Завод в заводе

Сегодня проводил встречу по одной беспокоящей меня задаче. Но в ходе презентации неожиданно увидел решения сразу ещё для двух смежных задач. Тот редкий случай, когда выходишь со встречи с ощущением: «нашли больше, чем искали».

Сейчас я решаю задачу построения системы обучения на фабрике.
На этом уровне всё выглядит достаточно понятно и управляемо:
— выбрали ИТ-решение для обучающей платформы,
— описали механику обучения,
— сформировали целевую модель.

Осталось, казалось бы, «просто» поднять платформу и запуститься.

Но дальше возникает ключевой управленческий вопрос, который часто недооценивают:
а кто и какими ресурсами будем создавать обучающий контент?

Если говорить о фабрике на 1 000 человек, где в среднем на одну должность приходится около 15 регламентов, то речь идёт примерно о 10 000 регламентов.
А если мы смотрим на холдинг в 40 000 сотрудников — это уже 400 000 инструкций регламентов, не считая версий, обновлений и изменений процессов. Масштаб начинает играть против нас.

И здесь я целенаправленно пошёл искать решения на рынке ИИ — такие, которые позволяют:
— загружать на вход аудио, фото или видео,
— а на выходе получать структурированную, визуально оформленный регламент, готовую к использованию в обучении.

Сегодня как раз проводили презентацию с командой разработчиков. Коротко: это уже реальность.
Надеюсь, будем двигаться с ними дальше и делать продукт совместно.

Что особенно интересно — в процессе презентации ребята показали, как их решение уже сейчас используется для крупных российских брендов:
создание рекламных материалов, баннеров, иконок, обложек — в сотнях вариантов.

По их данным, продукт позволяет в 4 раза ускорить и упростить процесс создания визуальных решений.

По сути, мы видим, как внутри производственных и управленческих систем формируется «контент завод в заводе» — отдельная цифровая фабрика по созданию знаний, стандартов и визуального контента.
И те, кто выстроит её раньше других, получат серьёзное конкурентное преимущество в эффективности и масштабировании.

Дизайн за секунды.

Прорабатываем проект создания дизайна с помощью платформы на базе ИИ.

Для меня этот кейс интересен с точки зрения скорости создания дизайна, возможности делать огромное количество изменений в единицу времени и при этом не быть зависимым от "живого" человека и конечно оптимизация количества персонала отдела.

Задача была взяв за прототип картинку одного из героев вкуса, разработать героев для других вкусов.

Обычно создание дизайна процесс не простой.
• Пишешь ТЗ
• Уточняешь с дизайнером
• Ждешь
• Получаешь дизайн
• Ждешь (Правки-правки-правки ...).

А сейчас, секундное дело: цвет, форма, вид, фон, узор и все за секунды.
Вообщем классно.
С точки зрения производительности труда - одобряю!

Операционная эффективность и ИИ: мой опыт за последний год

Друзья, последний год много своего времени и сил вкладываю в изучение того, как ИИ реально повышает операционную эффективность компаний.

Однажды решил просто попробовать: дал ему задачу по анализу больших данных.
То, на что у меня раньше уходило два полных рабочих дня, ИИ сделал за две минуты. И сделал лучше меня.

В этот момент меня накрыл настоящий внутренний ужас.
Я понял: вопрос только времени, когда искусственный интеллект сможет выполнять всю работу, которую я делаю сейчас.

Именно тогда я принял решение: не прятаться от прогресса, а стать его проводником в производственные процессы компаний. Если будущее уже здесь — надо шагать вместе с ним, а не бежать от него.

С тех пор я постоянно ловлю себя на второй мысли:
«Было бы круто, если бы ИИ это сделал…» — захожу в поиск и через час нахожу готовый продукт, который уже продают.
И не один.

