Клим Легчаков
Правильное программное обеспечение помогает оптимизировать нефтепереработку и логистику. Фото Vecteezy
Понятие «искусственный интеллект» (ИИ) еще не превратилось в рудимент массового сознания, как в свое время это произошло с понятием «нанотехнологии». Но в будущем и оно канет в Лету – останутся классические математика и программирование. А все потому, что само определение «ИИ» сформировано достаточно неорганичным образом: с применением маркетинговой гиперболизации.
Маркетинг здесь прежде всего связан с переводом английского слова intelligence, которое в контексте словосочетания с прилагательным «искусственный» больше предстает в роли reflection, по-русски «размышление», нежели «интеллект». И в таком случае artificial intelligence стоит воспринимать не как нечто умное, не зависящее, а местами конкурирующее с биологическим интеллектом, а как средство или процесс искусственного размышления по поводу чего-либо, помогающий субъекту повысить эффективность своей деятельности. Не нужно путать одушевленное с неодушевленным.
Именно так объяснила одна из спикеров национального форума «ИИ – будущее сегодня» свою призму восприятия местами пугающего и вводящего в различные формы заблуждения обывателя термина. Я же, в свою очередь, в рамках сессии «ИИ в ТЭК» на правах модератора предложил участникам, представителям различных компаний нефтегазовой и энергетической отраслей, заменить вышеуказанное словосочетание на сумму двух ранее известных всем дисциплин: математика + программирование. Возражений не последовало, и, более того, участники избавились от беспочвенной романтики, мнимой неизведанности, которыми веет от гиперболизированного маркетингового словосочетания, а главное – от асимметрии определений, которые взрывались в их мозгах при каждой попытке услышать и понять участников диалогов об ИИ. Все выдохнули: мы начали обсуждение конкретных информационно-технологических проектов и проектов в области цифровизации, реализуемых в топливно-энергетическом комплексе.
Но стоит оговориться, что, несмотря на искусственность понятия, результаты применения маркетингового подхода на госуровне приносят свои плоды. Государство в лице правительства, формулируя основные принципы устойчивого развития общества, использует в докладах кричащие словосочетания – куда ж тут без маркетинга? Чуть позже разберемся, к каким результатам это приводит.
Технологии
Что считать ИИ? Институт статистических исследований и экономики знаний НИУ «Высшая школа экономики» дает лаконичный философский ответ. Искусственный интеллект – комплекс технологических решений, позволяющий имитировать когнитивные функции человека (включая самообучение и поиск решений без заранее заданного алгоритма) и получать при выполнении конкретных задач результаты, как минимум сопоставимые с результатами интеллектуальной деятельности человека.
Распределение технологий ИИ по видам в 2023 году в России среди организаций, использующих ИИ, по данным НИУ ВШЭ (Индикаторы цифровой экономики: 2025: статистический сборник / В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.), выглядело следующим образом: компьютерное зрение – 58,1%; рекомендательные системы и интеллектуальные системы поддержки принятия решений – 48,9%; технологии анализа данных, основанные на алгоритмах глубинного обучения – 48,5%; обработка естественного языка – 37,2%; распознавание и синтез речи – 33,1%; автоматизация процессов, в том числе с участием роботов – 21,1%; системы кибербезопасности – 17,0%; перспективные технологии искусственного интеллекта – 11,8%.
В исследовании 2024 года, выполненном АНО «Цифровая экономика» совместно с командой консультантов из «O2Consulting» и других организаций по заказу Минэнерго России, перечисляются конкретные направления деятельности компаний ТЭК, в которых используются технологии искусственного интеллекта. В угольной промышленности в большинстве случаев это применение ИИ-технологий для комплексного управления производственными процессами предприятия, прогнозирование и обнаружение аварийных ситуаций, оптимизация управления транспортом и техникой с помощью ИИ. В электроэнергетике: голосовые и чат-боты для обработки обращений пользователей, применение беспилотных воздушных судов для мониторинга активов, осуществление функций финансового управления.
В теплоснабжении: выбор оптимальных технологий, рецептур, режимов работы и настроек оборудования для повышения эффективности процессов. В нефтегазовой промышленности: мониторинг, диагностика технического состояния и прогнозирование неисправностей в работе оборудования и спецтехники, интеллектуальный контроль и оптимизация производственных процессов, видеоаналитика для осуществления контроля соблюдения требований промышленной безопасности.
