Присоединяйтесь к интересному

Когда у нас рассуждают о будущем искусственного интеллекта, любят обещать особый путь. Не американская джунгли, не китайский цифровой концлагерь, а что-то «своё», где и бизнес не задушен, и государство смотрит, чтобы не перегибали. На словах звучит бодро. На деле же особенность этого пути в том, что середина быстро скатывается в перекос: у крупных игроков открываются новые возможности, а у мелких шансов становится всё меньше.

Возьмём хотя бы поддержку стартапов. Гранты, акселераторы, программы - всё это действительно есть. Но рядом с этим накладывают такие требования к сертификации и хранению данных, что небольшие команды просто тонут в бумажной волоките и издержках. Для Сбера или Яндекса это мелочь, для стартапа - приговор. В итоге, вместо «свободного рынка идей» получаем старый знакомый эффект: сильные укрепляют позиции, слабые сходят с дистанции.

Ещё ярче противоречие видно в доступе к данным. На бумаге - прорыв: государство открывает обезличенные базы, и вроде бы бери, работай, создавай. Но чтобы работать с терабайтами информации, нужны дата-центры, серверные мощности, дорогие специалисты. Всё это есть у корпораций, а не у студентов или маленьких команд. Так что «равный доступ» превращается в красивую вывеску, за которой реальные возможности получают только те, кто и так в лидерах.

Вопрос труда - отдельная бомба. Если ИИ учат выполнять целые комплексы задач, то он уже не помощник, а конкурент. С точки зрения бизнеса это логично: зачем держать живого работника, если алгоритм работает круглосуточно и не просит зарплату. Но с точки зрения общества - это массовое выталкивание людей с рынка труда. В официальных документах эту тему обходят, ограничиваясь фразами про «эффективность». А в реальности всё упрётся в то, кто будет платить людям, которых ИИ сделал ненужными.

Юридическая часть тоже в подвешенном состоянии. Кто автор, если текст или картину сделал ИИ? Разработчик программы? Пользователь? Сам алгоритм? В любом случае выигрывают не художники и писатели, а владельцы технологий. И здесь вопрос даже не в праве, а в том, кому будет принадлежать будущее творчества - людям или машинам, точнее тем, кто контролирует машины.

Все концепции говорят, что к 2026–2027 годам рынок «устаканится». Но устаканиваться он будет через шторм. Правила неясны, трактовки противоречат друг другу. В этом хаосе легко укрепить монополию, а вот расширить реальную свободу - куда сложнее.

Россия действительно стоит перед выбором. ИИ может стать инструментом для развития общества, а может закрепить разрыв между теми, кто управляет алгоритмами, и теми, кто подстраивается под их решения. Вопрос не в том, будут ли у нас свои нейросети и агентные системы. Вопрос в том, чьим интересам они будут служить.

Пресс‑релиз компании СИБУР, 29.08.2025

Крупнейший нефтехимический холдинг России СИБУР завершил масштабный проект цифровой трансформации логистики, реализованный совместно с Яндекс Маршрутизацией. Новое решение позволило подключить 98 % автоперевозок к системе онлайн‑мониторинга в реальном времени.

Проект стартовал в июне 2024 года с тестирования в Перми и к концу года охватил все площадки СИБУРа.

Внедрение Яндекс Маршрутизации обеспечило контроль над 85 % перевозок на всём пути следования — от загрузки до выгрузки, сократило время отслеживания грузов с трёх часов до нескольких секунд, автоматизировало уведомления клиентов о задержках. Затраты на сервис составили менее 0,05 % от стоимости тонны продукции, что сделало решение экономически эффективным.

До внедрения решения сотрудники логистического отдела каждый день вручную собирали информацию о местоположении автомобилей с грузом. После автоматизации маршруты синхронизируются с корпоративной ERP‑системой, а водители получают напоминания о необходимости подключения к трекингу.

Сегодня клиенты все чаще требуют прозрачности и предсказуемости в цепочках поставок, поэтому, будучи одним из лидеров цифровой трансформации, СИБУР делает ставку на цифровые решения, которые позволяют не просто соответствовать ожиданиям, а опережать их. Переход на цифровую систему мониторинга автоперевозок
важный шаг в повышении качества нашего сервиса

В планах СИБУР и Яндекс Маршрутизации увеличить долю отслеживаемых маршрутов до 100 % и добиться полной прозрачности автоперевозок.

