ГЛАВА 17

Технологии, которые не дают эффекта

В каждом руководстве по цифровой трансформации есть глава «что внедрять». Этой главы — нет почти нигде: что не внедрять. И именно это, по моему опыту, экономит больше всего денег. Сэкономленные 100 миллионов на ненужном проекте — это те же 100 миллионов, что и заработанные.

В этой главе — разбор технологий, которые продаются как «будущее цифровой трансформации», но в реальности не приживаются, не дают измеримого эффекта или приживаются только в очень узких нишах. Это не «технологический скепсис». Это прагматизм: каждая из этих технологий имеет своё применение, но не там и не в тех масштабах, как обещает маркетинг.

Карта «хайп vs реальность»

Карта «хайп vs реальность» — схема

VR в цехе — почти везде не приживается

Что обещают: «VR-обучение операторов», «виртуальные совещания на производстве», «метавселенная цеха», «виртуальный обход завода».

Реальность 2026:

62 % руководителей называют первоначальные затраты главным блокером VR-проектов (отраслевые отчёты 2025).
40-50 % бюджета VR-проекта уходит на железо (гарнитуры, серверы).
Большинство VR-проектов застревают на пилоте: один цех «попробовал», масштабирования не происходит.

Где работает

Узкий, но реальный набор сценариев:

Обучение операторов опасного / дорогого оборудования: краны, погрузчики, химические аппараты, реакторы. Тренажёры VR (виртуальная реальность) позволяют отработать редкие сценарии (аварийные ситуации, нештатный режим) без реального риска. Окупается через 1-2 предотвращённые аварии или через сокращение страховых выплат.

CAPEX (капитальные затраты): 5-30 млн ₽ за тренажёр. Кейсы: РЖД, ОДК, Лукойл, Норникель.

AR (дополненная реальность) удалённого эксперта (RealWear, Visitech AR, AR Connect от МТС): эксперт из главного офиса видит то же, что мастер на месте, и показывает действия. Сокращает командировки и простой. CAPEX: 50-200 тыс. ₽ на точку. Окупается на 1-2 устранённой командировке.

Кейсы: СИБУР, нефтегаз, металлургия.

Сборка сложных изделий с подсказками: Boeing, Airbus используют AR-очки для сборки сложной авионики. Подсказки появляются прямо на детали — куда крепить, в какой последовательности. В РФ — точечно в авиапроме.

Где не приживается

«Виртуальные совещания» на производстве — мода 2021-2022, ушла. Совещания на цеху проходят в обычной комнате с обычным проектором.
«Виртуальный обход цеха» — игрушка. Реальный обход 360° (видео или фото-сферы) достаточен.
«Метавселенная для совместного проектирования» — теоретически интересно, на практике мало кому нужно. Конструкторы предпочитают плоский CAD-экран.
AR-очки на каждом операторе — слишком дорого, слишком хрупко, слишком утомительно (4-6 часов в очках — головная боль и усталость глаз).

Подводные камни

Качественный VR-курс стоит дорого: 1-5 млн ₽ за одно учебное упражнение. Это не «снять видео».
Гарнитуры VR в РФ — параллельный импорт (Meta Quest и аналоги). Поддержка проблемная.
Контент быстро устаревает: новая модель оборудования → нужен новый VR-курс. Это постоянный OPEX (операционные затраты).

Совет

Не делайте VR как «программу цифровой трансформации». Делайте точечные пилоты:

VR-тренажёр на 1-2 самых опасных/дорогих операциях.
AR удалённого эксперта на удалённых площадках.

Всё остальное VR на производстве в 2026 — это маркетинг.

Метавселенная — тема мертва

В 2021-2022 годах Meta (Facebook), Microsoft (Industrial Metaverse), NVIDIA (Omniverse) активно продвигали «метавселенную для промышленности». Цифровые двойники в VR. Совместные «виртуальные офисы» и «виртуальные цеха». «Метаконференции» специалистов.

На 2026 — тема фактически мертва. Ни одного публичного кейса с измеренным эффектом на производстве. Бюджеты на «метавселенную» в крупных корпорациях урезаны или ликвидированы.

Что произошло:

Meta переориентировалась на AI как стратегический приоритет.
NVIDIA Omniverse продолжает развиваться, но позиционируется уже не как «метавселенная», а как платформа для цифровых двойников и симуляции робототехники. Это уже не «метавселенная», это CAE и инженерия.
Microsoft Industrial Metaverse сильно сократил инвестиции.

Что осталось

Полезные технологии, которые могли бы быть частью «метавселенной», но используются вне этой обёртки:

3D-визуализация процессов (через NVIDIA Omniverse или аналоги) — для инженерного моделирования.
Цифровые двойники процессов — отдельная самостоятельная история (см. ниже).
VR-обучение — отдельная история (см. выше).