Перечень основных групп ИИ-технологий также приводится. В целом в компаниях ТЭК это: интеллектуальные системы поддержки принятия решений, перспективные методы искусственного интеллекта, компьютерное зрение, обработка естественного языка, распознавание и синтез речи. В 2023 году объем затрат отечественных компаний на внедрение и использование ИИ-технологий составил 145,7 млрд руб. На закупку/аренду программного обеспечения ушло менее 17% указанной суммы. Таким образом, можно сказать, что рынок ИИ-технологий в РФ в 2023 году составил около 24,5 млрд руб. Относительно небольшая сумма, особенно если учесть вайб, который присутствует в СМИ вокруг понятия ИИ. Но аналитики НИУ ВШЭ прогнозируют пик развития ИИ в России к 2035 году. Именно в 2035 году затраты организаций вырастут более чем в 10 раз и составят 1,8 трлн руб. В топы выбьются такие отрасли, как финансы и страхование, здравоохранение и сектор ИКТ (Ю.Я. Дранев, И.И. Кучин, М.И. Миряков, Искусственный интеллект. Серия информационно-аналитических материалов ИСИЭЗ НИУ ВШЭ. № 17 / 2025).
Здесь стоит вспомнить, что ИИ – это всего лишь разновидность цифровой технологии. И место этой технологии в таком комплексном понятии, как цифровизация – менее 5%, если считать по доле организаций, использующих ИИ, в общем количестве организаций (Цифровая экономика: 2025: краткий статистический сборник / В.Л. Абашкин, Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; ИСИЭЗ ВШЭ).
Облачные сервисы – 26,7%; цифровые платформы – 17,1%; технологии сбора, обработки и анализа больших данных – 15,3%; геоинформационные системы – 12,2%; интернет вещей – 11,2%; RFID-технологии – 9,1%; технологии искусственного интеллекта – 4,9%; промышленные роботы / автоматизированные линии – 2,7%; аддитивные технологии – 1,9%; «цифровой двойник» – 1,5%. Место организаций таких видов экономической деятельности, как «добыча полезных ископаемых» и «транспортировка и хранение», в общем количестве организаций, использующих ИИ-технологии в своей деятельности, – всего 2,1% и 4,9% соответственно. Это не значит, что затраты на цифровизацию распределены эквивалентно количеству организаций.
Новое – хорошо забытое старое
Экономистам и математикам с давних времен известна оптимизационная транспортная задача (задача Монжа – Канторовича), которая заключается в поиске оптимального распределения транспортных потоков при минимизации затрат и максимизации прибылей. Но далеко не все отечественные компании нефтегазового сектора применяют программное обеспечение, которое позволяет решать эту задачу в считаные секунды в режиме реального времени.
Между тем история использования подобного ПО в нефтегазе достаточно разнообразна. Самыми яркими известными мне примерами являются американская и норвежская компании Exxon и Statoil (нынешняя Equinor). Томас Бейкер и Леон Ласдон еще в 1985 году описали то, как успешно на протяжении более 20 лет компанией Exxon применялись методы линейного и нелинейного программирования в оптимизации процессов переработки нефти. А сотрудник Statoil Ганс Йорген Дал в 2001 году даже диссертацию написал на соискание степени доктора технических наук на тему применения методов линейного программирования в дочерней структуре Gassco для нужд оптимизации диспетчерских режимов системы транспортировки газа по дну Северного моря. Зарубежные компании развитых стран экономят миллионы долларов, применяя математические методы в экономике.
Предиктивная аналитика на основе ИИ (технологии анализа данных, основанные на алгоритмах глубинного обучения) в нефтегазе имеет форму все тех же математических моделей, использующих статистические данные прошлых периодов. Будь то аудио, термический или вибрационный анализ работы силовых агрегатов, транспортной и специальной техники, иных активов или производственных процессов – все может быть подвергнуто мониторингу и в дальнейшем предиктивному анализу. Экономия на техническом обслуживании и ремонте (ТОиР) таких активов при использовании подобной аналитики в нефтегазовых компаниях может достигать 30% ежегодного бюджета на плановые ТОиР.
Подрядчики нефтегазовых компаний (иногда сами нефтегазовые компании) продолжают развивать компьютерное зрение в рамках мониторинга линейных частей нефтегазовой инфраструктуры с использованием беспилотных летательных аппаратов (БПЛА). Помимо этого, видеоанализ, выполненный с применением ИИ, уже сегодня позволяет компаниям не только из ТЭК автоматически штрафовать сотрудников за нарушения правил охраны труда – например, за отсутствие средств индивидуальной защиты в момент нахождения на промышленном объекте.
