Больше не догоняем. Промышленность переходит от клонирования зарубежных решений к собственной разработке

Ловушка «цифровых клонов»

На сессии «Как сделать импортозамещение инновационным» на «Иннопроме-2026» разработчики, интеграторы и представители промышленности пытались разобраться, почему замена ушедших западных вендоров так часто превращается в простое копирование.

Проблему сформулировал директор по продажам «Атомик Софт» Станислав Павловский: «Внедрению инноваций мешает некоторая закостенелость заказчиков. Компании любят заказывать вендорам не оригинальные решения, а клоны. Например, популярны в России клоны решений Siemens. Их успешно заносят в реестры отечественных технологий».

Получается, значительная часть того, что мы сегодня называем импортозамещением в промышленности — это хорошо замаскированный копипаст. Импортозамещение дало время и базовую безопасность, но не дало конкурентного преимущества. Рынок созрел для перехода к новой логике.

Почему 95% ИИ-пилотов на заводах проваливаются?

По словам директора центра ИИ-решений для B2B Сбербанка Александра Вибе, до полноценной эксплуатации не доходит 95% пилотных проектов с использованием искусственного интеллекта в промышленности. Причины сугубо практические:

1. Требования безопасности. Предприятия размещают ИИ исключительно внутри своего закрытого контура, без облаков.
2. Эффект лоскутного одеяла. IT-инфраструктура заводов часто состоит из «колодцев» — систем, которые не умеют разговаривать друг с другом.
3. Иллюзия «волшебной таблетки». Бизнес запускает узкие, безопасные спринты, которые не влияют на реальные деньги и сроки.

Директор Института AIRI Иван Оселедец считает, что пытаться просто скормить нейросетям гигабайты данных и ждать чуда — это не рабочий сценарий. По его словам, промышленности мало накопленной информации: «Нужно переводить в цифровой вид опыт специалистов, логику принятия решений и даже ошибки, на которых можно учиться».

На гигантском ВСМПО-АВИСМА, по словам директора по ИТ Артема Мерзликина, остался буквально один человек, который понимает логику старой системы баланса металла. Если этот специалист уйдет, знание уйдет вместе с ним. Задача ИИ сегодня — не просто считать, а стать цифровым слепком такой экспертизы, чтобы предприятия не теряли уникальные компетенции.

Три страны, которые меняют правила

Старший вице-президент, руководитель блока «Технологии» Сбербанка Кирилл Меньшов на сессии «Искусственный интеллект в промышленности» сформулировал вызов так: «Нам нужно отказаться от вечного импортозамещения, когда мы все время пытаемся кого-то догнать. Сейчас только три страны — США, Китай и Россия — имеют сопоставимые по уровню собственные фундаментальные ИИ-модели».

Индустрия уже начинает этот переход — от простых чат-ботов к мультиагентным средам. Это когда на предприятии работает не одна нейросеть, а целая система ИИ-агентов, которые связаны между собой: один проектирует, второй тестирует, третий ищет уязвимости в кибербезопасности. Они обмениваются данными и решают задачи комплексно, а не по отдельности.

Чтобы мультиагентные среды реально работали, на рынке внедряют новую методологию — агентную разработку. Ее суть переворачивает привычную логику: человек теперь формулирует только намерение — что именно нужно сделать и зачем. Остальное берет на себя система ИИ-агентов: пишет код, создает документацию, проверяет требования безопасности. Разработчик освобождается от рутины и концентрируется на главном — на бизнес-логике и продукте.

Конец эпохи опенспейсов на сто человек

Человек задает намерение, а система агентов обеспечивает исполнение — такой подход описан в методологии AI-Disrupt PDLC, руководстве по агентной разработке, разработанном в Сбербанке. По оценкам ее авторов, при полной реализации этот подход позволяет добиться 10-кратного увеличения производительности. То, что раньше требовало месяцев работы больших команд, теперь можно реализовать гораздо быстрее и с меньшими ресурсами. Это особенно важно для импортозамещения: раньше, чтобы адаптировать чужое решение, требовалась долгая работа целых отделов. Теперь автоматизация позволяет создавать сложные решения без необходимости подстраиваться под сторонние продукты.

Этот подход меняет и структуру самих команд. Согласно методологии AI-Disrupt PDLC, индустрия движется к так называемым Tiny Teams — компактным группам из трех-шести человек, которые работают в связке с ИИ-агентами. Логика простая: зачем держать штат из сотни разработчиков, если написание кода, документацию и тестирование забирают нейросети? Люди остаются там, где нужны смыслы — постановка задач, архитектура, проверка результата.

Небольшие компании выигрывают от ИИ быстрее крупных. У них нет унаследованных систем, которые нужно годами переделывать, и бюрократических процедур, которые тормозят внедрение. Маленькая команда из трех-пяти человек может сразу строить процессы вокруг ИИ-агентов, тестировать гипотезы и выводить продукты на рынок.  Вице-президент, председатель Уральского банка Сбербанка Петр Колтыпин отметил: именно это позволяет небольшим компаниям эффективнее реагировать на изменения. Раньше для такой скорости нужны были ресурсы корпораций с сотнями разработчиков.

Но есть и ограничения. На производстве нельзя слепо доверять ИИ, не понимая, как именно нейросеть пришла к тому или иному решению. Если ИИ говорит «остановить конвейер» или «изменить температуру в печи», инженер должен понимать, почему. Цена ошибки на заводе — это остановка производства или авария. Так что во многих отраслях контроль человека остается обязательным.

Есть и другие риски. Замглавы Минцифры Александр Шойтов предупредил: «Модель может давать неправильный результат в случае, если так было заложено еще в период обучения». Это значит, что нейросеть учится на данных, которые ей скармливают. Если эти данные были неполными, устаревшими или содержали ошибки — модель усвоит эти проблемы и будет воспроизводить их в своих решениях. Плюс индустрии критически не хватает людей, которые разбирались бы и в производстве, и в нейросетях. И без инвестиций в образование этот новый уклад забуксует.

Итог для бизнеса

Времена, когда можно было просто купить «коробочку» и клонировать чужой софт, закончились. Теперь выигрывает тот, кто умеет безупречно формулировать задачи для машин и оцифровывать уникальный опыт своих инженеров. И пока весь мир учится работать в связке «Человек + Агент», у уральских заводов и ИТ-компаний есть шанс сделать это первыми.