Экспертное интервью | Джимшер Челизде: «Мы не будем догонять в гонке больших моделей — и не надо. Промышленный ИИ выигрывается не в дата-центре, а в цеху»
Тема промышленного ИИ сегодня — одна из самых обсуждаемых, но сложных для понимания. В январе 2026 года Владимир Путин утвердил перечень поручений по развитию ИИ, включая формирование комплекса российских технологических решений, внедрение ИИ в отраслях экономики и государственном управлении, а также развитие экспорта технологий искусственного интеллекта, а уже в апреле поручил к 2030 году интегрировать ИИ-инструменты во все сектора экономики — от промышленности до медицины. В июле 2026 года Госдума приняла базовый закон о поддержке развития технологий ИИ, который вводит понятия «суверенной» и «национальной» моделей и закрепляет правовые основания для приоритетной поддержки отечественных разработок.
В России за последние годы запущены сотни проектов, потрачены десятки миллиардов рублей, но системного ответа на вопрос, что действительно работает, до сих пор нет. Компании тратят ресурсы на пилоты, которые не масштабируются. Государство субсидирует разработки, которые не становятся продуктами. Инженеры боятся, что их заменят алгоритмы, — но алгоритмы пока не справляются с задачами, которые решает человек.
Мы попросили эксперта в теме промышленных технологий Джимшера Челидзе* ответить на актуальные вопросы, которыми сегодня задаются разбираются собственники и директора промышленных компаний. В большом экспертном интервью «Промышленный ИИ: экспорт, инженеры, барьеры, роль государства», которое мы публикуем как цикл из шести материалов — о том, почему российский ИИ пока не стал экспортным продуктом, как меняется роль инженера, почему большинство проектов проваливается, что делать с данными, людьми и безопасностью, и где государство помогает, а где создает барьеры.
Ответы публикуются без купюр.
*Джимшер Челидзе — генеральный директор ООО «Челидзе и Партнеры», бизнес-партнёр по цифровому развитию ООО «Центр Горизонтального Бурения», член Комитета по промышленности ФБА ЕАС. А также статей и публикаций по философии технологий и пяти книг о цифровой трансформации и двух ИИ-пролуктов. Имеет практический опыт работы с «Газпром нефть», ЛУКОЙЛ, Минэнерго России, Газпром Бурение и другими промышленными компаниями РФ, Казахстана и Китая.
Многие решения в области промышленного ИИ создаются с фокусом на импортозамещение. Может ли российский промышленный ИИ стать экспортным продуктом и конкурировать с мировыми лидерами — или мы будем в парадигме догоняющего развития?
Это ложная дихотомия, и она нам дорого обходится. «Догонять» или «обгонять» — вопрос имеет смысл только тогда, когда вы бежите по одной дорожке. А мы бежим по разным.
Давайте разделим рынок ИИ на три слоя, потому что их постоянно путают, и из этой путаницы рождаются и завышенные ожидания, и неоправданный пессимизм.
Первый слой — передовые фундаментальные модели. Это игра капитала и энергии. Оценки, обсуждаемые сегодня в отрасли, говорят о разрыве между США и Россией по доступным вычислительным мощностям в сотни раз, а речь идёт о порядка десяти тысяч GPU во всех российских дата-центрах, задействованных под ИИ. При этом главным ограничителем стало уже даже не «железо», а подключённая электрическая мощность: год на техприсоединение — и свободных мощностей просто нет. Здесь конкурировать «в лоб» — не пессимизм и не паникёрство, это арифметика. И это нормально: у Германии тоже нет своей фронтирной модели, и никто не считает немецкое машиностроение отсталым.
Второй слой — прикладные платформы и инструментарий: MLOps, векторные базы, оркестрация агентов, инструменты дообучения. Здесь конкуренция глобальная, и она во многом уже проиграна открытым исходным кодом — всеми и сразу. Строить тут национальное преимущество бессмысленно.
Третий слой — доменные вертикальные решения. Управление карьерными самосвалами в реальном времени. Оптимизация расхода газа в химическом производстве. Дефектоскопия по машинному зрению. Предиктивное обслуживание турбины. Ассистент технолога, который знает ваш парк станков и вашу оснастку. Вот здесь выигрывает не тот, у кого больше GPU. Здесь выигрывает тот, у кого есть доступ к данным реального производства, отраслевая инженерная школа и право на эксперимент на действующем объекте.
И вот главный сдвиг последних двух лет, который мало кто проговаривает вслух: открытые модели обнулили значительную часть барьера входа в базовую модель. Модель перестала быть конкурентным преимуществом. Преимущество переехало в данные (их наличие, которое складывается из промышленной автоматизации и датчиков), в интеграцию с производственным контуром и в способность доказать эффект. Для нас это хорошая новость. Потому что домны, карьеры, установки крекинга и энергоблоки у нас есть, а у стартапа из Кремниевой долины — нет.
Значит ли это, что экспорт «сам случится»? Нет. И вот здесь я буду неприятен.
Между «решение работает» и «решение продаётся за рубеж» лежат три разрыва
Разрыв первый — превращение наработок в масштабируемые продукты. Импортозамещение по своей конструкции производило решения «под себя»: заказчик, разработчик и потребитель часто были одним и тем же контуром. Есть цифра, которая объясняет всё. По линии индустриальных центров компетенций за 2022–2025 годы суммарные затраты на проекты составили порядка 187 млрд рублей, а выручка разработчиков от реализации и тиражирования созданных продуктов — около 1,6 млрд рублей. Разница — примерно в сто с лишним раз.
