„3i“ planas ir AI: naujas impulsas Lietuvos pramonei

Lietuvos Vyriausybei pateiktas atnaujintas programos priemonių planas, paremtas ekonomikos transformacijos strategija „3i“, yra daugiau nei techninis dokumentas. Tai signalas visam verslui – ypač gamybos įmonėms – kad artimiausi metai bus lemiami pereinant prie Pramonė 4.0 ir plataus dirbtinio intelekto (AI) taikymo Lietuvos gamyboje.

Kol kai kurios įmonės vis dar svarsto, ar verta investuoti į skaitmeninę transformaciją, valstybė jau kalibruoja priemones, kurios nulems konkurencingumą iki 2030 m. Šiame straipsnyje, kaip „AI Lietuvos Gamyboje: Pramonė 4.0“ serijos dalyje, apžvelgsime, ką toks priemonių plano atnaujinimas reiškia gamybos sektoriui ir kaip praktiškai pasiruošti pasinaudoti būsimomis galimybėmis.

Suvesime taškus tarp „3i“ ekonomikos transformacijos plano, valstybės priemonių ir konkrečių AI sprendimų, tokių kaip nuspėjamoji priežiūra, kokybės kontrolė ir gamybos skaitmenizacija.

1. Ką reiškia atnaujintas Vyriausybės priemonių planas verslui?

Ekonomikos ir inovacijų ministerija Vyriausybei pateikė atnaujintą priemonių planą, kurio pagrindas – Lietuvos ekonomikos transformacijos planas „3i“. Nors pats RSS įrašas pateikia tik santrauką, jau dabar aiškios kelios svarbios kryptys, aktualios gamybos įmonėms.

1.1. „3i“ esmė: investicijos, inovacijos, įtrauktis

Nors „3i“ gali būti detalizuojamas įvairiai, jo logika gamybos sektoriui gali būti suprasta taip:

• Investicijos – finansiniai instrumentai, subsidijos ir paskatos modernizuoti įrangą, diegti robotiką ir AI sistemas.
• Inovacijos – skatinamos naujos technologijos: pramoniniai IoT sprendimai, nuspėjamoji priežiūra, kompiuterinė rega kokybės kontrolei.
• Įtrauktis – pagalba regioninėms įmonėms, darbuotojų perkvalifikavimas, kad skaitmeninė transformacija nebūtų tik didžiųjų žaidėjų privilegija.

Esminė žinia verslui: valstybė orientuojasi ne į kosmetinius pakeitimus, o į struktūrinę ekonomikos transformaciją – ypač gamybos sektoriuje.

1.2. Kodėl tai aktualu būtent dabar?

2025 m. pabaiga – laikas, kai:

• Baigiasi kai kurių ES finansavimo periodų priemonės ir startuoja naujos.
• Didėja spaudimas dėl energetinio efektyvumo ir CO₂ mažinimo.
• Spartėja pasaulinė konkurencija: pigios darbo jėgos pranašumas nyksta, o laimi technologijos.

Gamybos įmonėms tai reiškia, kad laukimo strategija tampa rizikinga. Tie, kurie pirmieji pasinaudos priemonių planu ir „3i“ kryptimis, turės aiškų produktyvumo ir kaštų pranašumą.

2. Kur AI dera „3i“ kontekste: pagrindinės sritys gamyboje

Dirbtinis intelektas nėra tik futuristinė idėja – tai jau dabar praktiškai taikoma technologija Lietuvos gamyboje. Atlikus dalies Lietuvos įmonių patirčių analizę, galima išskirti tris brandžiausias AI taikymo kryptis Pramonė 4.0 kontekste.

2.1. Nuspėjamoji priežiūra: mažiau prastovų, daugiau pelno

Tradiciškai įranga remontuojama „kai sugenda“ arba periodiškai pagal grafiką. AI leidžia pereiti prie nuspėjamosios priežiūros (predictive maintenance):

• Jutikliai renka duomenis apie vibracijas, temperatūrą, energijos suvartojimą.
• AI modeliai aptinka anomalijas ir prognozuoja, kada tikėtina gedimo rizika.
• Remontas planuojamas ne „aklai“, o pagal realią įrangos būklę.

Praktinė nauda gamybos įmonei:

• Sumažėja neplanuotų prastovų.
• Optimizuojamos atsarginių dalių atsargos.
• Pailgėja įrangos eksploatavimo trukmė.

