Saint-Gobain и Microsoft Discovery: ИИ-агенты ищут добавки для цемента — год работы за пару часов

Saint-Gobain — одна из старейших промышленных компаний мира: её основали в 1665 году, чтобы делать зеркала для Версаля. Сегодня это 161 тысяча сотрудников в 81 стране, стекло, гипс для гипсокартона, утеплитель, а также добавки для бетона и цемента. 20 октября на своём новостном сайте Microsoft рассказала, как исследователи Saint-Gobain используют платформу Microsoft Discovery, чтобы искать новые химические добавки для цемента — прочнее и с меньшими выбросами CO2.

Что именно сделали в Saint-Gobain

Microsoft Discovery — платформа, где учёные и инженеры управляют группой ИИ-агентов. Агенты ищут литературу и связывают найденное. Потом предлагают гипотезы, планируют эксперименты, разбирают результаты. Закрытый запуск платформы начался в марте 2026 года, Saint-Gobain была среди первых клиентов и настраивала её вместе с командой Microsoft.

Клинкер — главный компонент цемента, его получают обжигом известняка, и именно на этом этапе выделяется больше всего CO2. Поэтому каждая добавка, с которой клинкера нужно меньше, напрямую снижает выбросы.

Кроме того, в июле 2026 года компании подписали рамочное соглашение, в начале сентября в Saint-Gobain появился первый директор по искусственному интеллекту — Анника Хаген. В европейском исследовательском центре компании под Парижем работают более 400 исследователей из 30 стран; с января 2027 года ИИ-ассистента Copilot получат все сотрудники. Ещё один пример из той же истории — гипсокартон: компания перешла с типовых листов на раскрой под заказ по информационной модели здания. По её данным, монтаж стал быстрее на 30%, а обрезки больше не уходят на свалку.

Что это значит для производств в России

Главное в истории Saint-Gobain — не химия, а то, где ИИ сэкономил время. Он не изобрёл новую добавку сам. Он за пару часов прочитал то, что команда читала бы год, и предложил, что проверить. Решение и испытания по-прежнему за людьми и лабораторией.

У российских производств та же узкая горловина. Технолог или инженер новых материалов тратит недели на обзор: патенты, ГОСТы, статьи, протоколы своих прошлых испытаний, которые лежат в папках и таблицах. ИИ здесь полезен в трёх местах:

• Обзор знаний. Собрать в одну базу патенты, статьи, внутренние отчёты — с поиском по смыслу, а не по словам. Важно: база должна ссылаться на источник, иначе выводы не проверить.
• Свои данные испытаний. Рецептуры, режимы, результаты лабораторных проб — это то, чего нет ни в одном открытом источнике. Пока они в разрозненных файлах, ИИ видит только чужой опыт.
• Документация. Техусловия, паспорта качества, проектные разделы проверяются на нестыковки и ошибки в ссылках на нормы до того, как их увидит заказчик или эксперт.

Масштаб Saint-Gobain для этого не нужен. Разумный первый шаг — один продукт или одна рецептура: собрать по ней всё, что есть у компании, и посмотреть, какие вопросы ИИ закрывает быстрее команды.

Такую работу у КАРАДЕСК берёт IT-специалист: программы и системы аналитики под задачи компании, интеграции с 1С и учётными системами, выгрузки, отчёты. Задачи ставятся голосом, текстом или брифом; код и документация остаются у клиента. Проверку технической документации на ошибки и нестыковки делает Аналитика для бизнеса: от 14 900 ₽ за комплект, находки даёт КАРАДЕСК, итоговое заключение подписывает инженер или эксперт заказчика.

С чего начинать ИИ на заводе, мы разбирали в статье «ИИ на производстве», а как считать потери от брака — в статье «Брак на производстве». О том, как подходят к промышленному ИИ в Германии, — в новости о декларации NVIDIA и немецкого правительства.