«Норникель» сэкономил десятки миллиардов рублей: как ИИ-агенты оптимизируют бюджетный и проектный контроль

«Норникель», один из мировых лидеров по внедрению ИИ в промышленности, сэкономил десятки миллиардов рублей благодаря интеграции искусственного интеллекта в свои процессы. Только к 2030 году компания планирует увеличить этот показатель до 50 миллиардов рублей. ИИ-агенты, разработанные совместно с «Рексофт», позволили автоматизировать бюджетный и проектный контроль, сократив сроки проектирования с месяцев до дней и повысив точность решений. В обогащении нейросети уже контролируют 70% агрегатов и способны принимать решения в 100 раз чаще, чем операторы-люди.

В крупной промышленной компании управление бюджетом и проектами — это колоссальный объём данных, ручных сверок и согласований, которые отнимают сотни тысяч часов рабочего времени. Каждый этап, будь то планирование, контроль или отчётность, подвержен человеческому фактору, что приводит к задержкам, перерасходу средств и снижению общей эффективности. Это невидимые затраты, которые накапливаются и становятся значительной статьёй расходов, но эта проблема сегодня решаема.

Масштаб проблемы: где терялись миллиарды

«Норникель» — это гигантская структура с непрерывными производственными циклами, сложной логистикой и огромным количеством проектов. До внедрения ИИ-агентов, бюджетный и проектный контроль требовал значительных человеческих ресурсов. Планирование, сбор данных с различных участков, согласование бюджетов, отслеживание выполнения проектов, всё это было сопряжено с ручной обработкой информации, множеством коммуникаций и длительными циклами утверждения.

Такой подход приводил к нескольким критическим проблемам: длительные сроки принятия решений, высокий риск ошибок из-за человеческого фактора, невозможность оперативно реагировать на изменения и, как следствие, значительные финансовые потери. Особенно остро стоял вопрос с проектированием, где сроки могли растягиваться на месяцы, а неточности приводили к перерасходу на этапе строительства.

Почему традиционные методы не справлялись

Ранее компания использовала стандартные системы управления проектами и бюджетом, но они не могли обеспечить необходимый уровень автоматизации и адаптивности. Эти системы были хороши для структурированных задач, но пасовали перед огромным объёмом неформализованных данных, сложными взаимосвязями и необходимостью принимать решения в реальном времени. Человеку приходилось вручную сопоставлять данные из разных источников, анализировать их и принимать решения, что занимало слишком много времени.

Компания пришла к выводу, что нужна принципиально новая система, которая сможет не просто хранить данные, а активно взаимодействовать с ними, анализировать и предлагать оптимальные решения. Так возникла идея ИИ-агентов, способных выполнять функции комплексного интеллектуального помощника.

Как проектировали ИИ-агентов для бюджетного и проектного контроля

Задача стояла амбициозная: создать команду ИИ-агентов, способных взять на себя функции генерального проектировщика и обеспечить сквозной контроль бюджета на всех этапах жизненного цикла проектов. Агентов проектировали как комплексную систему, состоящую из нескольких модулей, каждый из которых отвечал за свой блок задач.

Первый агент был нацелен на планирование и оптимизацию бюджета. Он собирал данные из всех подразделений, анализировал исторические показатели, прогнозировал затраты и предлагал оптимальные сценарии распределения ресурсов. Второй агент специализировался на проектном контроле: отслеживал выполнение задач, контролировал сроки, выявлял отклонения и предупреждал о потенциальных рисках. Третий агент занимался автоматизацией проектирования: от подготовки технического задания до выпуска готовой документации, используя собственную доменную модель MetalGPT.

Ключевой особенностью стала способность агентов работать с неструктурированными данными, понимать контекст и принимать решения, основываясь на комплексном анализе. Они были интегрированы в существующую ИТ-инфраструктуру, чтобы минимизировать необходимость изменения рабочих процессов для сотрудников.

Внедрение и масштабирование

Внедрение проходило поэтапно, начиная с наиболее критичных и ресурсоёмких областей. Первым делом ИИ-агенты были запущены в пилотном режиме для оптимизации процессов проектирования. Это позволило быстро оценить эффективность и внести необходимые корректировки. Затем функционал агентов был расширен на бюджетный контроль, а далее — на мониторинг производственных процессов и даже разработку новых материалов.

Команда «Норникеля» активно обучалась работе с новыми инструментами, а ИИ-агенты постепенно брали на себя рутинные операции, освобождая специалистов для более сложных и творческих задач. Важным аспектом стало то, что ИИ не заменил людей, а стал их мощным помощником, повысив общую производительность и точность работы.

Результаты внедрения ИИ-агентов

Помимо прямой экономии, «Норникель» получил значительные качественные улучшения: повышение точности планирования, сокращение ошибок, ускорение процессов принятия решений и возможность оперативно реагировать на изменения. ИИ-агенты стали незаменимым инструментом в условиях нехватки квалифицированных кадров, компенсируя дефицит экспертизы на удаленных производственных площадках.

Как это внедрить у вас

Кейс «Норникеля» показывает, что ИИ-агенты могут стать мощным инструментом для компаний любого масштаба, особенно в отраслях с большим объёмом данных и сложными процессами. Чтобы начать внедрение, можно рассмотреть следующие шаги:

• Идентифицируйте рутинные и ресурсоёмкие процессы. Найдите области, где сотрудники тратят много времени на однотипные операции, сбор и сверку данных. Это могут быть бюджетный контроль, управление проектами, логистика или клиентская поддержка.
• Начните с пилотного проекта. Выберите одну, относительно небольшую, но критически важную область для внедрения ИИ-агента. Это позволит протестировать технологию, оценить её эффективность и получить первые результаты.
• Разработайте доменную модель. Для эффективной работы ИИ-агентов крайне важна специализированная база знаний, адаптированная под специфику вашей отрасли и бизнес-процессов.
• Интегрируйте ИИ-агентов в существующие системы. Чем меньше сотрудникам придётся менять свои привычки и осваивать новые интерфейсы, тем быстрее и успешнее пройдёт внедрение.
• Обучайте команду и масштабируйте. Постепенно расширяйте функционал ИИ-агентов и внедряйте их в новые области, параллельно обучая сотрудников работе с новыми инструментами.

Если этот кейс похож на то, что происходит у вас, наш менеджер поможет разобраться: бесплатно проанализирует ваш бизнес и нишу и подскажет, где ИИ-агент даст реальный результат именно в вашем случае. Написать менеджеру