Искусственный интеллект в нефтегазе: где заканчивается революция и начинается маркетинг

Как сообщает онлайн-журнал об энергетике «Энергия+», искусственный интеллект в нефтегазовой отрасли нередко превращается из обещанной революции в обычный «калькулятор с голосом». Эксперты предупреждают: без грамотного подхода внедрение модных нейросетей приводит не к росту эффективности, а к лишним затратам и технологической инволюции.

В 2024-2025 годах нефтегазовые компании России активно внедряют решения на базе ИИ. Однако далеко не все проекты приносят заявленную отдачу. Центр социального проектирования «Платформа» совместно со специалистами Промышленно-энергетического форума TNF провел большое исследование рынка ИИ-решений для ТЭК. Выводы оказались жесткими: значительная часть «интеллектуальных» продуктов – это переупакованные привычные инструменты с красивым нейроинтерфейсом.

Руководитель по управлению проектами подразделения цифровых решений компании «БурСервис» Ашот Мосесян, комментируя результаты исследования, отметил:

«Мы видим множество случаев, когда вместо настоящего машинного обучения внедряют голосовой калькулятор, а вместо предсказательного моделирования – продвинутый поиск по внутренним документам. Эффектно, но не эффективно».

Генеративный ИИ: красивый фасад и скромная начинка   

Сегодня модно говорить о генеративных моделях как о решении всех проблем отрасли. На презентациях обещают рост производительности на 20-30 %, автоматизацию рутины и «цифрового двойника» каждого месторождения за пару месяцев. Реальность оказывается прозаичнее.

Во многих случаях крупные языковые модели выполняют функции улучшенного корпоративного поиска. Сотрудник вместо строки «поиск» пишет длинный промпт – и получает тот же результат, только сформулированный человеческим языком. Удобно? Безусловно. Революционно? Вряд ли.

Еще один популярный сценарий – голосовые ассистенты, которые принимают команду «посчитай дебит скважины по таким-то параметрам» и запускают обычный инженерный калькулятор, а потом зачитывают результат приятным голосом. Технически это искусственный интеллект. По сути – дорогая игрушка, которая не окупается.

Почему данные решают все   

Главная проблема российского нефтегаза – хронический дефицит качественных структурированных данных. Многие месторождения эксплуатируются десятилетиями, и значительная часть информации хранится в бумажных журналах, разрозненных Excel-файлах или существует только в головах ветеранов производства.

В таких условиях, когда даже по одному активу невозможно собрать полную историю без археологических раскопок, обучить по-настоящему полезную модель предсказательной аналитики практически нереально. В итоге нейросети обучаются на узких и часто искаженных выборках, а их прогнозы даются ошибки с дорогостоящими последствиями.

Решение, по мнению экспертов, лежит в создании отраслевых пулов данных и культуры открытого обмена проверенными моделями. Пока же большинство компаний предпочитает держать даже самые простые цифровые наработки «за семью замками», опасаясь утечек и потери конкурентных преимуществ. В результате отрасль в целом развивается медленнее, чем могла бы: одни и те же задачи решаются заново в каждой компании, бюджет тратится на изобретение велосипедов.

Пример из сельского хозяйства, который часто приводят эксперты, идеально иллюстрирует ситуацию. На одной овцеферме установили систему компьютерного зрения для подсчета поголовья – дорогую, модную, с элементами ИИ. При этом простое и стопроцентно точное решение – механический счетчик на калитке плюс радиопередатчик – стоит в сотни раз дешевле и работает без сбоев уже полвека. Нечто похожее происходит и в нефтегазе: вместо развития настоящего машинного обучения и цифровых двойников компании покупают «нейросети ради нейросетей».

Как внедрять ИИ с реальной отдачей   

Эксперты формулируют несколько простых, но жестких правил:

1. Начинать нужно не с технологии, а с задачи. Если задачу можно решить классическими методами быстрее и дешевле – делайте именно так.

2. Ключевое условие успеха любой модели ИИ – объем и качество исторических данных. Без них даже самая продвинутая нейросеть будет выдавать мусор.

3. Генеративный ИИ имеет право на жизнь во вспомогательных процессах (поиск по документам, составление типовых отчетов, перевод технической документации), но не в критически важных контурах принятия решений.

4. Отрасли нужны общие стандарты и открытые (или хотя бы частично открытые) базы знаний, на которых можно будет обучать по-настоящему мощные отраслевые модели.

5. Главный показатель успеха – не количество внедренных нейросетей на квадратный километр месторождения, а реальный экономический эффект и рост безопасности.

Перспективы: от хайпа к зрелому использованию   

В ближайшие 3-5 лет российский нефтегаз, по прогнозам аналитиков «Платформы» и TNF, пройдет путь от безудержного ИИ-хайпа к зрелому и прагматичному использованию технологий. Компании, которые уже сегодня инвестируют в очистку и структуризацию данных, создание цифровых двойников месторождений и разработку узкоспециализированных моделей машинного обучения, получат серьезное конкурентное преимущество.

Те же, кто продолжит покупать «красивые обертки» без внутренней ценности, рискуют остаться с дорогими игрушками и разочарованными сотрудниками.

Как отметил Ашот Мосесян:

«Искусственный интеллект способен дать отрасли десятки процентов прироста эффективности, но только если мы перестанем путать голосовой интерфейс с интеллектом и начнем решать реальные задачи реальными алгоритмами».