Искусственный интеллект, роботы - применение

[samsony1]

ИИ и умный дом

Переходя к направлениям ИИ и Умного дома, стоит отметить, что масштаб регулирования здесь впечатляет не меньше. Судя по найденным документам, 2026 год стал для этих сфер временем, когда стандартизация перешла от общих концепций к конкретным и жестким требованиям к устройствам, безопасности и процессам.

Искусственный интеллект (ИИ): от терминов к оценке воздействия

В 2026 году в области ИИ был сделан акцент на внедрение стандартов, обеспечивающих безопасность, прозрачность и надежность систем. Главные нововведения:

1. Терминология и классификация: С 1 февраля 2026 года введен ГОСТ Р 72484-2025, который установил единый понятийный аппарат и классификацию для систем ИИ в здравоохранении.
2. Оценка воздействия: С 1 мая 2026 года действует ГОСТ Р 72514-2026 (ISO/IEC 42005:2025). Это, пожалуй, ключевой стандарт года, который дает организациям методику для оценки того, как их ИИ-системы влияют на отдельных людей и общество в целом.
3. Прозрачность: С 1 мая 2026 года также введен ГОСТ Р 72515-2026, устанавливающий таксономию прозрачности, то есть определяющий, какую информацию о своей работе должна раскрывать система ИИ.
4. Специализированные стандарты: Вводятся в действие стандарты для конкретных высокорискованных областей, такие как ПНСТ 1046-2026 (для ИИ в критической информационной инфраструктуре) с 1 апреля и ПНСТ 1056-2026 (для систем мониторинга выбросов на автотранспорте) с 15 июня.
5. Видеоаналитика: С 1 марта вступил в силу ГОСТ Р 72563-2026, который стандартизирует методологию определения функциональных характеристик систем ситуационной видеоаналитики на основе ИИ.

Умный дом: эра тотальной цифровизации жилья

Здесь ситуация развивается наиболее бурно: в начале 2026 года был утвержден целый комплекс ГОСТов, охватывающих все — от «железа» до кибербезопасности. Все эти стандарты должны быть введены в действие не позднее 30 июня 2026 года.

1. Единые требования к устройствам: Утверждены стандарты, которые унифицируют требования к ключевым элементам "Умного дома":
ГОСТ Р 72457–2025: IP-видеокамеры.
ГОСТ Р 72458–2025 и ГОСТ Р 72459–2025: Интеллектуальные приборы учета воды и тепла.
ГОСТ Р 72460–2025 и ГОСТ Р 72461–2025: Датчики движения и присутствия.
ГОСТ Р 72462–2025: Системы IP-домофонии.

2. Эксплуатация цифровых зданий: ГОСТ Р 72463–2025 регламентирует, как должны управляться многоквартирные дома с цифровыми системами. Он предъявляет конкретные требования к IT-инфраструктуре и даже обязывает управляющие компании иметь в штате специалистов (администраторов, инженеров) по цифровым сервисам.

3. Кибербезопасность: Впервые на уровне стандартов введены требования к безопасности "Умных домов". ПНСТ 1040–2025 и ПНСТ 1041–2025 устанавливают требования доверия к устройствам и защиту от сетевых атак. Это критически важно, так как любое подключенное устройство становится потенциальной целью для злоумышленников.

4. Перспективы и влияние: По оценкам, следующий шаг — интеграция ИИ, который сможет анализировать привычки жильцов и самостоятельно формировать сценарии, а также внедрение робототехники для обслуживания домов. Разработка этих стандартов ведется во исполнение Концепции цифровизации многоквартирных домов до 2030 года. Ожидается, что стандартизация не только упростит жизнь жителям, но и приведет к снижению стоимости устройств за счет унификации и конкуренции.

