Российские предприятия столкнулись с нехваткой ИИ-инженеров, и спрос на них продолжит расти

Более трети российских промышленных компаний планируют активно нанимать специалистов по искусственному интеллекту. При этом бизнес уже сталкивается с нехваткой сотрудников, которые одновременно разбираются в нейросетях и особенностях производства.

К такому выводу пришли аналитики ассоциации «Индустриальные инновации», объединяющей «Газпром нефть», Газпромбанк, «Северсталь» и «Газинформсервис».

Согласно исследованию «Промышленный искусственный интеллект», 38% предприятий намерены активно нанимать ИИ-инженеров. К 2030 году большинство компаний рассчитывают довести долю сотрудников, обладающих навыками работы с искусственным интеллектом, до 80%.

Особенно востребованы аналитики данных и специалисты по машинному обучению, знакомые со спецификой металлургии, машиностроения и нефтегазовой отрасли. Однако вузы пока выпускают меньше таких специалистов, чем требуется промышленности. Дефицит кадров становится одним из препятствий для перехода от отдельных проектов с применением ИИ к созданию автономных производств.

Решить проблему предполагается в том числе за счет национального проекта «Экономика данных и цифровая трансформация государства». Он предусматривает подготовку к 2030 году более 10 тысяч ИИ-специалистов высшего уровня. Параллельно компании развивают собственные образовательные программы. Так, «Газпром нефть» совместно с Университетом ИТМО готовит специалистов в области искусственного интеллекта. Корпоративный университет компании также сотрудничает с десятками школ, колледжей и вузов, выстраивая единую систему подготовки кадров в разных регионах.

«Для масштабного применения ИИ в нефтегазовой отрасли нужны не только технологии, но и специалисты, умеющие с ними работать, — отмечает начальник управления инновационной экосистемы и коммерциализации „Газпром нефти“ Иван Эрих. — Поэтому мы развиваем оба направления параллельно: вместе с университетами готовим ИИ-специалистов и обучаем сотрудников, а также создаем специализированную ИИ-модель O1L для нефтяной отрасли».

По его словам, универсальные нейросети не всегда способны учитывать особенности производственных задач. Разработанная компанией модель обучена на отраслевых знаниях, а созданные на ее основе инструменты уже помогают инженерам искать необходимую информацию и выполнять расчеты. В перспективе O1L может стать национальной ИИ-моделью для всей нефтегазовой отрасли.

Потребность в специалистах будет увеличиваться по мере развития самого рынка промышленного искусственного интеллекта. По прогнозу ассоциации «Индустриальные инновации», к 2030 году его объем в России достигнет 134 млрд рублей против 40 млрд рублей в 2025 году — рост более чем втрое. В частности, рынок платформ машинного обучения увеличится с 4,8 до 18,8 млрд рублей, а систем предиктивной аналитики, позволяющих прогнозировать состояние оборудования и производственные процессы, — с 8 до 21,4 млрд рублей.

При этом для широкого внедрения ИИ предприятиям недостаточно только разработать или приобрести нейросеть. Необходимы соответствующая инфраструктура, качественные данные, подготовленные сотрудники и системы защиты информации.

«Промышленный искусственный интеллект постепенно переходит от отдельных пилотных проектов к более широкому внедрению в производственные процессы, — говорит исполнительный вице-президент Газпромбанка Павел Салугин. — При этом сама ИИ-модель — только один из элементов таких систем. Для масштабирования нужны подготовленная ИТ-инфраструктура, качественные данные, необходимые компетенции, механизмы кибербезопасности».

Еще одна проблема — перенос успешно протестированных технологий в условия реального производства. Как пояснил руководитель центра экспертизы по инновациям и трендам Академии по развитию бизнес-системы «Севергрупп» Александр Бубнов, на предприятиях ИИ приходится работать с разным оборудованием, неполными данными и повышенными требованиями к надежности.

«Модель может хорошо показать себя на тестовых данных, но на производстве ей приходится работать с разным оборудованием, неполной телеметрией и высокими требованиями к надежности и безопасности. Поэтому масштабирование начинается с качества данных и понятной ответственности за результат, а не только с выбора технологии», — подчеркнул он.

По оценке участников исследования, дальнейшее развитие промышленного ИИ будет зависеть не только от совершенствования технологий, но и от способности предприятий подготовить специалистов, наладить работу с данными и встроить новые решения в существующие производственные процессы.