Российский ТЭК может получить эффект в размере более 300 млрд руб. в год в случае активного применения генеративного искусственного интеллекта (ИИ), считают эксперты "Выгон Консалтинг". Генеративный ИИ может в будущем взять на себя более половины прикладных задач проектной инженерии. Однако для этого модели необходимо специально дообучать, а стоимость создания таких систем мирового уровня приближается к $1 млрд, что в условиях РФ возможно только при консолидации усилий всей отрасли. Другие эксперты отмечают, что у компаний ТЭКа есть много более насущных задач по цифровизации своих процессов.
Суммарный эффект для российских нефтегазовых компаний от применения генеративного искусственного интеллекта может составить 343 млрд руб. в год. Такая оценка содержится в обзоре "Выгон Консалтинг" под названием "Возможности использования генеративного ИИ для обеспечения технологического суверенитета российского ТЭКа".
Предполагается, что большая часть этого эффекта может быть достигнута за счет повышения эффективности проектов по разработке, обустройству месторождений, геологоразведке и управлению добычей.
Генеративный ИИ (GenAI), в отличие от обычных алгоритмов, которые уже во множестве используются в российских нефтекомпаниях, имеет способность обучаться на гораздо большем объеме данных (примерно на три порядка выше, чем другие виды нейросетей). Благодаря этому GenAI сможет повысить автоматизацию процессов, связанных с инженерией и научно-технической экспертизой. Речь прежде всего идет о прикладной экспертизе, 59% которой может быть автоматизировано. Потенциал автоматизации работы профессиональных групп, связанных с инженерией, при использовании нейросетей вырастет почти в два раза, до 57%, считают в "Выгон Консалтинг".
Частным случаем генеративного ИИ являются большие языковые модели (БЯМ), которые специализируются на задачах обработки естественного языка. Их наиболее перспективный вид – мультиагентные системы, которые в теории способны хорошо решать ограниченный круг довольно сложных задач, отчасти заменяя, например, геолога или инженера-разработчика.
Применению БЯМ в нефтегазовой отрасли препятствуют несколько обстоятельств.
Во-первых, обучение больших моделей требует роста вычислительных мощностей. В качестве примера в "Выгон Консалтинг" приводят GPT-4, для обучения которого было использовано в 100 раз больше вычислительных операций, чем для GPT-3, а стоимость обучения приблизилась к $1 млрд. Во-вторых, даже лучшие существующие в мире модели (Gemini 1, Claude 3 Opus, GPT-4) плохо приспособлены для решения конкретных задач в нефтегазовой сфере из-за отсутствия полной отраслевой информации со страновой спецификой.
Суммарный эффект для российских нефтегазовых компаний от применения генеративного искусственного интеллекта может составить 343 млрд руб. в год. Такая оценка содержится в обзоре "Выгон Консалтинг" под названием "Возможности использования генеративного ИИ для обеспечения технологического суверенитета российского ТЭКа".
Предполагается, что большая часть этого эффекта может быть достигнута за счет повышения эффективности проектов по разработке, обустройству месторождений, геологоразведке и управлению добычей.
Генеративный ИИ (GenAI), в отличие от обычных алгоритмов, которые уже во множестве используются в российских нефтекомпаниях, имеет способность обучаться на гораздо большем объеме данных (примерно на три порядка выше, чем другие виды нейросетей). Благодаря этому GenAI сможет повысить автоматизацию процессов, связанных с инженерией и научно-технической экспертизой. Речь прежде всего идет о прикладной экспертизе, 59% которой может быть автоматизировано. Потенциал автоматизации работы профессиональных групп, связанных с инженерией, при использовании нейросетей вырастет почти в два раза, до 57%, считают в "Выгон Консалтинг".
Частным случаем генеративного ИИ являются большие языковые модели (БЯМ), которые специализируются на задачах обработки естественного языка. Их наиболее перспективный вид – мультиагентные системы, которые в теории способны хорошо решать ограниченный круг довольно сложных задач, отчасти заменяя, например, геолога или инженера-разработчика.
Применению БЯМ в нефтегазовой отрасли препятствуют несколько обстоятельств.
Во-первых, обучение больших моделей требует роста вычислительных мощностей. В качестве примера в "Выгон Консалтинг" приводят GPT-4, для обучения которого было использовано в 100 раз больше вычислительных операций, чем для GPT-3, а стоимость обучения приблизилась к $1 млрд. Во-вторых, даже лучшие существующие в мире модели (Gemini 1, Claude 3 Opus, GPT-4) плохо приспособлены для решения конкретных задач в нефтегазовой сфере из-за отсутствия полной отраслевой информации со страновой спецификой.
"Несмотря на бурное развитие, отраслевые знания и функционал БЯМ в сфере ТЭКа пока ограниченны,– считает глава "Выгон Консалтинг" Григорий Выгон.– Но в ближайшем будущем они научатся решать многоуровневые инженерные задачи, анализировать существующие технологии и создавать новые. Российскому нефтегазу, живущему в условиях жестких санкционных ограничений, переориентации экспорта и энергоперехода, экзистенциально важно как можно быстрее включиться в эту гонку и обеспечить себя прикладным инструментарием для достижения технологического суверенитета".
Санкции ограничивают возможности России по наращиванию вычислительных мощностей, но ключевым препятствием является высокая стоимость разработки. Так, по оценке экспертов, цена создания с нуля одной мегамодели уровня Claude 3, вышедшей в конце февраля 2024 года, превышает $500 млн (примерно 50 млрд руб.). Для сравнения: российские крупные IT-компании суммарно вкладывают в разработку генеративного ИИ около 48,3 млрд руб. в год. "При таком уровне инвестиций создание мегамодели мирового уровня возможно только в случае консолидации усилий всех наших компаний", – говорится в обзоре. А для создания конкурентоспособных моделей, считают эксперты, в будущем необходимо наращивать вложения до 100 млрд руб. в год.
Впрочем, другие эксперты полагают, что инвестиции в GenAI сейчас не приоритет для российских компаний. Сейчас они сталкиваются с проблемами даже в сфере гораздо менее сложных систем, таких как автоматизированные системы управления технологическим процессом, отмечает лидер практики технологического консультирования компании ДРТ Тимофей Хорошев. Компании решают вопросы базовой автоматизации, поэтому им "сейчас не до искусственного интеллекта", согласен руководитель практики по оказанию услуг компаниям нефтегазового сектора Kept Максим Малков. По его мнению, пока нефтегазовые компании сосредоточены на импортозамещении существующих программных продуктов, большую часть которых российским вендорам придется разрабатывать самостоятельно.
Впрочем, другие эксперты полагают, что инвестиции в GenAI сейчас не приоритет для российских компаний. Сейчас они сталкиваются с проблемами даже в сфере гораздо менее сложных систем, таких как автоматизированные системы управления технологическим процессом, отмечает лидер практики технологического консультирования компании ДРТ Тимофей Хорошев. Компании решают вопросы базовой автоматизации, поэтому им "сейчас не до искусственного интеллекта", согласен руководитель практики по оказанию услуг компаниям нефтегазового сектора Kept Максим Малков. По его мнению, пока нефтегазовые компании сосредоточены на импортозамещении существующих программных продуктов, большую часть которых российским вендорам придется разрабатывать самостоятельно.
Автор – Ольга Мордюшенко
Полный текст статьи - на сайте "Коммерсанта"
Полный текст статьи - на сайте "Коммерсанта"
Полная версия исследования «Возможности использования генеративного ИИ для обеспечения технологического суверенитета российского ТЭК» - здесь
Назад в Пресс-центр
Назад в Пресс-центр
