Недавно в одном профессиональном чате, где общаются владельцы заводов, технологи и инженеры машиностроительной отрасли, разгорелась нешуточная дискуссия. 
Поводом послужил пост Виталия Цыванюка, руководителя завода «Саратовдизельаппарат».

 

 

 

Он поделился опытом, как его команда в 30 раз ускорила подготовку коммерческих предложений, «скормив» искусственному интеллекту пачку заводских чертежей. Его статья не просто собрала лайки — она всколыхнула сообщество, обнажив весь спектр эмоций: от восторженного «давайте внедрять!» до скептического «этого не может быть, потому что не может быть никогда». И это были не досужие разговоры в чатике. Это была честная, порой жесткая робототехническая экспертиза идеи.
Мы попробовали разобраться в этом кейсе. И кажется, у нас получилась не просто история о технологиях, а настоящий срез настроений российских промышленников — как мы встречаем грядущий век великого и ужасного ИИ.

 

 

Ошеломляющий результат

 

Виталий Цыванюк начал с боли, знакомой тысячам производств: «Технолог тратит 8 часов на расчет детали, клиент ждет коммерческое предложение неделю, а в итоге заказ утекает к тому, кто ответил быстрее». Конверсия из запросов в заказы — 25%. То есть 75% времени высококвалифицированных специалистов уходит, по сути, в никуда.

 

Эксперимент, поставленный на заводе «Саратовдизельаппарат»,был дерзким: столкнуть друг с другом связку «опытный технолог плюс экономист» и ИИ-ассистент, обученный на реальных маршрутных карта завода. Результат ошеломил самих авторов: 15 минут против нескольких часов при точности в 95–98%. Но главной находкой стала даже не скорость расчета, а идея региональной кооперации. «На базе этого эксперимента мы в ТПП выстраиваем Центр кооперации и контрактации», — писал Цыванюк. Теперь система не только считает, но и решает: «Делаем сами», «Ищем подрядчика в области» или «Отказываемся». Это уже не калькулятор, а прототип цифровой инфраструктуры для всего региона.

 

 

Виталий Васильевич Цыванюк, 
генеральный директор 
ООО «Саратовдизельаппарат», 
председатель Комитета по промышленности 
при Союзе ТПП Саратовской области

 

Честно скажу: я не ожидал такого накала. 

Дискуссия в канале быстро перестала быть просто разговором и превратилась в настоящий профессиональный ринг. Скепсис коллег был железобетонным, вопросы — каверзными. Признаюсь, я переживал: когда ты выносишь на суд профи свое детище, а тебе говорят:  «Это невозможно», держать удар непросто. В ­какой-то момент градус спора стал таким высоким, что я был вынужден сознательно уйти в тишину, чтобы сбить накал и перевести дух.

Но самое интересное происходило за пределами публичного чата. Пока в комментариях ломались копья, в личку мне писали практики: «Виталий, давай попробуем на моих деталях». Мы провели несколько закрытых тестовых расчетов для абсолютно разных изделий — от простой токарки до сложных корпусных деталей. Да, это не магия: сначала система ошибалась. Но после небольшой корректировки промптов под специфику конкретного завода мы начали получать отличные результаты.

Этот опыт подтвердил мою главную мысль: каждый завод — это уникальный организм. 
У одного — новейшие станки с ЧПУ, у другого — парк советского оборудования с особыми допусками, у третьего — специфика работы со спецсталями. Ни одна универсальная нейросеть из Кремниевой долины или Китая не поймет этих нюансов «из коробки».

Поэтому будущее не за покупкой дорогих иностранных лицензий, а за тем, чтобы мы сами учились быть архитекторами своих систем. 
Те директора и инженеры, которые освоят новую компетенцию — промпт-­инжиниринг и смогут обучать ИИ под свои станки, получат колоссальное преимущество. И я рад, что мы эту дискуссию начали, пусть даже она и прошла так бурно.