ИИ-технологии, предполагающие работу с языком или генерацией речи (Large Language Models, LLM), не представляют серьезный с точки зрения капиталовложений масштаб в сравнении с вышеназванными. В свою очередь, перспективные методы искусственного интеллекта могут быть максимально непредсказуемыми для обывателей, но являться закономерной стадией научно-технического развития. Сюда как раз попадут новейшие роботизированные средства производства и средства труда, использующие интеллектуальные системы принятия операционных решений в рамках своей функциональности.
Есть ли смысл называть все вышеперечисленное искусственным интеллектом? Если такой маркетинг позволяет аккумулировать капиталы на государственном уровне для развития науки в целом и, в частности, науки для нефтегазового сектора, то почему бы и нет? Не менее важным будет выход из маркетингового цикла. Когда обществу захочется подбить итоги инвестирования в ИИ.
Паразитарность
Не будучи луддитом, рискну акцентировать внимание на паразитарности отдельных применяемых ИИ-технологий. Согласно исследованию того же ИСИЭЗ НИУ ВШЭ, основным препятствием для внедрения ИИ в организациях являются высокие затраты по сравнению с выгодами, которые приносит ИИ. Эту причину указали более половины опрошенных организаций. Также чуть более половины указывают на тот факт, что ИИ-технологии не являются приоритетом. Бизнес расходует свои бюджеты с холодной головой, принимая инвестиционные решения на основе NPV (чистой приведенной стоимости) проекта, несмотря на пиар тех или иных старо/нововведений. Но вот государственные компании – другое дело. В стремлении выслужиться перед чиновниками, а во многих случаях и в целях личной наживы некоторые топ-менеджеры (иногда аффилированные с подрядчиками) начинают внедрять абсолютно не нужные корпорациям ИИ-технологии.
Нобелевский лауреат Роберт Солоу еще в 1987 году обобщил результаты исследований конца ХХ века в области влияния информационных технологий на производительность организаций в «парадокс продуктивности ИТ», который хорошо применим в развивающихся экономических системах: «Я вижу статистику компьютера везде, кроме как в статистике производительности» (Robert Solow, We’d better watch out / New York Times Book Review, 1987). Аналогичным образом можно выдвинуть гипотезу и в адрес внедрения ИИ в российской нефтегазовой отрасли.
Нефтегаз в силу своей капиталоемкости часто привлекает в свои закупки неблагонадежных исполнителей. Культура выбора проектов по внедрению ИИ очень походит на культуру районного базара – когда оголтелый директор департамента информационных технологий (ДИТ) бегает по своим функциональным заказчикам в надежде впихнуть в корпоративную стратегию цифровизации даже самые одиозные проекты в области ИИ. Подменяя понятия, он или его подчиненные менеджеры среднего звена начинают убеждать, скажем, директора по снабжению или главбуха в том, что им срочно нужно оптимизировать деятельность вверенных им функций путем создания новой системы принятия управленческих решений на базе ИИ. Все крутится-вертится только вокруг подписей этих директоров, «сроки поджимают» – ведь скоро «доклад наверх». Именно таким образом функциональным руководителям навязывается ИТ-сервис с использованием технологий ИИ, который в реальности является излишним и не принесет корпорации роста добавленной стоимости. Наилучшим решением таких кейсов будет наем в функциональное подразделение независимого ИТ-специалиста, который станет противовесом паразитарному влиянию местного ДИТ. Либо более радикальное решение – увольнение руководителя ДИТ одним днем по утрате доверия, или более жестко – по факту растраты. Хотя последнее с учетом размыва ответственности в крупных госкомпаниях доказать сложно, а превентивно не каждый специалист управления экономической безопасности сможет сработать.
Вывод: искусственный интеллект – отличный лозунг для развития математической и информационно-технологической сфер деятельности общества. Он позволяет не только мотивировать людей к саморазвитию, но и заслуженно перенаправляет финансовые ресурсы тем, кто искренне погружен в свою науку. Однако с учетом того, что в капитальной и операционной фазах любых проектов решения всегда принимает «биологический интеллект», контроль за денежными потоками всегда будет оставаться актуальным, тем более в такой капиталоемкой отрасли, как нефтегазовая.