Это не обвинение. Это диагноз бизнес-модели. Мы профинансировали разработку — и не профинансировали продуктизацию: документацию, локализацию, методологию внедрения, партнёрскую сеть, вторую и третью линию поддержки. А экспорт начинается ровно с этого, а не с кода.
Разрыв второй — доказательство эффекта. На внешнем рынке никого не интересует ваша уникальная нейросеть. Интересуют четыре вопроса: где это работает в промышленной эксплуатации дольше двух лет; какой измеренный эффект относительно базового уровня; кто несёт ответственность при отказе; есть ли поддержка на местном языке в местной юрисдикции. И вот тут мы упираемся в то, что я называю одним из смертных грехов цифровизации, — отсутствие системы управления проектами, в том числе измерения эффектов. Базового уровня «до» чаще всего просто нет. А значит, и показать нечего. Этот разрыв бьёт по экспорту сильнее любых санкций, потому что он самонанесённый.
Разрыв третий — каналы. Экспорт промышленного ПО — это не поставка, это присутствие: локальный партнёр, интегратор, обученная местная команда, референс на местном рынке. Это горизонт три-пять лет и деньги, которые не окупаются на первом контракте. У нас пока нет ни одной корпоративной программы, где это было бы заложено в бюджет как норма, а не как энтузиазм отдельного вице-президента.
Тогда где реальное окно?
Оно есть, и оно конкретное. Не «российский ИИ вообще», а вертикали, где у нас есть собственная инженерная школа и действующие объекты: горная добыча, металлургия, нефтегаз и нефтехимия, энергетика, транспорт. И рынки, где важна не столько цена, сколько независимость от геополитики поставщика: ЕАЭС, Ближний Восток, Юго-Восточная Азия, Африка, Латинская Америка.
Наш экспортный аргумент — не «мы дешевле». Дешевле будут китайские разработчики. Наш аргумент звучит так: «Мы поставим в закрытый контур, отдадим полный доступ, обучим вашу команду и не отключим вас завтра по политическому решению». Это, если вдуматься, сильная позиция — ровно та, которую западный вендор занять не может по определению. И она особенно хорошо читается на рынках, которые последние годы наблюдали, как в одностороннем порядке отзываются лицензии.
Что должно произойти, чтобы окно не закрылось
Я всегда раскладываю решение по трём столпам — управление, технология, люди. Провал в любом из них обнуляет два остальных.
Управление.
● Сменить метрику успеха. Перестать мерить импортозамещение фактом замещения. Начать мерить долей выручки от тиражирования и внешних продаж. Это разные показатели — и они порождают принципиально разное поведение команд.
● Отделить «внутренний ИТ-проект корпорации» от «продукта». Это разные экономики, разные компетенции, разные люди.
● Заложить экспорт в бюджет как программу на три-пять лет, а не как инициативу энтузиаста. Экспорт, не имеющий строки в бюджете, не существует.
Технология.
● Проектировать архитектуру под тиражирование, а не под себя. Конфигурируемость вместо кастомизации под каждого заказчика. Мультиарендность. Отделённый слой локализации — язык, единицы измерения, отраслевые справочники, местные нормативы. Внятная документация и интерфейсы, по которым внедрять может партнёр, а не только команда-автор. Решение, которое умеет внедрять только тот, кто его написал, экспортировать нельзя — оно не масштабируется даже внутри страны.
● Встроить доказательную базу в сам продукт. Замер эффекта должен быть функцией системы, а не подвигом аналитика. Иначе через два года вы не ответите на главный вопрос покупателя: «покажите эффект».
Люди.
● Продуктовая роль и внедренческая методология. Заводу не нужен продакт-менеджер. Продукту — необходим. Как и методология внедрения, которую можно передать чужим рукам.
● Локальное присутствие на целевом рынке. Партнёр, обученная местная команда, первый референс. Продавать промышленное ПО «из Москвы по электронной почте» невозможно ни на одном рынке мира.
И ещё одно, что стоит проговорить прямо. Импортозамещение — это, по сути, решение «строить», принятое на уровне страны один раз, в 2022 году, и с тех пор не пересмотренное. А у ответа на вопрос «строить или купить» есть срок годности. За эти годы открытые модели обнулили половину барьеров, и часть того, что мы упорно строим с нуля, сегодня разумнее адаптировать. Это не капитуляция — это нормальная переоценка, которую делает любой зрелый портфель.
Итог: догонять в гонке фронтирных моделей мы не будем, и это разумно. Выигрывать в промышленном ИИ, где технология — это 20%, а 80% — данные, процессы и инженерия, мы можем. Но пока соотношение затрат к выручке от тиражирования такое, какое оно есть, разговор об экспорте преждевременен. Не потому что у нас плохие технологии. Потому что у нас пока не экспортная бизнес-модель.
Для финансового сектора здесь есть своя проекция. Финсектор — редкое исключение: там внутренняя разработка действительно стала продуктом. Но это обеспечено масштабом баланса нескольких игроков, а не системой. Ровно поэтому банкам стоит смотреть на промышленный кейс внимательно: впереди та же развилка — остаться внутренней разработкой или стать продуктом.