2 мин чтения
Коротко
Стартап Harmony AI продает «ИИ-операционку для американских заводов», но реальная архитектура — это интеграция легаси-систем и замена бумажных журналов на планшеты. Разбор того, как нейросети реально работают в промышленности.
Когда мы говорим об ИИ в производстве, часто представляем автономных роботов или предиктивные модели. Но реальность куда прозаичнее. Стартап Harmony AI, который сейчас активно нанимает full-stack инженеров (зарплаты от $100k + equity), предлагает «ИИ-операционную систему для заводов». И если отбросить маркетинговую обертку, их подход отлично показывает, где на самом деле застряет цифровизация.
Вместо того чтобы обещать магию нейросетей, Harmony начинает с «Фазы 0»: инженеры компании физически идут на завод, проходят вдоль линий и изучают, как работает конвейер. Первый шаг их платформы — не обучение LLM, а банальная замена бумажных журналов и чек-листов на планшеты. В промышленности данные до сих пор живут на бумаге, и пока ты не оцифруешь этот поток, никакому ИИ не на чем будет учиться.
Дальше начинается интеграционная работа. Платформа подключается к ERP, QMS, датчикам и контроллерам (PLC). Но самое интересное в их архитектуре — модуль M9, отвечающий за «племенные знания» (tribal knowledge). Это оцифровка опыта старших операторов: их голосовые заметки, видео и заметки индексируются, чтобы сделать неявные знания searchable. По сути, LLM здесь работает как продвинутый RAG поверх SOPs (стандартных операционных процедур) и опыта людей, которые вот-вот уйдут на пенсию.
Сам «ИИ» в Harmony выступает скорее слоем автоматизации поверх собранных данных. Модули включают поиск на естественном языке по всем системам завода, интеллектуальное планирование с учетом ограничений и триггеры для действий: например, если уровень брака превышает 3%, система автоматически уведомляет нужные команды и ставит партию на холд в ERP.
Это классический пример того, как строятся агенты в реальном секторе. Проблема не в том, чтобы найти модель, которая напишет код или ответит на вопрос. Проблема в том, чтобы связать разрозненные легаси-системы, оцифровать физический мир и заставить алгоритм не просто генерировать текст, а инициировать утверждаемые действия (drafts the PO, issues the work order).
Компания базируется в Чаттануге, а не в Пало-Альто, и работает с семейными предприятиями вроде производителя оружия Mossberg. Это подчеркивает главный trade-off внедрения ИИ в индустрии: клиенты покупают не векторные embeddings, а готовность разработчиков приехать в цех, понять физику процесса и интегрировать бумажки с станками.
Источник: Hacker News - Newest: ""AI" "LLM""