Интервью

«ИИ как экзоскелет инженера»: директор СимпЛайт — о том, что нейросети уже делают в SCADA, а что пока нет

Собеседник: Дмитрий Шульгин, директор компании «СимпЛайт»

Беседу вёл: Евгений Крюков, директор по маркетингу «СкадаСистема»

Участник беседы: Николай Ковалев, ведущий архитектор ИТ-решений

Искусственный интеллект звучит сегодня из каждого утюга — но что он реально даёт тем, кто разрабатывает и внедряет промышленные системы диспетчеризации? Мы поговорили с Дмитрием Шульгиным, директором компании «СимпЛайт» — вендора SCADA-систем. Разговор получился предметный, без хайпа: где ИИ уже экономит месяцы работы, почему «к нейросети нельзя пускать новичков», чем рискует бизнес, подсевший на зарубежные модели, и стоит ли верить в скорую победу виртуальных ПЛК. Беседу вёл Евгений Крюков, директор по маркетингу «СкадаСистема», к разговору присоединился ведущий архитектор ИТ-решений Николай Ковалев.

ИИ внутри вендора: код, ТЗ и продуктовая линейка

— Дмитрий, тема, которая звучит буквально отовсюду, — искусственный интеллект. Внедряете ли вы его у себя? Какими инструментами пользуетесь?

— Отвечу сначала со стороны вендора. Да, ИИ мы используем уже больше года, причём в самых разных процессах.

Программисты работают с ИИ-ассистентами, чтобы эффективнее писать и тестировать код. Аналитики — чтобы чётче формулировать ТЗ на разработку. Продакт-менеджеры — чтобы точнее вести продуктовую линейку нашей SCADA-системы и её функционал. То есть используем по полной.

Сейчас это в основном зарубежные модели — ChatGPT, Anthropic. Российские вендоры вроде Сбера или Яндекса пока немного отстают и не всегда решают наши задачи на нужном уровне. Но мы в их сторону смотрим внимательно: всегда есть риск, что зарубежный провайдер просто отключит нас от своих систем.

«ИИ помогает сокращать издержки на разработку ПО. Задача, на которую раньше уходил месяц, теперь решается за три дня».

— Какие эффекты вы ждёте от ИИ, а какие он пока не закрывает?

— Мы занимаемся бизнесом, а у бизнеса цель — деньги. Первая задача — сделать разработку эффективнее и дешевле. ИИ это позволяет: рутинные и раньше сложные задачи решаются на порядок быстрее. Вторая — меньше ошибок при разработке, а значит, экономия на тестировщиках и перевыпуске релизов. Так что да, как производителю ИИ реально помогает снижать издержки.

Галлюцинации и правило «эксперт всегда сверху»

— Галлюцинации у нейросетей были?

— Были, и глючит это регулярно. Поэтому к ИИ нужно допускать профессионалов, а не просто копировать то, что он выдал. Результат всегда проверяет эксперт — будь то программирование, тестирование или маркетинг. Наверху всегда должен стоять человек, способный оценить, насколько адекватно то, что сгенерировала модель. Замечу: зарубежные модели пока галлюцинируют заметно меньше российских.

— А какими моделями пользуетесь, если не секрет?

— Техническая часть в основном сидит на Codex на базе ChatGPT — им пользуются наши технари. А в маркетинге заметно лучше работает Claude, он в этой области сильнее Codex.

«К ИИ надо допускать профессионалов. Наверху всегда должен стоять эксперт, который оценит результат, — чтобы лажа не ушла в продакшн».

Главное узкое место — не технологии, а люди и промты

— Что для вас первоочередное? Чего ИИ пока не делает, но вы этого ждёте?

— Парадокс в том, что технически ИИ уже делает почти всё, что нам нужно. Вопрос не в возможностях модели, а в людях, которые умеют задавать правильные промты и контролировать результат. Наш следующий шаг — научить сотрудников работать с ИИ эффективно.

Это как экзоскелет: если управляешь им правильно — эффект отличный. А если двигаешься не туда — можешь много чего поломать.

Главная же опасность для нас как для российской компании — ограничение доступа к передовым моделям. Недавний пример: Anthropic выпустила новую модель, на пару дней открыла доступ всем, а потом закрыла для неамериканцев на несколько недель — доступ был буквально по паспорту США. Если жёстко подсесть на иностранные движки, а потом их резко заберут, можно провалиться в яму.

