КМГ и искусственный интеллект: AI работает в добыче, но цепочку целиком ещё не берёт

После третьего заседания Совета по развитию искусственного интеллекта 2 октября продолжаем серию RD Analytics о переходе крупных компаний Казахстана от AI-пилотов к масштабированию технологий.

После КТЖ — КМГ.

Здесь картина выглядит сильнее: у компании есть действующие AI-решения в производстве, подтверждённый экономический эффект и несколько направлений, которые уже выходят на масштабирование.

КМГ пока нельзя назвать компанией, где AI сквозным образом управляет всей нефтегазовой цепочкой — от геологии и добычи до транспорта, переработки и сбыта.

1. Сначала — что именно считается AI

Для анализа мы разделяем нефтегазовую деятельность КМГ на основные технологические контуры:

• upstream — геология, разведка, разработка месторождений и добыча;
• midstream — транспортировка, логистика и управление потоками;
• downstream — переработка и производство нефтепродуктов;
• HSE — промышленная безопасность;
• сквозные корпоративные решения — AI для принятия решений и управления.

При этом обычная автоматизация, цифровые двойники без AI, инженерные модели и системы управления технологическими процессами сами по себе AI-проектами не считаются.

Цифровой задел у КМГ существует давно. Сейчас вопрос в том, какая его часть действительно превращается в промышленный AI.

2. Upstream: здесь у КМГ самая сильная позиция

Главный пример — ABAI.

Проект появился задолго до нынешней волны генеративного AI. В 2020 году внедрение информационной системы ABAI уже входило в программу цифровой трансформации КМГ. В 2021 году были введены пять пилотных модулей системы, работающих с производственными данными и использующих AI и машинное обучение.

На этапе тестирования одного из модулей с мая по октябрь 2021 года на 13 скважинах было получено 560 тонн дополнительной добычи. Другой модуль за полтора месяца на трёх установках дал экономию более 5 млн тенге.

Сегодня ABAI развивается значительно дальше.

По данным группы «Самрук-Қазына», в 2025 году модуль управления заводнением с использованием AI обеспечил около 12 тыс. тонн дополнительной добычи нефти и 1,5 млрд тенге экономического эффекта. Время подготовки решений по заводнению сократилось с 40 до 2 часов.

Это уже достигнутый результат. Прогнозом будущего масштабирования он не является — эффект получен и зафиксирован за 2025 год.

Важно понять, как эта цифра соотносится с общим масштабом КМГ.

В 2025 году группа добыла 26,211 млн тонн нефти и газового конденсата, против 23,837 млн тонн годом ранее. То есть прирост общей добычи составил около 2,374 млн тонн.

На этом фоне 12 тыс. тонн, полученные за счёт ABAI, — это около 0,05% годовой добычи КМГ и примерно 0,5% годового прироста добычи группы. Эту пропорцию важно трактовать осторожно: прирост добычи группы складывается из многих факторов — новых скважин, оптимизации действующего фонда, рыночной конъюнктуры. ABAI — лишь один из них, сравнение с приростом показывает масштаб эффекта, а не долю влияния именно этого инструмента.

Поэтому производственному читателю здесь важно не создавать ложного ощущения масштаба: ABAI уже доказал наличие эффекта, но эффект пока локальный относительно всей группы.

При этом сам ABAI нельзя оценивать только по цифре 12 тыс. тонн за один год. Это решение развивается несколько лет и постепенно расширяет набор данных, производственных задач и AI-функций. В 2021 году КМГ уже рассматривал систему как набор примерно из 20 автономных модулей для решения конкретных производственных задач.

Именно эта последовательность — одна из сильных сторон КМГ. Компания наращивает уже созданную технологическую базу, а не начинает каждый новый AI-цикл с отдельного пилота.

Следующий вопрос поэтому уже не в том, способен ли ABAI давать измеримый эффект. Это подтверждено.

Вопрос в том, сможет ли КМГ превратить локальный эффект отдельных решений в заметный результат на масштабе всей группы.

3. Следующий шаг upstream — цифровой двойник

С начала 2026 года КМГ развивает цифровой двойник Восточного Молдабека.

Система объединяет данные о пласте, скважинах и добыче, моделирует различные сценарии разработки и помогает выбирать оптимальные варианты с учётом технологической и экономической эффективности.

На пилоте было выполнено около 700 сценарных расчётов. Время их выполнения сократилось с более чем 38 дней до 6 дней. По итогам моделирования КМГ определил вариант разработки с бурением двух горизонтальных скважин вместо шести наклонно-направленных.

