ИИ чинит оборудование и создает рекламу: нетривиальные кейсы внедрения нейросетей в российском производстве.
Опыт компаний «РЭМОС-АЛЬФА» и «ESTILAB», которые с помощью LLM и генеративных моделей решили конкретные бизнес-задачи — от диагностики станков до создания маркетингового контента.
Внедрение искусственного интеллекта перестало быть прерогативой IT-гигантов и стартапов Кремниевой долины. Сегодня его наиболее прагматично используют в реальном секторе, где на кону — эффективность и снижение издержек.
На закрытой практической встрече содружества «ЦЕХ» представители двух компаний — Василий Белых, руководитель развития производственной системы «РЭМОС-АЛЬФА», и Алексей Пучков, операционный и финансовый директор «ESTILAB», — рассказали, как они интегрировали ИИ в свои операционные и бизнес-процессы. Мы проанализировали их опыт и выделили работающие модели, которые можно адаптировать под другие предприятия. Философия подхода: ИИ как инструмент бережливого производства.
В основе успешного внедрения — смена парадигмы. В «РЭМОС-АЛЬФА» ИИ рассматривают не как технологическую диковинку, а как логичное развитие принципов бережливого производства. «Для нас «бережливость» — это повышение эффективности по отношению к затраченным усилиям. Чем меньше усилий затрачено, тем выше эффективность. ИИ идеально встраивается в эту логику», — Василий Белых. Ключевой принцип: ИИ внедряется туда, где есть повторяющиеся цепочки принятия решений и обработки информации. Задача — передать эти рутинные операции «цифровым ассистентам», чтобы высвободить человеческие ресурсы для более сложных задач.
Кейс 1: «РЭМОС-АЛЬФА» — создание экспертной системы для промышленного оборудования Задача: Минимизировать время простоя дорогостоящих производственных линий из-за поломок. Поиск решения в многотомной технической документации на иностранных языках занимал у инженеров часы. Решение: Разработка ИИ-ассистента по ремонту. Вся техническая документация по оборудованию была оцифрована и загружена в языковую модель. Фактически был создан виртуальный инженер-эксперт, доступный 24/7. Реализация: Интерфейс: интеграция с мессенджером Telegram для максимальной простоты использования на линии; Процесс: оператор фотографирует код ошибки с панели управления станка и отправляет боту; Результат: в течение минуты система выдает: детализированное описание ошибки; вероятные причины её возникновения; пошаговую инструкцию по устранению. Эффект: Сокращение времени на диагностику и поиск решения с часов до минут. Снижение зависимости от узкоспециализированных знаний конкретного инженера. Прямая экономия от сокращения простоев оборудования.
Кейс 2: «ESTILAB» — генерация коммерческого контента и аналитика Задача: Компания, выпускающая косметику и работающая в основном на маркетплейсах, столкнулась с высокими затратами и длительными сроками производства фото- и видеоконтента. Решение: Построение пайплайна по созданию визуального контента с помощью генеративных моделей. Реализация: Стек технологий: используется связка нейросетей (Higgsfield, Midjourney, NanoBanana, Sora) для генерации изображений и видео; Процесс (Multiprompting): сначала одна LLM (например, ChatGPT) детально описывает сцену для рекламного ролика или фото на основе ТЗ маркетолога, затем этот развёрнутый промпт передаётся в нейросеть для генерации изображения; Аналитика данных: для анализа данных о рынке используется связка Perplexity Pro, DeepSeek, Gemini, что ускоряет подготовку отчётов для планирования. Эффект: Скорость: создание прототипа визуала за 5–10 минут вместо дней подготовки фотосъёмки; Бюджет: сокращение расходов на фотосессии; Гибкость: независимость от моделей, графиков и студий.
Ключевые выводы для бизнеса. Фокус на данные, а не на алгоритмы. Качество работы ИИ напрямую зависит от качества и структурированности данных, которые ему предоставляют. Без описанных процессов и баз знаний внедрение будет неэффективным. Старт с пилотных проектов. В «РЭМОС-АЛЬФА» на запуск первого рабочего ассистента ушло 2,5 месяца.