«Если бизнес-процесс запутанный, ИИ не поможет»

26 января 2026
13 мин.
Михаил Трегубенко
Михаил Трегубенко
Руководитель Управления организационными проектами «Сибура»
Сегодня внедрение искусственного интеллекта — один из инструментов сокращения затрат и формирования добавленной стоимости в традиционных отраслях. Дать оценку этому процессу непросто, он неравномерен по отраслям и предприятиям. Можно ли добиться ощутимых результатов, внедряя ИИ-инструменты в промышленное производство? Ответ на этот вопрос узнал Максим Малков, партнер Kept и руководитель практики по оказанию услуг компаниям нефтегазового сектора, у Михаила Трегубенко, руководителя Управления организационными проектами «Сибура».

В этом интервью:

«Сибур» — один из лидеров по внедрению решений в области ИИ, вы проделали огромную работу. Как вы оцениваете достижения, в каком направлении планируете развиваться и какие тренды определяют будущее?
Искусственный интеллект — это очень широкое понятие, и в промышленности мы условно разделяем его на несколько классов решений. Один крупный блок — системы автоматического принятия решений, которые могут управлять оборудованием в режиме автопилота. Мы с 2018 года активно внедряем такие системы, они работают на большинстве ключевых установок и уже дают измеримый экономический эффект. В наших классических производственных процессах используются системы RTO (англ. Real-Time Optimization Systems) и APC-системы (англ. Advanced Process Control), которые автоматически подбирают и удерживают оптимальные режимы.

Помимо этого, мы активно используем системы интеллектуального видеонаблюдения. Более 70% камер на заводах «Сибура» работают в умном режиме.

Отдельный перспективный блок — это генеративный ИИ, LLM-модели и т. п. Мы и наши коллеги по цеху, другие промышленные компании, активно их пилотируем, и здесь, на наш взгляд, открывается много новых возможностей.
«Сибур» — компания очень прагматичная, мы инвестируем в технологию, если она даст экономический эффект.
Вы анализировали опыт многих компаний. Какие лучшие практики вы могли бы выделить?
Летом 2025 года мы структурировали свой опыт и опыт порядка 40 компаний: банков, ритейла, технологических и промышленных компаний, — по внедрению генеративного ИИ. Одно из ключевых наблюдений — лидеры не запускают единичные проекты, а выстраивают управляемую воронку инициатив — от идей до тиражирования.

У нас эта логика начала формироваться задолго до хайпа вокруг генеративного ИИ: вместе с бизнес-подразделениями мы системно собираем гипотезы, помогаем их оформлять и быстро проверять на пилотах. В этом смысле внешние кейсы скорее подтвердили, что выбранный нами подход — верный.

И третий аспект — это мотивация. На уровне первых лиц и топ-менеджмента ИИ встроен в систему целей и KPI. Такой KPI по умолчанию стимулирует руководителей и организацию в целом думать, как делать что-то по-новому.
На каком этапе находится «Сибур» с точки зрения внедрения генеративного ИИ? Приведите практические примеры.
Банки, ритейл и технологические компании двигаются быстрее, потому что для них генеративный ИИ напрямую влияет на клиентский опыт и конкурентоспособность. Это ДНК их бизнеса. В промышленности подход осторожнее. Генеративный И И не меняет суть технологического процесса, но может существенно усилить отдельные функции — от анализа инцидентов до поиска знаний.
Генеративный ИИ — драйвер использования инфраструктуры, гибридных облаков, платформенных решений, новых подходов к разработке. Это перестраивает работу ИТ.
Сейчас у нас порядка двух десятков инициатив в активной фазе пилотирования. Часть связана с поиском аналогов элементов оборудования. Каждый раз, когда на производстве требуется что-либо отремонтировать, нужно решить — взять со склада или купить. Часть оборудования на складе оцифрована, остальное описано лишь на бумаге. Мы тестируем инструмент для оцифровки, и прежде чем что-либо закупать, ИИ будет подсказывать, есть ли аналог на складе. Это определенно принесет экономический эффект.

Другой пример — поиск клиентов. ИИ уже помогает нам с лидогенерацией на основе открытой информации. Сотрудники отдела продаж «Сибура» получают гораздо более качественную информацию и базу перспективных клиентов, которые могут стать нашими постоянными клиентами на новом рынке.