По итогам пилотирования КМГ ранее ожидал около 100 тыс. тонн дополнительной нефти в год. В более поздних материалах компании фигурирует другой ориентир — до 168 тыс. тонн за три года. Публичные оценки проекта менялись, поэтому RD Analytics пока рассматривает их как прогнозные показатели, а не как подтверждённый производственный эффект.

Следующий этап — объединить до января 2027 года в едином цифровом контуре модели пласта и скважин, бурение и внутрискважинные работы, добычу и наземную инфраструктуру.

В масштабе группы КМГ планирует распространить цифровые двойники на 12 крупнейших месторождений, обеспечивающих более 90% добычи.

В материалах компании также фигурируют ожидаемые показатели снижения производственных потерь на 5% и сокращения трудозатрат до 15%. При масштабировании до 12 месторождений КМГ ожидает около 2,8 млн тонн дополнительной добычи и 326 млрд тенге экономического эффекта. Это прогнозы масштабирования. Фактического результата по ним пока нет. Компания также не уточняет, рассчитан ли этот эффект на годовой основе или за весь период реализации проекта — это стоит учитывать при оценке цифры.

4. По меркам отрасли: где КМГ относительно мировых игроков

Чтобы оценить масштаб результатов КМГ, полезно сопоставить их с тем, что уже работает у крупных международных нефтегазовых компаний. Здесь важны не заявления о намерениях, а масштаб внедрения и подтверждённый производственный или экономический эффект.

Equinor в январе 2026 года сообщила, что AI создал около $130 млн эффекта за 2025 год и более $330 млн с 2020 года. Один из действующих контуров охватывает более 700 вращающихся машин и 24 тыс. датчиков. Только predictive maintenance, по данным компании, обеспечил $120 млн эффекта с 2020 года. AI также используется для планирования скважин и разработки месторождений: при подготовке третьей фазы Johan Sverdrup решение на базе AI позволило найти вариант, который дал партнёрам $12 млн экономии.

Shell показывает другой аспект — масштаб промышленной AI-инфраструктуры. Компания сообщает о более чем 100 AI-приложениях на разных стадиях разработки и внедрения и о мониторинге тысяч единиц оборудования с использованием машинного обучения. В одном из производственных контуров Shell и её технологические партнёры разработали механизмы для ежедневного мониторинга более 8 тыс. единиц оборудования. При этом технологическая платформа была рассчитана на управление до 2 млн ML-моделей — это показатель масштабируемости инфраструктуры, а не количество моделей, находящихся в промышленной эксплуатации.

ADNOC показывает масштабирование AI непосредственно в производственных операциях. В 2026 году компания сообщила о более чем 200 AI-инструментах, применяемых в операционной деятельности, и об использовании agentic AI для мониторинга скважин в реальном времени. Компания также заявляет, что AI позволил сократить незапланированные остановки вдвое.

Отдельный показатель масштаба upstream — внедрение AI-платформы на флоте более чем 120 буровых установок ADNOC. По данным компании, система позволяет инженерам контролировать в два-три раза больше буровых установок, сокращает инженерные трудозатраты на 30–40% и помогает предотвращать до двух дней простоев.

На этом фоне КМГ выглядит следующим образом: AI у компании уже вышел за пределы отдельных пилотов — есть работающие решения и подтверждённый производственный эффект. Но публично раскрытый масштаб пока заметно меньше: речь идёт об отдельных производственных контурах и программах масштабирования, а не о сопоставимом охвате оборудования, месторождений и производственных решений.

Разница на данном этапе — прежде всего в масштабе интеграции AI и объёме публично подтверждённого эффекта.

5. Midstream: здесь появляется KMG.AIAN

В среднем звене нефтегазовой цепочки КМГ развивает KMG.AIAN — AI-помощника на базе Диспетчерско-аналитического центра.

Сам ДАЦ объединяет данные примерно 60 крупных дочерних предприятий КМГ и обеспечивает цифровой контроль производственной цепочки — от добычи до реализации нефтепродуктов. В 2026 году КМГ также интегрировал ДАЦ с системами КТЖ для сквозного контроля логистики нефтепродуктов.

На этом контуре работает KMG.AIAN. Он анализирует данные о производстве, запасах, поставках и реализации нефтепродуктов, помогает прогнозировать возможный дефицит или профицит топлива и поддерживает принятие управленческих решений.

Это уже AI для поддержки производственно-логистических решений.

Окончательное решение остаётся за специалистом — система поддерживает выбор, но не заменяет человека.

У midstream есть и более широкий потенциал применения AI:

• предиктивное обслуживание насосного и компрессорного оборудования;
• диагностика дефектов и коррозии трубопроводов;
• обнаружение утечек и внешних угроз;
• оптимизация энергозатрат при перекачке;
• прогнозирование потоков, логистики и запасов.

