В статье представлен методологический подход к интеллектуализации бизнес-процессов предприятий металлообрабатывающей отрасли в условиях недостаточного объема достоверных данных и наличия информационного шума. Исследование направлено на разработку эффективных методов адаптации больших языковых моделей (LLM) к отраслевой специфике при ограниченных вычислительных ресурсах. Методология базируется на применении низкоранговой адаптации языковых моделей (LoRA, QLoRA) и технологий инъекции знаний. Проведен теоретический анализ влияния информационного шума на бизнес-процессы металлообрабатывающих предприятий, выявлена неравномерность его воздействия на различные категории процессов. Установлено, что комбинация метода LoRA с инъекцией знаний позволяет достичь точности 83,7% даже при наличии 30% информационного шума в данных. Разработана концептуальная модель интеллектуализации производства, учитывающая интерпретируемость результатов, точность и требуемые вычислительные ресурсы. Предложенный подход позволяет преодолеть ключевые барьеры внедрения технологий искусственного интеллекта в промышленности и обеспечить значительный экономический эффект.