Совет

Если вендор в 2026 предлагает «метавселенную для производства» — это маркетинг, переупаковка устаревшей концепции. Пропускайте.

Блокчейн вне обязательной маркировки

Блокчейн на производстве и в B2B-логистике активно продвигался в 2018-2022 годах. «Прозрачная цепочка поставок», «трассировка деталей», «защита от подделок», «смарт-контракты для расчётов с поставщиками».

На 2026 — тема в пике разочарования по Hype Cycle.

Где работает / окупается

Реально окупается только в трёх контекстах:

Обязательная маркировка (в РФ — система «Честный знак»): фарма, табак, обувь, шубы, молочка, вода, бытовая химия. Это закон, не выбор. Производители обязаны участвовать. Это не «ROI-проект», это операционная нагрузка.
Алмазы и драгметаллы: De Beers Tracr — глобальный пример. В РФ — Алмазы Якутии (АЛРОСА) экспериментировали. Работает в основном для имиджа и B2B-доверия, не для прямого ROI (возврат на вложения).
Зерно / экспортная сертификация: единичные кейсы в РФ, эффект не публичен.

Где не работает — публичные провалы

TradeLens (Maersk + IBM): запущен в 2018, закрыт в 2022. Не привлёк конкурирующих контейнерных перевозчиков. Commons problem (см. главу 03).
IBM Food Trust: похожий сценарий, проект сильно сократился.
Большинство B2B-блокчейн консорциумов 2018-2022: закрылись или не вышли за пилот.

Почему не работает массово

Проблема «грязных данных»: блокчейн делает данные неизменяемыми. Если на входе записаны неверные данные, они становятся неизменяемой ложью. Блокчейн не решает проблему доверия к источнику данных, только к их сохранности после записи.
Commons problem: блокчейн полезен, когда несколько неконкурентов сотрудничают. Когда консорциум управляется одним из участников — конкуренты не присоединяются (история TradeLens).
Альтернативы дешевле: обычная база данных с цифровой подписью решает 99 % задач трассировки. Дешевле, быстрее, понятнее.

Совет

Вне обязательной маркировки (ЧЗ) — не вкладывайтесь в блокчейн, если нет специфической экспортно-сертификационной задачи. И для ЧЗ — это не выбор, это закон, его исполнение не «ROI-проект».

Цифровой двойник «всего завода»

«Цифровой двойник» — одна из самых продаваемых концепций 2023-2026. Маркетинг впечатляющий: «вы видите весь завод в реальном времени», «можно моделировать любой сценарий», «оптимизируем работу через виртуальную копию».

На 2026: «цифровой двойник всего предприятия» — это маркетинг, а не работающая технология. По данным Gartner, 75 % организаций не смогли отмасштабировать DT(цифровой двойник) за пределы пилота.

Что реально работает

Работают точечные двойники:

Двойник процесса: модель доменной печи, реактора, технологической линии. возврата на вложения (ROI) 15-30 % при чётком объёме работ. Окупаемость <24 мес для целевых пилотов.
Двойник изделия: CAD/CAE-модель, расширенный PLM (управление жизненным циклом изделия). Зрелая технология.
Двойник цеха в имитационном моделировании: AnyLogic. Полезно для оптимизации потоков и узких мест. Часто ROI «бумажный» — если результаты моделирования не внедряются в реальную работу.

Кейсы:

Северсталь: двойник доменной печи, заявленный эффект ~150-300 млн ₽/год на печь.
Газпром нефть: двойники месторождений и НПЗ. Программа ЭРА.
СИБУР: двойники нефтехимических процессов.

Что не работает

«Цифровой двойник всего предприятия» — 80 % таких «двойников» в маркетинге — это 3D-визуализация в Omniverse / Unity + телеметрия из MES (система оперативного управления производством). Красивая 3D-картинка. Это не двойник. Это дашборд с дорогой графикой.
Двойник на грязных данных: модель обучается на данных IIoT (промышленный интернет вещей) и MES за 1-3 года. Если данные грязные — модель предсказывает ерунду.
Двойник без поддержки: модель надо постоянно перенастраивать под изменения техпроцесса. Это люди и компетенции, которые не уходят. Бюджет ежегодного содержания — 30-50 % от первоначального CAPEX.

Подводные камни

Двойник без качественной модели физики/процесса — это красивый дашборд. Реальный двойник требует инженерных моделей (теплоперенос, химическая кинетика, гидродинамика), не просто визуализации.
Без 1-3 лет качественных данных IIoT тренировать модель не на чем.
Поддержка — отдельная статья. Модель — живой инструмент, не «один раз сделали и забыли».

