Материал подготовлен на основе исследования Kept «Вызовы и возможности использования ИИ в практике цифровой трансформации нефтегазовых компаний».
Аналитика рынка
Российские предприятия нефтегазового сектора потратили 135 млрд руб. на IT за 2024 год — на 155% больше, чем в предыдущем году. По прогнозам, в нейротехнологии и ИИ в топливно-энергетическом комплексе России будет инвестировано до 130 млрд руб. к 2030 году, а перспективность реализации решений на базе генеративного ИИ оценивается в 343 млрд руб. в год.
Отрасль находится на острие прогресса и экспериментирует с инновациями как в производственных, так и в управленческих и исследовательских подразделениях. Среди драйверов рынка — рост доли теории решения изобретательских задач (ТРИЗ), снижение цен на нефть и сокращение рентабельности, увеличение зарплат и нехватка персонала для реализации как рутинных, так и высококвалифицированных операций, а также повышение экологических требований.
При этом высочайший уровень ответственности перед государством и обществом, технологическая сложность, строжайшие требования к безопасности производственных процессов и надежности поставок — лишь немногие объективные факторы, которые сдерживают быстрое внедрение технологий.
Выгоды ИИ
ИИ-проекты в нефтегазовой отрасли уже дают ощутимые экономические преимущества. Например, российская нефтяная компания сократила затраты на геологоразведку на 15–20% и увеличила скорость обработки геоданных на 40% за счет ИИ-алгоритмов. Система интеллектуальной предиктивной аналитики на Ванкорском месторождении в Красноярском крае на 25% снизила затраты на ремонт и на 30% уменьшила утечки. Интеллектуальное управление закачкой воды увеличило нефтеотдачу пластов на 7–10% и в 1,2 раза повысило ROI проекта в Пермском крае.
Эффекты от внедрения ИИ могут оказаться очень долгосрочными — горизонт инициатив по разработке месторождений измеряется десятилетиями. Важно помнить и о репутационных выгодах — инновационные проекты укрепляют имидж нефтегазового бизнеса как высокотехнологичного и эффективного.
Эксперты Kept считают, что ключевым направлением для внедрения ИИ в России станет автоматизация анализа сейсмических данных, которая значительно повысит точность геологического моделирования и сократит трудозатраты.
Сегодня нефтегазовые предприятия закладывают фундамент в интеграцию ИИ-инструментов и определяют векторы дальнейшего развития: подбирают разные решения к одной и той же задаче и сравнивают эффективность результатов, в том числе в связке с другими бизнес-процессами.
Потенциал ИИ
По данным опроса Kept, 60% участников нефтегазового рынка считают, что искусственный интеллект станет полноценным инструментом решения рабочих задач на горизонте до 2030 года. Среди основных сфер применения — аналитика и прогнозирование, выявление закономерностей, создание и редактирование документов, мониторинг, автоматизация рутинных операций, использование голосовых помощников и интеллектуальных ассистентов.
Большая часть возможностей применения уже подтверждена практическими кейсами, хотя они пока не выходят за рамки экспериментов и пилотных проектов.
Например, в сфере геологоразведки искусственный интеллект может анализировать сейсмо- и геофизические данные, искать ловушки и насыщенные зоны, оценивать трещиноватости и пласты. В ретейле технологии обеспечивают динамическое ценообразование, формируют персонализированные предложения и рекомендации.
Инструменты предиктивной аналитики и умное планирование ремонтов также упрощают техническое обслуживание, а оптимизация маршрутов и управление логистикой в режиме реального времени — транспортировку. Инструменты ИИ можно использовать по всей цепочке создания стоимости и для различных уровней бизнес-процессов.
Опрошенные Kept отраслевые эксперты отмечают, что ИИ может — и должен — стать важным рычагом повышения эффективности нефтегазового бизнеса в будущем. На горизонте до 2035 года искусственный интеллект поможет:
- анализировать 70–80% сейсмических данных;
- уменьшить количество аварий благодаря роботизации до 60–70% буровых работ;
- снизить OPEX на 10–15% с помощью контроля и оптимизации работы нефтеперекачивающих и газотранспортных систем;
- автоматизировать до 50% рутинной работы с документами.
Для оценки эффективности ИИ-проектов можно использовать финансовые, операционные и экологические метрики.
Основные вызовы
Несмотря на впечатляющие темпы развития искусственного интеллекта, он все еще не безупречен. 91% участников опроса Kept готовы применять ИИ в рабочих задачах, но не готовы полностью доверять ему. Также сохраняется проблема «черного ящика» — многие сложные нейросети не дают информацию, на которую опираются при ответах. Это мешает верифицировать результаты и выявлять ошибки.
Еще один ключевой вызов — риски кибербезопасности. Кроме угроз прямых взломов, интеллектуальные модели очень чувствительны к подмене и искажению данных. Важно учитывать и уязвимости в интеграции IT/OT-систем, утечки данных через ИИ-сервисы, риски автономных систем, человеческий фактор и теневые технологии.
Отрасли также не хватает квалифицированных кадров и данных для обучения моделей.
Кроме того, во многих компаниях все еще нет отделов по работе с ИИ и ответственных по развитию направления. На момент опроса только в 12% предприятий работает ИИ-команда с достаточным количеством специалистов и компетенций. В 57% организаций группам по внедрению ИИ не хватает численности и навыков, в 31% компаний такое подразделение отсутствует.
Чтобы успешно реализовывать инновационные проекты, бизнесу также необходим лидер, который станет основным драйвером изменений, будет показывать важность преобразований и помогать преодолевать бюрократические сложности.
Будущее ИИ
По данным Kept, 20% участников нефтегазового рынка отмечают, что искусственный интеллект берет на себя часть рутинных операций и функций уже сегодня. При этом 61% респондентов считают, что ИИ действительно будет помогать человеку, но не заменит его.
Технология усиливает не только человеческие возможности, но и ошибки, поэтому подготовка персонала наряду с материально-техническим обеспечением становится ключевой задачей для отраслевых предприятий. До сих пор нет четкого понимания, как будет строиться и регулироваться совместная работа человека с ИИ-ассистентами.
Одно из основных решений — гибридный формат взаимодействия с ИИ по принципу Human-in-the-Loop, когда человек контролирует и проверяет решения, а также использование объяснимых моделей.
Обучение сотрудников способно ускорить прогресс ИИ. Для этого нужны программы развития и внутреннее цифровое сообщество, доступ к открытым данным, партнерства с IT-компаниями. Кроме того, ИИ-трансформация потребует не только плана реализации инициатив, но и корпоративных изменений, которые позволят внедрять инструменты более системно.
Максим Малков, партнер Kept, руководитель практики по оказанию услуг компаниям нефтегазового сектора:
«ИИ-трансформация неизменно коснется предприятий нефтегазовой отрасли. При этом единой практики (как в России, так и за рубежом) пока не существует. Каждая организация должна ориентироваться на свои цели, скорость внедрения, уровень зрелости цифровой инфраструктуры и социально-политические аспекты. Для успешного внедрения ИИ-инструментов важно определить потребности бизнеса, подготовить организации к интеллектуальной трансформации, а также развивать лидерство в области ИИ в отрасли, в том числе с помощью кросс-отраслевого взаимодействия и стратегических партнерств».
➤ Подписывайтесь на телеграм-канал «РБК Трендов» — будьте в курсе последних тенденций в науке, бизнесе, обществе и технологиях.