Сбер и Группа Синара провелихакатон по применению генеративного искусственного интеллекта для решения задач

Около 30 участников — инженеры «Калугапутьмаш», «Уралхиммаш», «Уральские локомотивы» и студенты УрФУ и УрГУПС — за один заход собрали более 40 инициатив на стеке GigaChat и платформе GigaCowork. Мероприятие оформлено как часть соглашения, подписанного компаниями на ИННОПРОМ-2026, и интересно прежде всего тем, что здесь LLM впервые нащупывают путь к реальному контуру завода, а не к демо-стенду.

Что собрали команды

Самые показательные кейса — три, и они хорошо ложатся на разные архитектурные паттерны GenAI.

Интеллектуальный помощник по данным предприятия. Запрос подаётся в свободной форме: «покажи остатки на складе» или «сравни плановые и фактические показатели». Система сама подтягивает сведения из производственных, складских и финансовых источников, агрегирует их и выдаёт ответ в виде таблицы, графика или короткого резюме. По оценке команды, подготовка отдельных отчётов сокращается с часов и дней до минуты. Это классический сценарий text-to-SQL плюс суммаризация, где контекстное окно и качество retrieval определяют, будет ли отчёт рабочим инструментом или сплошной галлюцинацией.

AI-агент для проверки конструкторской документации. Решение ловит ошибки в оформлении чертежей и техдокументации. Сейчас ручная проверка одного документа занимает около 1,5 часа — задача хорошо ложится на LLM с function-calling и доступом к регламентам, где модель работает как фильтр первого уровня, а инженер закрывает edge-cases.

Подбор технологий сварки. Концепция читает 3D-модель изделия, сверяет её с базой утверждённых решений, рассчитывает нормы расхода материалов и сравнивает план с фактом. Это уже не text-in/text-out, а мультимодальный пайплайн: LLM плюс CAD плюс справочник. Именно такие связки определяют, где GenAI даёт промышленный эффект, а где остаётся игрушкой.

Где следить за продолжением

Хакатон — это генерация гипотез, а не внедрение. По словам Анны Салеевой, заместителя председателя Уральского банка Сбербанка, наиболее перспективные инициативы переведут в практическую фазу в закрытом контуре инфраструктуры компаний-участников — то есть без выхода данных наружу. Яков Коп, советник генерального директора Группы Синара по научно-техническому развитию, отметил, что формат объединил производственный опыт, технологические компетенции Сбера и взгляд студентов — междисциплинарную среду, в которой отраслевые знания дополняются цифровыми инструментами.

Для практики это даёт три сигнала. Первый — GigaChat и GigaCowork позиционируются как корпоративный стек для тяжёлых отраслей: отечественная LLM плюс закрытый контур с контролем данных. Второй — фокус GenAI в промышленности смещается с чат-ботов на агентские сценарии с доступом к данным и регламентам: это новая итерация, где промпт уже не «поговорить», а «выполнить действие». Третий — реальные метрики появятся не на хакатоне, а после пилотирования: именно там станет понятно, какие из 40 инициатив переживут встречу с контуром завода, а какие останутся красивыми прототипами.