Внедрение искусственного интеллекта в промышленную компанию оказалось гораздо сложнее, чем простая покупка подписок на ChatGPT. Опыт компании ПСМ показывает: чтобы создать работающий корпоративный инструмент, недостаточно ИТ-команды или энтузиазма — необходим системный архитектурный подход и глубокое понимание бизнес-процессов.
Ловушка экспертности и первые шаги
Первый опыт использования GPT в компании начался с попытки проанализировать инвестиции в новое направление — производство оборудования для охлаждения. Несмотря на то что нейросеть помогла значительно ускорить поиск информации, около 40% полученных данных оказались «замаскированной фантазией». Это выявило главный риск ИИ — иллюзию экспертности, которая может привести к ошибочным управленческим решениям.
Первая попытка внедрения корпоративного чат-бота в 2025 году была ограничена узкими задачами: проверкой входящих сообщений, риск-аналитикой контрактов и сравнением документов. Низкая эффективность сервиса в свободном диалоге усилила скепсис сотрудников, что потребовало расширения функционала ИИ в сторону реальных производственных нужд: контроля конструкторской документации, видеоаналитики и создания базы знаний.
Своя команда против подрядчиков
Компания отказалась от привлечения внешних разработчиков AI-агентов из-за сложности цепочек посредников, долгого согласования ТЗ и высоких затрат. Вместо этого было принято решение собрать собственную команду, наняв шесть студентов профильного факультета. Несмотря на отсутствие глубокого практического опыта, ребята работали на энтузиазме, что помогало на старте, но стало ограничением при масштабировании.
Проблема проявилась в нестабильности сервисов: первые AI-боты падали каждые 2–3 дня из-за ошибок в инфраструктуре или внешних сервисов. Чтобы превратить набор «умных микросервисов» в устойчивую платформу, в команду был приглашен опытный ИТ-архитектор. Его задача заключалась в создании единого ИИ-контура, интеграции ИТ-систем с инженерными вычислениями и внедрении DevOps-функций.
Дефицит бизнес-аналитиков в AI-разработке
Опыт разработки показал, что компетенций «нейросетчиков», понимающих устройство моделей и технологию RAG, недостаточно для создания полезного продукта. Главная ошибка ИТ-отделов — автоматизация неэффективных процессов без их предварительного анализа. Чтобы избежать «оцифровки плохого процесса», в проекте необходим бизнес-аналитик, который понимает и специфику производства, и возможности ИИ.
На текущем этапе роль такого связующего звена в ПСМ выполняет операционный директор, так как в компании пока не удалось найти специалиста, способного совместить глубокое знание процессов с базовым пониманием технологий ИИ. Основной вызов для компании остается в поиске баланса между требованиями бизнеса к срокам и необходимостью выстраивать правильную техническую архитектуру.