guuvestВестник университетаVestnik Universiteta1816-42772686-8415State University of Management10.26425/1816-4277-2025-12-123-135guuvest-6663Research ArticleРАЗВИТИЕ ОТРАСЛЕВОГО И РЕГИОНАЛЬНОГО УПРАВЛЕНИЯDEVELOPMENT OF INDUSTRY AND REGIONAL MANAGEMENTВозможности и ограничения применения агентных технологий искусственного интеллекта в российском нефтегазовом комплексеOpportunities and limitations of using agent-based artificial intelligence technologies in the Russian oil and gas industryhttps://orcid.org/0000-0002-2151-898XАфанасьевВ. Я.AfanasievV. Ya.

Афанасьев Валентин Яковлевич - Д-р экон. наук, зав. каф. экономики и управления в топливно-энергетическом комплексе 

г. Москва 

Valentin Ya. Afanasiev - Dr. Sci. (Econ.), Head of the Economics and Management in the Fuel and Energy Complex Department 

Moscow 

vy_afanasyev@guu.ruhttps://orcid.org/0000-0003-4345-5497БайковаО. В.BaykovaO. V.

Байкова Оксана Викторовна - Канд. экон. наук, доц. каф. экономики и управления в топливно-энергетическом комплексе 

г. Москва 

Oxana V. Baykova - Cand. Sci. (Econ.), Assoc. Prof. at the Economics and Management in the Fuel and Energy Complex Department 

Moscow 

o-baykova@yandex.ruhttps://orcid.org/0009-0001-0048-9729БольшаковаО. И.BolshakovaO. I.

Большакова Ольга Ильинична - Канд. физ-мат. наук, доц. каф. экономики и управления в топливно-энергетическом комплексе 

г. Москва 

Olga I. Bolshakova - Cand. Sci. (Phys. and Math.), Assoc. Prof. at the Economics and Management in the Fuel and Energy Complex Department 

Moscow 

olgabolsh@mail.ruhttps://orcid.org/0009-0007-5646-7696РоманцовА. А.RomantsovA. A.

Романцов Александр Алексеевич - Магистрант 

г. Москва 

Alexandr A. Romantsov - Graduate Student 

Moscow 

romantsov2016@bk.ruГосударственный университет управленияРоссияState University of ManagementRussian Federation202507022026112123135Copyright © Афанасьев В.Я., Байкова О.В., Большакова О.И., Романцов А.А., 20262026Афанасьев В.Я., Байкова О.В., Большакова О.И., Романцов А.А.Afanasiev V.Y., Baykova O.V., Bolshakova O.I., Romantsov A.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.guu.ru/jour/article/view/6663

Проанализирован потенциал применения агентных технологий искусственного интеллекта (далее – ИИ) в российском нефтегазовом комплексе с учетом особенностей отраслевой инфраструктуры и требований промышленной безопасности. Предмет исследования – агентные технологии искусственного интеллекта как инструмент оптимизации бизнес-процессов компаний российского нефтегазового комплекса. Цель настоящего исследования заключается в выявлении возможностей использования агентных технологий ИИ для повышения эффективности производственных и управленческих процессов в российских нефтегазовых компаниях и определении ключевых барьеров их внедрения. Методологическая основа включает анализ цифровых инициатив российских нефтегазовых компаний и зарубежного опыта внедрения агентных технологий ИИ, интерпретацию классификаций уровней автономности, а также оценку уровня риска бизнес-процессов с позиций промышленной безопасности. Установлено, что существующий разрыв между декларируемым потенциалом агентных технологий ИИ и реальными практиками внедрения обусловлен высокой критичностью последствий ошибок и отсутствием регламентированных механизмов распределения ответственности между оператором и системой. Показано, что наиболее прагматичным на текущем этапе является применение формата ограниченной автономности агентных систем, при котором человек сохраняет право оперативного вмешательства. Практическая значимость исследования заключается в обосновании необходимости разработки отраслевой системы допуска ИИ к критическим операциям, включающей классификацию уровней автономности, требования к верифицируемости решений и регламенты контроля для предотвращения возникновения аварийных ситуаций. Полученные результаты могут быть использованы при формировании корпоративных стандартов цифровой трансформации и государственной политики в области применения технологий ИИ в нефтегазовом комплексе.

The potential of using agent-based artificial intelligence technologies in the Russian oil and gas complex has been analyzed, considering the industry infrastructure specifics and industrial safety requirements. The subject of the research is agent-based AI technologies as a tool for optimizing business processes of the Russian oil and gas companies. The purpose of the study is to identify the possibilities of using agent-based AI technologies to improve the efficiency of production and management processes in Russian oil and gas companies and identify key barriers to their implementation. The methodological framework includes an analysis of digital initiatives of Russian oil and gas companies and foreign experience in implementing agent-based AI technologies, interpretation of autonomy levels classifications (Feng et al., KPMG), as well as an assessment of business processes risk level from the standpoint of industrial safety. It has been established that the existing gap between the declared potential of agentbased technologies and real implementation practices is due to the high criticality of the errors consequences and the lack of regulated mechanisms for responsibility distribution between the operator and the system. It has been shown that it is the most pragmatic at the current stage to use a format of limited autonomy of agent systems, in which a person retains the right to surgical intervention. The practical significance of the study lies in substantiating the need to develop an industry-specific AI access system for critical operations, including an autonomy levels classification, requirements for verifiability of solutions, and control regulations to prevent emergencies. The results obtained can be used in forming corporate standards for digital transformation and government policy in the sphere of AI technologies in the oil and gas industry.

