Распространение генеративного интеллекта в нефтегазовой промышленности тормозится отсутствием видимого экономического эффекта. Кроме того, всех интересует вопрос, кто будет отвечать за ошибки ИИ
Внедрение инструментов искусственного интеллекта в российской промышленности не отличается системностью. И одна из основополагающих и высокотехнологичных отраслей — энергетика — здесь не исключение.
«В нашем цифровом двадцать первом веке мы продолжаем жить с большим количеством бумажных журналов, описаний и инструктажей. Оцифровка происходит очень медленно. И здесь искусственный интеллект мог бы помочь, но у энергетиков очень низкая толерантность к риску. Главное для них — надежность и безопасность, два слова, которые ограничивают любые инновации», — заявила председатель правления ассоциации «Цифровая энергетика» Тамара Меребашвили в ходе своего выступления на Национальном нефтегазовом форуме в Москве, где внедрение ИИ в производственные процессы стало главной темой.
Несмотря на то что почти каждая крупная промышленная компания уже пробовала работать с ИИ, выяснилось, что до промышленного внедрения дошли немногие проекты. Одним из основных барьеров, по данным исследования Strategy Partners, стали отнюдь не технологии, а люди и культура. «Без обучения и смены культуры GenAI проекты не масштабируются», — отмечается в документе компании.
«А есть ли вообще в секторе промышленности генеративный искусственный интеллект? Скорее всего, в текущем моменте нет», — обострил дискуссию вице-президент по развитию технологического бизнеса ПАО «Сбербанк» Сергей Крылов. По его словам, ни в энергетике, ни в нефтянке нет ни одного крупного, экономически значимого случая применения генеративного ИИ, который был бы виден в P&L (отчете о прибылях и убытках). «Те сценарии, которые обсуждаются, например базы знаний, всем нравятся с точки зрения удобства, но любой финансовый директор спросит: “Здорово, мои сотрудники быстрее находят данные, а сколько это в P&L?” — и получает ответ: “Ноль”. Поиграться можно, получить реальную экономику — пока нет», — уверен эксперт.
Ситуация усугубляется консервативным подходом производственников. Компании ждут, когда технология полностью вызреет и пройдет все циклы апробации, когда будут приняты соответствующие законы, а за это время она устаревает. Оставаясь в позиции выжидания, мы рискуем безнадежно отстать, считает Сергей Крылов. В Сбере, по его словам, все иначе. «Уже в этом году мы планируем получить более 100 миллиардов рублей эффекта от внедрения генеративного искусственного интеллекта. И эта цифра не складывается из какого-то одного мегакейса. Внутри Сбера сотни команд, которые внедряют тысячи кейсов», — поделился эксперт.
Но у энергетиков нет возможности инвестировать куда-то два, четыре, двадцать миллиардов, а потом сказать, что эффекта нет, парировал руководитель Центра информационных технологий «Интер РАО» Сергей Колодей: «Возможно, у Сбербанка какой-то другой подход к таким отважным инвестициям».
Впрочем, как заметил замгендиректора по цифровому развитию ПАО «Татнефть» Евгений Звездин, Сбер уже давно превратился в ИT-компанию с банковской лицензией. «В перспективе десяти лет “Татнефть” тоже, вероятно, превратится в инженерную компанию с геологической лицензией на разработку и с патентами на производство химической и нефтехимической продукции. А ИИ будет заниматься рутиной и помогать при принятии сложных инвестиционных и инновационных решений», — предположил он.
Несмотря на кажущееся отставание, в целом ситуация в России повторяет мировые тренды. По словам партнера консалтинговой компании Strategy Partners Сергея Кудряшова, в мире из 87% промышленных предприятий, запустивших пилотные проекты с ИИ, только 10% дошли до масштабированного внедрения. Главными барьерами стали дефицит компетенций, низкое качество и труднодоступность производственных данных, сложность интеграции в существующие системы и отсутствие понятных бизнес-кейсов с измеримой окупаемостью. В нашей стране ситуация похожая.
В январе 2026 года Strategy Partners исследовала уровень использования генеративного искусственного интеллекта (GenAI) в 60 крупных промышленных компаниях России, опросив генеральных и ИТ-директоров, а также руководителей по цифровой трансформации из нефтегазового, металлургического и химического секторов. Для сравнения результатов аналогичные вопросы были заданы представителям сферы электронной коммерции (Wildberries, Ozon, Avito).