 

 

 

Шквал критики

 

 

После публикации этого кейса в закрытом чате промышленников полыхнул полноценный инженерный батл. Тон обсуждения задали не восторги, а острые профессиональные вопросы. Сообщество выступило в роли жесткой приемочной комиссии.
Первым и главным требованием стал честный тест-драйв. «Лучший вариант проверки: демодоступ к вашей системе на обсчет нескольких чертежей», — четко сформулировал один из участников. «Пощупать технологию своими руками» хотел почти каждый участник дискуссии. Но не потому, что не верил цифрам, которые приводил автор эксперимента. Сомнение вызывала сама методика измерения эффективности внедрения ИИ. Выборка из нескольких десятков изделий недостаточна для заявлений о высокой точности системы: «20 тестов для нейронки это не тест, к сожалению. Вот 200 — да». Прозвучали требования вместо красивых процентов предъявить сухие метрики вроде R^2, MAE, MAPE.

 

В разгар дискуссии, которая длилась далеко не один день, Виталий Цыванюк провел дополнительное тестирование на чертежах, предоставленных участниками сообщества. Результаты, по его заверениям, подтвердились: расчеты сошлись с заводскими калькуляциями на 95–99% для сложных узлов, а время сократилось с 4–6 часов до 12 минут. Это сняло хоть и не все, но многие вопросы к оценке эффективности внедрения.
Настоящим стресс-­тестом для идеи стали сомнения иного толка.

 

Ответственность за ошибки на ком?

 

Вопрос финансовой ответственности ИИ за просчеты, которые могут привести к убыткам, остался открытым. Готовы ли разработчики нести такие риски?
Ответ Виталия Цыванюка был трезвым и неожиданным: он согласился. «Мы еще не готовы к полному переходу», — написал он, сразу сняв пафос разговоров о тотальной автоматизации. ИИ в его системе — не главный технолог, а лишь помощник на этапе коммерческого аудита. Задача алгоритма — не создать идеальный техпроцесс, а за 15 минут дать экономически обоснованную прикидку для коммерческого предложения. Финальное решение, детальный техпроцесс и, следовательно, вся ответственность остаются за человеком, который «правильно формирует задачу ИИ».

 

 

Универсального решения не существует

 

 

Самую жесткую критику высказали практики. Каждый завод — это уникальный парк станков, технологий, это свои особенности и уровень квалификации персонала, свой уровень износа. Рассчитать стоимость условной и вполне себе стандартной гайки, наверное, можно. Но как предсказать стоимость изготовления сложной детали по 2D-чертежу со старыми советскими обозначениями для контрактного производства? А это уже задача, близкая к фантастике. «ИИ можно обучить, но только под себя, под свое оборудование. Волшебной конфетки для всех нет», — таков был вердикт скептиков. «Согласен +100500, — смешивал карты оппонентам Цыванюк, — речь не о замене, а об ускорении, автоматизации». Никто не говорит о готовой программе «из коробки», но о методе промпт-­инжиниринга — как передать ИИ логику и базу знаний конкретного завода. Обучение модели шло на реальных маршрутных картах конкретного предприятия, чтобы система считала экономику производства именно на его, конкретных станках. Целью внедрения ИИ является не идеальный расчёт для всех, а простая «быстрая математика для бизнеса», чтобы за минуты отсеять невыгодные заявки и не тратить на них недели. ИИ — не волшебная конфетка, а лишь способ снять конкретную боль на входе в конкретное производство.

 

 

ИИ не заменит инженерный анализ

 

 

Звучали опасения, что энтузиазм вокруг ИИ заставит забыть о фундаментальном инженерном софте для прочностных и динамических расчетов (Ansys, SolidWorks), что инструмент для оценки спутают с системой проектирования.
Но этот страх был снят без особых трудностей — пониманием того, что существуют четко разделенные зоны ответственности: этап аудита (задача ИИ), когда необходимо мгновенно проанализировать чертеж и понять, сколько это будет стоить; и этап производства (задача спецсофта), когда разрабатываются уже детальные техпроцессы — здесь безраздельно властвуют Mastercam и SolidWorks.
ИИ в этой схеме — не соперник инженерных пакетов, а их союзник, который берет на себя предварительный фильтр, чтобы люди не тратили время на глубокий анализ каждой пустой заявки.

 

 

А как же санкции?

