AI сабақтары: Еуропа автосы және Қазақстан энергиясы

2025 жылдың күзінде Еуропаның автосаласында 20 жыл істеген чех менеджері Томас жұмыстан бір-ақ кетті. Себебі қарапайым әрі ауыр: «Бұл сала құрып барады», — деді ол RFE/RL-ге. Мұндай сөзді эмоцияға балау оңай. Бірақ оның артында нақты экономикалық логика бар: Қытайдың электркөлік (EV) өндірісі жылдам өсіп, бағасы мен сапасы бәсекеге қабілетті көліктер Еуропа нарығына қысым жасап отыр.

Мұның Қазақстанға қандай қатысы бар? Тікелей. Өйткені энергия және мұнай-газ саласы да дәл осындай «экзистенциалды тестке» жақындап келеді: көміртегі реттеуі күшейіп жатыр, капитал қымбаттады, жабдықтар қартайып барады, кадр тапшылығы сезіледі, ал бәсеке — глобалды. Автоөнеркәсіптің бүгінгі күйі бізге бір нәрсені анық көрсетеді: дәстүрлі салаларда бейімделу — PR емес, өмір сүру шарты. Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр деген серияда бұл пост сол сабақтарды нақты әрекетке айналдырады.

«Технологияны кеш қабылдау — өнімнің қымбаттауы емес. Бұл нарықтан шығып қалу тәуекелі.»

Еуропа автосаласының дағдарысы нені дәлелдеді?

Негізгі жауап: Өнім ғана емес, жылдамдық пен өндірістік жүйе жеңеді. Қытай EV өндірушілері батарея тізбегін, бағдарламалық қамтуды және өндірісті масштабтауды ертерек жолға қойды. Еуропадағы көптеген ойыншыларда инженерлік мектеп мықты болғанымен, цикл ұзақ: модельді әзірлеу жылдарға созылады, ал құн құрылымы ауыр.

RFE/RL үзіндісіндегі Томастың «дүмпу» туралы сезімі — жеке пікір ғана емес, сала ішіндегі көңіл күйдің маркері. Автосектордағы қысым мынадай механизммен жүрді:

• Құн қысымы: батарея құны мен жеткізу тізбегін тиімді басқарғандар бағаны түсірді.
• Жылдам итерация: бағдарламалық жаңартулар мен жаңа модельді шығару жиіледі.
• Өнімнің «цифрлануы»: көлік темірден бөлек, платформаға айналды.

Энергетикада да дәл осы үштік бар: құн (OPEX/CAPEX), жылдамдық (жөндеу/жобалау/ішкі келісім циклдары), цифрлану (SCADA, APC, digital twin, AI).

Миф: «Біздің салада бәрі баяу жүреді»

Бұл — қауіпті жұбату. Автосала да «регламент көп, қауіпсіздік жоғары» деп келді. Бірақ бәсеке оны күтпеді. Энергетикада да нарық, реттеу және инвестор талаптары жылдам қысады.

Автоөнеркәсіптен мұнай-газға тікелей сабақ: AI — қосымша емес, тірек жүйе

Негізгі жауап: AI-ды бөлек “IT жобасы” ретінде емес, өндірістің тірек жүйесі ретінде енгізген компания ғана қысымды көтере алады. Автосалада жеңіске жақын ойыншылар деректерді өнімнің өзегіне айналдырды. Мұнай-газ және энергетикада бұл — активтерді басқару, қауіпсіздік және жоспарлау.

Қазақстан контекстінде AI көбіне үш бағытта тез нәтиже береді:

1. Болжамды жөндеу (predictive maintenance)
2. Өндірісті оңтайландыру (process optimization)
3. Қауіпсіздік және тәуекелді басқару (HSE & risk analytics)

Бұл «мода» емес. Бұл нақты теңдеу: жоспардан тыс тоқтау азайса, өндіріс тұрақтылығы өседі; тұрақтылық өссе, өзіндік құн түседі.

Нақты әсер қай жерден шығады?

AI нәтиже беретін негізгі орын — шешім қабылдау жылдамдығы. Мұнай-газда бір ұңғыманың режимі, компрессордың жұмысы немесе электр станциясының жүктемесі туралы шешім кешігіп қалса, ақша да, қауіпсіздік те кетеді.

Автоөнеркәсіптегі сияқты, жеңіс көбіне «темірдің сапасында» ғана емес, операциялық жүйенің жылдамдығында.

Қазақстандағы энергия және мұнай-газ: AI-ды қайдан бастау керек?

Негізгі жауап: алдымен “пайдасы дәлелденетін” 3–5 қолдану сценарийін (use case) таңдаңыз да, дерек тәртібін орнатыңыз. Көп компания AI-ды презентациядан бастайды, ал дұрыс жол — өндірістік KPI-дан бастау.

1) Жоспардан тыс тоқтауды азайту: Predictive maintenance

Компрессор, сорғы, турбина, генератор, трансформатор — бәрі сенсор дерегін береді. AI-дың мәні: вибрация, температура, ток, қысым сияқты көрсеткіштердегі ұсақ өзгерістерден ақаудың ықтималдығын алдын ала көру.

Практикалық қадамдар:

• Қай жабдық ең көп тоқтау жасайды (Pareto 80/20)?
• Сол жабдықтың дерегі бар ма: тарихы, сервис журналы, ақау кодтары?
• Failure mode картасын жасаңыз: қандай ақау қалай басталады?

