Газпромнефть - будущее индустрии, синергия физики и нейросетей в проектах, от чертежей к оптимизации

Ольга Канакова, руководитель направления по методологии управления инновациями и экспертной поддержке, Департамент по цифровой трансформации, Газпром нефть. Ксения Черемисина, руководитель направления анализа инновационных технологий, Дирекция цифрового инжиниринга, Газпромнефть ИТО. Форум Cnews "Технологии искусственного интеллекта 2026". Генеративное проектирование как драйвер эффективности Газпромнефти В современной промышленности генеративный искусственный интеллект эволюционирует в сторону генеративного проектирования. В отличие от популярных языковых моделей, которые создают правдоподобные тексты, инструменты, внедряемые в Газпромнефти, нацелены на поиск физически оптимальных инженерных решений. Это достигается за счет использования физически информированных нейронных сетей (Physics-AI), которые работают не со словами, а с чертежами, цифрами и технической документацией. Рынок генеративного проектирования сейчас занимает лишь 2% от всего сектора GenAI, что открывает перед промышленными компаниями уникальный шанс занять лидерские позиции, так как глобальные IT-гиганты не фокусируются на узкоспециализированных инженерных задачах. Мировой опыт — от создания ракетных двигателей за три недели до облегчения деталей в Airbus и General Motors — доказывает, что ИИ способен сокращать сроки проектирования в разы и повышать прочность конструкций на десятки процентов. Для компании Газпромнефть стратегическим приоритетом стало обустройство месторождений. Уникальные условия работы в Арктике и Западной Сибири создают базу для технологического лидерства, так как подобные задачи не стоят перед компаниями других стран. Внедрение генеративного проектирования позволяет Газпромнефти переходить на новый уклад: оптимизировать капитальные затраты (CAPEX), сокращать сроки выхода на добычу и делать рентабельными проекты, которые ранее считались слишком дорогими. Практические успехи компании уже видны в нескольких кейсах. Во-первых, это проектирование оптимальных узлов оборудования для вспомогательной инфраструктуры промыслов, что дает прямой экономический эффект. Во-вторых, ИИ стал полноценным участником процесса согласования документации, автоматически выявляя коллизии и предлагая рекомендации по их устранению, что минимизирует ошибки при работе с подрядчиками. Важным направлением является создание цифровых двойников активов. Газпромнефть разработала модель, которая трансформирует старые 2D-чертежи советского периода в современные 3D-модели, а также воссоздает объекты по фотографиям с беспилотников. Это позволяет эффективно управлять техническим обслуживанием и контролировать соответствие плана факту на стройплощадке. Однако путь к полной автономности проектирования осложнен системными барьерами. Главными из них являются дефицит качественных данных для обучения моделей (iReady data), нехватка специалистов, обладающих компетенциями одновременно в инженерии и ИИ, а также необходимость соблюдения строгих государственных норм. В связи с этим Газпромнефть делает ставку на партнерство. Создание полноценной среды для внедрения технологий требует объединения усилий нефтегазовых корпораций, разработчиков инженерного ПО, научных институтов и экспертов по ИИ. Только через кооперацию можно создать общие датасеты и обеспечить необходимые вычислительные мощности. Профессиональное резюме Газпромнефть трансформирует подход к проектированию, переходя от традиционных методов к генеративному поиску оптимальных решений. Интеграция Physics-AI в процессы обустройства месторождений позволяет компании существенно снижать издержки и сроки реализации проектов. Ключевыми достижениями стали автоматизация ревью документации и оцифровка архивных данных в 3D-модели. Стратегия развития базируется на использовании уникальных условий работы в Арктике для достижения технологического лидерства и создании открытой экосистемы партнерств для преодоления кадрового и информационного дефицита.