источник - здесь

[samsony1]

Рост использования генеративного ИИ в корпоративной среде формирует новый класс инфраструктурных и ИБ-рисков

По данным независимого исследования К2 Кибербезопасности и «Лаборатории Касперского», искусственный интеллект уже влияет на непрерывность бизнеса и почти половина (43%) корпораций заявляют, что недоступность ИИ-сервисов приведет к потерям (32% — к умеренным, 11% — к критическим).  Поэтому уже четверть компаний считают, что безопасность ИИ входит в ТОП-5 приоритетов бизнеса.

На сегодняшний день только 22% выделили на это отдельный бюджет и 61% компаний стремятся контролировать использование сотрудниками сторонних ИИ-сервисов, но испытывают технологические и организационные сложности. Реальный контроль реализован лишь в 29% компаний. Остальные организации либо ограничиваются пассивным мониторингом (47%), либо блокируют доступ к сервисам (24%).

[samsony1]

Российские предприятия переходят от пилотных проектов к масштабному внедрению роботов, но путь к среднемировым показателям потребует устранения финансовых и кадровых барьеров.

Сегодня в России на каждые 10 тыс. занятых в промышленности сотрудников приходится 29 роботов. Среднемировой показатель, по данным Международной федерации робототехники (IFR), составляет 177 единиц. Южная Корея, бессменный лидер рейтинга, достигла 1220 роботов на 10 тыс. работников - разрыв с Россией, таким образом, более чем в 40 раз. Эта статистика давно известна, но сейчас она обретает практическое измерение. Российский бизнес начал переходить от изучения темы роботизации к конкретным проектам.

Текущий объем российского рынка роботизации составляет около 78 млрд руб. - такова совокупная оценка содержащаяся в совместном исследовании компаний "Технологии Доверия" (ТеДо) и КUKA, основанная на анализе выручки 140 компаний, работающих в этом сегменте. При планируемом сценарии роста, предполагающему выход России в топ-25 по плотности роботизации, к 2030 году рынок может вырасти до 630 млрд руб. Для этого потребуется довести парк промышленных роботов примерно до 100 тыс. единиц - против нынешних 12,8 тыс. Выглядит очень амбициозно, однако компании, которые уже работают с роботами, демонстрируют схожую динамику: 86% текущих пользователей эксплуатируют от 6 до 50 роботов, и большинство из них планируют кратное расширение парка - от 20 до более чем ста единиц - до 2030 года.

Главный драйвер роботизации - экономическая необходимость. По данным Росстата, безработица в России в январе 2026 года составила 2,2% - исторический минимум. В четвертом квартале 2025 года номинальные зарплаты выросли на 11,2% год к году, а Банк России фиксировал, что спрос на рабочую силу стабильно превышает предложение. Согласно данным Российского союза промышленников и предпринимателей, дефицит кадров ощущают большинство промышленных компаний.

87% респондентов назвали дефицит персонала и рост зарплат ключевым стимулом для роботизации. На втором месте - необходимость наращивать объемы производства без пропорционального увеличения штата. Повышение производительности и снижение брака занимают третью позицию. Государственные финансовые стимулы также входят в перечень, но пока остаются на периферии принятия решений: 84% компаний не используют действующие меры господдержки - при том что льготное кредитование и лизинговые программы официально существуют.

Спрос российских предприятий сосредоточен вокруг нескольких конкретных типов решений. Наиболее востребованы промышленные шестиосевые роботы - их рассматривают 73% опрошенных компаний. Следом идут мобильные платформы - 51% - и специальные роботы типа SCARA и DELTA. Спрос на коллаборативных роботов, работающих бок о бок с людьми без защитных ограждений, пока значительно скромнее. На гуманоидных роботов сегодня ориентируются лишь 2% компаний - но этот показатель, по всей видимости, будет меняться.

Типичный сценарий внедрения - роботизация сборочных линий, сварки, механообработки и паллетирования. Именно эти задачи стандартизированы, хорошо отработаны на рынке и дают предсказуемый экономический эффект. Отдельное направление - складская и внутрипроизводственная логистика: 74% опрошенных рассматривают внедрение мобильных роботов в складской зоне, причем половина из них уже использует роботов в производстве.

