Transformación digital de la industria rusa: desde soluciones individuales a plataformas conectadas y nuevos modelos de negocio
Cómo combinar datos, equipos humanos y herramientas de IA en un entorno de ciclo de vida único

En la sesión del Foro Inversión e Industrial de Moscú, los expertos examinaron la transición de productos digitales dispares a plataformas integradas que abarcaban el camino de la idea de ingeniería a la operación. La introducción de sistemas conectados, robótica e inteligencia artificial permite reducir el tiempo de desarrollo, hacer la producción más transparente y preservar el conocimiento único de las empresas. La discusión dio lugar a pasos prácticos para mejorar la productividad laboral y crear un entorno digital unificado.
Pavel Bilenko, CEO de Dijikai, comenzó con la cuestión fundamental de la creación de valor. “La mayoría de todos crean empresas industriales – líderes y directores de empresas industriales”, dijo el orador. Introdujo un servicio interactivo con 12 entidades digitales para discutir. “Entre ellos, por ejemplo, el Sr. Afanasy Kozlov – en la encarnación digital que a veces es grosero, está al borde”, dijo Bilenko.
“La pregunta importante es: ¿Somos lo suficientemente rápidos para convertir las experiencias en nuevas habilidades para alcanzar metas?” Como solución, propuso el concepto de “Netflix for Industrial Enterprises”, una biblioteca de materiales pregrabados. “No tenemos suficiente tiempo para desarrollar esta matriz”, explicó. La empresa también está trabajando en un índice de compensación en cadena, que evalúa la terminación de los lazos de producción por analogía con la experiencia china en la construcción de grupos.
Timur Islyayev, copropietario y CEO de GRT Consulting, resumió el resultado provisional, señalando que “no es el número de sistemas que importa, sino cómo se construye el proceso”. Instó a los participantes a unirse al club de fabricantes y los sitios "Producción de Moscú" y "Technopolis", destacando que los datos de alta calidad en las máquinas son la base de la gestión inteligente.
Vasily Churanov, socio gerente de Tsifra Group, reveló el tema de los datos industriales en la práctica. “Para que la inteligencia artificial industrial funcione, también se necesitan datos”, dijo Churanov. Tsifra Group monitorea 18.000 máquinas de 430 clientes (15-18% del mercado). Hace diez años, las mediciones mostraban cifras impactantes: las máquinas funcionaban sólo el 30% del tiempo, el 70% ocioso. Ahora la instalación del sistema de monitoreo da un aumento de la productividad en un 5%, y trabajo sistemático con análisis en otro 10-15%, que ahorra fábricas cientos de millones de rublos.
El problema principal es la fragmentación de datos. “Todos recogieron datos a su manera, y no pudieron compararse”, explicó el orador. Para resolver el problema, Zifra Group inició el desarrollo de normas nacionales. “En 2025, publicamos 8 estándares nacionales relacionados con la recopilación de datos industriales; en 2026 planeamos publicar lo mismo”, dijo Churanov.
Anton Meshcheryakov, jefe de proyectos industriales del Skoltech AI Center, habló sobre la creación de enfoques fundamentalmente nuevos para la soberanía tecnológica. “Nuestra diferencia de los integradores clásicos es que estamos buscando respuestas a preguntas que aún no están en la literatura científica mundial”, dijo. En 2018, el Instituto comenzó a desarrollar su propia pila de software, que se convirtió en crítica en 2022.
Meshcheryakov advirtió sobre los peligros de la acumulación de tecnologías “muertos”, comparando la situación con AI y la historia de gemelos digitales. Para evitar la re-creación de algoritmos ineficientes, Skoltech está desarrollando un sistema de IA de ingeniería múltiple. “Su objetivo es unir agentes dispares en un sistema estructurado”, explicó el orador. En una aplicación piloto en ingeniería mecánica, acortaba el tiempo de diseño del taller de semanas a tres días, reduciendo los costos de capital.
La sesión demostró que la industria rusa está pasando de experimentos a una integración profunda. El éxito ahora depende de 3 factores: la estandarización rígida de datos, la creación de soluciones de plataforma AI y el desarrollo del capital humano.



