Какой потенциал и фактический эффект от внедрения ИИ в ТЭК России

Москва. Министерство энергетики Казахстана назвало экономический эффект от внедрения ИИ в ТЭК страны – около $51,4 млн в год. По материалам Минэнерго РФ, российские энергокомпании уже получили около 91 млрд руб. ($1,06 млрд) эффекта от систем с ИИ, при этом технологии применяли 58% компаний ТЭК. Разрыв между показателями – в 20 раз.

Что на самом деле показывают данные двух стран, и какие направления наиболее перспективны, изучило Агентство нефтегазовой информации.

Опыт Казахстана

Эффект в $51,4 млн складывается из трех конкретных решений. Подавляющая часть суммы – до $50  млн в год – приходится на ИИ-планирование оборота нефтепродуктов, которое, по данным министерства, работает с точностью до 85%. Прогнозирование потребления газа с точностью до 86% дает $670 тыс., еще $827 тыс. ведомство ожидает получить от решений в сфере производственной безопасности.

Это лишь часть общей программы. В портфеле министерства 45 проектов с ИИ, из которых 34 находятся на стадии внедрения. В рамках стратегии Digital Qazaqstan ведомство до 2029 года реализует 20 мероприятий по трем направлениям: цифровые двойники, искусственный интеллект и киберфизическая безопасность. От этого ожидают снижения аварийности на объектах на 25% и сокращения потерь энергоресурсов до 90%. Среди целевых ориентиров – рост доли оборудования, подключенного к онлайн-мониторингу, с 20% в 2026 году до 70% в 2028-ом и рост прослеживаемости энергоресурсов от производства до потребления с 20% до 80% за тот же срок. Пилотный цифровой двойник на «Эмбамунайгазе» при масштабировании, по оценке ведомства, может дать до 2,9 млн тонн дополнительной добычи нефти, а цифровой двойник энергокомплекса Астаны, который сейчас разрабатывается, должен сэкономить более 2,5% топлива.

Фактический контур России

В материалах Минэнерго России 2026 года указывается, что энергокомпании уже получили около 91 млрд руб. ($1,064 млрд) эффекта от систем с ИИ, при этом 58% компаний ТЭК применяли ИИ в 2025 году. Иными словами, фактический российский результат от ИИ примерно в 20 раз превышает казахстанский, что при пятикратной разнице в добыче нефти означает более высокую отдачу на единицу отрасли.

Динамику подтверждают и данные ИТ-холдинга Т1: в 2025 году российские нефтегазовые компании вложили в решения на основе ИИ 2,7 млрд руб. при общих расходах на цифровизацию отрасли в 151 млрд руб. Среди компаний, применяющих ИИ, 67% отметили рост эффективности бизнес-процессов, 53% - рост эффективности производства, 43% - рост производительности труда, 40% - улучшение безопасности труда.

По мнению эксперта Финансового университета при Правительстве РФ Никиты Овчинникова, сильная сторона казахстанского подхода – логика «пилот – верификация эффекта – включение в приоритетный перечень – тиражирование.

«Минэнерго Казахстана уже сформировало портфель из ИИ-проектов, и до конца 2026 года планирует утвердить приоритетный реестр решений для масштабирования по отрасли. Это управленческий механизм, который помогает не застревать в бесконечном пилотировании», – считает он.

При этом Никита Овчинников настаивает: говорить об отсутствии системной модели в России нельзя.

«Наоборот, масштаб намного больше: Минэнерго сообщало более чем о 300 реализованных и реализуемых проектах в сфере ИИ и применении технологий более чем в 20 производственных и бизнес-процессах ТЭК. К концу 2027 года ожидается применение ИИ уже в 70% крупных организаций отрасли, а на 2027 год запланировано создание отраслевого полигона для тестирования ИИ и других цифровых решений», - отметил он.

Есть и стратегическая рамка – Энергетическая стратегия до 2050 года и направление цифровой трансформации ТЭК до 2036 года. И российский вызов, по словам эксперта, лежит в другой плоскости.

«Проектов много, а механизм межкорпоративного тиражирования может быть сложнее из-за масштаба, закрытости производственных данных, различий ИТ-архитектур, требований к промышленной и информационной безопасности и того, что крупные компании часто развивают собственные технологические стеки. Поэтому России полезен не просто еще один реестр, а единый отраслевой конвейер масштабирования», - считает Никита Овчинников.