Я 15 лет занимаюсь операционной эффективностью. Внедрял проекты в крупнейших компаниях страны.
Отлично вижу, на каком уровне зрелости находятся процессы у большинства. И честно скажу:

мы как производственные компании уже сильно отстаём от того прогресса, который уже пришёл

Многие его просто не хотят замечать.


Вот всего три примера идей, которые на рынке ИИ уже считают «средненькими», а многие еще делают по старинке:

Дизайн
Есть решения, которые генерируют тематические изображения для сайта бесконечным потоком. "8 Марта" — цветы и подарки, "День космонавтики" — Гагарин на фоне каждого товара. Всё автоматически, в нужном стиле и количестве. Никаких дизайнеров и дедлайнов.

Планирование
Пока вы или ваши сотрудники вручную строите планы, ваши конкуренты уже запускают ИИ-агентов. Агенты просчитывают десятки тысяч вариантов в реальном времени с учётом всех изменений: цен, поставок, спроса, загрузки мощностей. Кто первым начнёт — тот и съест рынок.

Визуальный контроль
Умные камеры, которые анализируют всё. Нарушение техники безопасности, неправильная укладка товара, пустые полки, посторонние на территории — камера видит и сразу сигнализирует. То, что раньше проверял человек раз в смену, теперь контролируется 24/7.

Продолжать можно бесконечно.
Главный вывод, который я хочу до вас донести:

Если вы до сих пор не начали использовать ИИ в своей работе — самое время начать.

Не знаете, с чего? Просто напишите запрос в ИИ:
«Чем ты можешь мне помочь прямо сейчас, если у меня такая должность/компания и такие задачи/цели?»
Он сам подскажет, с чего начать именно вам.


Модели, которые я рекомендую попробовать (каждая в чём-то сильна):
Российские
• GigaChat — от Сбера. https://giga.chat/
• Алиса (Яндекс) — просто скажите «Алиса» в приложении Яндекса или браузере
Китайские
• DeepSeek - https://www.deepseek.com/
• Qwen Chat — https://qwen.ai/
Американские ( VPN)
• ChatGPT — https://chatgpt.com/
• Grok — https://grok.com/


Попробуйте хотя бы одну. Уже через неделю вы удивитесь, насколько проще и быстрее станет работать.

Провели интересный эфир на радио.
Тема Искусственный Интеллект в бизнесе.

Кому интересна тема, рекомендую .

Производство и Искустсвенный интеллект

Вчера гостем нашей программы "Люди. Бизнес. Цифра" на радио "Серебряный дождь" стал Артем Мочалов, директор по операционной эффективности KDV (10 фабрик, 40 тыс человек)

Поговорили о восприятии производством ИИ:
На уровне компаний:
🔹ИИ - это пока не экспертиза, за которую готовы платить (отсюда и "а сами сделаем"),

🔹Наблюдение: во многих компаниях, не внедряющих ИИ, люди за свой счет покупают инструменты и пользуются ими.

🔹"У нас люди творческие" - если им дать возможность экспериментировать, много чего получится.
Как? - В ошибках разбирать Уроки извлеченные (накапливать опыт), а не искать Фамилию.

🔹Для внедрения ИИ - сегодня дефицит не информации, а дефицит действий.
Для действий нужна команда: Лидер-визионер + Эксперт в своих процессах.

На персональном уровне:
🔹Если вы эксперт в своей области и вам "ИИ - не противен", то можно стать "мостиком" между бизнесом и технологиями,

Видео выпуска смотреть здесь (с 1-ой минуты)

Люди. Бизнес. Цифра.
Вениамин Кизеев, Илья Тимошин.
Слушайте нас каждую среду 17:00 на радио «Серебрянный дождь» 100.1FM

Читайте в Max

Алгоритм оптимизации производственных линий.

Использую данный алгоритм в проектах. Технология выверенная и многократно опробована.

Как лопатка добавит 10-60 тонн вафель в год.