Совет

Делайте цифровой двойник только на одном переделе (печь, реактор, линия), где: (а) процесс масштабный (1 % эффекта = десятки миллионов в год); (б) данные IIoT накоплены 1-3 года; (в) физика процесса понятна и моделируется.

«Двойник всего завода» — пропускайте.

3D-печать в массовой серии простых деталей

3D-печать (аддитивное производство) — реальная технология с реальными применениями. Но не везде.

Где сошлась экономика

Авиадвигатели: GE LEAP топливные форсунки (промышленный кейс с 2015), Safran, Rolls-Royce. В РФ — ОДК эксперименты, серийные детали.
Медицина: индивидуальные импланты (титан, керамика). Серия = «штучные одинаковые», но окупается за счёт уникальности.
Стоматология: цифровые слепки, печать каркасов, ночных кап — массовая серия фактически.
Оснастка: jigs & fixtures, формы для литья пластика (Polymer Jet, FDM). Окупается лучше всего для среднего производства. Сокращение времени и стоимости оснастки на 30-70 %.
Аэрокосмос: сложные титановые/инконелевые детали с экономией массы.
Запчасти по требованию для устаревшего/уникального оборудования: точечно, но окупается.

Где не сошлась — и не сойдётся

Массовая серия простых деталей: литьё / штамповка / обработка кратно дешевле 3D-печати. 3D-печать не конкурирует с традиционными методами на массовых объёмах.
Большие объёмы металла: производительность 3D-печати металла остаётся медленной. Для массового производства металлических изделий — нет смысла.

CAPEX

Полимеры (HP MJF, EOS, Stratasys, российские TotalZ, PICASO): 3-30 млн ₽ за принтер.
Металл (SLM, DMLS): 30-200 млн ₽ за принтер.

Подводные камни

Сертификация серийных аддитивных деталей: отдельная и долгая история, особенно в авиа, медицине, оборонке.
Постобработка (механика, термообработка, ХТО): часто стоит дороже самой печати.

Совет

Применяйте 3D-печать в нишах:

Оснастка (быстрее, дешевле, гибче).
Прототипы (тестирование до запуска серии).
Запчасти для устаревшего оборудования (когда новые не производят).
Уникальные / индивидуальные детали (медицина, дизайн).

Не делайте 3D-печать заменой массовому производству.

Квантовые вычисления для промышленности

На 2026: эксперименты, потенциал ясен (оптимизация логистики, комбинаторные задачи, материаловедение), но реальных промышленных кейсов с подтверждённым превосходством над классическими алгоритмами — единицы.

Известные примеры:

Volkswagen — маршрутизация транспорта (исследовательский характер).
Mitsubishi — материаловедение.
В РФ — лаборатории Росатома, РКЦ, ВЭБ.РФ-инвестиции в Яндекс Quantum.

Для 99 % промышленных предприятий горизонт применения — 10+ лет.

Совет

Следить за развитием, но не вкладываться. Если вы видите КП от вендора «квантовые вычисления для оптимизации производства» в 2026 — это маркетинг.

5G на ровном месте

5G в промышленности активно продвигают NVIDIA, Ericsson, Nokia, MTS, Ростелеком, Билайн.

В РФ 2026:

Частоты 5G de facto не выделены под промышленность.
Private LTE (на частотах 450 МГц, 1800 МГц) — точечные кейсы (Газпром нефть, Норникель, Северсталь).
Альтернативы: промышленный Wi-Fi 6/6E — стандарт; LoRaWAN для редкой телеметрии — массовый стандарт.

Где Private LTE имеет смысл

Карьеры >50 км² (где нет покрытия обычного Wi-Fi).
Удалённые промплощадки.
Объекты с критическими требованиями к мобильности и пропускной способности.

Где не имеет смысла

Обычный завод с проводной сетью + Wi-Fi 6 — этого хватает в 95 % случаев.
Лежащее в основании «5G — потому что модно» — не покупайте.

Совет

Если у вас не карьер на 50 км² — проводной промышленный Ethernet + Wi-Fi 6 решают задачи в 95 % случаев. Не покупайте 5G «потому что модно».

Agentic AI на производстве в 2026

Самая «продаваемая» тема 2025-2026. Подробно — глава 12. Краткий вывод:

В офисе (бухгалтерия, HR, тех. поддержка) — первые работающие кейсы есть.
На производстве — практически нет публичных кейсов с измеренным эффектом.
Большинство «agentic AI» решений 2025 — переименованные чат-боты с function calling.
Заявленные «250 %+ ROI agentic AI за 24 мес.» — маркетинг вендоров.