Импортозамещение ИИ: Яндекс, Сбер и локальные модели

— По сути это то же импортозамещение. А что с отечественными системами?

— Эксперимент уже идёт: мы работаем с Яндексом. Базовая аналитика — отчёты, графики — решается уже хорошо. С общечеловеческими задачами (расшифровка голоса и т. п.) пока слабее, но программирование, аналитику и отчёты платформа тянет спокойно. Плюс у Яндекса можно получить грант и начать пользоваться бесплатно — это их Yandex AI-платформа. Похожая, скорее всего, есть и у Сбера. Пока это два лидера, и освоение их платформ у нас в планах.

Третье направление — локальные модели, которые не требуют обращения к облаку и разворачиваются на собственном железе: DeepSeek, Qwen и подобные. Есть команды, которые уже собирают в офисах стойки на видеокартах и поднимают локальный ИИ. Для промышленности или систем управления зданиями (BMS) такого локального ИИ вполне хватает.

«Вижу два вектора: локализация внутри России и локализация внутри корпоративной сети — чтобы все данные предприятия оставались в закрытом контуре и в интернет ходить вообще не приходилось».

Взгляд системного интегратора: ускорение в десятки раз

— А если посмотреть с позиции системного интегратора — где здесь место ИИ?

— Интегратор может серьёзно ускорить проекты. Несколько конкретных сценариев:

• Конфигурирование тегов. Когда тегов под 50 000, вручную их заводить долго. Можно сформировать Excel-файл и через ИИ автоматически собрать из него серверный проект SCADA-системы.
• Пусконаладка. Не работает Modbus и непонятно почему — ИИ помогает посмотреть трафик, отловить глюки, ускорить ПНР.
• Скрипты на непривычных языках. Кому-то нужен JS, кому-то Lua, Pascal или FBD. Молодой инженер, подкреплённый ИИ и под руководством наставника, делает почти то же, что специалист с тридцатилетним опытом.
• Графика. Экспериментов мы пока не ставили, но современные модели уже собирают интерфейсы через JSON или XML. Если мнемосхемы в векторном, машиночитаемом формате — ИИ способен собрать схему по чёткому ТЗ.

Кадры обновляются, глубокого опыта у молодых пока нет. И вот здесь новичок с ИИ под руководством наставника быстро закрывает рутину. Если поставить это на поток, ускорение — в десятки раз.

ИИ как инструмент развития продукта

— Всё это про ускорение процессов. А с точки зрения развития самого продукта?

— Тоже помогает. Большинство компаний сегодня работает по продуктовому подходу: образ продукта формируется через общение с рынком, а не «запланировали, полгода пилили, выкатили — а рынку не нужно». Продакт идёт интервьюировать заказчиков и интеграторов, а ИИ помогает быстро ранжировать эти интервью, понять, что важно, подсказать дополнительные вопросы. В итоге точнее выбираем, над какими фичами работать.

— По сути аналитическая работа с большими массивами данных.

— Именно. Интервью — большой массив. Перелопатить руками, скажем, 60 штук человеку тяжело. ИИ делает это очень быстро.

Проблема кадров: «ноль умножить на ноль»

— Вы упомянули спрос на людей, умеющих писать промты. Как вы работаете с обучением?

— Сталкиваемся, но эксперты в тему ИИ входят достаточно легко. Задача не в том, чтобы учить студентов с нуля, а в том, чтобы усиливать экспертов — в АСУ ТП, в КИП — показывать, как ИИ применять в их области. Компании, которые этому обучают, уже есть.

Открытый вопрос — что делать с поколением без экспертизы.

«Если ты ноль, то ноль умножить на ноль — всё равно ноль. Как без полевого, боевого опыта человек приобретёт экспертность — ответа пока нет. Но что-нибудь придумаем».

Каким будет ИИ будущего: прощание с мнемосхемой?

— Завершающий вопрос: какую модель ИИ вы видите для себя в будущем?

— Технически она уже сейчас делает почти всё, что нужно. А дальше, думаю, ИИ придёт на смену привычным графическим интерфейсам. Сегодня оператор сидит перед мнемосхемой и реагирует. В будущем интерфейс «человек — система» может стать голосовым или текстовым: оператор просто получает сигнал, что что-то не так.