 

Вопрос о технологической зависимости сегодня имеет особый вес: на чьих моделях держатся предложенные решения и что будет, если (когда?) владельцы этих моделей решат, что российским компаниям они ни к чему?
Ответ на этот вопрос можно считать стратегическим. Конкретно в этом кейсе были использованы доступные мощные модели (от ChatGPT до Gemini), но едва ли это по-настоящему критично. Главное во внедрении ИИ на производство — не то, по каким алгоритмам он потом работает, а то, как его обучали. Методика промпт-­инжиниринга универсальна, ее можно развернуть на российских или open-source моделях, в закрытом контуре. Что касается данных, то ИИ не имеет доступа к финанучету, а лишь поставляет расчетные данные в штатные системы вроде 1С. «Налоговой все равно, считал ли деталь технолог 4 часа или ИИ за 30 секунд. Главное — реальные затраты и закрывающие документы».
Дискуссия выявила и белые пятна — например, вопросы масштабирования на абсолютно разные производства готовой бизнес-­модели (продажа софта vs продажа методики и обучения). Проблема построения экосистемы доверия внутри региональной кооперации тоже пока осталась без ясного решения.

 

 

Портрет заказчика. 
Чего ждет от ИИ реальный производитель?

 

Анализируя этот насыщенный диалог, можно сделать некоторые выводы о коллективном сознании российской промышленности в эпоху цифровой трансформации. 

Вот несколько характерных черт:

 

Усталость от хайпа, жажда конкретики. Аудитория демонстрирует иммунитет к размытым обещаниям революции. Ее вопрос — не «что может ИИ?», а «какую мою конкретную боль он снимет завтра?». Ускорение подготовки КП, сортировка заявок, помощь в нормировании — эти приземленные задачи оказались убедительнее любых глобальных прогнозов.

 

Страх замены перевешивается голодом по эффективности. Подспудный страх, что алгоритм оставит без работы, присутствует, но он заглушается более сильным и прагматичным чувством — острой потребностью выжить в условиях жесткой конкуренции. «Если я могу сократить время подготовки производства в 30 раз, я экономлю ФОТ и ускоряю оборачиваемость капитала. ИИ — это не игрушка для богатых, это инструмент выживания», — заявил Цыванюк, попав точно в нерв. Идея ИИ-ассистента, усиливающего человека, оказалась психологически и практически приемлемой, в отличие от пугающей идеи полной замены.

 

Абсолютное недоверие к универсальности, вера в кастомизацию. Это, пожалуй, главный мировоззренческий тезис производственников. Их глубинное убеждение: каждый завод — это уникальная вселенная со своей физикой. Поэтому любое «коробочное» решение встречается в штыки. Единственное, что может вызвать доверие, — это технология, которую можно глубоко и точечно подогнать под себя, наполнить своим опытом и правилами. Предложенная методика промпт-­инжиниринга блестяще сыграла на этом запросе.
Культ практического опыта как высшей ценности. В этой среде доверие не завоевывается красотой интерфейса или именами вендоров. Доверие зарабатывается личным опытом и результатами, полученными в схожих условиях. История директора завода, который сам, на своем производстве докручивал алгоритм под свои нужды, оказалась в тысячу раз убедительнее, чем гладкая презентация IT-стартапа. «Я — директор завода, а не ведущий кодер. Я смотрю на финрез и время подготовки КП, а не в консоль Python», — заявил Виталий, говоря на языке, который аудитория понимает и уважает.

 

 

Скучно не будет. Что дальше?

 

Что же в сухом остатке? История Виталия Цыванюка и бурной дискуссии вокруг его поста — это яркая иллюстрация момента, когда передовая технологическая идея сталкивается с суровой производственной реальностью. Искусственный интеллект в российском цеху — это уже не фантастика и не пугало. Но и не волшебная таблетка на все случаи жизни. Это сложный, капризный, но невероятно перспективный инструмент. Его внедрение — это не простая установка программы, а глубокая перестройка процессов, требующая от руководителей не только инвестиций, но и готовности стать «промпт-­инженерами» для собственного предприятия.

 

Скучно с ИИ точно не будет. А главные открытия и прорывные кейсы наверняка еще впереди.
Мы обязательно продолжим следить за этой историей на страницах нашего журнала и в нашем телеграм-­канале. 

 

Присоединяйтесь к разговору! Ваш опыт — самый ценный актив в этой новой реальности.

 

Источник журнал "РИТМ машиностроения" № 1-2026