Выяснилось, что большинство крупных промышленных компаний находятся на втором уровне зрелости из пяти — на стадии экспериментов. Это означает, что они реализуют множество разрозненных пилотных проектов, движимые скорее технологическим хайпом, чем четкой бизнес-логикой. Порядка 70–80% предприятий используют GenAI исключительно в поддерживающих процессах (документооборот, протоколирование встреч, HR, юристы, аналитика), и лишь единицы дошли до внедрения генеративного интеллекта с измеримым эффектом. При этом 63% организаций формально утвердили стратегию по ИИ (во многом из-за требований к госкомпаниям), однако наличие документа не гарантирует реальных результатов. Главной проблемой стало не качество нейросетей, а люди, культура и данные. Сотрудники не умеют и боятся работать с ИИ, а производственная информация разрозненна и непригодна для анализа.
Исследование Strategy Partners подчеркивает, что промышленные предприятия консервативны и не готовы допускать GenAI в критические производственные процессы из-за высоких операционных рисков. В итоге средний уровень GenAI-зрелости в российской промышленности не превышает 2,0 балла из 5,0, в то время как в электронной коммерции он оценивается в 2,9.
Согласно исследованию, проведенному агентством Onside при поддержке компании Just AI (занимается внедрением корпоративных решений на базе GenAI), объем российского рынка GenAI по итогам 2025 года составил 58 млрд рублей, а к 2030 году достигнет 778 млрд.
Энергетические компании пытаются применять искусственный интеллект в своей работе. «Предположительно, ИИ может улучшить энергоэффективность на всех уровнях, в частности минимизировать потери энергии в процессе ее передачи и распределения», — полагает Тамара Меребашвили.
По данным Высшей школы экономики, в прошлом году среди направлений применения искусственного интеллекта самыми востребованными в России оказались технологии обработки визуальных (включая компьютерное зрение) и звуковых (например, распознавание и синтез речи) данных, технологии обработки текста, интеллектуальной поддержки, принятия решений и управления.
С помощью ИИ можно улучшить мониторинг энергосетей, генерирующие компании считают, что нейросети также позволят предсказывать аварии и оптимизировать ремонтные процессы. Наиболее впечатляющих результатов добилась ГК «Росатом»: внедрив систему «Радар» на Кольской АЭС, компания показала снижение затрат на ремонт на 30%. Программный комплекс «Радар» с помощью видеофиксации анализирует действия ремонтных бригад, оценивает их эффективность и предлагает руководству оптимальные решения по расположению инструмента и маршрутам перемещения.
В машиностроительном дивизионе «Росатома» активно применяется предиктивная аналитика для контроля состояния станков и инструмента, что позволяет заменить регламентное ТО на обслуживание в соответствии с фактическим положением. В области технического зрения ведутся работы по контролю качества сварных швов и дефектоскопии: ИИ анализирует рентгеновские снимки и данные акустической диагностики для более точного распознавания дефектов.
Генеральный директор череповецкого предприятия «Апатит» (основной актив группы «Фосагро») Денис Новиков, до назначения на руководящий пост работавший ИT-директором, называет внедрение ИИ одной из стратегических целей компании. «Мы считаем, что за искусственным интеллектом будущее, и встраиваем “генеративку” во все импортозамещенные системы», — подытожил он.
«Апатит» уже развернул в своей инфраструктуре корпоративный ChatGPT, который сотрудники могут использовать для решения базовых задач, таких как HR, ИT или юридическая поддержка. Но основная ставка делается на интеграцию ИИ в производственные процессы. На череповецкой площадке внедрена отечественная система ZIIoT вместо американской PI System (платформа для сбора, архивирования и анализа данных в реальном времени с промышленного оборудования и датчиков). Сейчас компания активно встраивает туда производственных ассистентов и агентов, используя для этого MCP-протокол, который позволяет объединять аналитические и большие языковые модели для работы с реальными данными.
Кроме того, «Апатит» перешел с Oracle на отечественную Global ERP. Еще на этапе перехода в нее была заложена возможность использования больших языковых моделей, позволяющих оптимизировать процессы закупок, ремонта и управления проектами непосредственно внутри платформы, без создания дополнительных надстроек. В системе управления персоналом, по словам Дениса Новикова, компания «доделывает» HR-ассистента, который сможет за несколько часов проанализировать десятки тысяч резюме, — им планируется заменить отделы персонала всех компаний форума. «Генеративный ИИ работает везде, просто еще не до конца продумали, как его использовать в разных направлениях», — уверен глава «Апатита».
Однако столь решительно настроены далеко не все. «Мы очень серьезно смотрим на риски, сопряженные с использованием ИИ. В первую очередь на кибербезопасность: угрозы потери информации, нарушения ее целостности, утраты конфиденциальности. Это грозит отказами в работе оборудования из-за возможных искажений вводных данных», — заявила Тамара Меребашвили.