Tai tiesiogiai atitinka „3i“ plano logiką: investicijos į jutiklius ir AI algoritmus virsta inovacija, kuri kelia visos įmonės produktyvumą.

2.2. AI kokybės kontrolė: nuo atsitiktinių patikrinimų prie 100 % patikros

Kompiuterinė rega (computer vision) leidžia pereiti nuo atsitiktinės kokybės patikros prie 100 % automatizuotos vizualinės kontrolės.

Pavyzdžiui:

• Kameros realiu laiku fiksuoja gaminamus produktus.
• AI modeliai atpažįsta defektus: įbrėžimus, nelygumus, spalvos neatitikimus, net mikroskopinius pažeidimus.
• Sistema automatiškai atmeta broką arba pažymi partiją papildomai patikrai.

Nauda:

• Sumažėja broko išsiuntimo klientams rizika.
• Mažiau rankinio, monotoniško darbo kokybės specialistams.
• Sukuriamas duomenų pagrindas procesų gerinimui (matosi, kur ir kada dažniausiai atsiranda defektai).

Tokios priemonės itin dera su valstybės siekiu didinti eksporto potencialą – kokybė yra viena svarbiausių Lietuvos gamybos konkurencinių stiprybių.

2.3. Gamybos planavimas ir skaitmeninė transformacija

Trečia sritis – gamybos planavimo ir logistikos optimizavimas naudojant AI:

• AI algoritmai padeda suplanuoti gamybos grafikus pagal užsakymus, turimus resursus ir broko riziką.
• Nuspėjami tiekimo grandinės vėlavimai ir pasiūlomi alternatyvūs scenarijai.
• Modeliuojami „kas-jei“ scenarijai (kas jei padidėja žaliavų kaina, keičiasi pamainų skaičius ir pan.).

Lietuvos gamybos įmonėms, kurios dažnai dirba „iki paskutinės minutės“, tai yra galimybė pereiti nuo gesinimo režimo prie duomenimis pagrįsto valdymo.

3. Kaip pasiruošti išnaudoti „3i“ ir valstybės priemones AI diegimui

Vien atnaujintas priemonių planas sėkmės negarantuos. Reikia aiškaus pasirengimo pačiose įmonėse. Toliau – žingsnių seka, kuri padeda sistemingai pasiruošti AI diegimui gamyboje.

3.1. Įsivertinkite brandą: kur esate Pramonė 4.0 kelyje?

Praktinis būdas – atlikti greitą vidinę diagnostiką:

• Ar turite skaitmenizuotus gamybos duomenis (OEE, prastovos, broko procentas)?
• Ar įranga turi jutiklius ir gali perduoti duomenis realiu laiku?
• Ar yra bent vienas asmuo, atsakingas už skaitmeninę transformaciją?
• Ar gamybos KPI yra aiškiai išmatuojami ir stebimi?

Jei į šiuos klausimus atsakyti sunku, verta pirmiausia orientuotis į duomenų surinkimo ir infrastruktūros sutvarkymą, o tik po to – į sudėtingesnius AI projektus.

3.2. Išsirinkite 1–2 aiškius AI naudojimo scenarijus

Dažna klaida – bandyti viską iš karto. Vietoj to pasirinkite:

• 1 scenarijų, orientuotą į kaštų mažinimą (pvz., nuspėjamoji priežiūra).
• 1 scenarijų, orientuotą į pajamų didinimą / kokybės gerinimą (pvz., kompiuterinė rega kokybės kontrolei).

Abu scenarijus susiekite su finansiniu poveikiu:

• Kiek kainuoja 1 valandos prastova?
• Kokia broko kaina per metus?
• Kiek papildomų užsakymų būtų galima priimti, jei prastovos sumažėtų 10–15 %?

Tokie skaičiai padės ne tik pasirinkti geriausią projektą, bet ir pasiruošti dalyvauti valstybės paramos priemonėse, kur neretai prašoma pagrįsti investicijų naudą.

3.3. Susiderinkite su galimomis paramos kryptimis

Nors šiame straipsnyje neteikiame konkrečių priemonių sąrašo, pagal „3i“ logiką galima tikėtis, kad daugiausiai dėmesio sulauks:

• Skaitmeninimo projektai: gamybos procesų skaitmeninimas, IoT, duomenų surinkimo sistemos.
• Inovacijų diegimas: AI, robotika, autonominės sistemos gamyboje.
• Žmogiškųjų išteklių stiprinimas: darbuotojų mokymai, perkvalifikavimas, duomenų analitikos ir AI kompetencijos.