Больше материалов на канале РобоТок: https://t.me/tobotsp

Внутри критически важного ракетного крейсера USS Yorktown (CG-48) типа Тикондерога c 1996 года работала Windows NT 4.0.
Встраиваемые Windows и Linux работают в медицинском оборудовании лет 30 для Windows и лет 20 для Linux. В том числе работает RTLinux, система реального времени.
В 2013 году:
Кейт Чувала (Keith Chuvala), руководитель United Space Alliance, организации, по контракту выполняющей обслуживание вычислительных операций Международной космической станции, принял решение перевести десятки ноутбуков, работающих на МКС, с Windows XP на Debian 6.

Linux используется в компьютерной инфраструктуре МКС с самого запуска станции в 1998 г., а также обеспечивает работу вычислительных систем центра управления полетами МКС в NASA.
Международная космическая станция перешла с Windows XP на Linux
Автору не стыдно не знать ничего про вещи, про которые он пишет?

Не говорю уже про возможные закладки, которые, грубо говоря, позволят супостату получать важную информацию, одной кнопкой выключить вам целый завод, или отправить в дрейф судно.

Для того, чтобы ОС могла что-то выключить, ей нужен доступ к получению этого сигнала "от кнопки". По странной случайности такие системы обычно в неограниченный интернет не ходят, и со спутниковыми приемниками не завязываются. Если в такие структуры не прокрались имитаторы безопасности.

Самое же смешное - тут

Система научилась работать с процессорными архитектурами PowerPC, ARM и ARM64.

Учитывая, что в исходном тексте жаловались, что старого PowerPC (не путать с OpenRISC ) не хватает, у некоторых несознательных граждан может возникнуть неудобный вопрос - что же там за центральный процессор стоит в импортозамещенном самолете, если система работает с PowerPC, ARM и ARM64.

Присоединяйтесь к интересному

Вопрос о том, освобождает ли автоматизация человека от каторжного труда или закабаляет его по-новому, сегодня актуален как никогда. Эта борьба началась не с появлением искусственного интеллекта, а гораздо раньше — с молота легендарного Неда Лудда, поднимавшего английских рабочих на разрушение ненавистных ткацких станков. Луддиты, текстильщики из промышленных графств, инстинктивно понимали то, что сегодня очевидно для многих: будущее технологий не предопределено свыше, оно всецело зависит от того, в чьих руках находится власть и ради каких целей используется прогресс. Их восстания были не слепыми погромами, а отчаянным протестом против машин, которые лишали мастеров куска хлеба, обрекая их семьи на нищету и голод. Ответ британских властей был беспощаден: введение смертной казни за порчу имущества и кровавая расправа с восставшими силами армии.

Это наглядно показало, что при капитализме любое техническое новшество служит не интересам трудящихся, а лишь обогащению хозяев жизни, выбрасывая на улицу тех, чьим трудом создаётся богатство.

Сегодня автоматизация сулит невиданный скачок производительности. Однако при капитализме этот потенциал оборачивается против человека: массовой безработицей, грозящей не только рабочим у станка, но и квалифицированным специалистам — переводчикам, аналитикам, инженерам. Многочисленные исследования констатируют, что чувство контроля над собственной трудовой жизнью у работников неуклонно снижается. Это свидетельствует о всеобщем обесценивании навыков: человек превращается в придаток к алгоритму, его действия жёстко регламентированы и находятся под постоянным надзором ради максимизации выгоды. В гигантских логистических компаниях ритм работы задают роботы, а люди вынуждены подстраиваться под бесчеловечный темп, что закономерно приводит к росту профессиональных заболеваний и травматизма. Системы искусственного интеллекта уже сегодня вытесняют копирайтеров, журналистов и юристов, ставя под угрозу существование миллионов рабочих мест по всему миру, особенно в сфере интеллектуального труда.

