Управляющий партнёр сегмента «Транспорт, строительство» IBS Александр Толгский — о масштабах и результатах внедрения ИИ в госсекторе и применении технологии на транспорте, в том числе на объектах критической информационной инфраструктуры.
Какие меры по внедрению ИИ в госсекторе работают лучше всего? Что ещё стоит сделать?
Госаппарат постепенно переходит от точечных инициатив к системному масштабированию. С 2025 года дополнительное ускорение внедрению ИИ в госсекторе придаёт нацпроект «Экономика данных и цифровая трансформация государства». Он включает развитие кадровых программ, создание реестров «доверенных» решений и интеграцию ИИ в платформу «ГосТех».
Если говорить о прикладном применении, то сейчас оно в наибольшей степени связано с взаимодействием государства с гражданами: чат-боты, обработка обращений и корреспонденции. Отдельно стоит отметить использование ИИ для обеспечения безопасности. Например, в камерах фотовидеофиксации нарушений ПДД уже давно применяются механизмы машинного обучения — одного из инструментов ИИ.
Как работники относятся к ИИ: интерес, настороженность, сопротивление? Что меняет отношение?
Со стороны бизнеса мы видим, что растёт не только интерес, но и готовность использовать ИИ в государственной деятельности. У заказчиков увеличивается уровень экспертизы, и нам уже не нужно объяснять базовую пользу технологии.
При этом мы всё ещё в какой-то степени выступаем «евангелистами» — расширяем понимание возможностей ИИ, ожидаемых эффектов и сфер его применения. Ключевыми вызовами остаются вопросы безопасности и интерпретации результатов. Но и в этих направлениях ведётся масштабная работа, а бизнес делится накопленным опытом и практикой.
Какая роль государства как пользователя ИИ наиболее востребована?
Внедрение ИИ в основном идёт в поддерживающих бизнес-процессах: это ИИ-ассистенты, чат-боты, различные виды видеоаналитики. Именно такие, на первый взгляд небольшие, проекты формируют основу для дальнейшего распространения технологий.
Сейчас также наблюдается активный спрос на «продвинутый» документооборот с элементами ИИ. В первую очередь это актуально для крупных госкомпаний, где даже несколько процентов прироста эффективности дают заметный экономический эффект.
Второе важное направление — надзор и управление рисками. Здесь можно привести примеры Роскомнадзора, который использует технологии обработки естественного языка (NLP) для мониторинга контента, а также проекты Министерства транспорта РФ по прогнозированию аварийности и решения РЖД в области дефектоскопии колёсных пар и анализа состояния подвижного состава и локомотивов.
Каково текущее состояние транспортной отрасли с точки зрения применения ИИ?
В России приоритетным направлением стало развитие беспилотного транспорта, закреплённое в соответствующей «Дорожной карте». Уже есть конкретные результаты: запуск беспилотного движения грузовиков на трассе М-11 (Москва — Санкт-Петербург), запуск беспилотного трамвая в Москве, тестирование беспилотных такси, использование роботов-курьеров. Пока это точечные проекты, и о массовом внедрении говорить рано — в том числе из-за отсутствия необходимой нормативной базы. Её принятие ожидается в 2026–2027 годах.
При этом ИИ активно применяется и на железнодорожном транспорте. В РЖД реализован проект предиктивного мониторинга состояния путей и подвижного состава, а также запущена цифровая платформа «Доверенная среда локомотивного комплекса». Она обеспечивает работу цифровых двойников подвижного состава и связанных с ним процессов.
Использование цифровых двойников уже позволяет оценивать и прогнозировать состояние узлов и агрегатов, выявлять аномалии и автоматически выводить данные о состоянии оборудования. Это даёт возможность снизить затраты на обслуживание до 30% и повысить эффективность планирования.
Также развиваются отраслевые решения в логистике и общественном транспорте: автоматическое распределение водителей с учётом режима труда и отдыха, прогнозирование расписания и времени прибытия, управление логистикой и движением на территории портов.
По ряду направлений Россия технологически не отстаёт от мировых решений, но масштаб внедрения пока ограничен — как из-за нормативных факторов, так и из-за ограниченного доступа к необходимым компонентам.
Каковы ближайшие перспективы внедрения ИИ в транспортной инфраструктуре?
Я вижу несколько ключевых направлений: строительство инфраструктуры, перевозки по Северному морскому пути и создание единой мультимодальной сети беспилотной логистики.
В строительстве перспективными выглядят решения по укладке асфальта с использованием отечественной беспилотной техники, представленные на выставке «Дорога-2025». До массового применения ещё далеко, но сам факт появления таких решений уже важен.
Также внедряются системы мониторинга состояния мостов с использованием ИИ. Они анализируют движение транспорта и данные датчиков, оценивая влияние нагрузки на конструкцию.
В компании IBS сейчас прорабатывается проект по анализу использования сыпучих материалов в строительстве. Применение ИИ здесь позволяет достигать экономии до 25% при реализации крупных инфраструктурных проектов.
Ещё одно направление — Северный морской путь. ИИ может использоваться для ледовой разведки, повышения эффективности проводки судов, анализа топливной эффективности и в перспективе — для беспилотного движения и интеграции в «умные» порты. Первые шаги уже делает «Росатом».
Третье направление — единая мультимодальная сеть беспилотной логистики. Под управлением ИИ будет объединена доставка грузов разными видами транспорта: авиацией и морем — для международной доставки, железной дорогой и автотранспортом — внутри страны, а также складскими системами и городскими роботами — на последнем этапе.
Первыми такие решения могут реализовать крупные маркетплейсы — «Яндекс», Ozon, Wildberries — совместно с транспортными компаниями, такими как Fesco или РЖД.
Какие сложности могут возникнуть при внедрении ИИ?
Основные сложности универсальны: это законодательные ограничения, нехватка нормативной базы, высокая потребность в вычислительных ресурсах, дефицит энергетических мощностей и общий уровень недоверия пользователей.
Отдельно я бы отметил неопределённость архитектуры будущих ИИ-систем. Пока не ясно, будет ли это единая централизованная среда или несколько независимых систем, создаваемых компаниями под свои задачи. Важно также понять, кто и на каких условиях будет получать к ним доступ, как будет распределяться нагрузка и осуществляться контроль.
Ответы на эти вопросы лежат как в регуляторной, так и в технологической плоскости. Именно от них зависит, насколько быстро и эффективно ИИ станет доступен широкому кругу пользователей и бизнеса.