Большие языковые модели на службе нефтегазовой отрасли
«Газпром межрегионгаз инжиниринг» представил на Всероссийской научно-технической конференции «Актуальные проблемы развития нефтегазового комплекса России» свой опыт применения больших языковых моделей в разработке ПО для нефтегазовой сферы.
Подход компании – это связка LLM (больших языковых моделей), структурированных промптов и обязательной экспертизы разработчиков. ИИ ускоряет обработку данных и подготовку решений, а человек контролирует корректность постановки задачи, отраслевую специфику и качество результата.
Само по себе применение генеративного ИИ в одной из самых технологически и экономически важных отраслей России – нефтегазе – является зоной повышенного интереса для множества предприятий. Это особенно актуально на фоне импортозамещения инженерного и промышленного софта: по данным исследования, доля зрелого российского ПО в нефтегазе за 2014–2024 годы выросла с 10% до 80%, а в новых проектах 2024–2026 годов уже преобладают российские решения.
Эксперты подчеркивают неизбежность перехода на отечественный софт. По прогнозам, к концу 2027 года ИТ-ландшафт в нефтегазовом секторе экономики России будет полностью обеспечен решениями российского производства. А пока отраслевой уровень импортозамещения составляет 81%.
От приобретения – к осмысленному владению
В начале года компания «СиСофтДевелопмент» представила всесторонний прогноз, в котором учтены экспертные мнения представителей Минэнерго, ИЦК «Нефтегаз», Университета Иннополис, аудиторской компании Kept, портала технологий TAdviser и консалтинговой компании «Яков и Партнеры». Была рассмотрена динамика импортозамещения инженерного софта в системах автоматического проектирования, расчетных комплексов и систем управления жизненным циклом продукта. А также цифровых двойниках, автоматических системах управления технологическим процессом, системах сбора данных, управления производственными процессами и планирования ресурсов предприятия.
До 2022 года в российском нефтегазе 92% потребностей обеспечивали импортные разработки. Реальный переход на собственные решения состоялся в 2024–2026 годах. За 10 лет – к 2024 году – доля зрелого отечественного софта выросла с 10% до 80%.
По самым свежим данным, наиболее применимы российские решения в расчете конструкций и трубопроводов (90%), а также базовой графике и 2D- и 3D-моделировании (60−70%). Доля инженерных расчетов, P&ID, КИПиА – тут использование собственных разработок значительно ниже: 30−40%. И совсем скромно представлены цифровые двойники и PLM-платформы, созданные в России: 10−20%.
Известно, что в 2025 году российский рынок инженерного ПО вырос на 16% по сравнению с 2024 годом. В среднем компании тратят по 5-15% годового ИТ-бюджета на ПО и ИИ в данной сфере. Сегодня трендом рынка является не закупка лицензий, а внедрение, интеграция и обучение.
Прогнозы экспертов
Цифры Минэнерго свидетельствуют об экономическом эффекте от применения ИТ-решений в нефтегазе в объеме 700 млрд рублей в год, а доля ИИ в годовом бюджете ИТ-отрасли – 14%. К 2040 году ожидается экономический эффект в 5,4 трлн рублей.
К 2030 году целевая доля российского ПО составит 90%, объем рынка инженерного ПО вырастет до 60 млрд рублей, рост числа компаний-разработчиков увеличится с 1,3 до 3,7 тысяч, а инвестиции в ИИ достигнут отметки в 130 млрд рублей.
Конечно, эти планы удастся реализовать при условии преодоления ряда препятствий. Создаваемые решения должны встраиваться в экосистему, а не существовать отдельно. Кроме того, предстоит преодолеть тренд на закрытость компаний, не готовых делиться своими наработками. Отдельная необходимость – доработка функциональных, технологических и инфраструктурных возможностей в российских решениях.
На пути к прорыву
Превращение больших языковых моделей из «ассистента для текста и кода» в отраслевой инструмент разработки, сопровождения и анализа промышленных ИТ-систем означает ускорение проектирования производственного ПО, подготовки документации, анализа регламентов, проверки кода, создания интерфейсов к инженерным системам и обработки больших массивов производственных данных.
Нефтегазовым компаниям нет нужды создавать собственную модель с нуля. Гораздо проще воспользоваться базовой российской, дообученной на отраслевых данных, регламентах, инженерной терминологии и типовых задачах.