Парадокс заключается в том, что сам капитализм, породивший эти технологии, не в состоянии раскрыть их во благо всех из-за своих внутренних противоречий. Яркий пример — история автоматизированного завода по производству автомобильных рам в прошлом веке, где небольшая группа рабочих производила больше, чем тысячи их коллег на обычном предприятии. Создатели признавали, что для окупаемости такого завода необходим гарантированный огромный спрос. Но анархия капиталистического рынка, его конкуренция и кризисы перепроизводства не могут этого обеспечить. Капиталист внедряет машину только тогда, когда она дешевле рабской силы, которую она заменяет. В итоге технологии, способные избавить человечество от изнурительного труда, оказываются в узких рамках погони за частной прибылью. Плоды же автоматизации присваивает кучка собственников, умножая чудовищное неравенство. Ослабление профсоюзов по всему миру лишает трудящихся последней защиты перед лицом безрадостного будущего, навязываемого хозяевами машин.

Но существует и принципиально иной путь, где технологии служат не обогащению немногих, а процветанию общества в целом. Это путь рабочего самоуправления, коллективного контроля и общественного планирования, где развитие искусственного интеллекта будет открытым и подотчётным людям. Главный результат автоматизации при социализме — это не рост безработицы, а последовательное сокращение рабочего дня для всех. Свободное время — вот подлинное богатство, которое капитализм отнимает у человека и которое необходимо вернуть. Для смягчения перехода и обеспечения достойной жизни необходимы меры перераспределения, такие как безусловный базовый доход, финансируемый за счёт налогообложения сверхприбылей корпораций. Опыт отдельных стран по сокращению рабочей недели показывает, что люди используют освободившееся время для обучения, семьи и творчества, что только повышает общую производительность.

Высвобождаемые трудовые ресурсы должны быть направлены не в нищету и не на произвол рынка, а в те сферы, где необходим человеческий труд и которые определяют будущее человечества: образование, здравоохранение, наука, экология, забота о детях и пожилых, культура и искусство. Так автоматизация становится не угрозой, а трамплином для расцвета каждой личности, стирая грань между физическим и умственным трудом, между рабочим и инженером.

Как предвидел Карл Маркс, анализируя ещё паровые машины, автоматическая система машин способна освободить человека от роли живого придатка к механизму, превратив его в свободного творца, наблюдателя и регулятора производства. Он подчёркивал, что при капитализме машины служат усилению эксплуатации, удлинению рабочего дня и росту нищеты, но в коммунистическом обществе они сократят необходимое рабочее время до минимума, дав простор для развития всех способностей человека. Опыт Советского Союза, где электрификация и механизация рассматривались как фундамент для облегчения труда и роста культурно-технического уровня всех трудящихся, ярко подтверждает этот тезис. План масштабной электрификации всей страны заложил основу для последующей индустриализации, а на заводах первой пятилетки, построенных с нуля, внедрение конвейеров и автоматизированных линий позволило поднять бывших крестьян до уровня квалифицированных рабочих, сократив долю тяжёлого ручного труда. Таким образом, автоматизация обнажает тупиковость капитализма, не способного использовать её для всеобщего блага, и одновременно указывает путь к социализму — единственной системе, где технологический прогресс может быть поставлен на службу человечеству. Борьба за будущее, в котором роботы работают на людей, а не люди конкурируют с роботами, — это борьба не против машин, а за демократический контроль над ними, за экономику, где мерой успеха является свободное время и всестороннее развитие каждого человека, а не прибыль горстки эксплуататоров.

Искусственный интеллект (ИИ) в системах планирования ресурсов предприятия (ERP) означает интеграцию технологий ИИ, таких как машинное обучение (ML), обработка естественного языка (NLP) и прогнозная аналитика, в ERP-системы. Эти системы на основе ИИ могут автоматизировать рутинные задачи, предоставлять расширенный анализ данных и прогнозирование, а также улучшать принятие решений. Цель внедрения ИИ в ERP — повышение операционной эффективности и оптимизация бизнес-процессов.

Почему ИИ в ERP важен?

Благодаря ИИ традиционные ERP-системы превращаются в интеллектуальные платформы, которые обучаются на данных, адаптируются к изменениям и оптимизируют бизнес-аналитику в реальном времени, повышая общую эффективность и сокращая затраты. Согласно отчету IBM Institute for Business Value, компании, применяющие генеративный ИИ для анализа данных, уже демонстрируют более высокую прибыльность.

