Эп. 23 — Как ИИ переписывает аналитику

Главные тренды 2027 года
DataArt

Главные тренды 2027 года

AI Observability 2.0: почему предприятиям необходимо оценивать полную стоимость и ценность ИИ
DataArt

AI Observability 2.0: почему предприятиям необходимо оценивать полную стоимость и ценность ИИ

Трансформация без даты окончания
DataArt

Трансформация без даты окончания

Как сокращение рабочей недели в Латинской Америке может стимулировать автоматизацию
DataArt

Как сокращение рабочей недели в Латинской Америке может стимулировать автоматизацию

Прототипирование с помощью ИИ: почему стоит просить несколько прототипов
DataArt

Прототипирование с помощью ИИ: почему стоит просить несколько прототипов