Цифровое производство: — Выпуск 62: AI, завод и бизнес-эффекты В шестьдесят втором выпуске подкаста «Цифровое производство» команда машиностроительного завода ПСМ (производителя дизельных и газопоршневых электростанций) и IT-компании ПСМ UNLIM подробно разбирает реальный практический опыт внедрения технологий искусственного интеллекта на промышленном предприятии. Выпуск посвящен тому, как пройти путь от первых тестов ChatGPT до создания собственного защищенного контура, преодолеть «нейроскепсис» сотрудников и получить измеримую финансовую и организационную отдачу. Концепция AI Ready и «Домик для ИИ» Почему стандартный ЦОД не подходит под задачи ИИ: разбор инженерных вызовов — AI-нагрузка требует плотности 32–45 кВт на стойку, что в 2–3 раза выше показателей обычных модульных ЦОДов. Почему жидкостное охлаждение чипов (Direct-to-Chip) начинает напрямую диктовать компоновку модуля.Трёхэтажная архитектура контура: как устроен закрытый локальный модуль:AI Base: физическая инженерная база (энергетика, жидкостное охлаждение, ИБП, SCADA);AI Cluster: вычислительный слой (GPU/CPU-серверы, СХД, сеть);AI Factory: прикладной и модельный слой (RAG, OCR, интеграция с ERP, SCADA и MES).Информационная безопасность: «AI без контура — это демо» Защитный барьер ИБ: как выстроить конструктивный диалог со службой безопасности и отказаться от внешних облачных сервисов для защиты коммерческой тайны и чертежей.Цифровой сотрудник с доступом: почему к корпоративному ИИ нужно относиться как к сотруднику с четким периметром прав, логированием, шифрованием векторных баз и ролевой моделью.Практические бизнес-эффекты и цеховые кейсы Attention-боты в коммуникациях: автоматический мониторинг входящей переписки и подсвечивание юридических, коммерческих и репутационных рисков для руководства.Первичная квалификация обращений: как ИИ берет на себя фильтрацию 70% рутинных входящих лидов и спама.ИИ на заводских испытаниях: выход нейросетей из офисов прямо в цех — загрузка логов контроллеров, данных Grafana и методик испытаний для контроля качества сборки оборудования.Как RAG-пилот стал «неподкупным аудитором» От 3 недель к 3 месяцам: реальная история о том, почему запуск интерактивной базы знаний по газопоршневой станции 1 МВт затянулся из-за наличия 44 различных инженерных модификаций.Вскрытие застарелого бардака: как попытка обучить модель обнажила конфликты в характеристиках комплектующих и заставила полностью переписать руководство по эксплуатации двухлетней давности.Команда, экономика и преодоление скепсиса Своя разработка вместо подрядчиков: история найма 6 студентов с факультета ИВТ и привлечения опытного IT-архитектора для устранения падений сервисов и сборки единой платформы.Экономика R&D: прозрачный разбор бюджета — 22 млн рублей текущих расходов на AI-направление (из них 17 млн — ФОТ команды) и закупка собственного GPU-сервера за 5,5 млн рублей.Борьба с нейроскепсисом: как сделать сильного специалиста еще сильнее на примере трансформации отношения сотрудников к ИИ-инструментам. Источники:https://habr.com/ru/companies/psm_unlim/articles/1046576/https://habr.com/ru/companies/psm_unlim/articles/1055408/https://habr.com/ru/companies/psm_unlim/articles/1065460/https://habr.com/ru/companies/psm_unlim/articles/1074426/https://habr.com/ru/companies/psm_unlim/articles/1083012/

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related