На днях пришли к команде с задачей, которая иллюстрирует главную проблему современного корпоративного ИИ: технологию пытаются впихнуть туда, где она бесполезна. Описываю картину крупными мазками: Металлургический завод. На стадии завершения разработки ядра SCADA-системы. Одна только центральная Мнемосхема - несколько 4K-экранов. И тут приходит… запрос “сверху”: нужно ИИ. Отдельный бюджет, для рекламы конкретного отечественного решения, но очень надо “чтобы не для галочки”. Что предлагается: Ну сначала конечно предлагается хорошенько похихикать и поныть коллегами в личных чатах. Единственное реалистичное применение, какое видится - сделать чат-ассистента по пользовательской документации. “Как перенастроить параметр?”, “А что это за кнопка? За что отвечает?” и прочее - и пусть модель отвечает по инструкции, вместо бедолаги на поддержке, ну по крайней мере добавит такую вот нулевую линию перед ним. Как справочная система - и уж, и ёж - все при делах - скрещивание прошло успешно. Что реально было бы полезно: Оператору в нештатной ситуации требуется диагностика по аварийным сообщениям: “По совокупности параметров причина - проблема на участке N” - инструкция уровня “Видишь это - делай вот это”. Но. LLM не потянет такого по трём причинам: 1. Она не понимает физику процессов, только текст. 2. Нет размеченного датасета с аномалиями и их последствиями. И Инженера с такими знаниями тоже нет. 3. Архитектура доступной нам модели закрытая - дообучить под технологию не получится. А что в сухом остатке? В лучшем случае, мы (и Заказчик) получаем дорогой текстовый справочник. Не аналитик, не советчик, не поддержка. По сути, это имитация цифровизации. Или пилот для какой-то новой сборки самой модели, если договоримся - чтобы потом она уже продавалась другим. Заводу то от этого ноль. Даже минус скорее - минус бюджет.

Вопрос в зал: А видел ли кто-то хоть раз реально полезный ИИ, а в частности LLM, на производственных предприятиях? Насколько это мифический зверь?