Внедрение ИИ на производстве: документы, закупки, сервис

На производстве деньги теряются не только на линии, но и в бумагах: накладные вводят вручную, договоры с поставщиками срываются по срокам, а инженер ищет нужный регламент по ремонту полдня. Внедрение ИИ в производство чаще всего окупается именно здесь — в офисно-сервисной рутине, а не в роботах на конвейере. Ниже разбор, где эффект считается быстро, как расставить приоритеты и почему всё это должно работать в закрытом контуре.

Где ИИ на производстве даёт деньги, а где это игрушка

Робот-манипулятор и компьютерное зрение на линии — отдельная, дорогая и долгая история с окупаемостью в годы. А вот документооборот, закупки и сервис оборудования — это рутина, которую ИИ закрывает за недели, без переделки производственного процесса.

Типичная картина на заводе среднего размера: бухгалтерия вбивает первичку с поставок, снабжение ведёт договоры в Excel и почте, главный инженер хранит знания об оборудовании в голове и в папках на сетевом диске, а сервисная служба отвечает на одни и те же вопросы по эксплуатации станков. Каждый из этих участков — кандидат на автоматизацию с понятной метрикой «до и после».

Разделять задачи удобно так:

• Документы и первичка — распознавание и занесение накладных, актов, счетов в 1С.
• Закупки и поставщики — контроль сроков, цен и условий договоров.
• База знаний — ответы инженерам по оборудованию, регламентам и ремонтам.
• Сервис и поддержка — ассистент для заявок на ремонт и обслуживание.

Ввод первички и закупочных документов в 1С

Поставка пришла — пачка накладных и счетов-фактур легла на стол бухгалтера. Дальше ручной ввод позиций, номенклатуры, количества и сумм. На крупном заводе это десятки документов в день и регулярные ошибки в номенклатуре, которые потом всплывают при инвентаризации.

ИИ-агент берёт скан или PDF, распознаёт реквизиты и табличную часть, сопоставляет позиции с номенклатурой в 1С и заносит документ на проверку человеку. Сотрудник не вводит, а подтверждает. По рынку распознавание первички сокращает ручной ввод в разы, а заодно убирает класс ошибок, связанных с опечатками и неверным сопоставлением.

Что важно проверить до старта:

1. Какие типы документов идут потоком и в каком виде (скан, фото, электронный документ).
2. Где сейчас теряется время: на вводе, на сверке или на поиске расхождений.
3. Как устроена номенклатура в 1С и насколько она вычищена — мусорные справочники снижают точность сопоставления.
4. Кто и на каком шаге подтверждает проведённый документ.

Связка с 1С здесь ключевая: агент не просто «читает» бумагу, а доводит данные до проводки. Это и есть принцип, по которому работает OVEERMOON, — отвечать за результат в системе, а не за факт распознавания.

База знаний по оборудованию и регламентам для инженеров

Знание о том, как обслуживать конкретный станок, обычно размазано по паспортам оборудования, инструкциям производителя, внутренним регламентам ТОиР и опыту двух-трёх опытных инженеров. Когда такой инженер в отпуске или уволился, скорость ремонта падает, а новички учатся методом проб.

Здесь работает RAG — ассистент, который отвечает на вопросы строго по вашим документам. Инженер спрашивает «какой момент затяжки для узла X на линии 2» или «регламент ТО для компрессора после 4000 моточасов», а система выдаёт ответ со ссылкой на конкретный пункт паспорта или регламента. Не выдумывает, а цитирует источник, поэтому ответу можно доверять.

Параметр	Поиск по папкам и людям	RAG-ассистент по базе знаний
Время поиска ответа	10–40 минут	секунды
Источник	память сотрудника, разрозненные файлы	привязка к пункту документа
Зависимость от ключевых людей	высокая	низкая
Обучение новичков	медленное, наставник	самостоятельное, с подсказками
Риск при увольнении эксперта	потеря знаний	знания остаются в системе

Чтобы база знаний приносила пользу, в неё загружают паспорта оборудования, инструкции, регламенты ТОиР, типовые неисправности и решения, схемы и чек-листы. Дальше её достаточно пополнять по мере появления новых единиц техники.

