Как ИИ-планировщик замедлил производство в 4 раза: уроки провала

Четыре месяца одиннадцать разработчиков создавали систему ИИ для планирования производства. Результат — цикл увеличился в три-четыре раза по сравнению с Excel. Технологи заранее предупреждали, что их работу невозможно формализовать, но их мнение проигнорировали. Эта история, описанная на Habr, — не просто провал, а ценный урок о границах экспертизы и роли руководителя проекта. Она демонстрирует, как слепая вера в алгоритмы может привести к обратному эффекту, и подчеркивает важность человеческого фактора в производственных процессах.

ИИ-планировщик, который работал хуже Excel

Команда из одиннадцати человек потратила четыре месяца на разработку системы, которая должна была автоматизировать планирование производственных процессов. Однако вместо ускорения цикл вырос в 3–4 раза. Эксперты-технологи заранее предупреждали, что их работу невозможно формализовать, но их мнение не было учтено. Система пыталась учитывать множество факторов: загрузку оборудования, квалификацию сотрудников, срочность заказов. Но на практике она генерировала расписания, которые требовали больше времени на выполнение, чем ручное планирование в Excel. Парадокс: автоматизация замедлила процесс.

Предыстория и контекст

Проблема возникла из-за непонимания природы экспертного знания. Технологи, годами занимающиеся планированием, используют неформализуемые эвристики и интуицию. Они могут быстро оценить, какой заказ поставить вперёд, основываясь на неявных сигналах: взаимоотношениях с клиентами, состоянии оборудования, настроении сотрудников. Руководитель проекта, вероятно, исходил из того, что любой процесс можно описать алгоритмом. Но в реальности многие производственные решения принимаются на основе опыта, который невозможно свести к правилам. Это классическая проблема «экспертных систем», известная ещё с 80-х годов.

Почему ИИ не смог заменить эксперта?

ИИ-системы хороши в задачах с чёткими правилами и большими объёмами данных. Планирование производства — это задача с высокой неопределённостью. Эксперт учитывает десятки неявных факторов: «этого клиента нельзя подводить», «этот станок скоро сломается», «Иван лучше работает утром». Формализовать это практически невозможно. Кроме того, Excel-таблица, которую использовали раньше, была гибкой: технолог мог быстро перетащить строку, скопировать формулу, добавить комментарий. ИИ-система, напротив, оказалась жёсткой: любое изменение требовало пересчёта всего расписания, что занимало часы.

Технические подробности: архитектура и ошибки

Система, судя по описанию, использовала генетические алгоритмы или методы оптимизации. Такие подходы требуют точной целевой функции и весов для каждого фактора. В производстве целевая функция сложна: нужно минимизировать время, затраты, штрафы за просрочку, но при этом учитывать человеческий фактор. Ошибка заключалась в том, что команда не учла необходимость итеративного согласования расписания с технологами. Система выдавала «оптимальный» план, но он не учитывал реальные ограничения, которые не были заложены в модель. Например, если два заказа требуют один и тот же станок, но один из них — для VIP-клиента, система могла поставить их в очередь по времени, а не по приоритету.

Кого затронет и как

История поучительна для руководителей проектов, продающих ИИ-решения для производства. Она показывает, что прежде чем автоматизировать, нужно понять, как именно работает эксперт. В противном случае вы рискуете получить систему, которая не только бесполезна, но и вредна. Для разработчиков ИИ — это напоминание: не все задачи можно решить машинным обучением. Иногда лучше оставить процесс человеку, а ИИ использовать только для подсказок. Для бизнеса — урок: не стоит слепо верить в «цифровую трансформацию», если она не подкреплена глубоким пониманием процессов.

Что будет дальше

Автор статьи на Habr не сообщает, была ли система доработана или от неё отказались. Скорее всего, проект закрыли или значительно перепроектировали. В будущем, возможно, появятся гибридные системы, где ИИ предлагает варианты, а технолог выбирает и корректирует. Но полная автоматизация планирования в ближайшее время маловероятна.

Итог

История о том, как ИИ-планировщик увеличил производственный цикл в 4 раза, — яркий пример того, что экспертиза человека не всегда формализуема. Руководителям проектов стоит внимательнее слушать тех, кто работает на местах, и не пытаться заменить их интуицию алгоритмами. Технологии должны помогать, а не мешать.