ИИ на практике
Рекомендательные системы ЕвроХима: как ИИ помогает оператору
Сотрудник может знать процесс и всё равно не успевать учитывать все его параметры одновременно. Рекомендательная система помогает выбрать действие на основе данных. На примере ЕвроХима разбираем, как оценивать такой инструмент и сохранять ответственность специалиста.
Опубликовано
Что сообщает компания
В релизе от 2 июля 2026 года ЕвроХим оценивает совокупный эффект рекомендательных систем за 2023–2025 годы суммой более 1,5 млрд рублей. Решения используются на нескольких производственных переделах. Это общий результат масштабирования, а не доход от одного алгоритма за один год.
Как устроена помощь оператору
Компания описывает инструменты, которые анализируют производственные данные и предлагают изменения технологического режима. В приведённом примере производства аммиака модель учитывает более 1500 параметров. Она выдаёт рекомендации специалисту. Для такого подхода важно связать подсказку с конкретным решением: что сотрудник должен проверить, изменить и затем измерить.
Почему небольшой процент имеет значение
Для собственного проекта сначала определите базу расчёта. Изменение удельного расхода ресурса, объёма выпуска и качества продукции нельзя складывать без проверки взаимосвязей. Если повышение выпуска требует дополнительных затрат, их нужно включить в модель. Экономический результат оценивают по всему выбранному процессу, чтобы улучшение одной метрики не скрывало ухудшение другой.
Что нужно подготовить для пилота
Начинать стоит с решения, которое сотрудник принимает регулярно и для которого доступны сопоставимые исторические данные. Согласуйте допустимые значения параметров, ограничения по качеству и способ проверки рекомендации. Отдельно определите, когда данных недостаточно и система должна воздержаться от подсказки.
- Назовите решение и специалиста, который его принимает.
- Проверьте полноту, единицы измерения и время обновления данных.
- Согласуйте показатель результата и ограничения процесса.
- Сохраняйте рекомендацию, решение сотрудника и фактический итог.
Как отделить пользу модели от других изменений
Сравнивайте периоды или участки с похожими условиями. Учитывайте изменения сырья, нагрузки, оборудования и организации работы. Если одновременно обновили оборудование и запустили модель, приписывать ей весь прирост было бы неверно. Для первого этапа полезна проверка рекомендаций без автоматического воздействия: специалист оценивает предложения, а команда собирает результаты.
Что этот подход даёт обычному бизнесу
В продажах, сервисе или закупках можно начать с поддержки одного повторяющегося решения: приоритета обращения, выбора следующего шага или поиска подходящего документа. Сначала проверьте, достаточно ли правил и отчёта. Если нужен ИИ, в CRUX можно обсудить помощника, который получает сведения из рабочих систем и передаёт рекомендацию ответственному сотруднику.
Источники
Разбор отраслевого кейса. Результаты приведены по публикациям и оценкам представителей компаний; ссылки указаны рядом с фактами. Критерии проверки собственного проекта и выводы о применении — рекомендации CRUX. Источники проверены 13 октября 2026 года.