ERP-вендоры обычно проектируют свои системы как набор модульных приложений, которые вместе охватывают все аспекты бизнеса — от финансов до закупок и логистики цепочки поставок. С момента появления термина «ERP» в 90-х годах индустрия ERP-решений выросла до рынка объемом $44 млрд в год. Сегодня многие ведущие корпорации используют ERP-системы для получения «единого источника истины» по всему бизнесу.

По мере роста популярности ERP-систем и расширения их возможностей компании стали внедрять их как часть комплексной бизнес-стратегии. Вместо того чтобы оставаться просто программным обеспечением, ERP-системы способны выявлять новые инсайты, значительно влиять на бизнес-процессы и открывать новые возможности для бизнес-аналитики. В 2010-х годах ERP-системы стали критически важны для управления и анализа больших данных, поскольку современные компании генерируют и собирают больше информации, чем человек может обработать вручную.

За последнее десятилетие ERP-системы с ИИ автоматизировали отдельные задачи, такие как ввод и анализ данных. Однако более современные технологии, такие как генеративный ИИ, начали кардинально менять ERP-ландшафт. Облачные ERP-системы обладают большей вычислительной мощностью, что позволяет использовать более сложные ИИ-приложения.

Продвинутые модели машинного обучения и NLP сделали ERP-системы более удобными и точными, открыв новую эру интеллектуального бизнес-ПО. Влияние ИИ на ERP подтверждается недавними сделками, такими как партнерство Microsoft и OpenAI на $13 млрд и выпуск ИИ-ассистента для Microsoft Dynamics 365. Другой ведущий вендор, SAP, в 2023 году представил генеративного ИИ-ассистента «Joulie».

Типы ИИ в ERP

ERP-системы используют ИИ-технологии для улучшения управления бизнес-процессами. Среди них:

• Прогнозная аналитика

• Обработка естественного языка (NLP)

• Роботизированная автоматизация процессов (RPA)

• Машинное обучение (ML)

• Чат-боты и виртуальные ассистенты

• Распознавание изображений

Прогнозная аналитика

Использует исторические данные для прогнозирования будущих тенденций. ERP-системы с ИИ анализируют прошлые действия и специфические данные компании, чтобы предсказать поведение клиентов или рыночную динамику, помогая руководителям принимать обоснованные решения.

Обработка естественного языка (NLP)

Позволяет ERP-системам понимать и отвечать на человеческую речь, улучшая взаимодействие с пользователями. Благодаря большим языковым моделям (LLM), таким как ChatGPT, NLP-инструменты стали более точными и контекстно-релевантными.

Например, NLP может анализировать неструктурированный текст (например, письма клиентов) для оценки настроений или обрабатывать запросы сотрудников в неформальном стиле, делая ПО более интуитивным.

Роботизированная автоматизация процессов (RPA)

Автоматизирует рутинные задачи (например, ввод данных, миграцию файлов) с помощью «ботов». ERP-системы с RPA могут автоматически генерировать отчеты, распределять HR-документы или управлять данными клиентов.

Машинное обучение (ML)

ML-модели обучаются на данных, улучшая прогнозирование и принятие решений. В ERP это снижает ошибки и повышает эффективность. Поскольку ERP-системы работают с большими объемами данных, ML может значительно улучшить их функциональность.

Чат-боты и виртуальные ассистенты

Используют NLP для поддержки в реальном времени, улучшая клиентский опыт и помогая сотрудникам в рабочих процессах. Например, чат-боты могут отвечать на вопросы о HR-задачах.

Распознавание изображений

ИИ анализирует визуальные данные (документы, видео) и преобразует их в редактируемые форматы. Также используется для контроля качества на производстве.

Генеративный ИИ в ERP

Генеративный ИИ имитирует человеческий интеллект, добавляя новые функции в ERP-системы. Например:

• Генерация отчетов — автоматическое создание бизнес-отчетов из сырых данных.

• Создание контента — написание писем, маркетинговых материалов или документации.

• Сценарное планирование — анализ регуляций и предложение рекомендаций (например, по сокращению углеродного следа).

Примеры использования ИИ в ERP

1. Прогнозное обслуживание
   Датчики IoT и «цифровые двойники» предсказывают необходимость ремонта оборудования, предотвращая простои. Применяется в энергетике, транспорте и сельском хозяйстве.

