В энергетической отрасли ИИ-агенты в целом делятся на две категории. Первые автоматизируют общепрофессиональные трудовые функции, например, агрегируют основные идеи совещания, формируют отчетную документацию. А вторые - специализированные, связанные с задачами конкретных профессиональных ролей: планирование в условиях неопределенности, проектирование и аудит.
"Быстрее внедряются "общепрофессиональные" агенты, например, для работы с документацией, так как их в целом проще конструировать, они более универсальны и переносимы между предприятиями и даже отраслями. Специализированные агенты, как правило, являются дорогим удовольствием, поскольку не просто автоматизируют отдельные операции, а должны встраиваться в общий производственный процесс. Другими словами, без должного уровня цифровой трансформации ценность от таких агентов невелика", - рассказал руководитель Института искусственного интеллекта ИТМО Александр Бухановский.
Он объясняет, что отрасль пока не готова к массовому внедрению ИИ-агентов, поскольку отсутствуют правила, регулирующие их оборот и коллективное использование. Поэтому основные агентные инициативы реализуются внутри крупных корпораций, но в совершенно разной логике.
Например, на основе ИИ-агентов сконструирован "Цифровой экспертный комитет", обеспечивающий поддержку принятия решений руководством компании в ситуациях, требующих всестороннего комплексного подхода, и обеспечивающий весь процесс управления знаниями в компании. При этом каждый агент отвечает за свою область знания: от геологии - до управления сетью АЗС.
Важно, что без полноценной цифровой трансформации производства ценность внедрения будет низкой. Использование ИИ-агентов требует подготовки большого массива чистых и полезных в отрасли данных, которые будут формировать наиболее точные показатели.
"Массово замещаются только "бытовые" компетенции, в первую очередь, при работе с нормативной и технической документацией. Например, очень помогает интеллектуальный поиск в документах, агрегирование документов, нахождение противоречий, анализ значимости изменений. За счет таких инструментов, например, экспертиза уже готовых проектных предложений ускоряется на порядок", - рассказал Бухановский.
При этом непосредственно "на земле" информационные ИИ-агенты приживаются хуже. Необходимо учитывать множество отраслевой специфики, и при этом еще уметь использовать различные инструменты, например, CAD/СAE-системы или интегрироваться с ERP-системами.
Юрий Силаев, заведующий лабораторией доверенного искусственного интеллекта РТУ МИРЭА, отмечает, что в российском ландшафте термин "ИИ-агент" в документах и публичных описаниях звучит не так часто, но, по сути, именно агентные решения уже работают.
Например, цифровой помощник оператора на Нововоронежской АЭС - это система информационной поддержки оператора на базе отечественного ИИ, которая "видит" сотни технологических систем блока и прогнозирует развитие событий вперед. На горизонте около 30 минут она предлагает оператору варианты действий в рамках регламентов. В публичных комментариях это прямо описывается как безопасный "ядерный ассистент", и подчеркивается, что ИИ именно помогает персоналу, а не заменяет его.
Дмитрий Богданов, директор НОЦ "Газпромнефть-Политех", рассказал, что в России при исследовании скважин для прогнозирования каротажных кривых используются ИИ-агенты на базе нейросети Transformer. Она помогает восстанавливать утерянную или искаженную информацию при анализе сейсмических данных, благодаря чему результаты получаются максимально точными.
"На основе этой же нейросети мы разрабатываем в НОЦ технологию шумоподавления в инженерных моделях пластов, которая интегрируется в системы управления добычей полезных ископаемых. В будущем эти решения помогут сократить операционные затраты в пилотных проектах", - рассказал Богданов.
За рубежом ИИ-агенты уже начали частично делать всю рутинную аналитику и оперативные расчеты. В сетевом комплексе и управлении распределенной генерацией агенты берут на себя непрерывный пересчет оптимальных потоков мощности, выбор конфигурации сети, составление предложений для рынков "день-вперед" и балансирования.
"В виртуальных электростанциях программные агенты координируют работу десятков и сотен распределенных источников, накопителей и потребителей: прогнозируют нагрузку и генерацию, оценивают цены, предлагают стратегию участия в рынках - и тем самым снимают с диспетчера массу рутинной "табличной" работы", - говорит Силаев.
Но существуют и сложности в автоматизации с помощью агентных систем. Самая большая проблема - не автоматизация производственных процессов, а автоматизация отраслевой адаптации ИИ-агентов и создания мультиагентных систем под конкретные задачи промышленности.
"Узкая специализация агентов не позволяет тратить время на их обучение вручную, а разнообразие решаемых задач делает неэффективным использование уже ранее разработанных статических агентов. Потому сейчас развивается новая тенденция - конструирование композитных, динамических ИИ-агентов под конкретную задачу "в горячем режиме". А это требует развитие нового класса технологий - ИИ-систем которые умеют делать ИИ-системы", - объясняет Бухановский.