AI энергия платформалары: UK инвестициясы және Қазақстан

£25 миллион — бір компания үшін аса үлкен сома сияқты көрінбеуі мүмкін. Бірақ мемлекет атынан тікелей equity инвестициясы ретінде бұл сигналдың салмағы бөлек: Ұлыбритания Kraken Technologies атты AI-платформаға дәл қазір сеніп отыр. Kraken — Octopus Energy құрамынан бөлініп шыққан (spinout) utility платформасы, және ол шамамен $1 млрд көлеміндегі equity раундтың бір бөлігі ретінде енді толық тәуелсіз компанияға айналмақ.

Бұл жаңалық Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр деген сериямызға дәл келеді. Себебі мәселе тек Британиядағы бір мәміледе емес. Энергетикада AI-дың “өнімі” көбіне темір емес, платформа: есеп айырысу, сұраныс-болжам, желі балансы, активтерді басқару, ақауды ерте анықтау, клиентпен байланыс — бәрі бір жүйеде. Қазақстан үшін ең маңызды сұрақ: біз де осындай платформалық тәсілге қашан және қалай көшеміз?

Төменде Kraken оқиғасын “жаңалық” ретінде ғана емес, Қазақстандағы энергия компаниялары мен мұнай-газ операторлары үшін практикалық сабақ ретінде тарқатып шығамын.

Неге UK-дің Kraken-ге салған £25 млн ақшасы маңызды белгі

Қысқа жауап: бұл инвестиция AI-энергия платформалары енді “тәжірибе” емес, ұлттық инфрақұрылымға жақын стратегиялық актив ретінде қарастырыла бастағанын көрсетеді.

Kraken-нің Octopus Energy-ден бөлініп шығуы бірнеше трендті ашады:

1. Платформа бизнесі бөлек бағаланады. Генерация, сату, желі, трейдинг сияқты классикалық активтерден бөлек, дерек пен алгоритмге негізделген операциялық жүйе жоғары мультипликатормен бағаланады.
2. Үкіметтер тәуекелді бөлісуге дайын. British Business Bank арқылы жасалған тікелей инвестиция — “AI-ды тек стартаптар өзі көтерсін” деген ескі логиканың әлсіреп келе жатқанын аңғартады.
3. Тәуелсіз басқару мен капитал құрылымы талап етіледі. Spinout-тың мәні — өнімді басқа компаниялардың да қолдануына жағдай жасау, яғни бір холдингтің ішкі IT-сі емес, нарықтық платформаға айналу.

Қазақстанда да энергия цифрлануы көбіне “жеке-жеке автоматтандыру” ретінде жүріп жатады: бір жерде SCADA жаңарады, бір жерде ERP, бір жерде predictive maintenance пилоты. Ал Kraken типіндегі модель бәрін бір платформа архитектурасына байлайды. Бұл жерде AI бір модуль ғана емес, процестердің “миы”.

Сигнал өте қарапайым: кім платформаны басқарады — сол тиімділік пен тұтынушы тәжірибесін басқарады.

AI-платформалар нақты не істейді: “ақылды есептегіштен” үлкен жүйеге дейін

Қысқа жауап: Kraken секілді utility платформалары AI-ды үш жерге қояды — сұраныс болжамы, операциялық оңтайландыру, клиенттік қызмет. Нәтижесінде шығын азаяды, желі тұрақтылығы артады, ал жоспарлау нақтырақ болады.

1) Сұранысты және генерацияны дәл болжау

Энергетикадағы ең қымбат қателіктің бірі — болжам қателігі. Дұрыс жоспарланбаған жүктеме:

• артық резерв пен артық сатып алуға,
• теңгерімсіздік айыппұлдарына,
• апаттық режимге дейін жеткізеді.

AI-модельдер ауа райы, өндірістік график, мерекелер, тариф өзгерісі, тұтыну тарихы сияқты факторларды біріктіріп, қысқа және орта мерзімді болжамды жақсартады. Қазақстанда бұл әсіресе:

• қысқы пик тұтынуы бар өңірлерде,
• жел/күн генерациясы өсіп келе жатқан аймақтарда,
• өндірістік тұтынуы жоғары қалаларда маңызды.

2) Желіні және активтерді “дерекпен басқару”

Utility деңгейінде AI:

• трансформатор/қосалқы станса жүктемесін бақылап,
• ақау ықтималдығын ерте анықтап,
• жоспарлы жөндеуді нақты тәуекелге қарай жылжытады.