Контроль договоров и сроков с поставщиками

Снабжение производства живёт на сроках поставки, ценах и условиях оплаты. Просроченный договор на критичный компонент — это простой линии, а пропущенная индексация цены — переплата, которую заметят только при годовой сверке.

ИИ-агент разбирает договоры и спецификации, вытаскивает ключевые поля и держит их под контролем:

• сроки действия договоров и даты, к которым нужно перезаключить или продлить;
• графики и сроки поставки по спецификациям;
• цены и условия пересмотра, штрафные санкции, отсрочки платежа;
• расхождения между условиями договора и фактической поставкой.

Система заранее предупреждает ответственного: «через 14 дней истекает рамочный договор с поставщиком», «по спецификации №… срок поставки нарушен». Это превращает контроль договоров из ручной таблицы, которую кто-то должен не забыть открыть, в фоновый процесс.

Ассистент для сервиса и поддержки оборудования

У производителей оборудования и у внутренних сервисных служб одинаковая боль: поток однотипных обращений по эксплуатации, настройке и типовым поломкам. По рынку ИИ закрывает 40–80% типовых обращений без участия человека, а до 40% запросов теряется просто из-за медленного ответа.

ИИ-ассистент на той же базе знаний отвечает на вопросы операторов и клиентов: код ошибки на панели, порядок перезапуска, какой расходник нужен, как заказать запчасть. Сложные случаи он не закрывает сам, а собирает заявку с уже уточнёнными деталями и передаёт инженеру. В результате сервисная служба занимается реальными поломками, а не повторяет одно и то же.

Закрытый контур: почему для производства это не опция

Производственная документация — это коммерческая тайна, технологические карты, иногда гостайна и объекты КИИ. Отдавать такие данные во внешний облачный сервис нельзя ни по здравому смыслу, ни по 152-ФЗ и требованиям к критической информационной инфраструктуре.

Поэтому автоматизация производства ИИ на серьёзных предприятиях строится на отечественных моделях (GigaChat, YandexGPT, Cotype) в закрытом контуре on-premise: модель и данные остаются внутри периметра, наружу ничего не уходит. Это легальная замена недоступным ChatGPT и Claude, которая проходит согласование со службой безопасности. OVEERMOON разворачивает такие решения именно в контуре заказчика, подключая ИИ к 1С, CRM и СЭД без выноса данных вовне.

С чего начать и как посчитать эффект

Не пытайтесь автоматизировать всё сразу. Выбирайте первый участок по двум критериям: объём рутины и понятность метрики. Чаще всего это ввод первички — там легко зафиксировать «до» и «сразу видно» после.

Порядок запуска:

1. Замерьте текущее состояние: сколько документов в день, сколько минут на один, сколько стоит час сотрудника, сколько ошибок в месяц.
2. Выберите один участок с самой дорогой рутиной.
3. Запустите пилот на реальном потоке, с человеком на подтверждении.
4. Сравните метрики через 4–6 недель и масштабируйте на соседние участки.

Считать эффект просто: экономия = (время на операцию до − после) × число операций × стоимость часа, плюс снижение стоимости ошибок и простоев. Когда цифры зафиксированы до старта, разговор об окупаемости перестаёт быть верой и становится арифметикой.

Часто задаваемые вопросы

Это про роботов на линии или про что-то другое?

Про офисную и сервисную рутину производства: ввод первички и закупочных документов, базу знаний по оборудованию, контроль договоров с поставщиками и поддержку сервиса. Роботизация линии — отдельная история с другой окупаемостью.

Наши данные не утекут в чужое облако?

Нет, если строить решение в закрытом контуре on-premise на отечественных LLM. Модель и документы остаются внутри периметра предприятия, что соответствует 152-ФЗ и требованиям к КИИ.

Сколько времени занимает запуск первого участка?

Пилот на одном процессе — например, распознавании накладных — обычно запускают за несколько недель. Дольше всего занимает не сам ИИ, а подготовка данных: вычистка номенклатуры в 1С и сбор документов для базы знаний.

Нужно ли менять 1С или СЭД?

Как правило, нет. ИИ-агент подключается к существующим системам и работает с тем, что уже есть. Менять учётную систему ради внедрения не требуется.

Начните с одного замера: возьмите участок с самой дорогой ручной рутиной, зафиксируйте время и количество операций за неделю — этого достаточно, чтобы понять, где ИИ окупится первым.