«Цена ошибки — остановка транспорта нефти, нефтепродуктов или даже промышленная катастрофа, поэтому у нас внедрение интеллектуальных систем идет постепенно», — поддержал заместитель вице-президента «Транснефти» Иван Шальков. Компания требует от разработчиков полной прозрачности моделей. «Мы не имеем права ставить критическую инфраструктуру в зависимость от алгоритма, логику которого не в состоянии объяснить наш инженер», — отметил он.
Большой проблемой для промышленности является дефицит квалифицированных кадров. Компании-заказчики пытаются самостоятельно обучать персонал работе с большими данными, их верификации и использованию. Тем более что в промышленности скопились гигантские объемы неструктурированной или плохо структурированной информации (рукописные журналы, устаревшие форматы). Наведение порядка в этой области является критическим условием для масштабирования. «Отсутствие качественных данных — серьезный ограничитель», — полагает руководитель направления Аналитического центра ТЭК Никита Зотов. Центр готовит аналитику для принятия стратегических решений на отраслевом уровне (для Минэнерго, Минфина). Большие языковые модели АЦ ТЭК использует в качестве верификатора: они помогают обрабатывать и упорядочивать огромные массивы информации, использовать которые иначе было бы сложно. ИИ способен решать задачи, которые раньше казались нерешаемыми — по крайней мере, в требуемые государством сроки и с нужной глубиной проработки. Но сначала данные, получаемые из ведомств, приходится «причесывать» и приводить в порядок. «Без этого последующая аналитика невозможна», — объяснил Зотов.
Но главный вопрос, который беспокоит абсолютно всех управленцев, звучит так: кто возьмет на себя ответственность за возможные ошибки — разработчики ИИ, тот, кто формировал техзадание, или тот, кто применял его? Проблема выстраивания риск-менеджмента, по мнению Тамары Меребашвили, не решена нигде в мире, хотя является краеугольным камнем для повсеместного использования и развития ИИ.
Президент Владимир Путин в конце февраля подписал указ о создании специальной Комиссии по вопросам развития технологий ИИ. Главной задачей новой структуры названо обеспечение мирового лидерства России в области искусственного интеллекта: она будет координировать деятельность всех ведомств (от ФСБ и Минобороны до Сбербанка и «Яндекса»), разрабатывать стратегию внедрения ИИ в экономику и госуправление, утверждать целевые показатели развития, курировать создание российских ИИ-моделей и необходимой для них инфраструктуры.
Одновременно, по сведениям «Коммерсанта», в правительстве разрабатывается законопроект «Об искусственном интеллекте в РФ», который предлагает разделить все ИИ-модели на три категории: суверенные (полностью российские — от разработчиков до данных), национальные (допускающие использование иностранных открытых решений и информации) и доверенные (для критической инфраструктуры, с особыми требованиями безопасности от ФСТЭК и ФСБ). В качестве «пряника» для разработчиков, чьи модели получат официальный статус, законопроект обещает обязательную предустановку таких программ на все смартфоны и планшеты. Закон может вступить в силу с 1 сентября 2027 года.
Тем временем правительство КНР взяло курс на почти насильственное насаждение генеративных технологий в крупных компаниях, как частных, так и государственных. «Они там не рассчитывают ни на какую экономическую целесообразность, а внедряют ИИ-модели директивными методами. И это дает свои плоды: Китай действительно становится мировым лидером в области искусственного интеллекта», — заявил на форуме президент Национального координационного центра международного сотрудничества Кирилл Бабаев.
Основные проблемы в Китае, по словам эксперта, такие же, как в России: демографический кризис, необходимость повышения производительности труда и растущий спрос на электроэнергию. ИИ дает возможность компенсировать грядущее сокращение экономически активного населения и повысить эффективность, потому что «догнать и перегнать США Китай хочет больше всего на свете». Самой интересной тенденцией, по мнению Бабаева, является переход на платформенные решения, когда крупнейшие нефтегазовые гиганты, такие как CNPC, создают платформы, охватывающие всю производственную цепочку — от геологоразведки и добычи до генерации и торговли. Для этого местные компании вступают в партнерство с национальными цифровыми гигантами вроде Huawei и DeepSeek, рассматривая это как элемент технологического суверенитета.
«Искусственный интеллект в КНР — священная корова номер один: правительство считает его самым важным средством для решения основных проблем китайской экономики. И нам есть чему у них поучиться», — резюмировал Кирилл Бабаев.