Если раньше промышленный робот был жестко запрограммированным исполнителем одной операции, то сегодня искусственный интеллект превращает его в адаптивную систему. Машинное зрение позволяет роботу различать объекты разной формы и ориентации, алгоритмы обучения с подкреплением - перестраивать поведение без переписывания кода, а облачные платформы обеспечивают управление крупными флотами роботов в реальном времени.

Главный тормоз роботизации - не нехватка технологий и не геополитические ограничения.
Главным же барьером 89% компаний называют доступность финансовых ресурсов. На втором месте - нехватка компетенций и интеграторов: 41% респондентов. Треть компаний не уверены в окупаемости проекта.

Инфраструктурный фактор также значим: 57% компаний говорят лишь о частичной готовности своих площадок к роботизации и признают необходимость доработок. Это означает не только физическую перестройку цехов и складов, но и зрелость ИТ-систем - синхронизацию роботов с системами управления складом (WMS), производством (MES) и ресурсами управления предприятия (ERP).

источник - здесь

[samsony1]

В России спрос на облака за год вырос на 29%.
Спасибо ИИ и дорогой инфраструктуре

Российский рынок инфраструктурных облачных сервисов по итогам 2025 г. вырос на 29% и достиг 96 млрд руб. Платформенные сервисы в публичном облаке продемонстрировали аналогичную динамику и составили 38 млрд руб. В качестве основных причин роста инвестиций в облачные услуги респонденты отмечают рост стоимости ИТ-оборудования и внедрение технологий искусственного интеллекта.

По данным Apple Hills Digital и облачных провайдеров Cloud.ru, Selectel и VK Tech, по итогам 2025 г. российский рынок инфраструктурных облачных сервисов вырос на 29% и достиг 96 млрд руб, а платформенные сервисы в публичном облаке продемонстрировали аналогичную динамику и составили 38 млрд руб.

Само исследование было основано на опросе 419 компаний малого, среднего и крупного бизнеса, представляющих государственный сектор, ИТ, телекоммуникационную, промышленную, транспортную, строительную и медиаотрасли.

В качестве основных причин увеличения инвестиций в облачные услуги респонденты назвали: рост объемов данных — 33%; модернизацию бизнеса — 32%; рост стоимости оборудования — 30%; повышение требований к информационной безопасности (ИБ) — 30%; внедрение ИИ-технологий — 27%; ИТ-импортозамещение — 20%. В исследовании уточняется, что респонденты могли выбирать несколько вариантов ответов.

На рост рынка также повлияло увеличение числа компаний, использующих услуги нескольких облачных провайдеров одновременно. Согласно исследованию, около 30% компаний работают с двумя провайдерами, 15% — с тремя и 13% — с четырьмя. Чаще всего такая мульти-вендорная стратегия применяется для снижения зависимости от одного ИТ-поставщика, оптимизации стоимости ресурсов и минимизации рисков, связанных с изменением тарифов. При этом 42% российских компаний продолжают пользоваться услугами только одного облачного провайдера.

источник - здесь

[samsony1]

Конкуренция в ИИ растёт:
доля рынка ChatGPT впервые рухнула ниже 50 %

Спустя более трёх с половиной лет с момента выхода ChatGPT, помощниками с искусственным интеллектом пользуются миллионы людей по всему миру, и конкурентная среда быстро меняется. ChatGPT остаётся самым популярным из них, но его доля рынка впервые упала ниже 50 %, пишет TechCrunch со ссылкой на данные Sensor Tower.

