Петр Сагаловский: «ИИ не может заменить здравый смысл»

Производство продуктов питания — вещь тонкая. Тут и скорость важна, и стабильность критична. Как вы оцениваете потенциал ИИ в пищевой промышленности вообще? Он уже пришел или пока «где-то рядом»?

Прогресс остановить невозможно, конечно, «он уже пришел». Несмотря на это, мы пока не запустили искусственный интеллект в активную эксплуатацию, уверен, очень скоро ситуация изменится. Мы постоянно рассматриваем разные варианты его применения, внимательно оценивая как плюсы ИИ, так и его недостатки. Кроме того, мы всегда оцениваем юридические риски, сопряженные с использованием ИИ.

Есть ли у вас в компании интерес к экспериментам с ИИ или подход строго прагматичный: «пока не окупается — не трогаем»?

Если не «трогать», то как понять, что «не окупается»? Поэтому мы активно рассматриваем разные направления. Существует идея сделать корпоративных ассистентов, наподобие чат-ботов в мессенджере или так называемый «тултип» (окно подсказки) непосредственно в информационных системах, который прогонит через себя огромное количество инструкций и будет подсказывать пользователю в режиме диалога, как и что ему делать. Например, мы используем в компании ERP-систему от производителя SAP. Кто с ней сталкивался, знает, что ее интерфейс нельзя назвать дружелюбным. В частности, если пользователь не знает номер транзакции (например, MB52), то сделать в системе он не сможет ровным счетом ничего. Конечно, у нас есть обучающие курсы, огромный объем документации, но, согласитесь, гораздо проще воспринимать информацию в режиме диалога, да еще и с картинками.

Используется ли ИИ сейчас хотя бы в каком-то виде? В логистике, планировании, закупках, контроле качества, документообороте?

Если смотреть на ИИ как на набор статистических методов, то, конечно, используем, например, в прогнозных моделях спроса. Однако я не называю это искусственным интеллектом, так как принятие решения все равно остается за человеком. На пилотной стадии находятся проекты по применению ИИ в системе контроля качества — так, мы общаемся с несколькими поставщиками по этому поводу. Но до полномасштабного внедрения пока далеко. В ИT-отделе мы используем DeepSeek для описания кода, поиска ошибок и написания кусков кода, но на поток это еще не поставлено.

В компаниях пищевого сектора часто первым делом ИИ пробуют в прогнозировании спроса. Пробовали ли вы подобные инструменты?

Как уже сказал, пробовали, но принятие решения остается за человеком. Искусственный интеллект действительно хорошо работает в этой области при расчете так называемой «базовой линии». То есть когда необходимо составить прогноз продаж на основе статистических данных и дополнительного набора критериев, например прогноза погоды: «если в ближайшие выходные будет тепло, многие поедут на природу, следовательно, потребление лапши «Ролтон» увеличится». Однако ни один ИИ не сможет спрогнозировать динамику продаж нового вкуса, например лапши «Ролтон» со вкусом «Мохито».

Есть ли планы по внедрению предиктивной аналитики, например, для отслеживания износа оборудования или отклонений в рецептурах?

Пока стоимость таких решений многократно превышает потенциальный эффект от их внедрения. Это среди прочего связано с хайпом вокруг решений на базе ИИ. Так, если речь идет об отклонениях в рецептуре, нам требуется модель, которая будет анализировать данные с датчиков и сигнализировать в случае выхода этих данных из указанных коридоров. Однако стоит к такому проекту добавить слова «искусственный интеллект», ценник возрастет в два, а то и в три раза. При этом значения коридора может подсказать ИИ, но решения по корректирующим действиям все равно остаются за человеком.

Чтобы запускать ИИ, нужны чистые и структурированные данные. Удалось ли вам выстроить «единое цифровое тело» производства или приходится иметь дело с «сараями» Excel и локальными базами?

В компании есть ядро информационной архитектуры — в настоящий момент это SAP. Система внедрялась одновременно с процессами управления основными данными. Сегодня мы находимся на стадии разработки системы управления жизненным циклом продукта: уже созданы модули для первой части процесса, сейчас занимаемся передачей новинок в производство. После реализации этого проекта «цифровое тело» будет готово на две трети.

Конечно, это не исключает Excel. Вообще, я не видел ни одной компании, где бы не использовался этот магический инструмент. Даже, когда работал в SAP, Excel очень активно использовался.

Есть ли у вас внутренние «датасеты» вкуса, консистенции, цвета продукта?

Есть разрыв, существует отдельно «датасет» по дегустациям, в котором содержится информация по этим критериям, но мы пока не объединили его с данными по продажам и предпочтениям. Надеюсь, придем к этому в течение года.

Визуальный контроль лапши и специй — это пока человек или уже ИИ?

Проверка качества готовой продукции — это не только визуальный контроль. Мы дорожим нашими клиентами, и процесс проверки качества готовой продукции не поменяется. Однако мы исследуем технологии, как можно прогнозировать качество продукции на ранних этапах производства и сводить вероятность возникновения брака к абсолютному минимуму.

Внедрение ИИ в пищевой отрасли сопряжено с высокими требованиями к безопасности. Как проверить, что алгоритм не приведет к технологической ошибке, нарушению рецептуры или риску для потребителя?

Если воспринимать ИИ как помощника, который подсказывает и показывает, но принятие решения оставлять за человеком, то мы защищены от этого. Даже при проектировании и постройке безлюдной фабрики человек закладывает алгоритмы, отклониться от которых система не может. Участие в таком проекте является моей мечтой, и я очень надеюсь реализовать это.

У вас накоплены огромные данные, миллионы упаковок, тысячи SKU, данные с линий. Не возникало желания посмотреть на это глазами ИИ, для выявления скрытых закономерностей, оптимизаций, потерь?

В теории звучит красиво, но на практике мой опыт показывает: если не знаешь, что хочешь найти с помощью ИИ, ничего не найдешь или не сможешь интерпретировать. Обработка большого массива данных должна подтверждать или опровергать гипотезу, которую выдвигает человек. В направлении эффективности я гораздо больше верю в инструменты бережливого производства и теорию ограничения Голдратта, чем в магическую таблетку от ИИ.

Кто внутри компании является драйвером новых технологий: ИТ, бизнес, технологи, маркетинг? Или все же решения идут «сверху»?

Я не даю ход технологии, если внутри бизнеса (в том числе технологов и маркетинга) нет заинтересованного лица, своего рода драйвера. В случае если идею предложили ИT-специалисты, на первом этапе мы обязательно должны «продать» ее бизнесу. При этом очень часто бизнес сам находит новые технологии и приходит к нам — это сильно упрощает процесс.

Где, по вашему мнению, ИИ в пищевой отрасли точно не сработает, по крайней мере в ближайшие годы?

Найти применение можно в любой области: вопрос скорее в том, где это окупится, а где — нет. Это во многом зависит от зрелости компании. Например, если компания умеет отслеживать данные с полки в торговых точках, это дает прирост выручки в 10%. ИИ в данном случае анализирует расстановку, правильность выкладки и наличие товара на полке, но это требует дополнительных инвестиций в персонал для мерчандайзинга и в программное обеспечение.
Второй пример: если на производстве нет датчиков и большая часть задач выполняется операторами, для применения ИИ компании придется сначала инвестировать в автоматизацию. Зачастую это значительные затраты, которые могут не окупиться.