Если в 2022 году искусственный интеллект в ТЭКе использовали 29% компаний, то к концу 2024 года этот показатель достиг 58%. Согласно прогнозам, к 2027 году около 70% предприятий топливно-энергетического комплекса будут применять технологии ИИ в различных процессах.

«Сегодня мы видим, что накопленный опыт в сфере цифровой трансформации и импортозамещения становится нашим конкурентным преимуществом. Наша задача — не просто реагировать на вызовы, а формировать повестку технологического развития, создавая условия для опережающего роста нового технологического уклада», — считает заместитель министра энергетики Эдуард ШЕРЕМЕТЦЕВ.

«ЭПР» попросила экспертов рассказать об особенностях применения ИИ в ТЭКе.

— Какие новые технологии на основе ИИ появляются и где используются прежде всего? Какие интересные реализованные проекты с применением ИИ вы могли бы отметить?

Андрей Рыбаков, директор по развитию программных продуктов Ctrl2GO Solutions:

«К наиболее интересным и востребованным в ТЭКе новым технологиям на основе ИИ можно отнести:

• Физически-информированные нейронные сети (Physics-Informed Neural Networks, PINN) — это гибридные модели, объединяющие данные и физические законы (например, прогнозирование деформаций трубопроводов с учетом термодинамики).
• Синтетические данные — генерация искусственных данных для обучения моделей в условиях дефицита реальных (например, моделирование аварийных ситуаций на ТЭЦ).

Примеры:

• BP применяет PINN для оптимизации бурения с учетом геомеханических параметров.
• «Россети» используют синтетические данные для тренировки ИИ-алгоритмов диагностики ЛЭП».

 Сергей Голицын, руководитель направления Т1 ИИ (ИТ-холдинг Т1):

«Активно развиваются проекты по применению ИИ в анализе геологоразведочных данных и прогнозировании оптимальных зон для бурения, что позволяет повысить эффективность добычи и снизить издержки».

— Отметьте наиболее перспективные существующие решения, которые будут особенно активно распространяться и почему? Каких технологий не хватает рынку?

Андрей Рыбаков:

«ИИ-ассистенты и большие языковые модели (LLM) для анализа технической документации, автоматизация отчетности, генерация рекомендаций для повышения качества эксплуатации и обслуживания оборудования.

Предиктивная аналитика станет стандартом благодаря экономии на авариях и внеплановых ремонтах.

Роботы под управлением ИИ позволяют выполнять сложные работы и инспекции в опасных и экстремальных условиях.

Не хватает технологий для дальнейшего управления жизненным циклом и дообучения ИИ-ассистентов и моделей, а также инструментов обработки мультимодальных данных (аудио, видео, IoT-сенсоры)».

Сергей Голицын:

«Среди актуальных направлений — использование генеративного искусственного интеллекта. Некоторые крупные компании из ТЭКа начинают внедрять автоматизацию сопровождающих процессов с помощью нейросетей».

Ирина Макарова, руководитель группы проектной аналитики Ctrl2GO Solutions:

«Сейчас ИИ в ТЭКе применяется фрагментарно. Можно сказать, что предприятия ТЭКа в России еще только вступают в эру ИИ.

Первым ощутимым инструментом, использующим ИИ, являются системы прогнозной предиктивной аналитики, которые позволяют прогнозировать отказы оборудования, анализируя большие данные с датчиков. По опыту мировых лидеров за счет использования таких систем простои оборудования могут сократиться более чем на 20%. В российском ТЭКе уже удается получить первые результаты, хотя реальную эффективность можно будет увидеть на более долгосрочном горизонте.

Другим важным инструментом является компьютерное зрение, которое часто позволяет решать в принципе неподъемные для человека задачи: например, проводить мониторинг состояния объектов в труднодоступных районах (трубопроводов, электрических сетей, сооружений). Здесь, конечно, ИИ необходимы помощники — средства ДЗЗ, позволяющие проводить дистанционный мониторинг.

Цифровые двойники позволяют тестировать сценарии без остановки производства; моделировать месторождения, сокращая затраты на разведку; анализировать сценарии развития аварийных ситуаций.