В работе по оптимизации процессов есть особый кайф: когда решение настолько простое, что даже не верится, почему мы не додумались до него раньше.
Делюсь свежим кейсом с линии вафель.

Вводные:
Спрос на вафли превышает наши производственные мощности. Разогнать линию нельзя — печь, узкое место, уже работает на пределе оптимальной скорости.

Единственная точка роста — сократить время на мойку и переналадку.

Мойка линии каждые 7–10 дней.
— Длительность: 12 часов.
— Ресурс: 8 человек.
Главная цель мойки — очистить жерди холодильника от бугорков начинки.

Вместо того чтобы усложнять регламент или менять химию, поговорили с механиками и руководителем. Решили попробовать обычную лопатку. Всё, что ей нужно делать — убирать налипания в процессе, не дожидаясь критической массы.

Лопатка тестируется , потенциально боремся , чтобы продлить межмоечный цикл.

С 3–4 моек в месяц прийти к 2–3 мойкам в месяц.

Разница в простое напрямую конвертируется в тонны.
+ 10-60 тонн дополнительной продукции в год смотря сколько сможем добиться снижение простоя по времени.

На фото — та самая лопатка в деле. Просто, дешево, эффективно.

Иногда лучшая инвестиция — это не новая дорогая линия, а светлые головы команды сотрудников.

Чувствуете перемены?

Если честно, чувствуете ли вы, что мир, в котором мы живем, катится по накатанной колее — и эта инерция ослабевает?

Новый мир уже заряжен. Пружина сжата, и тот, кто решает, когда ее отпустить, уже знает дату. Просто пока держит и чего-то ждёт.

Давно замечаю эти перемены — в мелочах, в сигналах, тренда. Достаточно внимательно смотреть по сторонам, и знаки повсюду.

А после кадров встречи президента США с руководством Китая окончательно стало ясно: эпоха сменилась. Всё.

Индустриальное общество, в котором главным был капитал, завершает свой цикл. 🔄

На смену ему приходит информационная эпоха, эпоха цифры — с другими правилами и приоритетами во главе:
— технологии,
— качество данных,
— управление данными,
— скорость обработки информации,
— скорость принятия решений.

Нас ждет «О дивный новый мир».

Вопрос только в том, как найти в нем свое место?🤔

ИИ не плачет от сложных задач. Он плачет от ваших данных

На днях был на сессии по ИИ в пищевых компаниях. Сидел, слушал, и в какой-то момент поймал себя на мысли: проблемы у всех одинаковые.

Хорошая новость: ИИ распробовали.
Это уже не «давайте попробуем, вдруг хайп». Компании реально получают эффект и чувствуют его на процессах — прогнозирование спроса, контроль качества, оптимизация производства, работа с документами. Скепсиса «а зачем нам это» стало заметно меньше.

Плохая новость: многие компании застряли в «пилоте».
Вот тут начинается интересное. Пилотов — достаточно. А переход от пилота к нормальному масштабированию — у единиц. И тому, конечно, есть объяснение. Основные причины три: данные, финансы и серверные мощности.

Якорь №1 — данные. Самый коварный. О нём подробно ниже.

Якорь №2 — финансы. Пилот стоит относительно недорого — это эксперимент на ограниченном куске. А масштабирование — это уже другой бюджет: на всю инфраструктуру, интеграции, людей и поддержку. И часто оказывается, что денег заложили на «попробовать», а не на «жить с этим постоянно».

Якорь №3 — серверные мощности. Развернуть модель в проде — это вам не ноутбук дата-сайентиста. Нужны мощности, чтобы модель работала стабильно и быстро на реальных объёмах. И вот здесь компания внезапно упирается в железо, облако, их стоимость — и в безопасность данных. Куда складывать чувствительную информацию, как её защитить и не отдать лишнего «на сторону» — вопрос, который на пилоте обычно откладывают, а на масштабе он встаёт в полный рост.

