Николай Лавров, «Северсталь»: Искусственный интеллект в горно-металлургической компании: от хайпа к стратегии и собственной платформе

Помните, как несколько лет назад все вокруг говорили об искусственном интеллекте? Складывалось впечатление, что о нем рассуждают абсолютно все, при этом мало кто до конца понимал механику работы и реальные возможности технологии. Но каждый был уверен: конкуренты уже вовсю используют ИИ, а значит, и нам нужно срочно включаться в гонку.

К счастью, в «Северстали» этот первоначальный ажиотаж быстро сменился прагматичным подходом: сегодня мы рассматриваем ИИ не как дань моде, а как реальный рабочий инструмент для повышения эффективности бизнеса и, в частности, качества внутреннего аудита.

Сначала пара слов о компании. «Северсталь» – вертикально интегрированный горно-металлургический холдинг. Компания добывает руду, выплавляет сталь (~11,2 млн т/год) и выпускает широкий спектр продукции: от труб до проката с покрытиями. Ключевые активы: Оленегорский ГОК (Мурманская обл.), Карельский Окатыш (Карелия), Яковлевский рудник (Белгородская обл.). Производство сосредоточено на Череповецком комбинате (Вологодская обл.), Ижорском трубном заводе (СПб) и заводах метизов в Центральной России.

В компании работает примерно 50 тысяч сотрудников, а во внутреннем аудите – всего 19 человек. И именно этой небольшой команде предстояло разобраться, как искусственный интеллект может помочь в их повседневной работе.

Искусственный интеллект в компании

Цифровизация и внедрение искусственного интеллекта – один из пяти стратегических приоритетов компании. Высшее руководство ожидает, что мы будем вкладываться в цифру и получать конкретную отдачу: рост производительности труда и финансовый эффект, который измеряется миллиардами рублей.

Для реализации этой стратегии в IT-дирекции сформировали команду по развитию искусственного интеллекта – человек сорок. Их задача: мониторить мировой опыт, пробовать различные решения, применять их в «Северстали» и оценивать эффекты. Однако вскоре стало понятно, что усилий только централизованной команды недостаточно.

Следующим шагом стало появление в бизнес-подразделениях ИИ-амбассадоров – добровольцев, искренне увлеченных идеей применения искусственного интеллекта. Они подают идеи IT-команде, получают поддержку, пробуют пилотные решения на местах. Мой коллега Илья Смирнов, кстати, один из таких добровольцев.

Но без соответствующей инфраструктуры – без «железа» – любые идеи остаются лишь идеями. Поначалу у нас было всего несколько терминальных доступов: пять серверов, куда можно было заходить по очереди, чтобы писать промпты или генерировать картинки. Позже организовали доступ к ChatGPT через корпоративный мессенджер. А затем приступили к развитию собственной внутренней платформы.

Сервисы на базе ИИ и обучение сотрудников

Благодаря всей этой активности за последние три-четыре года у нас начали появляться первые сервисы. Самый популярный – транскрибирование звукозаписей с использованием сервиса SyntX. Записывается конференция, прогоняется через SyntX, и ты получаешь готовый протокол встречи или резюме с ключевыми выдержками.

Второе по востребованности направление – распознавание текста с помощью OCR (оптического распознавания символов), как машиночитаемого, так и не очень.

Отдельно хочу подчеркнуть важность обучения.

У нас проводятся регулярные вебинары, работают базовый и продвинутый курсы по использованию искусственного интеллекта на корпоративном портале. Тема ИИ с точки зрения информационной безопасности довольно чувствительная, поэтому мы разработали специальный курс, который рассказывает, как правильно писать промпты, что можно и что нельзя писать, где допустимо использовать те или иные инструменты. Существует внутренняя платформа для обработки информации, содержащей коммерческую тайну, и доступ к ней предоставляется постепенно, по 20–30 человек в неделю, но только после прохождения специального обучения.

Конкурс «Лидеры металлургИИ будущего» как катализатор

Осенью прошлого года наши HR совместно с IT-службой запустили конкурс «Лидеры металлургИИ будущего» – полностью добровольный, с призовым фондом в один миллион рублей. Суть предельно проста: заяви идею, и, если она окажется интересной и перспективной, мы поможем ее реализовать, а победитель получит приз. Оповещение прошло по всей компании, и в итоге заявилось более 400 команд. Идеи оценивали по трем критериям: соответствие стратегическим целям компании, легкость внедрения и ожидаемый эффект.

Мы тоже участвовали со своим проектом – ассистентом аудиторов. Правда, консервативно оценили потенциальный эффект и, честно говоря, не вошли даже в топ-10. Но эффект от идей победителей оказался впечатляющим: речь шла о миллиардных результатах, которые с лихвой окупают все затраты на платформу.

Важно, что от остальных идей компания не отказывается. Все они продолжают реализовываться, а в настоящее время запускается уже системный процесс – своего рода ИИ-фабрика идей. В целом процесс пошел: на сегодняшний день более 258 различных ИИ-ассистентов работают на корпоративной платформе в разных подразделениях компании.

Где ИИ создает наибольший эффект во внутреннем аудите

На сегодняшний день мы выделяем несколько групп задач, которые решаем с помощью искусственного интеллекта.

Первая и наиболее очевидная – работа с текстовой информацией. Написание писем, составление и обновление аудиторских планов, формулирование рекомендаций и выводов, создание рабочих документов и текстов презентаций. Все, что раньше мы начинали с чистого листа, сталкиваясь с пресловутым «эффектом белого листа». Искусственный интеллект здорово помогает преодолеть этот барьер.

