Точнее, в спецвыпуске «Промышленность»: и на сайте, и в печатной версии. Материал о том, как ИИ приживается на российских заводах.
Цифры там из мира большой индустрии: металлургический комбинат отчитался об эффекте от ИИ-проектов в 2 миллиарда рублей за год, нефтяники предсказывают поломку насоса за два-три месяца до того, как она случится, а час простоя прокатного стана обходится примерно в 2 миллиона рублей.
Впечатляет, конечно. При этом такие проекты требуют серьезных бюджетов и окупаются годами.
Поэтому в комментарии я обратила внимание на эффект, который почти все упускают: самые быстрые деньги в промышленности сейчас приходят из «бумажного» слоя вокруг цеха. Это закупки, тендеры, документация, планирование загрузки.
Постоянные читатели кейс уже узнали 😉 Подготовка коммерческого предложения под тендер сократилась с четырех часов до получаса на документ: ИИ-агент сам вытаскивает данные компании, сверяет их с техзаданием и собирает заявку.
Окупаемость в «бумажном» слое считается неделями, тогда как автоматизация самого цеха выходит на окупаемость через годы.
Кстати, в той же статье приводят данные MIT: около 95% корпоративных пилотов генеративного ИИ не дали измеримого бизнес-эффекта. Догадываетесь, почему? Компании начинают со слов «нам нужен ИИ», хотя начинать нужно с процесса, где эффект можно посчитать на калькуляторе. Та самая моя любимая база: 80% успеха дает декомпозиция процесса, и лишь 20% остается на технологию.
Почитать статью целиком можно тут:
https://rg.ru/2026/07/06/algoritm-predskazhet-polomku.html
