В эпоху, когда большинство разработчиков промышленного искусственного интеллекта стремятся заменить человека гуманоидными роботами или полностью перестроить цеха с нуля, американский стартап Harmoni выбрал принципиально иной путь.

Компания из девятнадцати человек привлекла десять миллионов долларов в раунде серии А от фонда Bessemer Venture Partners, сосредоточившись на практической проблеме: модернизации примерно двухсот восьмидесяти тысяч традиционных американских предприятий, где до сих пор эксплуатируются станки прошлых десятилетий, а производственные процессы страдают от разрыва между заводскими системами учета и физической работой в цеху.

История создания проекта началась с личного опыта его основателя Дэвида Капуто, который после работы в инвестиционном банкинге приобрел производственные активы и столкнулся с архаичной реальностью.

Рабочие выстраивались в очереди к терминалам и вручную переносили управляющие программы на флеш-накопителях, что регулярно приводило к дорогостоящему браку и остановкам линий из-за человеческого фактора.

Проблема заключалась не в поломках оборудования, а в отсутствии связующего звена между верхним уровнем управления ресурсами и нижним уровнем станков, где операторы были вынуждены вручную вводить данные и искать актуальные чертежи.

Ответом Harmoni стал отказ от немедленной закупки дорогостоящей робототехники в пользу создания гибридного рабочего места. На станки устанавливается защищенный планшет с магнитным креплением, совместимый как с современными числовыми системами, так и с оборудованием середины прошлого века, дополненный метками радиочастотной идентификации.

Когда сотрудник подходит к рабочему месту, система автоматически распознает его, открывает нужную версию чертежей и технологических карт, блокирует запуск устаревших программ и фиксирует машинное время, устраняя до сорока пяти минут непродуктивных рутинных действий за смену и возвращая каждому оператору порядка двухсот часов полезного времени в год.

Лишь после того, как физический поток данных с рабочих мест был оцифрован и сведен воедино, разработчики представили специализированного ИИ-помощника по имени HAL.

Поскольку алгоритм уже обладает полным контекстом о запущенной детали, состоянии конкретного узла и сменном задании, рабочему не требуется долго формулировать запрос — достаточно напрямую спросить систему о причинах замедления станка или отправить заявку на техобслуживание. Встроенные предиктивные модели дополнительно формируют тепловые карты риска брака, позволяя технологам вмешиваться до того, как деталь будет испорчена.

Такой прагматичный подход резко контрастирует с увлечением индустрии дорогостоящими антропоморфными роботами, требующими сотен миллионов долларов инвестиций и радикальной перестройки производственных линий.

Вместо попыток немедленно вытеснить человека стартап помогает небольшим заводам компенсировать хронический дефицит рабочей силы и сохранять конкурентоспособность без колоссальных капитальных затрат.

Этот опыт наглядно демонстрирует, что ключевым преимуществом при внедрении прикладного искусственного интеллекта в реальный сектор нередко становятся не рекордные параметры нейросетевых моделей, а способность быстро и надежно связать старую заводскую технику с цифровым контекстом прямо на рабочем месте.