Совет

Не покупайте «agentic AI for manufacturing» в 2026 как стратегическую инвестицию. Можно делать пилоты на офисных задачах (закупки, обработка типовых обращений). На производстве — преждевременно. 2027-2028 — горизонт, когда станут понятны реальные кейсы.

DWH / Data Lake «впрок»

Подробно — глава 11. Кратко:

Это самая дорогая ошибка в аналитике.

Сценарий: построили инфраструктуру (50-100 млн ₽ CAPEX + 5-10 млн ₽/год OPEX), сложили туда «всё на всякий случай». Через год — никто не пользуется, потому что задачи под эти данные не были сформулированы заранее.

Совет

Не строить Data Lake / DWH (корпоративное хранилище данных) без чётких бизнес-задач. Сначала задача, потом инфраструктура.

Процессная аналитика в среднем бизнесе

Подробно — глава 11. Кратко:

В крупном бизнесе с сложными процессами (банки, ТЭК (топливно-энергетический комплекс), крупные холдинги) — окупается. В среднем бизнесе с относительно простыми процессами — часто проще нанять консультанта на разовый аудит, чем покупать платформу процессная аналитика.

Совет

Среднему бизнесу — не покупать. Крупному — пилот на 1-2 процесса (закупки, O2C).

«ИИ-предиктивка» без истории отказов

Подробно — глава 09. Кратко:

Маркетинг вендоров: «у нас ИИ (искусственный интеллект) для predictive maintenance, работает на любом оборудовании».

Реальность: «у нас пороговый алгоритм с GUI» в 70 % случаев. Без 50-200 случаев одного типа отказа за 1-3 года ML (машинное обучение) не обучится.

Совет

Если EAM-история <12 мес, если случаев отказа одного типа <50 — это не ML-предиктивка, это либо пороговый алгоритм, либо обманутые ожидания.

«Покупка коробки» вместо SLA с командой

Главная ловушка отечественного ПО на 2026. Маркетинг: «купите нашу платформу — она решит ваши задачи».

Реальность: платформы — это инструмент. Без команды поддержки, без архитектора, без понимания вашего сценария — это просто лицензия в реестре.

Совет

Покупайте не «коробку», а SLA с командой: гарантированную поддержку, конкретных людей, обязательства по срокам реакции и развитию.

Чек-лист «не покупай, если…»

#	Признак	Что значит
1	Вендор обещает «250 % ROI за 24 мес.»	Маркетинг
2	«ИИ-платформа для всего»	Универсальной модели не существует
3	«Цифровой двойник всего предприятия»	Маркетинг. Реальность — точечные двойники
4	«5G для нашего цеха»	Если не карьер 50+ км², не нужно
5	«Метавселенная для производства»	Тема мертва
6	«Блокчейн для трассировки запчастей»	Вне ЧЗ — не работает
7	«Agentic AI for everything»	На производстве 2026 — преждевременно
8	«VR для совещаний и обходов»	Не приживается
9	«Сначала Data Lake, потом задачи»	Самая дорогая ошибка в аналитике
10	«ИИ-предиктивка без истории отказов»	Маркетинг
11	«Процессная аналитика для среднего бизнеса 1 млрд выручки»	Дешевле нанять консультанта
12	«Квантовые вычисления для производства»	Горизонт 10+ лет
13	«3D-печать вместо штамповки на массовой серии»	Не сойдётся экономика
14	«Внедрим за 6 месяцев на отечественное ПО»	Полноценное внедрение — 18-36 мес
15	«Коробка решит ваши задачи»	Покупайте SLA с командой, не коробку

Если в КП от вендора есть 3+ из этих признаков — это маркетинг.

Как разговаривать с вендором, который продаёт что-то из этого списка

Один работающий метод: попросите конкретные публичные кейсы в вашей отрасли в РФ.

Не «у нас есть кейсы». А:

Название компании-клиента. Если «под NDA» — это плохой знак.
Конкретные числа эффекта. Не «значительно улучшили», а «OEE (общая эффективность оборудования) вырос с X до Y».
Дата измерения эффекта (не «после пилота», а через 12+ месяцев промышленной эксплуатации).
Контакт у клиента — кому можно позвонить и спросить.

Если вендор не может назвать 2-3 таких кейса в вашей отрасли — это не работающая технология. Это маркетинг.

Связанные главы

03. Антипаттерны и провалы — конкретные кейсы провалов.
09. ТОиР и предиктивка — где ИИ-предиктивка работает, где маркетинг.
12. ИИ и генеративный ИИ — детально по agentic AI.
11. Аналитика и BI — детально по DWH «впрок».