В 2025–2026 годах российские промышленные и инфраструктурные компании перешли от пилотных проектов с искусственным интеллектом (ИИ) к промышленной эксплуатации систем, которые приносят измеримую экономию. Сейчас в фокусе у компаний использование больших языковых и прогнозных моделей для автономного или полуавтономного принятия решений. Они позволяют оптимизировать графики движения, прогнозировать ремонты, управлять технологическими режимами и эффективнее распределять ресурсы.
Ассистент оператора вместо полной автоматизации
Сейчас ИИ должен усиливать человека, а не заменять его на критической инфраструктуре, считают в госкорпорации «Росатом». Как пояснили в ЧУ «Цифрум» (структура «Росатома»), генеративный ИИ редко является самостоятельным источником экономии. Его основная роль – работать с неструктурированными знаниями: регламентами, инструкциями, журналами эксплуатации – и быстро превращать их в понятные рекомендации для персонала. При этом экономический эффект возникает в связке генеративных моделей с прогнозными системами и цифровыми двойниками.
В госкорпорации приводят в пример Нововоронежскую АЭС. Там запущена система информационной поддержки оператора, которая обрабатывает данные с нескольких сотен технологических систем и дает краткосрочный прогноз от минуты до нескольких суток. В результате время, затрачиваемое на проверку параметров и реакцию на сигнал, сократилось на 20%, нагрузка на оператора снизилась на 40%.
Еще один кейс связан с топливным дивизионом, рассказывают в «Цифруме»: на Чепецком механическом заводе платформа предиктивной аналитики «АтомМайнд» анализировала более 2 млн параметров при производстве циркониевых оболочек. Система выдавала рекомендации по оптимальным режимам работы оборудования, что позволило снизить уровень брака вдвое.
Кроме того, в 2025 году «Росатом Инфраструктурные решения» расширил применение ИИ и интернета вещей в городском хозяйстве: около 40 проектов в 17 городах. Например, в Обнинске автоматизировано до 80% диспетчерских операций, время реагирования на инциденты сократилось в шесть раз – до одного часа. Это пример снижения операционных издержек за счет автономной аналитики.
От электронных услуг к управлению высокоскоростным поездом
ИИ активно применяется и в российской транспортной сфере. В РЖД к концу 2025 года искусственный интеллект внедрен в 33 системы, около 80% услуг стали электронными. ИИ используется для прогнозирования спроса и оптимизации графиков движения – ключевой фактор снижения расхода электроэнергии на тягу. Компания заявляет о более чем 30 проектах с ИИ, которые помогают управлять персоналом, безопасностью перевозок, мониторингом подвижного состава и инфраструктуры.
Самым громким проектом РЖД в сфере ИИ стал будущий высокоскоростной поезд ВСМ. По планам, им будет управлять искусственный интеллект. При этом свыше 20% новых разработок для поезда уже испытано. Хотя до полностью автономного движения еще далеко, сам тренд показателен: от «умных» подсказок диспетчеру РЖД переходят к системам, которые в перспективе смогут самостоятельно вести состав по маршруту, выбирая энергооптимальный профиль скорости. «По состоянию на начало 2026 года технологии искусственного интеллекта задействованы в 38 направлениях операционной и управленческой деятельности компании», – отметил 2 марта гендиректор и председатель правления РЖД Олег Белозеров в рамках программного заявления о технологическом развитии железных дорог.
Если на транспорте ИИ помогает оптимизировать движение и снижать тяговые расходы, то в металлургии – одной из самых энергоемких отраслей российской промышленности – речь идет об управлении производственными процессами и собственными энергомощностями.
Так, «Северсталь» в 2026 году планирует направить 15 млрд рублей на ИТ и цифровые проекты. Одним из проектов компании стало внедрение модели машинного обучения для стана в Колпино. Решение прогнозирует текущую нагрузку на электродвигатели горизонтальной реверсивной клети «Кватро 5000» и помогает избежать аварийных простоев из-за поломок. Раньше оператор задавал настройки, опираясь на собственный опыт, что было неоптимально. Теперь программа вычисляет зазоры и обжатия, передает данные в модель, которая прогнозирует крутящий момент и предупреждает оператора о превышении пределов. В результате в первом полугодии 2025 года аварийные простои стана сократились на 3,9 часа с экономическим эффектом 4,53 млн рублей. Решение, по заявлению компании, обеспечивает точную адаптацию к изменяющейся нагрузке, повышая энергоэффективность и снижая износ оборудования.
Миллиард на взлете
Еще дальше по пути передачи управления технологическими процессами искусственному интеллекту пошел «Норникель». Здесь ИИ не просто советует, а самостоятельно регулирует работу оборудования. В 2025 году компания «Норникель» заявила, что искусственный интеллект используется почти на всех предприятиях для оптимизации процессов, стабилизации оборудования и предотвращения перегрузок. Совокупный экономический эффект от внедрения ИИ оценен в 100 млн долларов.
В феврале 2026 года на Талнахской фабрике запущена система «Цифровой оптимизатор», которая автоматически регулирует работу флотомашин. То есть ИИ не просто советует, а управляет параметрами технологического процесса в реальном времени. Это отражает тренд на «автономные системы принятия решений». Для «Норникеля», который работает в сложных горно-геологических условиях, возможность стабилизировать производство без постоянного ручного контроля означает не только экономию энергии, но и снижение потерь и простоев.
В отличие от горно-металлургических комбинатов, где ИИ управляет флотацией и прокатными станами, в аэропорту искусственный интеллект решает другую задачу: прогнозирует пассажиропоток и оптимизирует загрузку инфраструктуры. Результат, как показывает опыт аэропорта Шереметьево, измеряется миллиардами рублей в год. В 2026 году компания сообщила, что ежегодно экономит более 1 млрд рублей за счет искусственного интеллекта. Цифровая экосистема охватывает 80% производственного ИТ-ландшафта аэропорта и объединяет управление расписанием, ресурсами и прогнозирование пассажиропотока. Добиться этого удалось благодаря разработке предиктивных моделей ИИ, которые прогнозируют загрузку для каждого конкретного рейса, борта и даже пассажира, рассказал первый заместитель генерального директора специализированной внутренней ИТ-организации «Код открытия» Сергей Коняхин. По его словам, главным ноу-хау стала система автоматического еженедельного переобучения моделей без участия человека, что позволяет алгоритмам адаптироваться к меняющимся условиям и сохранять высокую точность.
Машинное обучение с 2020 года используется для прогнозирования пиковых нагрузок и оптимизации работы персонала, благодаря чему точность прогноза пассажиропотока выросла в пять раз. Это позволяет аэропорту точнее распределять смены сотрудников, загружать стойки регистрации и оборудование, сокращая простои и сверхурочные. При этом в 2025 году сообщалось, что импортозамещение ПО для аэропортов обойдется в 1,9 млрд рублей, то есть экономия от ИИ уже покрывает значительную часть этих затрат.
Что объединяет атомную станцию, железную дорогу, обогатительную фабрику и аэропорт? Все они нашли один и тот же способ снижать издержки: использовать ИИ как способ ускорить принятие решений и делегирования рутинных задач. При этом важно, что речь пока идет не о полной автономии, а об экспертной помощи оператору. Именно математика на больших данных позволяет использовать накопившийся опыт всего предприятия для помощи в работе каждому отдельному сотруднику. Российские компании перевели генеративную энергоэффективность из области экспериментов в плоскость финансовых результатов. Экономия тем выше, чем выше точность моделей.