От энтузиазма к архитектуре: как российская компания создавала корпоративную ИИ-команду
Многие руководители ошибочно полагают, что внедрение искусственного интеллекта в бизнес — это лишь вопрос запуска пилотного проекта силами текущей ИТ-команды. Реальность, описанная на примере компании ПСМ UNLIM, показывает другой путь: создание специализированной команды с нуля, внедрение архитектурных стандартов и борьба с глубоким скепсисом сотрудников. Статья раскрывает, как переход от «нейроигрушек» к промышленным инструментам контроля оборудования и юридической аналитики требует смены менталитета и глубокой экспертизы.
# От энтузиазма к архитектуре: как российская компания создавала корпоративную ИИ-команду
Идея создания готовых технологических решений на базе искусственного интеллекта (ИИ) часто формируется на основе личного опыта использования общих сервисов, таких как ChatGPT. Однако масштабирование таких решений до уровня корпоративной инфраструктуры требует кардинально другого подхода. Компания ПСМ UNLIM, занимающаяся производственным программированием и энергетикой, столкнулась с необходимостью построить собственную экосистему ИИ, способную решать задачи промышленного уровня.
В этой статье мы расскажем о том, как прошла эволюция проекта: от наивного ожидания легкой победы до создания полноценной команды разработки, преодоления внутреннего скепсиса и внедрения инструментов, которые выводят ИИ из офиса в зону реального производства.
Иллюзия экспертности и рождение скепсиса
Зимой 2025 года руководству компании предстоял анализ рынка нового оборудования для систем охлаждения. Оставив в стороне привычные источники, автор использовал нейросеть для быстрого погружения в тему. Результаты были впечатляющими: за несколько часов была проанализирована сложная производственная цепочка и оценены инвестиции, что обычно занимает месяцы работы специалистов.
Однако при выезде на аудит производства реальность оказалась суровой. До 40% информации, предоставленной нейросетью, содержали заведомо ложные данные. Этот опыт показал главный риск внедрения ИИ без должного контроля — иллюзия экспертности. Скорость генерации текста часто воспринимается пользователями как глубина понимания.
Внедрение корпоративного чат-бота в офис также стало испытанием на прочность. Первичная версия, способная лишь проверять входящие сообщения и сравнивать документы, вызвала смешанные реакции. Часть сотрудников начала активно экспериментировать, в то время как другие, защищая ценность своего человеческого интеллекта, остались в стороне. Стало очевидно: без системной работы с командой энтузиазм быстро угаснет, уступив место новым рутинам или, наоборот, полному отказу от инструмента.
Мягкий авторский штрих: Важно понимать, что ИИ — это не замена профессионального опыта, а мощнейший усилитель. Задачи не исчезают, они трансформируются: теперь нужно уметь проверять, фильтровать и доверять алгоритмам, но окончательное решение всегда остается за человеком с жизненным опытом.
От подрядчиков к собственной команде: проблема компетенций
Переход к промышленному уровню показал, что силами существующей ИТ-компании невозможно реализовать полный цикл создания ИИ-решений. Внешние подрядчики предлагали стандартные решения, но стоимость и сложность коммуникации делали их неэффективными. Стало ясно: чтобы закрыть задачи быстро и качественно, нужно собрать команду самостоятельно.
Был выбран неочевидный путь — привлечение молодых специалистов с профильным образованием (факультет информационно-вычислительных технологий). Шестеро студентов, не имеющих коммерческого опыта и устоявшихся ИТ-привычек, стали основой новой команды. Их сила заключалась в отсутствии догм: они не знали, как «правильно» сделать, и творили на энтузиазме. Однако по мере роста проектов необходимость в системной архитектуре и DevOps-подходе стала критической. Самодеятельность сменилась привлечением профессионального ИТ-архитектора, который направил разработку в русло создания единой устойчивой платформы.
Создание такой команды выявило новый вызов — нехватку бизнес-аналитиков, способных перевести реальные бизнес-процессы на язык технических задач. В отсутствие такого специалиста роль переводчика между отделами часто ложится на генерального директора, что повышает нагрузку на топ-менеджмент.
Промышленный ИИ: больше, чем просто чат-бот
Главный вывод из опыта внедрения заключается в том, что для промышленности создание ИИ-решения ради офисной автоматизации бессмысленно. Целевые продукты должны интегрироваться непосредственно в производственные процессы.
Компания сосредоточилась на следующих направлениях:
1. Контроль конструкторской документации: Использование языковых моделей для анализа технической документации, проверки фактов и обеспечения соответствия стандартам. 2. Видеоаналитика: Мониторинг производственных линий для выявления отклонений и контроля безопасности. 3. База знаний: Создание системы быстрого доступа к накопленным за 20 лет техническим решениям.
Наиболее успешным кейсом стала интеграция ИИ в процесс приемки электростанций. Ассистент получил доступ к заводским логам контроллеров, данным графиков (Grafana) и методикам испытаний. Он автоматически проверяет временные интервалы, соответствующие режимам работы, и выдает предупреждения о подозрительных событиях. Это позволило вынести ИИ из сферы офисной рутины в зону реального контроля качества промышленного оборудования.
Преодоление скепсиса: кейс контент-менеджера
Одной из самых ярких трансформаций стал опыт работы одного из самых упорных скептиков — контент-менеджера. Изначально считавшая, что нейросети пишут скучно и не могут заменить живой человек, она со временем стала одним из самых эффективных пользователей системы. ИИ помог ей не в написании текстов, а в аналитике, поиске технической фактуры и даже в графике. Этот пример подтверждает тезис: цель внедрения ИИ — не замена сотрудников, а усиление их возможностей.
Сегодня основные пользователи системы в компании — бухгалтеры, юристы, инженеры-конструкторы и маркетологи. Работа с «матерыми» технарями и продавцами вызывает больше сложностей, но общий тренд смещается от количества пользователей к реальному эффекту: сильному специалисту с поддержкой ИИ удается делать больше и качественнее.
Заключение: ИИ как инструмент операционного директора
Внедрение корпоративного искусственного интеллекта — это сложный путь, требующий изменения процессов, сбора качественных данных и постоянной борьбы с внутренними барьерами. Как показала практика ПСМ UNLIM, главным препятствием часто становятся не технологии, а сама корпоративная культура и отсутствие понимания ценности данных. Следующим шагом становится работа с данными и документацией, что требует дополнительных усилий и времени. Истинный эффект достигается, когда каждый сотрудник начинает воспринимать ИИ не как замену, а как своего нового партнера в решении задач.