Нәтиже ретінде компаниялар әдетте мынаны өлшейді: MTBF өсімі, MTTR төмендеуі, жоспардан тыс жөндеу үлесінің азаюы.

2) Өндірісті оңтайландыру: қысым, дебит, шығын

Мұнай-газда да, энергетикада да «оңтайландыру» деген бір сөзбен айтылады, бірақ ішіндегі жұмыс ауыр. AI мұнда екі нәрсені жақсы істейді:

• Көпфакторлы әсерді табады: дебитке тек бір клапан емес, режимдердің жиынтығы әсер етеді.
• Сценарий есептейді: “осылай өзгертсем, 6 сағаттан кейін не болады?”

Мысалы:

• Газ компрессор станцияларында энергия тұтынуды төмендету
• Электр станцияларында отын қоспасын және жүктемені тиімді бөлу
• Ұңғыма қорын басқаруда су айдау/қысым режимдерін үйлестіру

3) Қауіпсіздік (HSE): бейнеаналитика және тәуекел модельдері

Өндірістегі ең қымбат нәрсе — адам өмірі. AI қауіпсіздікте «бақылаушы» емес, ерте ескерту жүйесі.

• PPE (каска, көзілдірік, жилет) сәйкестігін камера арқылы анықтау
• Қауіпті аймаққа кіру, биіктікте жұмыс, техника мен адамның жақындасуы
• Инцидент деректерінен тәуекел факторларын шығару

Бұл жерде табыс өлшемі — айыппұл немесе «есеп үшін камера» емес. Табыс өлшемі: near-miss оқиғаларының азаюы, қауіпті әрекеттердің ерте тоқтауы.

Неге кейбір AI жобалары «сөнеді»? Автосаладағы қателіктердің көшірмесі

Негізгі жауап: дерек сапасы, ұйымдық жауапкершілік және өндіріс иесінің қатысуы жоқ жерде AI жұмыс істемейді. Автоөнеркәсіптегі компаниялар да бір кездері “software team” құрып, бірақ өндіріс циклына қоспай, нәтижесіз қалған.

Қазақстандағы энергия және мұнай-газ компанияларында жиі кездесетін 5 тосқауыл:

1. Дерек “шашыраңқы”: SCADA бөлек, ERP бөлек, жөндеу журналы Excel-де.
2. Use case тым кең: “Барлығын AI-мен жасайық” — нақты мақсат емес.
3. Өндіріс иесі жоқ: жауапкершілік IT-ға ығыстырылған.
4. Киберқауіпсіздік пен қолжетімділік теңгерімі жоқ: OT желіге шығу қорқынышы жобаны тоқтатады.
5. Кадр мен процесс жоқ: модель бар, бірақ оны күнделікті шешімге айналдыратын регламент жоқ.

Менің байқағаным: ең мықты жобалар “жылтыр презентациядан” емес, цехтағы бір KPI-ды жақсартудан басталады.

90 күндік жоспар: энергия және мұнай-газға AI енгізудің жұмыс істейтін тәсілі

Негізгі жауап: 90 күнде бір “өндірісте қолданылатын” AI-скринер немесе болжам моделін іске қосуға болады — бірақ міндетті түрде өлшенетін метрикамен.

1. 1–2 апта: бизнес-мәселені бекіту

   • Мақсат: жоспардан тыс тоқтау ма, энергия шығыны ма, қауіпсіздік пе?
   • KPI: нақты санмен (мысалы, тоқтау сағатын X%-ға қысқарту)

2. 3–6 апта: дерек дайындау және интеграция

   • Тегтердің (tag) паспортын реттеу
   • Ақау тарихын нормализациялау
   • Дерек жиілігін, бос мәндерді, сенсор ақауын тазалау

3. 7–10 апта: модель және пилот

   • Алгоритм таңдаудан бұрын baseline құрыңыз (қарапайым ереже/статистика)
   • Пилотты бір учаскеде іске қосыңыз

4. 11–13 апта: өндірістік енгізу

   • Диспетчер/инженер үшін қарапайым интерфейс
   • “Кім не істейді?” регламенті
   • Қайта оқыту (retraining) және мониторинг

Бұл тәсілдің артықшылығы: басқармаға да, цехқа да түсінікті. Нәтиже бар ма — бар. Жоқ па — тез білінеді.

Энергетика үшін ең үлкен қауіп: «бізге уақыт жеткілікті» деген ой

Негізгі жауап: Еуропа автоөнеркәсібі уақыт бар деп ойлаған кезде, нарық құрылымы өзгеріп кетті. Қазақстандағы энергия және мұнай-газ саласында да “ертең жасаймыз” деген шешім қымбатқа түседі, өйткені активтер күрделеніп, талаптар күшейіп жатыр.

Бұл серияның негізгі идеясы да осы: жасанды интеллект өндірісті оңтайландырып, операцияларды автоматтандырып, қауіпсіздікті күшейтіп, басқарушылық шешімді жеделдетеді. Ал жедел шешім — бәсекеге қабілеттіліктің өзегі.

Егер сіз энергия немесе мұнай-газ компаниясында AI бастамасын жоспарлап жүрсеңіз, ең дұрыс келесі қадам — бір нақты өндірістік проблеманы таңдап, 90 күн ішінде пилотты өлшенетін KPI-мен көрсету. Содан кейін ғана масштабтау туралы әңгіме мәнді болады.

Ал сіздің компанияңызда «Томастың кетуіне» себеп болатын қысым қай жерде сезіліп тұр: құн, жылдамдық, әлде кадр мен қауіпсіздік пе?