Сервис ChatGPT быстрее всех в истории набрал месячную аудиторию в 1 млрд пользователей — сейчас этот показатель составляет 1,1 млрд человек; для сравнения, у Google Gemini этот показатель составляет 662 млн человек, у Anthropic Claude — 245 млн. До января ChatGPT занимал более 50 % рынка, но к концу мая его доля сократилась до 46,4 % из-за роста Gemini до 27,7 % и Claude до 10,3 %. Другие ИИ-помощники, в том числе Grok, Perplexity, DeepSeek и Meta AI, не имеют и 5 % рынка.

Пользователи готовы всё чаще менять свои предпочтения — для них важны не только функции, но также доверие к бренду и его соответствие общественным ценностям. На стороне Gemini — интеграция с экосистемой Google; Anthropic Claude популярен как рабочий инструмент, и уровень лояльности пользователей у него сравним с показателями ChatGPT. По итогам первой половины 2026 года число загрузок ИИ-помощников составит 2,3 млрд; величина расходов на них — $4,2 млрд. Для сравнения, в первой половине 2025 года расходы составили $1,8 млрд.

источник - здесь

[samsony1]

24–26 июня в Тимирязев Центре Москвы пройдёт выставка технологий и IT-решений для модернизации производства и логистики.

На полномасштабных полигонах посетители увидят десятки роботов в действии — весь спектр решений для роботизации складов и внутрицеховой логистики.

Вот топ-5 решений на ReIndustry Expo:

1. AMR-роботы — так называемые «роботы-пылесосы», которые применяются для автоматизации процесса комплектации. Один робот заменяет до 4 сотрудников, окупается за 7–9 месяцев.
2. FMR-роботы — роботизированные вилочные погрузчики, которые обеспечивают перемещение паллет внутри склада. Сокращают потребность в персонале на 70–80%, включая операторов погрузчиков.
3. 3D-шаттлы — автоматизированная технология для сверхплотного паллетного хранения. Увеличивают вместимость склада на 50–70% и полностью вытесняют операторов ричтраков и узкопроходников.
4. Краны-штабелёры — автоматизированное решение для хранения паллет на высотных складах до 40 метров. Сокращают персонал на операциях размещения и отбора в 2,5–3 раза.
5. ACR — роботы с вертикальной мачтой, которые обеспечивают отбор коробов и KLT-тары с фронтальных полочных стеллажей с высотой до 12 метров. С ними вместо 30 комплектовщиков достаточно 10 операторов.

Источник: здесь

[samsony1]

Согласно прогнозу ИСИЭЗ НИУ ВШЭ, совокупный вклад ИИ в ВВП России составит 11,6 трлн рублей в 2030 году и 46,5 трлн рублей в 2035-м

Президент компании «Норильский Никель» Владимир Потанин в интервью телеканалу «Россия 24» подтвердил — экономический эффект от внедрения ИИ для экономики страны действительно колоссальный. По его словам, России важно соблюдать баланс: использовать суверенные технологии в национальной безопасности и критических отраслях и мировые разработки в коммерческой сфере.

По подсчетам FinExpertiza, средние и крупные российские компании в 2024 году потратили 90,3 млрд руб. на внедрение и использование ИИ. Доля ИТ-бюджета, которую компании готовы выделить на ИИ, зависит от конкретной отрасли. Она может варьироваться, например, от 5,5% в автомобильной промышленности до 14% в нефтегазовом секторе.

Автоматизированный оптический контроль — одно из популярных применений ИИ в мировой промышленности. По данным IoT Analytics, он занимает наибольшую долю — 11% — среди 48 изученных компанией сценариев использования ИИ.

В современных системах используются технологии ИИ. Алгоритмы машинного обучения анализируют массивы данных с оборудования, из систем управления производством (MES) и других источников и выявляют аномалии. Это помогает прогнозировать вероятность и время возможной поломки. В таких системах также применяется генеративный ИИ. Он помогает извлекать знания из накопленных производственных данных и дает инженерам рекомендации по обслуживанию оборудования.

