21.05.2026 14:03
Вшивать ИИ в ERP или MES — ловушка Ну и последняя сессия с ЦИПРа, на которую мы посмотрим — «Сделано в России.
Вшивать ИИ в ERP или MES — ловушка
Ну и последняя сессия с ЦИПРа, на которую мы посмотрим — «Сделано в России. Умные ERP, MES, CRM для нового этапа цифровизации производства».
Сергей Голицын, руководитель направления Т1 ИИ, поднял важную тему о том, насколько в принципе нужно «вшивать» искусственный интеллект напрямую в существующие ERP, MES или CRM-системы. Спойлер: это архитектурная ловушка, и на это три причины:
🔹 Логика моделей и промпты оказываются жестко привязаны к конкретному продукту, а потенциальная смена IT-поставщика превращается в дорогостоящий и рискованный проект.
🔹 Невозможность переиспользовать ИИ‑решения в разных контурах. Бизнес фактически теряет накопленный интеллектуальный капитал, так как любая серьезная перестройка ИТ‑ландшафта оборачивается утратой обученных моделей и сценариев, которые создавались годами.
🔹 Наконец, модели для предиктивной аналитики, компьютерного зрения и работы с текстами требуют дорогих GPU‑кластеров. Если каждая система — ERP, MES, CRM — пытается управлять ими по‑своему, что провоцирует рост затрат:
Если пытаться управлять GPU‑кластерами из каждой отдельной системы, получится крайне дорогая и неэффективная история. Правильнее выносить это на уровень единой ИИ‑платформы, через которую все бизнес‑приложения обращаются к моделям и ресурсам по единым правилам.
Впрочем, по словам Голицына, это не значит, что нейросети не стоит использовать в ERP и MES вообще. Среди наиболее распространенных и эффективных сценариев выделяются дефектоскопия, контроль промышленной безопасности и предиктивная аналитика
Подписывайтесь на СофтТех
Ну и последняя сессия с ЦИПРа, на которую мы посмотрим — «Сделано в России. Умные ERP, MES, CRM для нового этапа цифровизации производства».
Сергей Голицын, руководитель направления Т1 ИИ, поднял важную тему о том, насколько в принципе нужно «вшивать» искусственный интеллект напрямую в существующие ERP, MES или CRM-системы. Спойлер: это архитектурная ловушка, и на это три причины:
🔹 Логика моделей и промпты оказываются жестко привязаны к конкретному продукту, а потенциальная смена IT-поставщика превращается в дорогостоящий и рискованный проект.
🔹 Невозможность переиспользовать ИИ‑решения в разных контурах. Бизнес фактически теряет накопленный интеллектуальный капитал, так как любая серьезная перестройка ИТ‑ландшафта оборачивается утратой обученных моделей и сценариев, которые создавались годами.
🔹 Наконец, модели для предиктивной аналитики, компьютерного зрения и работы с текстами требуют дорогих GPU‑кластеров. Если каждая система — ERP, MES, CRM — пытается управлять ими по‑своему, что провоцирует рост затрат:
Если пытаться управлять GPU‑кластерами из каждой отдельной системы, получится крайне дорогая и неэффективная история. Правильнее выносить это на уровень единой ИИ‑платформы, через которую все бизнес‑приложения обращаются к моделям и ресурсам по единым правилам.
Впрочем, по словам Голицына, это не значит, что нейросети не стоит использовать в ERP и MES вообще. Среди наиболее распространенных и эффективных сценариев выделяются дефектоскопия, контроль промышленной безопасности и предиктивная аналитика
Подписывайтесь на СофтТех