Возможности и ограничения применения агентных технологий искусственного интеллекта в российском нефтегазовом комплексе

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.

1. Пономарев К.К. Методы и инструменты управления проектами ИТ в нефтегазовой промышленности. Universum: технические науки. 2023;9-2(114).

2. 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-x

3. Povoas 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/app15147918

4. Афанасьев 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/10.26425/1816-4277-2025-1-91-103

5. Gurina 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.2022.111041

6. Feng K., McDonald D.V., Zhang A.X. Levels of Autonomy for AI Agents. Knight First Amend. Inst 2025. https://doi.org/10.48550/arXiv.2506.12469

7. Olamigoke 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.106800

8. Pasupuleti 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/rphcr18

9. Nazari 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/math11040977

10. Johnsen 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-cd

11. Atchison B. Automated well control: A step change in safety. Digital Chemical Engineering. 2022;3:100022. https://doi.org/10.1016/j.dche.2022.100022