Помимо этого, ИИ может анализировать предложения поставщиков на тендерах на предмет того, насколько они соответствуют нашему техзаданию. Или отбирать резюме кандидатов, которые соответствуют нашим вакансиям, и составлять вопросы для собеседования, исходя из конкретного профиля. Это все офисные процессы.
Мы внедряем ИИ только в хорошо описанные бизнес-процессы. Если процесс плохо структурированный, ИИ не поможет. И второй важный фактор — это качество данных, на основе которых ИИ будет принимать решения.
Какой подход к развитию компетенций сотрудников в области ИИ применяет «Сибур»?
У «Сибура» есть корпоративный университет, плюс мы сотрудничаем с крупнейшими образовательными центрами. Параллельно мы привлекаем специалистов с рынка, которые приносят свежие практики, и тем самым обогащаем внутренние команды. Такой микс — внутренний опыт плюс внешний взгляд — позволяет двигаться быстрее и не изобретать уже созданные решения.
Мы хотим обучить всех сотрудников базовым компетенциям в области ИИ, потому что это game changer.
Отдельная программа — для руководителей. Мы демонстрируем, как меняется парадигма, как генеративный ИИ ускоряет проверку гипотез и позволяет запускать изменения без тяжелых ИТ-проектов на старте.
Как рядовые сотрудники применяют ИИ в рабочих процессах?
ИИ-инструменты помогают повышать личную эффективность. Сотрудник может с помощью нейросетей обобщить информацию, анализировать материалы, готовить проекты документов и многое другое. Помимо этого, мы развернули в своем контуре LLM-модель, которая позволяет безопасно работать с конфиденциальной информацией.

Есть и более радикальные сценарии, когда ИИ может существенно поменять рабочий процесс. Например, перевод документов для работы с зарубежными рынками или автоматизированное протоколирование встреч и формирование перечня поручений по итогам совещаний.
В «Сибуре» действует внутренний манифест ИИ, в котором зафиксировано, что даже если сотрудник воспользовался ИИ, результат остается его ответственностью.
Возможно ли оценить реальный экономический эффект от внедрения ИИ?
Экономический эффект от проектов по оптимизации и цифровизации процессов в «Сибуре» на конец 2024 года составил более 50 млрд рублей. По нашей оценке, примерно половина от этой цифры — благодаря ИИ.
50
млрд рублей составил эффект от цифровой трансформации «Сибура» на конец 2024 года
Делать оценку экономического эффекта от генеративного ИИ пока рано.
Вы привлекаете подрядчиков или самостоятельно разрабатываете решения?
Мы стремимся комбинировать внутренние компетенции с партнерской экосистемой и уверены в необходимости сотрудничества с разными компаниями-лидерами.

Мы развернули в своем контуре российскую LLM-модель, а для ряда задач активно привлекаем стартапы и технологических партнеров, которые быстрее двигаются в отдельных нишах.

Где это допустимо с точки зрения безопасности, используем гибридные облака: часть инфраструктуры остается на нашей стороне, часть размещается у провайдеров. Такой подход позволяет быстро протестировать новые технологии, верифицировать их ценность и затем масштабировать вместе с партнерами.
Какие организационные изменения компании необходимо пройти? Нужно ли создавать отдельные подразделения по ИИ либо назначать внутренних амбассадоров ИИ?
Мы не создаем новую вертикаль, а встраиваем процесс в существующую систему управления изменениями. Мы воспринимаем ИИ как один из инструментов решения бизнес-задач.
Инициативы по ИИ входят в систему целей и KPI руководителей, в том числе топ-менеджмента, как часть программ трансформации, а не как разовая инициатива. Комитет по ИИ на уровне гендиректора обеспечивает фокус и темп решений.​
Амбассадоры ИИ в компании появляются естественно: это сотрудники, которые активно используют новые инструменты, делятся кейсами и стимулируют изменения в своих функциях. Их задача — помогать коллегам видеть не только риски, но и возможности.
Михаил Трегубенко
Руководитель Управления организационными проектами «Сибура»
Окончил в 2006 году МГТУ имени Н. Э. Баумана по специальности «Автономные информационные и управляющие системы». В 2009 году получил степень кандидата технических наук (PhD). В том же году в Финансовой академии при Правительстве Р Ф окончил магистратуру по специальности «Финансовый менеджмент».

Начинал карьеру в IBM. До перехода в «Сибур» работал в практике EY по оказанию услуг компаниям сектора технологий, медиа и связи в России и СНГ.

Вам может быть интересно

string(116) "/upload/iblock/c14/plgk4tbmgtknwimd5ixm8e0t0m23ugq3/Oblozhka_dlya_ssylok_shering_v_messendzherakh_3000x1564_px_1.jpg"
Мы используем файлы cookie, необходимые для работы сайта, а также аналитические cookies. Вы можете ознакомиться с Политикой использования файлов-cookies.