Как определить, какие технологии с искусственным интеллектом действительно нужны нефтегазовой отрасли, а какие лишь притворяются помощниками? Чтобы выяснить это, эксперты Центра социального проектирования «Платформа» вместе со специалистами Промышленно-энергетического форума TNF провели масштабное исследование. «Энергия+» побеседовала с ними и подготовила серию публикаций. В новом материале о том, как избежать ошибок при внедрении ИИ, рассказывает руководитель по управлению проектами подразделения цифровых решений компании «БурСервис» Ашот Мосесян.
Когда речь заходит об искусственном интеллекте (ИИ) в нефтегазовой отрасли, многие представляют нейропомощников, голосовые ассистенты и генеративные модели. На самом деле сферы применения ИИ шире. Он успешно работает в компаниях и на производствах — в виде умных алгоритмов, цифровых моделей, машинного обучения. Эти технологии дают ощутимый прирост эффективности, безопасности, качества прогнозирования.
О генеративном ИИ говорят как о панацее, но за красивым фасадом часто скрывается всего лишь продвинутый поисковик. Удобно, когда нейросеть ищет ответы во внутренних базах данных предприятия, но для этого, по сути, достаточно заменить слова в поиске на промпт. Эффектно выглядит, когда вместо нажатия кнопки «Рассчитать» можно дать команду голосом «Посчитай мне…», но роль ИИ сводится к тому, чтобы запустить калькулятор и прочитать ответ вслух. В результате вместо революции мы получаем обратный эффект — инволюцию.
На волне интереса к большим языковым моделям от их применения ожидают плюс 30% к эффективности предприятия, но это иллюзия. Они могут сильно упростить работу кадрового отдела или бухгалтерии, сократить рутину в других подразделениях, но процессы не станут короче или проще лишь за счет нейропомощников.
Неразумное внедрение и развитие ИИ приводит к лишним затратам и сложностям. Например, можно установить на ферме систему подсчета овец с использованием нейросетей и компьютерного зрения. Но зачем? Есть простое высокоточное решение — механический счетчик на вращающейся дверке. Если повесить на нее еще и передатчик, данные о количестве овец будут поступать онлайн.
Польза от использования нейросетей на предприятии зависит от количества и качества данных, на которых их обучили. В России культура работы с данными появилась не так давно. Порой собрать полную информацию даже об одном производстве невозможно без опроса старожилов и обработки кип бумажных документов, не говоря уже о данных по разным предприятиям. В итоге ИИ обучается на узкой, не всегда достоверной выборке — и становится не лучшим помощником.
Хорошо бы создать общеотраслевые базы знаний, на которых обучались бы нейросети, и обмениваться удачными цифровыми решениями, сравнивая их по качеству алгоритмов. Однако пока многие компании предпочитают держать все «в сейфах» — ради безопасности. В результате предприятия медленнее развивают и внедряют ИИ, повторяя решения друг друга.
Увеличение количества нейропомощников на каждый квадратный метр предприятия не принесет реального прогресса промышленности. Нужно создавать алгоритмы, развивать цифровое моделирование и машинное обучение, работать на стыке цифровизации и автоматизации. Все эти процессы ускорятся, если открыть данные и воспитать культуру их использования, поступательно решать конкретные задачи и учиться отличать прорывные технологии от простых калькуляторов и поисковиков, пусть и с очень красивым голосом.