По оценкам Gartner, к 2030 году расходы на программное обеспечение для управления цепочками поставок с использованием агентного ИИ достигнут 53 млрд долл., тогда как в 2025 году они были на уровне 2 млрд долл. Аналитики компании отмечают, что агенты ИИ уже автоматизируют рутинные операции в цепочке поставок и освобождают время людей для более сложных задач.

Генеративный ИИ пока занимает скромную долю промышленного ИИ-рынка. По данным IoT Analytics, в 2024 году на него приходилось около 6% всех промышленных ИИ-проектов. При этом эксперты ожидают, что к 2030 году эта доля вырастет до 25%.

В России, по данным Strategy Partners, половина крупных промышленных компаний заявила о готовности применять генеративный ИИ. При этом большая часть (42%) уже внедрила или только планирует использовать системы с этой технологией в управлении производственными процессами.

По прогнозам аналитиков, в ближайшие два года предприятия перейдут от пилотов к промышленной эксплуатации генеративного ИИ. Ускорить этот процесс, сделать его наиболее эффективным, обеспечить переход от пилотных внедрений к масштабированию решения на предприятие в целом могут отраслевые ИИ-платформы с готовыми доменами знаний.

[samsony1]

Где ИИ приносит бизнесу быстрый эффект

У ИИ много сценариев применения, но начинать лучше не с самых сложных. Быстрее всего результат появляется там, где уже есть рутина, поток однотипных задач и регулярные задержки.

1. Документы и первичные данные. Счета, акты, заявки, договоры, письма, коммерческие предложения, служебные записки — во многих компаниях все это до сих пор проходит через ручную проверку. ИИ может извлекать ключевую информацию, сравнивать ее с данными из внутренних систем, находить ошибки и готовить документы к следующему этапу.

2. Финансы и бухгалтерия. Здесь много операций, где важны точность и порядок. Цифровой помощник проверяет первичные документы, контролирует статусы согласования, сверяет платежи, ищет расхождения и напоминает о зависших задачах. Он не заменяет бухгалтера или финансиста, но снимает с них часть монотонной работы.

3. Продажи. Из-за высокой загрузки менеджерам часто не хватает времени на подготовку к переговорам, созвонам и пресейлам. ИИ может проанализировать данные из CRM, переписку, историю сделок, звонки и активность клиента. После этого он подскажет, где есть риск потери сделки, какой следующий шаг логичен и какие клиенты требуют внимания в первую очередь.

4. Клиентская поддержка. Если у компании большой поток обращений, часть нагрузки можно снять за счет ИИ. Он классифицирует запросы, готовит ответы на типовые вопросы, ищет информацию в базе знаний и передает сложные случаи специалистам. Речь не обязательно о замене оператора. Часто лучший эффект дает формат, где ИИ помогает сотруднику отвечать быстрее и точнее.

5. Закупки и снабжение. Заявки, поставщики, коммерческие предложения, сроки, условия, согласования — в закупках много координационной работы. Цифровой помощник может собрать предложения, сравнить параметры, подготовить документы, проконтролировать статусы и заранее подсветить риски по срокам. Это особенно полезно там, где закупочный цикл регулярно растягивается из-за ручных проверок.

[samsony1]

Алиса AI предлагает виртуальных друзей для общения и саморазвития

В сервисе «Алиса AI» появилась новая функция — чат с персонажами на основе ИИ. Каждый из них наделен уникальным характером и стилем общения: один ориентирован на эмоциональную поддержку, другой — на мотивацию и советы по развитию. Пользователям предоставляется возможность выбрать готового собеседника или самостоятельно создать персонажа с заданными параметрами поведения.

На данный момент в библиотеке доступно более 30 вариантов, среди которых есть как образы популярных блогеров, так и вымышленные герои в стиле аниме. Выбор зависит от текущего настроения или запроса пользователя. Если ни один из предложенных вариантов не подходит, можно разработать собственного персонажа: для этого достаточно придумать имя и подробно описать модель его поведения. Например, возможно создать остроумного любителя кино, который использует шутки и цитаты из сериалов. Диалог с таким персонажем может быть продолжительным — система запоминает предыдущие обсуждения и позволяет возвращаться к ним. При необходимости начать беседу заново или сменить тему также не составляет труда.