Второй слой — интерактивные запросы вместо ручного построения отчётов. Приходит технолог и голосом договаривается с системой: «Дай отчёт по авариям за сегодня». ИИ отдаёт информацию в нужном виде — графиком, отчётом, сводкой. Всё сместится от «тыканья» в тренды к диалогу. Я сам с Codex уже почти не печатаю — наговариваю. Оно потихоньку движется туда.

Блиц с инженером: ОТ против ИТ, открытая АСУ ТП и виртуальный ПЛК

Николай Ковалев: — Мы наблюдаем активный симбиоз ОТ и ИТ. Айтишники смотрят на АСУ ТП и говорят: «Что вы тут на своих ладах программируете, куча проприетарных протоколов — давайте всё в виртуальный ПЛК, развернём на серверах, зарезервируем, данные соберём по OPC UA через Remote IO». Есть два лагеря: «этого никогда не будет» и «завтра всё виртуализируем». Как вы к этому относитесь?

— Пока я в лагере староверов. Когда линия встаёт, а ты не можешь найти железку, чтобы запустить виртуальный ПЛК, — начинается беда. В сегодняшних системах на предприятии всегда есть человек, который её запустит: у него есть нужный пул знаний.

А тут виртуальный ПК, внутри операционка, внутри виртуальный ПЛК, ещё слой, ещё слой — очень много технически сложных уровней. Поломка в любом из них останавливает всё, а служба эксплуатации ничего сделать не может.

«В классической АСУ ТП у нас есть рычаги влияния и люди, которые могут за них дёргать. В открытой АСУ ТП я этих рычагов пока не вижу — там другой порядок сложности».

Раньше радио на транзисторах можно было починить самому. Потом пришёл компьютер — и всё изменилось. А производство у нас бывает опасное и особо опасное, где критично, чтобы всё работало как задумано и быстро чинилось. Ждём — вот «Северсталь», кажется, внедряет. Посмотрим, когда это заработает в реальном цехе и они покажут, кто у них в эксплуатации и как быстро решают инциденты.

Николай Ковалев: — Но отрицать наступление ИТ мы не можем. Rockwell, Siemens уже осторожно внедряют Copilot и ассистентов, посматривают на виртуализацию. Будет ли активное сращивание дальше?

— Будет. За технологией всегда бежит экспертиза обслуживающих людей. В классических системах они синхронизированы — люди и технологии идут вровень. А виртуализация убежала вперёд, и специалистов с нужными знаниями пока не хватает. Возможно, этот разрыв как раз закроет правильно настроенный ИИ.

Нам ведь важно что? Чтобы при сбое быстро починили — и не только на заводе в Германии, но и где-то в России. Классический Siemens этим и хорош: неважно, где стоит, есть спецы, которые оперативно наладят. А в ИТ-теме такой «армии» людей я пока не вижу.

«Как только починка станет быстрой и предсказуемой — технология полетит. Копится пул людей — и тогда всё побежит дальше».

Николай Ковалев: — Наверное, как раз молодое поколение эти инструменты и заинтересуют — больше, чем сидеть в тёмном подвале и программировать контроллер на коленке.

— Да. Главное, чтобы они освоили технологию быстрого поиска и исправления проблем. Как только это станет быстро и предсказуемо — всё полетит.

Выводы

• ИИ у вендора — уже не эксперимент, а рабочий инструмент в разработке, тестировании, аналитике ТЗ и продуктовой работе. Главный эффект — сокращение сроков и издержек.
• Технологии обгоняют людей. Узкое место не в возможностях моделей, а в квалифицированных экспертах, умеющих ставить задачи ИИ и проверять результат.
• Ставка на суверенность. Зависимость от зарубежных моделей — стратегический риск, поэтому в фокусе российские платформы (Яндекс, Сбер) и локальные модели в закрытом контуре.
• К открытой АСУ ТП и виртуальным ПЛК — прагматичная осторожность. Технология взлетит тогда, когда сформируется пул специалистов, способных чинить её быстро и предсказуемо.
• Горизонт будущего — смена интерфейса «человек — система»: от мнемосхем и ручных отчётов к голосовым и диалоговым сценариям.