По информации ТГ-канала НИЭИ Министерства экономики

Долгое время консерватизм нефтегазодобычи был экономически оправдан: когда маржинальность измеряется миллиардами, любые изменения в ИТ-инфраструктуре — это скорее риск для безопасности, чем возможность. Но легкой нефти больше нет, рынки волатильны, а инвесторы требуют экологичности и ESG-комплаенса.

ИИ стал главным инструментом выживания и обеспечения операционной эффективности.

По прогнозам Precedence Research, к 2034 году объем этого рынка достигнет 25,24 млрд. долл. США.
Как распределились силы в мире?

ТОП-5 мировых лидеров внедрения ИИ (среди добывающих компаний)
Лидерство определяется по объемам инвестиций, количеству патентов и уровню интеграции технологий в реальное производство.

Saudi Aramco — лидер по масштабам. В 2024 году компания сэкономила 4 млрд долл. США благодаря 500 кейсам использования ИИ. Запустила инициативу METABRAIN для обучения 6000 разработчиков.

Shell — пионер индустрии. Использует более 100 ИИ-приложений на базе машинного обучения для оптимизации скважин и предиктивного обслуживания оборудования.

ADNOC — создала нейросеть ENERGYai на 70 млрд параметров и автономных сейсмических агентов, сокращающих время построения моделей на 75%.

CNOOC — лидер Китая по «умным» месторождениям. Внедряет модель Hi-Energy для автономного управления глубоководными платформами.

BP — достигла 98% точности в обнаружении выбросов на скважинах с помощью ИИ и на 90% ускорила процесс размещения новых скважин в сложных регионах.

ТОП провайдеров ИИ-технологий («мозги» индустрии)

Масштабные амбиции нефтегазовых гигантов были бы невозможны без мощного технологического фундамента. Чтобы понять, кто именно создает цифровые инструменты для этих корпораций, необходимо заглянуть за кулисы ИТ-индустрии. Чтобы понять структуру рынка, важно разделять тех, кто качает нефть, и тех, кто создает алгоритмы, облака и инфраструктуру.


Технологические гиганты (Инфраструктура и Облака):

• Microsoft (Azure) — самый популярный партнер. Их облако используют Chevron и Shell для анализа сейсмики и управления активами.
• NVIDIA — «мозги» индустрии. Их графические процессоры (GPU) обрабатывают огромные массивы геоданных, заменяя месяцы человеческого труда днями вычислений.
• Google Cloud — фокусируется на ИИ-инструментах для декарбонизации, прогнозирования цен и оптимизации цепочек поставок.

Гигантские облака и чипы — это лишь «железо» и вычислительная база. Чтобы адаптировать эту мощь под нужды энергетики, требуются масштабные инженерные экосистемы, созданные лидерами нефтесервиса. 

Отраслевые платформы (нефтесервисные гиганты):

• SLB (Schlumberger) — лидер со своей облачной средой Delfi (и новым поколением Lumi), где геологи и инженеры моделируют месторождения в одном окне.
• Baker Hughes — делает ставку на Open AI Energy Initiative. Их софт предсказывает поломку насосов на дне скважины за недели до аварии.
• Halliburton (DecisionSpace) — специализируется на «умном бурении», в реальном времени корректируя траекторию бура по данным ИИ.

Помимо комплексных платформ от нефтесервисных гигантов, на рынке критически важны точечные, гибкие ИИ-решения. Их создают узкоспециализированные ИТ-компании, автоматизирующие конкретные процессы: от мониторинга датчиков до работы заводов. 

Специализированный ИИ (софт и аналитика):

• C3.ai — разработали готовую платформу C3 AI Reliability для Shell — «коробочное» решение для мониторинга тысяч единиц оборудования.
• Palantir — их платформа Foundry помогает компаниям (например, BP) объединить разрозненные данные в единую операционную картину высшего уровня.
• AspenTech — лидер в оптимизации НПЗ. Алгоритмы рассчитывают идеальный режим работы заводов для максимизации выхода дорогого бензина.

Синергия между разработчиками софта и добывающим сектором строится неодинаково в разных частях планеты. Геополитика, законы и доступность ресурсов сформировали уникальные национальные стратегии цифровизации.

Разные страны — разные подходы (модели развития)

США (Сервисная модель): 

• Децентрализованный подход частных корпораций (Chevron, ExxonMobil) в альянсе с Big Tech. 
• ИИ подбирает идеальные параметры гидроразрыва пласта (ГРП) в Пермском бассейне, снижая стоимость бурения сланцевых скважин на 25–30%.

 Китай (Государственная модель): 

• Жесткое планирование, устранение «барьеров данных» и создание отраслевых мега-моделей (Kunlun от CNPC с 330 млрд параметров). 
• Ставка на отечественные чипы и облака (Huawei, DeepSeek) для исключения зависимости от зарубежного ПО.

Россия (Суверенная модель): 

• Вынужденный экстренный переход на собственные ИТ-дочки (ГПН-ЦР и др.) и отечественный софт в условиях санкций. 
• Сильная сторона — ИИ для экстремальных условий Крайнего Севера (например, система «Капитан» от «Газпром нефти» для ледовой проводки танкеров, экономящая 1 млрд руб. в год).

Европа (Регулируемая модель): 

• Внедрение ИИ в рамках жесткого контроля EU AI Act. Фокус смещен с объемов добычи на экологию (Net Zero). ИИ-видеоаналитика с дронов и спутников (проект AUSEA от TotalEnergies) находит скрытые утечки метана с точностью 98%.

Несмотря на различие в глобальных стратегиях, на микроуровне все эти модели преследуют схожие цели. На практике алгоритмы решают конкретные инженерные задачи — от глубинного анализа недр до автоматизации процессов непосредственно на объектах.

 Где конкретно применяется ИИ?

• В недрах: Проект «Когнитивный геолог» («Газпром нефть» / IBM) анализирует данные сейсморазведки и керна, ускоряя поиск новых залежей в 60 раз.
• На буровой: Приложение RT-Ops (EOG Resources) анализирует геологию «на кончике долота» и автоматически корректирует траекторию бурения быстрее человека.
• На производстве: Четвероногие роботы AnyMal (Equinor) заменяют людей на опасных морских объектах Северного моря, проверяя манометры и «слушая» шум двигателей.

Главный риск: 
Проблема «грязных данных» и эффект «черного ящика». 
Если нейросеть из-за ошибок или шума в датчиках предложит решение, противоречащее законам термодинамики или физики пласта, это может привести к необратимому повреждению скважины или техногенной аварии. Именно поэтому индустрия переходит от точечных экспериментов к единым платформенным экосистемам управления данными.