источник - здесь

[samsony1]

В Китае создан гибкий мозговой имплантат, работающий 18 месяцев

Группа ученых из Китая, представила результаты разработки нового электрода для мозговых имплантатов. Согласно опубликованным данным, устройство сочетает в себе высокую гибкость, сравнимую с мягкостью нервной ткани, малую толщину и улучшенные прочностные характеристики по сравнению с существующими аналогами.

В ходе экспериментов на животных новый имплантат продемонстрировал способность регистрировать нейронную активность с высоким уровнем точности на протяжении длительного времени. Сообщается, что работоспособность устройства внутри организма сохранялась в течение 18 месяцев. Разработчики полагают, что данное достижение позволяет устранить одно из ключевых препятствий на пути развития технологий интерфейсов «мозг–компьютер».

Инвазивные методы считывания сигналов из мозга обеспечивают наибольшую четкость и информативность данных, однако их применение сопряжено с техническими трудностями. Основная сложность связана с несоответствием механических свойств материалов электродов и биологических тканей. Традиционно для кортикальных матриц используются платина или сплавы платины с иридием. Эти материалы обладают высокой электропроводностью, что необходимо для качественной передачи сигналов, но их жесткость значительно превосходит эластичность мозговых структур.

Представленная разработка направлена на решение этой проблемы за счет использования материалов, близких по механическим свойствам к мозговой ткани. Уточняется, что толщина нового электрода сопоставима с человеческим волосом, а прочность превышает показатели предыдущих поколений устройств. Долгосрочная стабильность работы, подтвержденная в ходе испытаний на животных, рассматривается авторами как значимый шаг вперед в области создания более надежных и безопасных нейроинтерфейсов. Дальнейшие исследования, вероятно, будут сосредоточены на переходе к клиническим испытаниям и оценке долгосрочных эффектов воздействия на организм.

источник - здесь

[samsony1]

Нейросеть нашла нарушения за минуты: строителям открыли готовый промпт для анализа фото с объекта

Инженеры и прорабы могут использовать искусственный интеллект для проверки качества работ по фотографиям со стройплощадки. Эксперты подготовили готовый промпт, который помогает определить стадию строительства, выявить нарушения технологии, оценить качество монтажа и получить структурированный отчет по объекту.

Нейросети все активнее применяются в строительстве для анализа визуальной информации. С их помощью можно выявлять нарушения охраны труда, контролировать качество работ, фиксировать дефекты и отслеживать выполнение графика строительства. Вместо ручного просмотра сотен фотографий инженер получает готовый отчет с перечнем замечаний и потенциальных рисков.

На практике ИИ способен анализировать фотографии армирования, опалубки, бетонирования и других этапов работ. Сервис определяет стадию строительства, оценивает качество выполнения работ и указывает на возможные отклонения от проекта или технологии. Также нейросеть может сравнить фактическую готовность объекта с календарным графиком и выявить участки, которые отстают от плана.

Источник: здесь

[samsony1]

Глава Минтруда РФ: внедрение ИИ может увеличить потребность в работающих с ним IT-специалистах на 250 тыс. человек

Процесс активного внедрения ИИ-систем может увеличить потребность в работающих с ним IT-специалистах в России на 250 тыс. человек, заявил СМИ министр труда и социальной защиты РФ Антон Котяков. По его словам, активизация этого процесса приведёт к новому витку борьбы за кадры на рынке.

В мае 2026 года в аппарате вице‑премьера Дмитрия Григоренко сообщили, что численность занятых в российской IT‑отрасли за 2025 год увеличилась на 20% и достигла 1,87 млн человек.

В декабре 2025 года Минцифры сообщало, что численность работников IT‑отрасли в РФ достигла 1,15 млн человек.