А теперь — про первый и самый болезненный якорь.
Когда пилот делают, данные готовят «в вакууме».
Под конкретную узкую задачу аккуратно собирают красивый, чистый, размеченный датасет. Часто — почти вручную.

А потом наступает масштабирование. И выясняется, что кормить ИИ в реальном процессе… нечем.

Потому что данные:
— либо вообще не собирали;
— либо собирали, но в журналах, тетрадках и в голове у Степаныча из ночной смены;
— либо они раскиданы по пяти системам, которые друг с другом не разговаривают;
— либо собраны, но не размечены — и для модели это просто шум.

И вот ИИ тихо плачет в углу. Пилот-то взлетел. А воз, как говорится, и ныне там.

Главный вывод, который мало кому нравится.
Финансы, серверы и даже безопасность — вопросы важные, но решаемые: бюджет можно спланировать, мощности — арендовать, контур — защитить.

А вот данные за выходные не нарастишь. Если их годами собирали как попало, никакие деньги и серверы не спасут — модели просто не на чем учиться.

Поэтому самым актуальным становится вещи поскучнее, но решающие всё:
— ИТ-архитектура — как у вас вообще движутся и хранятся данные;
— структура и качество данных — собираете ли вы их системно, а не «когда вспомнили»;
— разметка и единая база — превращены ли данные в то, что модель может понять и переварить.

Звучит не так эффектно, как «мы запустили ИИ». На слайде красиво не покажешь. Зато именно это превращает удачный пилот в работающий инструмент.

Так что если резюмировать одной фразой: данные — это ваше узкое место. И чем раньше вы наведёте там порядок, тем дешевле и быстрее потом полетит всё остальное — и финансы, и мощности приложатся.

Поняв это, сейчас активно в проектах, стараюсь с лидерами проектов обсуждать этот , момент вроде люди понимают,что дело нужное , но нудное и делать не хочется ) такие дела!

Вы, что думаете , согласны что данные большая проблема , чем финансы ?

С юмором у них там маркетологи! Но, видимо, это ёмкое описание бизнес-атмосферы в стране)

ИИ

Начал замечать, что в последнее время всё больше моего внимания уходит в проекты, связанные с ИИ.

Наверное, это связано с внутренними ориентирами. Кажется, что традиционные подходы к повышению производительности труда уже хорошо известны и понятны многим, а ИИ — это новая территория, где сегодня можно искать настоящие прорывы.

Но потом ловлю себя на мысли, что традиционные инструменты кажутся мне очевидными только потому, что последние 14 лет я практически непрерывно ими занимаюсь. Поэтому обязательно верну в канал посты и про классические методы оптимизации процессов — есть несколько интересных тем, которыми хочу поделиться.

Но пока снова про ИИ. Про него сейчас действительно сложно молчать.

Посмотрите, что происходит вокруг:
• Китайские исследователи запускают решения для памяти квантовых компьютеров, которые могут принципиально изменить вычислительные возможности будущих систем.
• В России разрабатывают специализированные процессоры для задач искусственного интеллекта.
• По всему миру активно обсуждаются мини-атомные станции как источник энергии для дата-центров нового поколения.

Аппетиты ИИ растут настолько быстро, что вопрос вычислительных мощностей уже становится вопросом энергетики.
И это только вершина айсберга.

Проведя 14 лет в операционной эффективности, я хорошо понимаю, как повышать производительность производства с помощью «кожаных биодронов» — то есть нас с вами. И, честно говоря, уже вижу, как многие процессы поиска потерь, анализа данных, принятия решений и повышения эффективности можно постепенно передавать ИИ.

Пока этому мешают вполне понятные ограничения:
— бюджеты;
— страх изменений;
— недоверие к технологиям;
— нехватка вычислительных мощностей;
— отсутствие сформированного запроса со стороны бизнеса.

Но перемены точно приближаются.

И моя задача — быть к ним готовым.

Вас призываю делать то же самое.