Нефтегазовый комплексцифровая трансформацияпромышленная автоматизацияискусственный интеллектагентные технологииуровни автономностичеловек в контуречеловек над контуромнормативное регулированиепроизводственная безопасностьOil and gas complexdigital transformationindustrial automationartificial intelligenceagent-based technologiesautonomy levelshuman-in-the-loophuman-out-of-the-loopnormative regulationindustrial safetyReferencesПономарев К.К. Методы и инструменты управления проектами ИТ в нефтегазовой промышленности. Universum: технические науки. 2023;9-2(114).Ponomarev K.K. Methods and tools of IT project management in the oil and gas industry. Universum: technical sciences. 2023;9-2(114). (In Russian).Gurina E., Klyuchnikov N., Antipova K. et al. Forecasting the abnormal events at well drilling with machine learning. Applied Intelligence. 2022;52:9980–9995. https://doi.org/10.1007/s10489-021-03013-xGurina E., Klyuchnikov N., Antipova K. et al. Forecasting the abnormal events at well drilling with machine learning. Applied Intelligence. 2022;52:9980–9995. https://doi.org/10.1007/s10489-021-03013-xPovoas M.S., Moreira J.F., Neto S.V.M., Carvalho C.A.S., Cezario B.S., Guedes A.L.A., Lima G.B.A. Artificial Intelligence in the Oil and Gas Industry: Applications, Challenges, and Future Directions. Applied Sciences. 2025;15(14):7918. https://doi.org/10.3390/app15147918Povoas M.S., Moreira J.F., Neto S.V.M., Carvalho C.A.S., Cezario B.S., Guedes A.L.A., Lima G.B.A. Artificial Intelligence in the Oil and Gas Industry: Applications, Challenges, and Future Directions. Applied Sciences. 2025;15(14):7918. https://doi.org/10.3390/app15147918Афанасьев В.Я., Байкова О.В., Большакова О.И., Романцов А.А. Перспективы развития российского нефтегазохимического комплекса в период геополитических и экономических изменений. Вестник университета. 2025;1:91–103. https://doi.org/10.26425/1816-4277-2025-1-91-103Afanasiev V.Yu., Baykova O.V., Bolshakova O.I., Romantsov A.A. Prospects for the development of the Russian petrochemical complex in the period of geopolitical and economic changes. Vestnik Universiteta. 2025;1:91–103. (In Russian). https://doi.org/10.26425/1816-4277-2025-1-91-103Gurina E., Klyuchnikov N., Antipova K., Koroteev D. Making the black-box brighter: Interpreting machine learning algorithm for forecasting drilling accidents. Journal of Petroleum Science and Engineering, 2022;218. https://doi.org/10.1016/j.petrol.2022.111041Gurina E., Klyuchnikov N., Antipova K., Koroteev D. Making the black-box brighter: Interpreting machine learning algorithm for forecasting drilling accidents. Journal of Petroleum Science and Engineering, 2022;218. https://doi.org/10.1016/j.petrol.2022.111041Feng K., McDonald D.V., Zhang A.X. Levels of Autonomy for AI Agents. Knight First Amend. Inst 2025. https://doi.org/10.48550/arXiv.2506.12469Feng K., McDonald D.V., Zhang A.X. Levels of Autonomy for AI Agents. Knight First Amend. Inst 2025. https://doi.org/10.48550/arXiv.2506.12469Olamigoke O., James I. Advances in Well Control: Early Kick Detection and Automated Control Systems. Drilling Engineering and Technology – Recent Advances New Perspectives and Applications. IntechOpen; 2022. https://dx.doi.org/10.5772/intechopen.106800Olamigoke O., James I. Advances in Well Control: Early Kick Detection and Automated Control Systems. Drilling Engineering and Technology – Recent Advances New Perspectives and Applications. IntechOpen; 2022. https://dx.doi.org/10.5772/intechopen.106800Pasupuleti M.K. Human-in-the-Loop AI: Enhancing Transparency and Accountability. International Journal of Academic and Industrial Research Innovations (IJAIRI). 2025;5(5):574–585. https://doi.org/10.62311/nesx/rphcr18Pasupuleti M.K. Human-in-the-Loop AI: Enhancing Transparency and Accountability. International Journal of Academic and Industrial Research Innovations (IJAIRI). 2025;5(5):574–585. https://doi.org/10.62311/nesx/rphcr18Nazari E., Branco P., Jourdan G-V. AutoGAN: An Automated Human-Out-of-the-Loop Approach for Training Generative Adversarial Networks. Mathematics. 2023;4(11). https://doi.org/10.3390/math11040977Nazari E., Branco P., Jourdan G-V. AutoGAN: An Automated Human-Out-of-the-Loop Approach for Training Generative Adversarial Networks. Mathematics. 2023;4(11). https://doi.org/10.3390/math11040977Johnsen S.O., Winge S. Human factors and safety in automated and remote operations in oil and gas: A review. In: Brito M.P., Aven T., Baraldi P., Cepin M., Zio E. (eds.) ESREL 2023: Proceedings of the 33rd European Safety and Reliability Conference. Research Publishing; 2023. https://doi.org/10.3850/978-981-18-8071-1_P271-cdJohnsen S.O., Winge S. Human factors and safety in automated and remote operations in oil and gas: A review. In: Brito M.P., Aven T., Baraldi P., Cepin M., Zio E. (eds.) ESREL 2023: Proceedings of the 33rd European Safety and Reliability Conference. Research Publishing; 2023. https://doi.org/10.3850/978-981-18-8071-1_P271-cdAtchison B. Automated well control: A step change in safety. Digital Chemical Engineering. 2022;3:100022. https://doi.org/10.1016/j.dche.2022.100022Atchison B. Automated well control: A step change in safety. Digital Chemical Engineering. 2022;3:100022. https://doi.org/10.1016/j.dche.2022.100022

The authors declare that there are no conflicts of interest present.