Генеративный ИИ в Шахтах: МТС AI и «Норникель» Ведут Революцию!

Генеративный ИИ на шахтах: От оптимизации до прорыва в промышленность

Москва, 16 октября 2025 - Несмотря на общий ажиотаж вокруг генеративного искусственного интеллекта (ИИ), руководитель MWS AI (входит в группу МТС) Денис Филиппов отмечает, что число зрелых решений и готовых к масштабному внедрению бизнес-кейсов в этой сфере остаётся ограниченным. По его словам, существенный потенциал для компаний скрывается не столько в самостоятельной разработке крупномасштабных языковых моделей (LLM), сколько в построении нишевых продуктовых решений на базе уже существующего открытого ПО. Этот вывод подкрепляется ростом практических внедрений ИИ в российской горно-добывающей и металлургической отраслях, где системы машинного обучения и компьютерного зрения начинают демонстрировать ощутимую экономическую эффективность.

От рутины к автоматизации: пример MWS AI

Одним из ярких примеров, приводимых Филипповым, служит система речевой аналитики, созданная MWS AI для крупного горно-металлургического предприятия. Сервис автоматизирует процесс оценки технического состояния добывающего транспорта:

• Специалист осматривает технику, диктуя свои выводы.
• Голосовая запись передаётся на сервер, где LLM производит транскрипцию и обработку.
• На основе полученного текста LLM заполняет анкету о технической готовности техники и отправляет готовый документ ответственному сотруднику.

Внедрение данной системы сократило длительность рутинной проверки с часа до одной минуты. При 100 осмотрах в день годовая экономия рабочего времени превышает 15 000 часов. По мнению MWS AI, такие узконаправленные инструменты трансформируют отрасль, предоставляя бизнесу конкретную ценность. MWS AI реализовала более 200 ИИ-проектов и создала 15 продуктов на базе ИИ, NLP и прочих технологий для широкого спектра отраслей. 80 млн клиентов МТС уже используют разработки MTS AI.

Сферы применения ИИ в тяжёлой промышленности России

Российская промышленность, хотя и находится на раннем этапе внедрения ИИ, демонстрирует активные испытания и применения в тех областях, где экономический эффект наиболее ясен. По данным портала dprom.online от 15 сентября 2025 г., металлургические и горнодобывающие предприятия тестируют нейросети для:

• Компьютерного зрения: контроль на рудоспусках, конвейерах, определение объёма груза в думпкарах и вагонах, распознавание номеров техники.
• Предиктивного обслуживания: прогнозирование отказов оборудования на основе анализа вибраций, нагрузок и температур, что позволяет планировать ремонты и снижать простои.
• Оптимизации производственных процессов: регулирование режимов работы флотационных машин и измельчителей для повышения выхода концентрата, моделирование буровзрывных работ, автоматизированное управление флотацией.
• Промышленной безопасности: мониторинг наличия средств индивидуальной защиты, выявление опасных ситуаций, контроль за уровнем газоопасности.
• Геологоразведки: ускорение обработки геофизических данных, построение моделей рудных тел, определение перспективных зон добычи.

Несмотря на потенциал, широкомасштабное внедрение пока ограничивается необходимостью глубокой интеграции с автоматизированными системами управления технологическими процессами (АСУТП), требований к большому объёму качественных данных и развитой сенсорной инфраструктуре. Тем не менее, как подчёркивается в аналитическом отчёте S&P Global Market Intelligence от 5 февраля 2025 г., «практически ни одна отрасль не осталась незатронутой этой преобразующей технологией».

Лидеры внедрения ИИ в России

Некоторые крупные российские компании уже демонстрируют ощутимые результаты от применения ИИ:

• «Норникель»: Компания заявила о внедрении ИИ-решений во всех производственных дивизионах, формируя сквозные цифровые контуры. По оценкам «Норникеля», такие решения ежегодно приносят до 1 % дополнительного дохода и повышают EBITDA на $70-100 млн. Примеры включают цифрового помощника операторов флотации на Талнахской обогатительной фабрике и цифрового помощника конвертирования на Медном заводе.

• «РУСАЛ»: На Тайшетском алюминиевом заводе нейросеть контролирует электролизные ванны, а «машинный слух» на глинозёмных мельницах анализирует виброакустические сигналы. Эти меры снижают энергопотребление и продлевают срок службы оборудования.

• «АЛРОСА»: Внедрена система машинного зрения для контроля крупности руды на конвейере, что позволило дополнительно добыть более 12 тыс. тонн руды за год. Нейросети также используются для анализа геофизических данных при поиске новых алмазных месторождений.

• «Северсталь»: На Яковлевском ГОКе ИИ-модель мониторит рудоспуски, сокращая простои. Компания также разрабатывает виртуального аудитора для контроля ремонтов. Сэкономлено около 4 млрд рублей за счёт ИИ-решений в оптимизации процессов.

• Магнитогорский металлургический комбинат (ММК): ИИ применяется в доменном производстве для оптимизации режимов работы печей и в системах безопасности с компьютерным зрением.

• «Полюс»: Компания находится в подготовительной фазе, формируя цифровую инфраструктуру и запускает пилотные проекты в сотрудничестве с «Сбером» по четырём направлениям, включая LLM и машинное обучение.

Вызовы и перспективы

Генеративный ИИ, в частности LLM, обладает широким трансформационным потенциалом, как отмечает Сэм Альтман, соучредитель и глава OpenAI, предсказавший в декабре 2024 г. ускорение развития технологии и появление «суперинтеллекта» в течение десятилетия. Однако, как подчёркивает S&P Global Market Intelligence, интеграция и поддержка ИИ-систем требуют значительных инвестиций, а также решения вопросов безопасности данных и этических проблем, включая возможное сокращение рабочих мест.

В горнодобывающей отрасли, которая исторически воспринимает изменения медленно, ИИ представляет собой «подрывную инновацию», обещающую рост прибыли и эффективности. При росте спроса на критически важные минералы для энергетического перехода и ужесточении экологических и социальных требований внедрение ИИ становится не просто опцией, а необходимостью для обеспечения конкурентоспособности и устойчивости. Российские компании, как показывает изложенное выше, демонстрируют прагматичный подход, сосредотачиваясь на конкретных, измеримых результатах, что может стать ключом к более широкой интеграции ИИ в экономику страны.