Эти направления мы рассматриваем как потенциал развития. Внедрённых КМГ AI-систем здесь пока нет.

6. Downstream: AI начинает заходить на НПЗ

На нефтеперерабатывающих заводах КМГ развивает предиктивную аналитику.

В 2025 году проводились пилоты на АНПЗ и ПНХЗ. На АНПЗ уже работает система раннего выявления аномалий для реакторов установки замедленного коксования.

С 2026 года АНПЗ и ПНХЗ проводят полномасштабную волну внедрения на наиболее критичное оборудование.

При этом цифру 100+ единиц оборудования важно трактовать правильно: речь идёт о планируемом подключении более 100 единиц на каждом заводе в течение трёх этапов. В промышленной эксплуатации пока работает меньшая часть этого объёма.

Это уже переход от пилотов к масштабированию.

7. HSE: TUMAR расширяется за пределы пилота

Ещё один пример — TUMAR, система компьютерного зрения и машинного обучения для контроля промышленной безопасности.

В 2024 году опытно-промышленные испытания проекта были проведены на одной бригаде капитального ремонта скважин на Жетыбае.

В 2025 году TUMAR проходил пилот на 10 бригадах Жетыбая и Каламкаса. Для обучения моделей было обработано около 15 тыс. изображений, размечено более 183 тыс. объектов по 16 классам.

В 2026 году КМГ сообщил, что TUMAR уже охватывает 60 бригад из 242, а дальнейшая задача — довести систему до полного охвата рабочего персонала.

Это уже практический industrial AI, но пока в отдельном контуре промышленной безопасности и без полного охвата.

8. Другие AI-направления формируют более широкий портфель

КМГ также развивает KMG GeoAI — AI-ассистента геолога, работающего с корпоративным массивом геолого-геофизических данных объёмом около 7 ТБ и более чем 2 млн документов. При этом итоговое решение остаётся за специалистом.

В годовом отчёте КМГ за 2025 год также указаны AI и ML-решения в производстве, TUMAR, предиктивная аналитика и развитие единой архитектуры данных. Компания прямо обозначает переход к модели data-driven и развитию цифровых решений от скважины до АЗС.

Но наличие проекта в технологическом портфеле ещё не означает промышленного масштаба.

Поэтому для RD Analytics принципиально важно различать:

разработка → пилот → опытно-промышленная эксплуатация → промышленное внедрение → масштабирование.

У КМГ сейчас есть решения на разных стадиях этой цепочки.

9. Что видно на 5 октября 2026 года

Если собрать картину по нефтегазовой цепочке, получается следующее.

Upstream — самый зрелый контур.

ABAI имеет многолетнюю историю и уже подтверждённый производственный эффект. Цифровые двойники переводят эту работу на следующий уровень.

Midstream — появляются AI-инструменты поддержки решений.

KMG.AIAN показывает, что AI начинает работать с балансами, поставками и движением продукции.

Downstream — идёт масштабирование предиктивной аналитики.

Но значительная часть заявленных масштабов относится к программе внедрения, а не к уже достигнутому результату.

HSE — отдельный зрелый кейс.

TUMAR показывает практическое применение computer vision и ML в производственной безопасности и расширяется с пилота на более широкий охват бригад, но полного охвата (242 бригады) пока не достиг.

Получается набор решений разной зрелости, распределённых по разным участкам цепочки. Единого AI-контура, охватывающего всю группу, пока нет.

10. На этом фоне КМГ выглядит сильнее КТЖ — но отстаёт от мировых лидеров

По сравнению с КТЖ, описанным в предыдущем материале серии, ситуация у КМГ выглядит более зрелой.

У КМГ есть многолетний ABAI, подтверждённый экономический эффект, работающие AI-решения в производстве и несколько направлений масштабирования.

Но по меркам отрасли 2026 год пока не показывает сопоставимого с мировыми лидерами масштаба AI-интеграции.

И это важная характеристика текущего этапа.

Основной AI-задел был сформирован раньше. Сейчас компания пытается распространить его на большее количество месторождений, оборудования и производственных процессов.

При этом покрытие нефтегазовой цепочки остаётся неравномерным.

Публичных подтверждений единого AI-контура, который оптимизирует цепочку от геологии и добычи через транспортировку и переработку до сбыта, пока нет.

Именно это будет следующим уровнем зрелости.

11. Следующая контрольная точка — масштаб

КМГ уже публично обозначил достаточно конкретные ориентиры.

В рамках масштабирования цифровых двойников компания говорит о планах охватить 12 крупнейших месторождений, обеспечивающих более 90% добычи.