Įmonėms verta iš anksto pasiruošti:

• Turėti trumpą strateginį dokumentą ar bent aiškų planą: kur ir kam bus taikomas AI.
• Įsivertinti finansinį indėlį – kokią dalį projekto galite padengti patys.
• Numatyti komandos sudėtį: kas bus projekto vadovas, technologijų partneriai, gamybos atstovai.

4. Tipinės klaidos ir kaip jų išvengti diegiant AI gamyboje

AI diegimas gamyboje – ne „plug-and-play“ sprendimas. Yra keletas pasikartojančių klaidų, kurias verta žinoti iš anksto.

4.1. „Pirmiausia nupirksime įrangą, paskui pagalvosime apie duomenis“

Gana dažna situacija: įmonė įsigyja brangią įrangą, tačiau:

• Ji nerenka ar neišsaugo pakankamai kokybiškų duomenų.
• Duomenys nesusieti su kitomis sistemomis (ERP, MES).
• Nėra aiškaus plano, kaip duomenys bus naudojami AI modeliams.

Išeitis – iš anksto planuoti duomenų struktūrą ir architektūrą, o naują įrangą rinktis pagal tai, kiek lengvai ji integruojama į duomenų ekosistemą.

4.2. Technologija be žmonių: pamirštami darbuotojai

Pramonė 4.0 nėra tik apie mašinas. Jei darbuotojai nesupranta, kam reikalingas AI sprendimas, jie gali:

• Neadekvačiai juo naudotis.
• Apeiti jį ir grįžti prie senų įpročių.
• Matyti jį kaip grėsmę, o ne pagalbą.

Todėl svarbu:

• Įtraukti darbuotojus į projekto planavimą.
• Aiškiai parodyti, kaip technologija palengvina jų darbą (mažiau monotonijos, daugiau atsakomybės ir kvalifikuotų užduočių).
• Investuoti į mokymus – dažnai tai yra pigiausia ir efektyviausia transformacijos dalis.

4.3. Per dideli lūkesčiai per trumpą laiką

AI projektai dažnai vertinami pagal tai, ar jie „atsipirko per 6–12 mėnesių“. Tačiau:

• Pirmasis projektas dažnai yra daugiau mokymosi investicija.
• Didžioji nauda atsiranda, kai AI integruojamas į kelis procesus, o ne tik vieną.

Vietoj to, kad tikėtumėtės stebuklo, vertinkite projektus kaip kelionę:

1. Pilotinis projektas (PoC) – nedidelis mastas, aiškus KPI.
2. Išplėtimas į gretimus procesus.
3. Integracija su platesnėmis Pramonė 4.0 iniciatyvomis (MES, ERP, tiekimo grandinė).

5. Ką daryti Lietuvos gamybos įmonei šiandien?

Apibendrinant, atnaujintas priemonių planas, paremtas „3i“ transformacijos strategija, suteikia unikalią progą pagreitinti AI diegimą Lietuvos gamyboje. Bet ši proga taps realia nauda tik tada, jei įmonės imsis konkrečių veiksmų.

Trumpas veiksmų sąrašas artimiausiems 3–6 mėnesiams:

1. Įsivertinkite skaitmeninę brandą – supraskite, kokius duomenis jau turite ir ko trūksta.
2. Pasirinkite 1–2 aiškius AI scenarijus – nuspėjamoji priežiūra, kokybės kontrolė, planavimas.
3. Įsivardinkite finansinę naudą – kiek realiai galite sutaupyti ar uždirbti.
4. Sutelkite komandą – paskirkite atsakingą asmenį už Pramonė 4.0 kryptį.
5. Sekite ir naudokitės valstybės priemonėmis – derinkite savo projektus su „3i“ kryptimis: investicijomis, inovacijomis ir įtrauktimi.

Toliau „AI Lietuvos Gamyboje: Pramonė 4.0“ serijoje gilinsimės į konkrečius AI sprendimų pavyzdžius Lietuvos įmonėse, aptarsime, kaip atrodo sėkmingi pilotiniai projektai ir kokios kompetencijos labiausiai reikalingos viduje.

Dirbtinis intelektas Lietuvos gamyboje nėra tolima ateitis – tai šiandieninis konkurencinis pranašumas. Klausimas tik vienas: ar jūsų įmonė bus tarp tų, kurios pačios formuoja šią transformaciją, ar tarp tų, kurios vėliau bando vytis?