Согласно докладу, подготовленному лабораторией исследований рынка ИТ-решений Контур Университета, с 2020 по 2024 годы нефтегазодобывающая индустрия занималась экстренной перестройкой цифрового ландшафта и импортозамещением программного обеспечения. В 2025-2026 годах бизнес начал активнее пилотировать ИИ, и тут выяснилось, что многие перспективные решения невозможно масштабировать из-за низкого качества исходной информации. В основу анализа легли 840 тендерных процедур, опыт более 150 организаций.
Опрос показал, что 21 процент предприятий готов вкладываться в повышение качества больших данных (Big Data) - это входит в топ-3 инвестиционных приоритетов до 2028 года. При этом недропользователи пока не стремятся к единой платформе с ИИ-агентами, унифицируя отдельные компоненты. По мнению независимого эксперта по ИT-рынкам Екатерины Скворцовой, подобная тактика позволяет дешевле и быстрее достичь эффекта, однако требует создания инфраструктуры под каждую задачу. Поэтому в будущем не избежать перехода к платформенной логике.
В целом российский ТЭК завершил этап массовой цифровизации и переходит к более сложному циклу развития, где главным вызовом становится не сбор разрозненной информации, а способность превратить ее в инструмент управления, резюмируют исследователи. Пока средний уровень согласованности данных из разных систем составляет всего 2,7 балла из 5. Самые востребованные продукты - те, что связаны с автоматизацией бизнес-процессов, видеонаблюдением и компьютерным зрением, а также с обработкой сведений АСУ ТП.
По словам руководителя практики по оказанию услуг компаниям нефтегазового кластера Kept Максима Малкова, предприятия ТЭК проходят несколько этапов внедрения ИИ. Базовый - когда нейросети используют в бухгалтерии, электронном документообороте и при составлении отчетности. Второй уровень - частичная автоматизация операций и контроль за исполнением задач. Далее следует индустриальная интеграция: включение в производственные цепочки, аналитика, автоматическое регулирование. Наконец, четвертый уровень - корпоративная трансформация, когда ИИ становится частью стратегических процессов в компании.
- Агентные системы могут непрерывно контролировать показатели, находить отклонения и их причины, выявлять взаимосвязи, планировать действия и принимать типовые решения в формализованных ситуациях, - объясняет академический директор программы "Построение системы управления бизнесом на основе данных и ИИ" Школы управления Сколково Ирина Попова.
- То есть автоматизируется уже не отдельная операция, а часть самой управленческой работы, - поясняет Ирина Попова.
При этом недостаточно просто дать агенту доступ к Big Data: нужны цели, метрики и зоны ответственности. Масштабное внедрение стоит начинать не с запуска "роя" помощников, а с очерчивания границ: что они вправе делать сами, а где обязаны остановиться и передать бразды правления человеку. Технологии генеративного ИИ только выходят из исследовательской фазы - по мере накопления опыта можно надеяться, что скепсиса будет все меньше, а доверия к ним все больше.
- Автономность - это доверие, доверие - это предсказуемость действий, предсказуемость действий - это наблюдение в течение длительного периода. Мы не боимся автономности, скорее боимся сделать бесполезных агентов, которые не улучшают процесс, а просто оставляют его таким, какой он есть, - говорит директор по цифровым и информационным технологиям СИБУРа Антон Рубенчик.
Отдельный аспект дискуссии - создание отраслевых стандартов управления данными и создание сред обмена, приносящих пользу всем участникам рынка.
- Мы сейчас находимся в худшем положении, чем строители Вавилонской башни. Те хотя бы возвели семь ярусов, прежде чем заговорили на разных языках. А мы с самого начала подошли к башне и разговариваем на разных, - прибегнул к образному сравнению замминистра энергетики РФ Эдуард Шереметцев.
Он предложил создать рабочую группу с участием крупных игроков, чтобы договориться о единых подходах и принципах взаимодействия - для остальных это станет своего рода ориентиром, а следование стандартам - конкурентным преимуществом. Сегодня даже на одном предприятии кадровики, экономисты и производственники могут по-разному толковать понятие "норма переналадки" и пользоваться разными единицами измерения. В рамках холдингов это выливается в самостоятельные, не взаимодействующие между собой модели предиктивной аналитики, при выходе на общеотраслевой уровень ситуации еще больше осложняется.
Кроме того, развитие промышленного ИИ требует создания центров обработки данных (ЦОД), обеспеченных энергоресурсами. Андрей Семионенко, заместитель генерального директора по повышению эффективности бизнеса "Газпромнефть-Заполярья" считает необходимым развивать гибридную архитектуру: на удаленных месторождениях выполнять вычисления, требующие быстрой реакции, а в центральный дата-центр передавать уже агрегированные сведения.
- Важно заранее определить, какие задачи и объемы информации потребуются в перспективе 3-5 лет. Сегодня мощности зачастую наращиваются под конкретные проекты, однако развитие ИИ, видеоаналитики и цифровых двойников требует системного планирования. Инфраструктура должна развиваться синхронно с производственными технологиями, а не вслед за появлением потребности в новых ЦОДах, - считает замгендиректора.
Недропользователи констатируют: стадия хайпа позади, ИИ воспринимают не как панацею, а как инструмент, который релевантен не вcегда. К примеру, более точно рассчитать дебет скважин позволяет традиционное гидродинамическое моделирование, классические симуляторы и аналитические формулы. А ML-методы больше применимы на зрелых месторождениях.
С другой стороны, контролируемое внедрение технологий позволит сохранить устойчивость нефтегазодобычи, ведь к 2050 году, по расчетам Госкомиссии по запасам полезных ископаемых (ГКЗ), более 70 процентов производства будут обеспечивать "трудные" углеводороды. Их рентабельная разработка связана как раз с внедрением цифровых двойников и нейросетевых решений: они возьмут на себя рутину, оставляя человеку стратегическое планирование и принятие решений в условиях неопределенности.
В этом году правительство России утвердило обновленное стратегическое направление в области цифровой трансформации топливно-энергетического комплекса до 2036 года. Одной из сфер деятельности в рамках этого документа станет участие компаний и организаций топливно-энергетического комплекса в кибериспытаниях, нацеленных на выявление уязвимостей, а также в разработке методологических рекомендаций по защите важной информации. Вместе с этими испытаниями предусмотрено тестирование технологии искусственного интеллекта и других цифровых решений. Тесты будут проводиться на специальном отраслевом полигоне, создание которого запланировано на IV квартал 2027 года.