ЖУРНАЛ СТА №4/2026

О Б З О Р Ы www.cta.ru СТА 4/2026 47 – Какиетехнологии будутвлиять на раз - витиетаких системв ближайшее время ? Один из заметных трендов – развитие low- code- и no-code- платформ . Сейчас возможности нейронных сетей позволяют человеку описы - вать необходимуюлогику практически на есте - ственном языке , а внутри будет создаваться обычный код . Нужно понимать и ограничение самой нейронной сети . Она выбирает наибо - лее вероятный способ достижения результа - та на основании имеющихся данных . Она не выстраивает последовательность действий потому , что логически доказала , что только эта последовательность правильная . Поэтому там , где функциональность должна работать как часы , нейронные сети нужно дополнять чёткой алгоритмической логикой . Например , при работе с финансовыми документами нель - зя просто доверить нейросети расчёт суммыпо заданным параметрам : она может ошибиться , что - то пропустить или неправильно выпол - нить вычисление . Такие задачиможно решать иначе : пользо - ватель описывает операциюна естественном языке , на её основе создаётся код , который затем проверяется и запускается , например , как MCP- сервер , к которому нейросеть обра - щается для выполнения конкретной операции . В результате тот же дебет и кредит считает уже однозначная алгоритмическая логика . – Как , на вашвзгляд , будутразвиваться гибридные системы контроля в России в ближайшие годы ? Думаю , будет постепенно меняться степень участия человека . Там , где сегодня оператор подтверждает б о́ льшуючасть действий систе - мы , со временем часть полномочий можно будет передавать автоматике . Уже сейчас одну и ту же функциюможно спроектировать так , чтобы система только предупреждала челове - ка , либо так , чтобы она действовала самостоя - тельно . Но полностьючеловек исчезнет не из всех процессов . Где - то его участие будет обя - зательным из - за законодательных или адми - нистративных требований . Где - то компании сами предпочтут сохранить дополнительный уровень контроля . Одновременно будет возрастать значение данных , которые накапливаются в процессе эксплуатации . Через несколько лет обязатель - но появятся новые ситуации , которых не было в первоначальной выборке , поэтому система должна позволять вернуться к конкретному случаю , понять причину результата ипринеоб - ходимостипереобучитьмодель . Намой взгляд , развитие будет идти не к одномоментному переходу к полной автономности , а к постепен - ному изменениюграницымежду человекоми системой . Чемнадёжнее работает автоматиза - ция ичембольше данных накоплено , темболь - ше функций ей можно передавать . ● должна помечать такие случаи , логировать их и сохранять данные . Тогда к ним можно вер - нуться , разобраться в причинах и понять , что нужно изменить : дополнить выборку , пере - обучить модель или доработать функциональ - ность . Так мы обычно повышаем качество системы уже в процессе эксплуатации . – Есть ли у гибридных системнедостат - ки по сравнениюс полной автоматизацией ? Да . Первый очевидный минус в том , что человек остаётся частью процесса . Он может отвлечься , устать , неправильно понять инфор - мацию , что - то пропустить или не увидеть . При грамотно организованном процессе эти риски управляемы , но они существуют . Кроме того , гибридная система иногда может быть даже дороже полностью автоматизированной . Вза - имодействовать напрямую с сигналами про - мышленного оборудования зачастую проще , чем дополнительно воспроизводить в интер - фейсе всю необходимую человеку информа - цию в том формате , к которому он привык . То есть нужно проектировать не только саму автоматизацию , но и взаимодействие с опе - ратором : что ему показывать , когда , в каком виде и какие возможности вмешательства ему давать . По трудозатратам это может быть сложнее , чем прямое взаимодействие системы с линией . – Кактогда правильно распределять пол - номочиямежду системой и оператором ? Постепенно . Неправильно завтра объявить , что появилась суперумная система и человек больше нигде не нужен . Правильнее переда - вать автоматизированной системе отдельные участки работыи по мере эксплуатации увели - чивать её полномочия . Сначала система может работать в теневом режиме : принимать реше - ния параллельно с оператором , но не влиять на процесс . Затем она работает как советчик : предлагает действие , а решение остаётся за человеком . Следующий этап – система дей - ствует сама , но оператор сохраняет возмож - ность вмешаться . Причем даже одну и ту же функциюможно организовать по - разному . Допустим , система обнаружила ситуацию , при которой нужно остановить производственную линию . Она может сразу сделать это самостоятельно . Другой вариант – сначала сообщить опе - ратору , что линия сейчас будет остановлена , и дать ему возможность вмешаться , например заблокировать остановку . Это тоже гибридная система . По мере внедрения степень участия человека можно менять . Переходить к следу - ющему этапу можно , когда система стабильно показывает нужную точность и не допускает критических ошибок . Где именно провести границу , определяется процессами и требо - ваниями конкретного производства . Главное – чтобы специалист мог при необ - ходимости проверить достоверность получен - ной информации . Если речь идёт о визуальном контроле , нужно фиксировать исходные фото - графии объектов . Например , общий вид или отдельный участок . Если система обнаружила дефект , человек должен иметь возможность вернуться к исходному изображению и про - верить , действительно ли он был . Другими словами , должна обеспечиваться прослежи - ваемость . Если гибридная система помогает человеку принимать решения , должно быть понятно , на основании чего она сделала тот или иной вывод . Проверять саму систему периодически про - сто необходимо . Например , для этого можно использовать контрольные образцы , которые помещаются на производственнуюлинию . Мы заранее знаем , какие дефекты на них есть , иможем убедиться , что система по - прежнему их обнаруживает , все элементы корректно вза - имодействуют и результатамможно доверять . – Почему систему недостаточно один раз хорошо обучить и дальше просто экс - плуатировать ? Потому что данные со временемменяются . Допустим , мы обучили систему машинного зрения , и её точность составляет 95%. Затем на производстве что - то меняется : предприятие меняет поставщика сырья , освещение или камеру , загрязняется оптика , появляются бли - ки . Для модели входные данные уже выглядят иначе . Это называется дрейфом данных , и он может влиять на качество работы системы . По этой причине её нужно периодически прове - рять : использовать контрольные образцы , смо - треть , где её результатырасходятся с оценкой специалиста . Если появляются новые случаи , добавлять их в выборку и переобучать модель . То же самое касается и систем , работающих с текстоми контекстом . Например , обновилось законодательство , а система не совсемправиль - но учитывает изменения и начинает давать сбои . Если предусмотрена обратная связь от человека , такие ситуации можно выявлять и использовать для дальнейшей настройки . Одним словом , человек в гибридной системе не только принимает решения , но и создаёт данные для её дальнейшего обучения . – А что делать с ситуациями , которых вообще не было в исходной выборке ? Все значимые действия и результатынужно записывать и архивировать . В процессе эксплу - атации появляются различные корнер - кейсы , которых не было в исходной выборке и кото - рые невозможно было предусмотреть при раз - работке . Вмомент запуска система может рабо - тать практически идеально , но через год , два , три или пять лет обязательно появятся нюансы , которые изначально не были учтены . Система