Да, результат может быть разным, иногда на выходе получается откровенная ерунда, но, когда начинаешь это дорабатывать, процесс идет значительно проще, быстрее и качественнее, чем если бы ты стартовал с нуля.

Вторая группа задач – анализ коммуникаций и встреч. Расшифровка аудиозаписей рабочих встреч, краткое изложение и структурирование ключевых выводов, подготовка выжимок из регламентов и нормативной документации.

Использование имеющихся уже сегодня инструментов ИИ приводит к повышению продуктивности команды за счет снижения рутинной нагрузки, повышению качества и глубины в работе аудиторов.

Пока наш подход остается скорее точечным, основанным на инициативах сотрудников. Но мы активно накапливаем практики для перехода к системной модели. Экспериментируя с разными деталями, мы накапливаем знания о том, как это должно работать, что в перспективе позволит подойти к задачам системно.

Основные ограничения

Первое и, пожалуй, самое очевидное ограничение – информационная безопасность и комплаенс. У нас действует ограниченный перечень допустимых ИИ-моделей. На нашей внутренней платформе можно выбирать различные модели, и работа с коммерческой тайной и персональными данными разрешена только во внутреннем контуре. Нам очень повезло, что удалось создать собственную внутреннюю платформу. Тем компаниям, у которых такой платформы нет, работать с чувствительными данными гораздо сложнее.

Второе ограничение – качество и согласованность данных. Неконсистентность данных в системах – это отдельная головная боль и очень серьезный барьер для автоматизации и цифровизации процессов. Анализировать что-либо крайне трудно, когда данные не заполнены или противоречат друг другу. Искусственный интеллект будет анализировать их точно так же, как человек, и выдавать столь же противоречивые выводы.

Поэтому мы сейчас особенно активно боремся за качество данных во внутреннем аудите. Если мы видим проблемы со структурой критичных данных или их противоречивость, это становится рекомендацией с высоким приоритетом, которая обязательно должна быть реализована.

Третье ограничение связано с надежностью результатов ИИ. Мы сталкиваемся с недостаточной стабильностью и воспроизводимостью результатов. Полностью положиться на них пока нельзя – ИИ эффективен для создания черновиков и выявления отклонений, но требует обязательной профессиональной проверки и доработки.

Но самое серьезное ограничение – это люди и культура. Наблюдается неравномерный уровень доверия к ИИ среди сотрудников. Многие не хотят меняться, боятся нового, сопротивляются изменениям. Существует потребность в обучении и развитии цифровых навыков.

Я постоянно рассказываю коллегам простую историю: ребята, изменения неизбежны, и лучше быть аудитором, который владеет навыками работы с ИИ и показывает более высокую производительность, чем тем, кто этими навыками не обладает.

Почему мы решили разрабатывать свое решение

При всем многообразии облачных сервисов наша IT-команда приняла решение разрабатывать собственную платформу. Внешних решений много, но использовать их в корпоративном контуре сложно по нескольким причинам.

Так появился продукт «ДаВинчи» – наша внутренняя платформа, которая открывает новый уровень скорости и профессионального развития и делает сложные технологии доступными и понятными каждому сотруднику.

Ключевое преимущество – безбарьерный вход и простота применения технологий в рабочих процессах. Сотрудникам не нужно проходить сложные процессы согласования, привлекать несколько команд, разбираться в трудных интерфейсах или обладать специальными знаниями. Всё работает просто и интуитивно понятно.

Второе важное преимущество – удешевление технологии. За счет использования объектов системы всеми командами компании мы достигаем значительной экономии. Решение едино для всех компаний холдинга, что значительно удешевляет эксплуатацию – не требуется покупать отдельные лицензии под каждую компанию, достаточно развернуть общее решение.

Третье – безопасность использования. Платформа установлена в контуре компании, что дает возможность обрабатывать коммерческую тайну и персональные данные. Мы также реализовали специализированные инструменты информационной безопасности для платформ ИИ.

Четвертое – универсальность. Платформа может использоваться для любой компании, которую можно подключить к контуру «Северстали».

На платформе «ДаВинчи» мы используем два контура моделей. Мы исходим из того, что модели будут меняться с течением жизненного цикла продукта, поэтому большое внимание уделяем быстрому обновлению моделей в контуре, проверке на соответствие требованиям информационной безопасности и оценке качества новых моделей на бенчмарках.

Внутренние модели – с ними можно работать с коммерческой тайной и персональными данными. Пользователь может спокойно работать с защищенными данными, не переживая, что эти данные украдут или используют за пределами корпоративной сети. К внутренним моделям относятся DeepSeek (включая версию DeepSeek R1 с функцией «Deep Think»), Gemma, Qwen3-Coder.

Внешние модели – их порядка десяти, в основном различные версии ChatGPT, включая GPT-4o-mini, GPT-4.1, GPT-4.1-mini, GPT-4.1-nano, chetgpt-4p-latest, o4-mini, o1, GPT-5, GPT-5-nano. При работе с внешними моделями пользователь должен лично подтвердить, что он несет ответственность за предоставляемые данные и материалы. Автопроверка на наличие коммерческой тайны и персональных данных пока не подключена.

Однако создание платформы – это только половина дела. Важно было не просто дать инструмент в руки сотрудников, а зажечь их идеей и научить создавать реально работающие решения. Как именно мы превратили идею в работающего ассистента, с какими техническими вызовами столкнулись и как проходило обучение команды – об этом во второй части нашего материала.

Николай Лавров, начальник управления внутреннего аудита, «Северсталь»