2. Прогнозирование спроса и управление расходами
   ERP-системы анализируют исторические данные, чтобы оптимизировать запасы и избежать дефицита. Инструменты Oracle автоматически улучшают прогнозы денежных потоков.

3. Автоматизированная обработка счетов
   NLP и RPA ускоряют обработку счетов, снижая ошибки. SAP и Oracle используют ИИ для верификации накладных.

4. Поддержка клиентов
   ИИ в CRM автоматически решает типовые вопросы и генерирует письма (как в SAP CRM).

5. Управление персоналом
   Например, SAP SuccessFactors предлагает персонализированное обучение и автоматически подбирает кандидатов.

6. Управление цепочками поставок
   ИИ оптимизирует логистику, отслеживает заказы и прогнозирует сбои (как в IBM Sterling).

Преимущества ИИ в ERP

• Повышенная точность — снижение ошибок за счет автоматизации.

• Оптимизация процессов — быстрая адаптация к изменениям на основе аналитики.

• Рост продуктивности — сотрудники освобождаются от рутины.

• Улучшенная безопасность — ИИ быстрее обнаруживает угрозы.

Лучшие практики внедрения ИИ в ERP

1. Управление данными — обучение ИИ на качественных и защищенных данных.

2. Масштабируемая инфраструктура — облачные или гибридные решения.

3. Постоянный мониторинг — регулярные обновления системы.

4. Стратегия интеграции — соответствие бизнес-целям.

ИИ на отечественном ERP-ландшафте

Несмотря на отставание российского ERP-рынка в области искусственного интеллекта по сравнению с западными аналогами, некоторые компании уже начали внедрять ИИ-решения в свои системы.

1. Прогнозная аналитика в ритейле
   Крупные российские розничные сети, такие как «Магнит» и X5 Group, используют ERP-системы с элементами ИИ для прогнозирования спроса и оптимизации цепочек поставок. Алгоритмы машинного обучения анализируют исторические продажи, сезонность и внешние факторы (например, погоду), чтобы минимизировать излишки или дефицит товаров.

2. Автоматизация документооборота в госсекторе
   Некоторые государственные корпорации (например, «Ростех» и «Росатом») внедряют NLP и RPA в свои ERP-системы для автоматической обработки счетов, накладных и контрактов. Это ускоряет процессы согласования и снижает бюрократическую нагрузку.

3. Чат-боты для HR в банковском секторе
   Сбербанк и ВТБ применяют ИИ-ассистентов на базе своих ERP-решений для автоматизации HR-процессов. Виртуальные помощники отвечают на вопросы сотрудников о зарплате, отпусках и корпоративных льготах, сокращая нагрузку на HR-отделы.

4. Предиктивная аналитика в промышленности
   Компании вроде «Северстали» и «Норникеля» тестируют ИИ-модули для прогнозирования износа оборудования. Датчики IoT собирают данные о состоянии техники, а алгоритмы предсказывают оптимальное время для обслуживания, предотвращая аварии.

Отставание российского ERP-ландшафта в сфере ИИ

Несмотря на отдельные успешные кейсы, российский рынок ERP серьезно отстает от западного в интеграции ИИ. Основные причины:

1. Ограниченные технологические возможности

   • Большинство российских ERP-систем (1С, Галактика, и т.д.) изначально не проектировались для работы с ИИ.

   • Нехватка вычислительных мощностей и облачных решений затрудняет внедрение сложных ML-моделей.

2. Дефицит данных для обучения моделей

   • Качественные дата-сеты, необходимые для обучения ИИ, часто недоступны из-за закрытости корпоративных данных.

   • Многие компании до сих пор используют устаревшие системы учета, несовместимые с современной аналитикой.

3. Санкционные ограничения

   • После 2022 года усложнился доступ к западным ERP-платформам (SAP, Oracle), которые лидируют в области ИИ.

   • Российские аналоги (например, «Постгрес ПРО» или «Р7-Офис») пока не могут предложить сопоставимый функционал.

4. Недостаток экспертизы

   • В России мало специалистов, способных разрабатывать и внедрять ИИ-модули для ERP.

   • Компании часто не готовы инвестировать в долгосрочные ИИ-проекты из-за неочевидного ROI.

Экспертные мнения, новости и тренды в части корпоративных информационных систем в телеграм-канале.