Однако в настоящий момент эти технологии в российском ТЭКе внедряются точечно — там, где есть четкая экономическая выгода. Глобальной цифровой трансформации пока нет. Но ТЭК всегда являлся одним из наиболее прогрессивных секторов экономики, свободным от консервативных предрассудков и смело двигающимся вперед к прогрессу. Поэтому, думаю, скоро предприятия перейдут от локальных пилотных проектов к масштабному внедрению, увидев какую эффективность можно получить, используя ИИ».

— С какими сложностями или ограничениями сегодня сталкиваются предприятия ТЭКа при внедрении цифровых решений? Как можно их решить?

Андрей Рыбаков:

«Сложностями внедрения цифровых решений по-прежнему остаются:

• Недостаток датчиков и данных, устаревшая ИТ-инфраструктура и дефицит вычислительных мощностей для работы ИИ-моделей.
• Риски информационной безопасности.
• Высокие затраты на старте проектов при длительном времени на обучение моделей и требовании руководителей быстрее окупить вложения и получать эффекты.

Появление стандартов может облегчить и удешевит внедрение ИИ, например:

• Стандарты качества для сбора и накопления данных на предприятии для обучения ИИ-моделей.
• Этические и регуляторные нормы для ИИ в критической инфраструктуре (например, сертификация алгоритмов).
• Создание отраслевых консорциумов и переиспользование готовых решений».

Сергей Голицын:

«Основная сложность — нехватка квалифицированных кадров, которые умеют работать с цифровыми и ИИ-решениями. По оценкам, к 2030 году дефицит специалистов, работающих с ИИ в промышленности, может составить от 2 до 3 миллионов человек.

Это подчеркивает необходимость подготовки новых, квалифицированных специалистов с пониманием ИИ-алгоритмов.

Еще один барьер — отсутствие достаточного количества качественных данных. Многие предприятия ТЭКа сталкиваются с проблемой сбора данных, которые можно было бы использовать для обучения ИИ-систем. В таких случаях критически важно наладить процессы сбора, обработки и хранения данных, а также обеспечить их безопасность и соответствие нормативным требованиям».

Ирина Макарова:

«Общие направления развития ИИ в мире: генеративный ИИ и автономные энергосистемы, думаю, появятся в российском ТЭКе еще не скоро. Основные причины, на мой взгляд, связаны с вопросами безопасности и кадров.

Вопросы безопасности обусловлены критичностью сектора ТЭКа и невозможностью «экспериментировать» с критическими элементами инфраструктуры.

Кадровый вопрос касается неготовности экспертов полагаться на решения, генерируемые ИИ. Молодое поколение, приходящее на смену, интенсифицирует процесс внедрения ИИ.

ИИ уже меняет ТЭК, но настоящая революция еще впереди. Чтобы раскрыть его потенциал, нужны не только технологии, но и системные изменения — от подготовки кадров до пересмотра регуляторики. Компании, которые смогут преодолеть эти барьеры, получат колоссальное конкурентное преимущество. Остальные рискуют отстать навсегда».

— Насколько активно ИИ сегодня помогает предприятиям ТЭКа повышать эффективность своей работы? Какие решения уже используются в этой сфере и не теряют актуальность?

Андрей Рыбаков:

«За последние несколько лет компании в ТЭКе все больше осознают эффективность и необходимость использования ИИ — от чат-ботов до дронов и роботов, переходя к их промышленному внедрению.

Актуальными становятся решения, которые помогают оптимизировать свои затраты:

• контроль состояния оборудования на основе предиктивной аналитики и компьютерного зрения для предотвращения аварий на электростанциях или трубопроводах.
• сценарное моделирование для повышения эффективности технологических процессов (например, бурение скважин)
• применение языковых моделей для управления знаниями и повышения квалификации персонала».

Сергей Голицын:

«Предприятия ТЭКа стремятся повысить эффективность производства, поэтому решения на базе искусственного интеллекта внедряются в энергетике уже на протяжении нескольких десятков лет — с момента появления первой модели машинного обучения — и повсеместно применяются для оптимизации внутренних процессов и затрат.

Наиболее востребованным решением на основе ИИ являются цифровые двойники — виртуальные копии объектов, которые позволяют моделировать сценарии работы оборудования и прогнозировать последствия отказов.

Сегодня предприятия ТЭКа сталкиваются с проблемами в техническом обслуживании иностранного ПО и его замены, поэтому важно предугадывать сбои оборудования.