В публичных материалах также фигурируют ожидаемые показатели: 2,8 млн тонн дополнительной добычи и около 326 млрд тенге экономического эффекта. Это ожидаемые показатели масштабирования, горизонт расчёта компания не раскрывает. Фактического результата по ним пока нет.

И здесь появляется возможность для объективной проверки.

2 октября Президент Касым-Жомарт Токаев поставил задачу перейти к глубокой цифровой трансформации промышленного сектора и превратить накопленный потенциал AI в осязаемые экономические результаты. Отдельно он подчеркнул необходимость доступа к качественным промышленным данным и практической направленности промышленного AI.

Для КМГ это означает следующий переход: от доказанной эффективности отдельных решений — к доказательству эффекта на масштабе всей группы.

В дальнейшем RD Analytics будет сопоставлять заявленные КМГ показатели с фактическими результатами: сколько месторождений действительно переведено на новый контур, какой дополнительный объём добычи получен, какой экономический эффект подтверждён и насколько широко AI реально используется в производственных решениях.

Определённый AI-задел у КМГ уже есть.

Но по меркам отрасли это задел, который мировые компании уже прошли, работая на большем масштабе. Теперь его будут проверять масштабом и цифрами — и в сравнении с тем, что уже делают в индустрии.

Предыдущий материал серии: «КТЖ и искусственный интеллект: пора переходить от пилотов к масштабу». Далее RD Analytics разберёт, как AI развивается в Казатомпроме.

Источники

ABAI — годовой отчёт КМГ за 2020 год

Годовой отчет АО НК «КазМунайГаз» за 2020 г. – Трансформация и цифровизация – Стратегия – Стратегический отчет

В годовом отчете представлены результаты деятельности АО НК «КазМунайГаз» за 2020 год.

ABAI — годовой отчёт КМГ за 2021 год

https://ar2021.kmg.kz/ru/strategic-report/strategy/transformation-digitalisation

Успехи цифровой трансформации КМГ

https://www.kmg.kz/interactive/report_2021/026-uspekhi_cifrovoj_transformacii.php

«Самрук-Қазына»: искусственный интеллект как стратегический инструмент

https://sk.kz/our2025/ru/artificial-intelligence-as-a-strategic-tool.html

«Самрук-Қазына»: результаты внедрения AI в группе

https://sk.kz/press-center/news/78882/?lang=ru

КМГ — производственные результаты за 2025 год

https://www.kmg.kz/ru/press-center/press-releases/12-2025/

Годовой отчёт КМГ за 2025 год — добыча нефти и газа

https://ar2025.kmg.kz/ru/strategic-report/operating-review/oil-gas-production

КМГ — информационно-технологическое развитие и AI, годовой отчёт 2025

https://ar2025.kmg.kz/ru/strategic-report/operating-review/research-development

КМГ — как AI помогает управлять производственными процессами

https://www.kmg.kz/ru/press-center/articles/ai-management/

КМГ — цифровой двойник Восточного Молдабека: начало внедрения

https://www.kmg.kz/ru/press-center/press-releases/emg-tsifroviye-dvoyniki-nachalo-vnedreniya/

КМГ — дальнейшие этапы внедрения цифрового двойника Восточного Молдабека

https://www.kmg.kz/ru/press-center/press-releases/emg-tsifroviye-dvoyniki-vostochniy%20moldabek/

КМГ — AI & Digital Bridge 2026: цифровой двойник месторождений

https://www.kmg.kz/ru/press-center/press-releases/ai-amp-digital-bridge-2026/

КМГ — предиктивная аналитика на НПЗ

https://www.kmg.kz/ru/press-center/press-releases/npz-prediktivnaya-analitika-vnedrenie/

КМГ — TUMAR

https://www.kmg.kz/ru/press-center/press-releases/tumar-zhetybay-oznakomlenie/

КМГ — масштабирование AI в производственной безопасности

https://www.kmg.kz/ru/press-center/press-releases/bezo-intel/

КМГ — сквозной цифровой контроль логистики нефтепродуктов с КТЖ

https://www.kmg.kz/ru/press-center/press-releases/dac%20kmg-ktj-control-cistern/

«Как AI меняет работу нефтегазовой отрасли» — «Самрук-Қазына»

https://www.sk.kz/press-center/news/79436/?lang=ru

Aramco — AI и цифровизация: снижение простоев и затрат

Remarks by SVP Ahmad A Al-Saadi at the Global AI Summit

Remarks by Ahmad A. Al-Sa’adi,Senior vice president, Technical Services, at the Global AI Summit (SDAIA Conf).

Saudi Aramco

Акорда / gov.kz — третье заседание Совета по развитию искусственного интеллекта, 2 октября 2026 года

https://www.gov.kz/memleket/entities/maidd/press/news/1?lang=ru