Индия, согласно отчету Edelman, обладает наибольшим уровнем доверия населения к искусственному интеллекту (ИИ) – 77%, обгоняя Китай (72%), США (32%) и страны Европы (24–29%). Искусственный интеллект в Индии имеет большой потенциал для привнесения мультипликативного эффекта, который имеет большое значение для четвертой экономики мира по объему ВВП.

В частности, эффективность может повышаться путем внедрения искусственного интеллекта в производственный сектор Индии. По сравнению с 2022 г. к 2024 г. доля индийских производителей, внедривших ИИ на производстве, возросла на 20% и достигла 65%. Между тем, по-прежнему сохраняется определенная консервативность – в Индии только около 4% производств направляют более 20% своего ИТ-бюджета на ИИ.

Однако масштабность экономики Индии также выражается в широком спектре размеров предприятий, которые, соответственно, обладают разными возможностями по внедрению относительно новых решений Индустрии 4.0. На сектор микро-, малых и средних предприятий (ММСП) приходится почти 45% промышленного производства, но этот же сектор испытывает гораздо большие трудности при внедрении ИИ, чем крупные предприятия.

Во-первых, дело в финансах – по разным оценкам, от 59% до 68% ММСП называют инвестиции в интеграцию искусственного интеллекта чрезмерно дорогими. Во-вторых, около 70% ММСП не хватает специалистов в области ИИ. В-третьих, у 62–65% ММСП низкая осведомленность о существовании подходящих решений. В-четвертых, 60% ММСП испытывают трудности с использованием своих данных при внедрении ИИ, они могут быть не консолидированы и не унифицированы, иногда данные и вовсе ведутся только на бумаге. Наконец, многие сотрудники против внедрения ИИ из-за страха потерять работу.

В то же время крупные компании, обладающие достаточно развитой цифровой инфраструктурой, уже внедренной системой интернета вещей, собравшие весомое количество данных за долгий срок, создавшие полноценных цифровых двойников на некоторых производствах, могут внедрять:

1)                Программно-управляемые предприятия (эффект – снижение затрат на рабочую силу, сокращение времени реагирования на дефекты);

2)                Моделирование изменений процессов на цифровых двойниках (эффект – повышение продуктивности);

3)                Регулирование логистических цепочек в реальном времени (эффект – снижение влияния перебоев в поставках);

4)                Генеративный дизайн (эффект – сокращение циклов проектирования новых компонентов).

Большинство подобных систем в мире требуют инвестиций от 100–200 тыс. евро вплоть до двух млн евро и продвинутую цифровую базу.

Для ММСП есть более скромные решения, инвестиции в которые будут составлять 30–200 тыс. евро:

1)                Прогнозирование необходимости технического обслуживания оборудования (эффект – сокращение незапланированных простоев);

2)                Контроль качества с помощью компьютерного зрения (эффект – повышение точности обнаружения дефектов и сокращение затрат на контроль);

3)                Оптимизация энергопотребления (эффект – снижение затрат на электроэнергию);

4)                Прогнозирование спроса (эффект – повышение точности прогноза и оптимизация цепочек поставок);

5)                Чат-боты (эффект – автоматизация рутинных задач и улучшение коммуникации).

Менее высокая цена обусловлена в основном ограниченным введением ИИ в производство – большинство таких решений требуют установки датчиков или камер на определенную категорию оборудования и не затрагивают все предприятие целиком.

Проблема низкой цифровой грамотности и восприятия инвестиций в ИИ как чего-то рискованного находит свое решение в формировании спроса на ИИ-решения, которые: во-первых, дешевые; во-вторых, «под ключ» (т.н. «plug and play»); в-третьих, с возможностью бесплатного тестирования.

Исходя из потребностей ММСП Индии, естественна технология RAG (retrieval-augmented generation, генерация с дополненной выборкой). Она предполагает использование готовой модели искусственного интеллекта, которая не обучается «с нуля», а работает на основе существующих алгоритмов, дополняя их внутренними данными предприятия.

Другое решение – дообучение моделей с открытым исходным кодом индийскими разработчиками под нужды ММСП. Однако 74% ИИ-стартапов в Индии задействуют западные закрытые модели через API – то есть лишь подстраивают удобный для индийских предприятий интерфейс, используя при этом зарубежную интеллектуальную собственность. Но нужно учитывать многоязычие Индии – многие используемые в Индии языки плохо поддерживаются западными моделями и могут не учитывать других местных особенностей. Та же проблема существует и для варианта с RAG. Лишь 13% индийских разработчиков берут модели с открытым исходным кодом и обучают их.

Тем не менее, правительство Индии стремится поддерживать разработку суверенных ИИ-моделей в частности и внедрение ИИ в целом – на этом акцентируются направления IndiaAI Mission: повышение вычислительной мощности страны; формирование центрального хранилища открытых данных по ИИ (AIKosh); обучение кадров работе с ИИ; обеспечение безопасности и этичности ИИ; содействие исследованиям и сотрудничеству в сфере ИИ; финансирование стартапов в сфере ИИ.

В частности, правительство, собрав объемный пул графических процессоров для ИИ-мощностей, выделяет значительные субсидии на их использование – с января 2025 г. предоставлялась сорокапроцентная субсидия (с ней цена использования составляет примерно 65 рупий (0,68 доллара) в час – треть от среднемировой), чуть позже отдельно для разработки полностью суверенных ИИ-моделей субсидия была увеличена до 100%.

В Индии уже существуют суверенные ИИ-модели (Sarvam, Krutrim, модели от Tech Mahindra, Gnani.ai), которые хотя и могут уступать зарубежным вариантам по части функциональных характеристик, гораздо лучше взаимодействуют с местными языками. Важная тенденция – разработка малых языковых моделей (SLM) параллельно большим (LLM). Они, хотя и в ущерб универсальности, затрачивают меньше ресурсов, работают быстрее и могут даже внедряться в формате Edge AI (запуск на локальных серверах предприятия – меньше задержек, выше конфиденциальность, можно без доступа в интернет).

Помимо в значительной степени демократичного подхода Индии к поддержке разработки ИИ, а также предоставления большого количества открытых датасетов через платформу AIKosh, Индия в последние годы также заняла вторую после США позицию по количеству зарегистрировавшихся разработчиков на GitHub и по числу проектов генеративного искусственного интеллекта – опять же, с открытым исходным кодом.

Таким образом, ключевая особенность внедрения искусственного интеллекта в производственном секторе Индии определяется структурой экономики, в которой доминируют микро-, малые и средние предприятия с ограниченными ресурсами. Это формирует спрос не на масштабные и капиталоемкие решения, а на дешевые, адаптируемые и быстро внедряемые инструменты ИИ, позволяющие точечно повышать эффективность производства. Финансовые и кадровые ограничения компенсируются распространением бюджетных решений и сервисов «под ключ», предлагаемых частным сектором, в то время как государство через субсидии, развитие вычислительной инфраструктуры и поддержку национальных моделей стремится снизить зависимость от зарубежных технологий и обеспечить более сбалансированное развитие отрасли. При этом сохраняющиеся барьеры – низкая осведомленность предприятий, слабая цифровая инфраструктура и дефицит качественных данных – постепенно преодолеваются по мере усиления конкуренции и расширения государственных программ поддержки, что в совокупности формирует устойчивую модель адаптивного внедрения ИИ в ММСП.

Научно-аналитический портал "Восточная трибуна"