Как мог бы выглядеть такой конвейер? Эксперт предлагает стандартизированную карточку решения: подтвержденный экономический эффект, зрелость технологии, требования к данным и вычислительной инфраструктуре, условия интеграции, показатели надежности, ограничения по безопасности, совокупная стоимость владения и результаты пилота на сопоставимых объектах.

«Российский реестр отечественного ПО решает другую задачу – происхождение и статус программного продукта, но не подтверждает его экономическую эффективность именно в ТЭК», - уточняет он.

Потенциал РФ

При этом несколько лет назад Минэнерго РФ оценивало потенциал по эффекту цифровой трансформации нефтегазовой отрасли в 700 млрд руб. для ТЭК.

«Оценка восходит к более ранним расчетам ведомства и в последующие годы стала часто использоваться применительно к ИИ. Ее правильнее трактовать как верхнюю оценку потенциала при масштабном внедрении цифровых и интеллектуальных технологий по всей цепочке создания стоимости, а не как уже полученный ежегодный денежный результат», - отметил Никита Овчинников.

То же самое относится и к цифре в 343 млрд руб. от генеративного ИИ: это модельный потенциал, рассчитанный консалтинговой компанией «Выгон Консалтинг». Более того, эти оценки нельзя просто складывать, т.к. генеративный ИИ – один из классов цифровых технологий, и часть эффектов может учитываться в обоих расчетах.

Показательно, насколько сильно различаются потенциальные оценки внутри России: в исследовании «Мегатренды-2026» ассоциации «Индустриальные инновации» со ссылкой на Минэнерго фигурирует и существенно более высокая цифра – 5,4 трлн руб. эффекта от внедрения ИИ в нефтегазовой отрасли.

Можно усилить

Приоритетными для России Никита Овчинников считает пять направлений.

Промышленный ИИ в разведке и добыче для РФ особенно важен из-за высокой зрелости части месторождений, роста доли трудноизвлекаемых запасов и высокой стоимости ошибок в бурении. ИИ может усиливать интерпретацию сейсмики и керна, выбор точек бурения, управление режимами скважин и прогнозирование отдачи от геолого-технических мероприятий.

Второе направление – предиктивное обслуживание и цифровые двойники.

«Здесь эффект проще всего перевести в деньги: меньше внеплановых остановок, точнее ремонтные интервалы, выше коэффициент использования оборудования, ниже стоимость жизненного цикла актива», – говорит эксперт.

Третье – сквозная оптимизация производственных цепочек. Отдельный алгоритм на месторождении дает локальный эффект, но более крупная экономика появляется, когда ИИ связывает добычу, транспортировку, переработку, запасы, ремонтные программы, энергопотребление и сбыт. Казахстанский кейс с планированием оборота нефтепродуктов, отмечает Никита Овчинников, как раз показывает, что значимый эффект может возникать не только «на скважине», но и на уровне баланса всей цепочки.

Еще одно перспективное для развития направление – генеративный ИИ как инженерный инструмент.

«Наиболее полезны закрытые отраслевые ассистенты, работающие с внутренней нормативно-технической документацией, проектной историей, базами знаний, отчетами, ремонтной документацией и инженерными расчетами, – объясняет эксперт. – Экономический эффект возникает за счет сокращения времени инженеров и повышения качества решений, а не за счет самого факта внедрения большой языковой модели».

И последнее – это данные, стандарты и кибербезопасность как базовая инфраструктура.

«ИИ не масштабируется на отрасль, если данные изолированы, имеют разные форматы и качество, а каждое внедрение требует заново строить интеграционный контур. Это менее заметная часть цифровизации, но именно она определяет скорость тиражирования», - подчеркнул он.

Казахстан назвал первые результаты и встроил их в управленческую схему с реестром и тиражированием. Россия же ушла значительно дальше по объему внедрений и фактической отдаче, но упирается в вопрос, как переводить успешные корпоративные решения в общеотраслевой стандарт.

В итоге, главный резерв России – не в увеличении числа пилотов и не в массовом внедрении чат-ботов, а в переводе ИИ в производственный контур, где результат измеряется тоннами добычи, сокращением простоев, стоимостью метра бурения, расходом топлива, сроками ремонта и капитальными затратами. По мнению эксперта, следующий этап цифровизации ТЭК – стандартизированное тиражирование решений с доказанным экономическим эффектом.

Фото сгенерировано нейросетью