Урок 6: GenAI-ассистенты в металлургии — Северсталь ДаВинчи, ЕВРАЗ 15 проектов, НЛМК

Чему вы научитесь

• Понимать, какие GenAI-задачи на металлургическом предприятии реально полезны, а какие лучше не автоматизировать
• Отличать инженерный copilot с RAG от обычного корпоративного чат-бота
• Разводить стек для чувствительного on-prem контура и для менее критичных внутренних сценариев
• Использовать кейсы Северстали, ЕВРАЗа и НЛМК как ориентир по типам задач, а не как повод «срочно поставить LLM везде»
• Строить первый GenAI-контур так, чтобы он помогал производству, а не генерировал галлюцинации на опасных числах

Металлургия пришла к GenAI позже, чем офисные отрасли, но быстрее перешла к практическим сценариям. Причина проста: здесь мало ценности в «поболтать с моделью», зато много ценности в быстром доступе к регламентам, истории инцидентов, технологическим картам и внутренним инструкциям. Поэтому промышленный GenAI почти всегда начинается не с творчества, а с knowledge work.

Что уже видно в российской практике

Пять use cases, которые действительно нужны металлургии

Почти все эти задачи лучше решаются через RAG, а не через «голую» LLM. Это уже подробно разобрано в p.9/04 про RAG на русском.

Как выглядит правильная архитектура

flowchart LR
    A[ГОСТы ТУ регламенты инструкции отчёты] --> B[OCR / parsing]
    B --> C[Chunking and metadata]
    C --> D[Embeddings + pgvector / vector DB]
    D --> E[Retriever]
    E --> F[LLM: GigaChat Corporate или T-Pro on-prem]
    F --> G[Ассистент инженера / мастера / юриста]
    G --> H[Human review and feedback]

Если документы чувствительны, внешнюю облачную модель выпускать за периметр нельзя без отдельной правовой и ИБ-оценки. Это уже разобрано в p.3/01 и p.3/05.

Какой стек обычно подходит металлургическому предприятию

Технический деплой open-weight моделей уже разобран в p.9/02. Главное решение здесь не в том, «какая модель умнее», а в том, где живут документы и как вы контролируете ответы.

Что показывает Северсталь

В сообщении о запуске платформы «Да Винчи» Северсталь прямо описывает безопасный внутренний контур, где сотрудники могут создавать персонализированных ассистентов, интегрировать их с корпоративными системами и анализировать файлы. Среди первых прикладных сценариев названы служба поддержки, протоколирование совещаний и ассистент для анализа отчётов вибрационного состояния агрегата (Metalinfo, 22.09.2025).

Это хороший пример зрелого industrial GenAI, потому что компания пошла не в «универсального умного собеседника», а в конкретные прикладные роли.

Что показывает НЛМК

В интервью Prometall руководитель лаборатории генеративного ИИ НЛМК говорит о наиболее перспективных направлениях: автоматизация рутинных задач, HR-ассистенты, управление знаниями, интеллектуальная автоматизация документооборота и ускорение разработки ПО. То есть GenAI в компании изначально поставлен как механизм повышения операционной эффективности, а не как витрина инноваций (Prometall, 06.08.2024).

Это особенно полезный сигнал для металлургии. Большие языковые модели чаще всего окупаются не на управлении печью, а на ускорении доступа к знаниям и снижении административного трения вокруг производства.

Почему без RAG эта история становится опасной

LLM плохо держит технические числа, номера пунктов, пределы допуска и исключения. Для металлургии это критично: перепутанный номер инструкции или неверная температура в ответе — уже не harmless hallucination.

Какой первый сценарий запускать

1. Начните с базы знаний, а не с агента. Инженерный или ремонтный assistant по регламентам обычно даёт value быстрее, чем «умный автономный агент».

2. Сделайте узкий корпус документов. Один передел, одна служба, одна группа регламентов. Не загружайте сразу весь SharePoint предприятия.

3. Версионируйте документы и права доступа. Иначе ассистент начнёт отвечать по устаревшим инструкциям или чужим документам.

4. Сразу определите запретную зону. Например: никаких автоматических уставок, никакой генерации критичных документов без проверки, никаких внешних API для конфиденциальных материалов.

5. Измеряйте не «количество запросов», а сэкономленное время и снижение цикла поиска решения.

Что делать дальше

Если вам нужен технический RAG-стек, переходите в p.9/04. Если нужно выбрать модель и контур, вернитесь к p.2/04 и p.2/06. Если вопрос уже дошёл до правовой допустимости передачи документов и логов, перечитайте p.3/01.