В январе 2025 года в Минтруда заявили, что экономике России требуется ещё около 100 тыс. разработчиков программного обеспечения и 40 тыс. молодых специалистов по базам данных и сетям.

источник - здесь

[samsony1]

«Дзен» переходит на новую систему обработки новостей на основе ИИ

Платформа «Дзен» объявила о модернизации технологической инфраструктуры. Компания внедряет архитектуру под названием «Кортекс», построенную на модульном принципе и ориентированную на использование моделей искусственного интеллекта.

Основное изменение заключается в том, что большинство алгоритмов платформы переводится на ИИ-модели. Это позволяет системе масштабироваться и оперативно подключать новые модели по мере их появления.

Цель обновления — повысить точность анализа контента. Ожидается, что новая архитектура улучшит распознавание уникальных информационных поводов, верификацию первоисточников и адаптацию ленты под узкие интересы пользователей с учетом обсуждений в мессенджерах. Также система будет учитывать не только клики, но и такие сигналы, как глубина дочитывания, возвраты к материалу и цитируемость.

Ежемесячная аудитория «Дзена» составляет 65 млн пользователей, которые генерируют около 10 млрд событий в сутки (публикации, просмотры, реакции). Архитектура «Кортекс», как утверждается, создана для управления этими объемами в условиях пиковых нагрузок.

Переход на новую архитектуру реализуется по четырем направлениям: отказ от текстового совпадения в пользу смысловой близости, оперативная верификация первоисточников, анализ глубинных пользовательских сигналов (включая обсуждения в мессенджерах) и технологическая гибкость для медиарынка. Модульный подход позволяет «Дзену» быстро разворачивать новые сервисы, а для редакций и журналистов, по заявлению платформы, приоритет в дистрибуции получают те, кто работает с первоисточниками и предоставляет проверенную аналитику.

источник -

[samsony1]

Первая роботизированная буровая установка на материковой части России создана на базе российских программных продуктов IR-ПАК и IR-Operbot от «Ригинтел»

В Иркутской области на Чонской группе месторождений стартовал уникальный для России проект – внедрение роботизированного комплекса спуско-подъемных операций (РКСПО), или роботизированной буровой установки. Роботизированный комплекс создан на базе российских программных продуктов «Ригинтел» (IR-ПАК и IR-Operbot), решение объединяет в себе цифровые технологии, автоматизацию, анализ данных и искусственный интеллект. Это первый опыт реализации такого проекта на материковой части России.

Буровая установка, оборудованная таким комплексом, без участия человека собирает, разбирает, спускает и поднимает бурильные и обсадные колонны. Проект стал ответом на критические вызовы отрасли, когда традиционные подходы достигли технологического предела эффективности. Роботизированный комплекс – это решение, которое способно обеспечить гарантированную повторяемость результата, прогнозируемость операций по времени и их точность, а также исключить присутствие человека в опасных зонах, тем самым повысив в разы безопасность всего производственного процесса.

источник - здесь

[samsony1]

Как посчитать, приносит ИИ пользу или нет

Чтобы разобраться с этим вопросом, команда Альфа-Банка совместно с Альянсом в сфере ИИ, Ассоциацией ФинТех и двумя десятками ведущих компаний разработали методику расчёта финансового эффекта от ИИ-проектов и упаковали её в документ под названием «Методология оценки финансовой эффективности от ИИ/ГенИИ».

Это детальный гайд на 88 страниц о том, как прекратить считать «виртуальные деньги» и начать управлять ИИ как жестким инвестиционным портфелем. В документе подробно описаны ответы на вопросы «Какими метриками можно оценить фин. эффект от ИИ?», «Какими методами можно посчитать эффект от ИИ?», «Как избежать двойного посчёта эффекта от проекта?», добавлены примеры расчётов на примере кейсов внедрений и описаны типовые ошибки.

источник - здесь