Мұнай-газда осы логика 1:1 жұмыс істейді: компрессор, сорғы, турбина, құбыр коррозиясы, факель режимі, энергия тұтыну — бәрінде predictive maintenance және анормалияны анықтау ROI береді.

3) Тұтынушы тәжірибесі және төлем тәртібі

Клиентпен жұмыс әлі де көп жерде қолмен істеледі: өтінімдер, қате есеп, қайта есептеу, дебиторка. AI мұнда:

• сұраныс түрлерін автоматты жіктейді,
• алаяқтық/ұсталым тәуекелін бағалайды,
• төлем тәртібін жақсартуға арналған сегментация жасайды.

Қазақстанда энергия компаниялары үшін бұл “жай ғана CRM” емес. Бұл — ақша ағымы тұрақтылығы.

Қазақстанға сабақ: AI-ды “пилот” емес, операциялық жүйе ретінде қарау

Қысқа жауап: бізде ең жиі қате — AI-ды бір бөлімшенің пилотымен шектеу. Дұрыс тәсіл — дерек, процесс, қауіпсіздік және өзгеріс менеджментін бір жоспарға байлау.

Менің байқағаным: компаниялар AI бастамаларын үш жерден “сындырып” алады.

1) Дерек дайын емес — жауапкершілік дайын емес

AI жақсы жұмыс істеуі үшін дерек:

• сапалы,
• уақытында,
• бірегей идентификаторлармен,
• бизнес-мағынасы келісілген болуы керек.

Практикалық чек-лист:

1. Data owner-ларды (иесін) тағайындаңыз: актив, өлшем, оқиға, клиент, келісім.
2. Бір-екі маңызды “алтын” доменді таңдаңыз: мысалы, жабдық активтері және оқиғалар журналы.
3. “Кім, қашан, қалай өзгертті?” аудит ізін енгізіңіз.

2) Платформа архитектурасы жоқ — интеграция қымбатқа түседі

Kraken-нің күші — бір ғана модельде емес, интеграция қабатында. Қазақстан компаниялары үшін минималды архитектура:

• деректерді жинау (IoT/SCADA/PI жүйелері),
• корпоративтік жүйелер (ERP/EAM/CRM),
• аналитика қабаты (feature store, модельдер),
• операциялық өнім (диспетчерлік панельдер, мобильді бригадалар).

Бұл жерде мақсат — “бәрін жаңарту” емес. Мақсат — API арқылы байланысатын модульдерге көшу.

3) AI қауіпсіздігі мен сәйкестік кейін қалып қояды

Энергетика мен мұнай-газда AI:

• өндірістік қауіпсіздікке,
• жабдыққа,
• тариф/есепке,
• кейде ұлттық инфрақұрылымға әсер етеді.

Сондықтан ең басынан:

• модельдің түсіндірмелілігі (why this decision?),
• дерек құпиялығы,
• киберқауіпсіздік,
• жеткізуші тәуелділігі (vendor lock-in) сияқты талаптарды техникалық тапсырмаға енгізген дұрыс.

Үкімет пен институттар не істей алады: “ақша құю” ғана емес

Қысқа жауап: UK кейсі мемлекеттік қолдау тек грант емес, нарықтық масштабқа жеткізетін капитал және ереже екенін көрсетеді.

Қазақстанда энергиядағы AI-ды жылдамдататын 4 механизм бар:

1. Реттеушілік sandbox (пилотқа құқықтық алаң) Желі деректері, есептегіш деректері, динамикалық тариф, сұранысқа жауап (demand response) сияқты тақырыптарда тәжірибе жасауға заңды “терезе” керек.

2. Procurement-ті нәтижеге байлау “Жүйені орнаттық” емес, “SAIDI/SAIFI төмендеді”, “жөндеу құны X% азайды”, “энергия шығыны Y% қысқарды” деген KPI-мен сатып алу.

3. Spinout мәдениетін қалыптастыру Үлкен холдингтердің ішінде туған жақсы өнімді бөлек компания ретінде өсіру — экспорттық потенциал береді. Бұл UK-дің Kraken моделіне ұқсас.

4. Кадр және қайта даярлау AI енгізу — тек дата-сайентист жалдау емес. Бұл:

• диспетчердің жұмысын,
• жөндеу бригадасының логистикасын,
• инженердің есеп беруін өзгертеді. Өзгерісті адамдармен бірге басқармасаңыз, модель “қағазда” қалады.

“People also ask”: Қазақстан компаниялары жиі қоятын 5 сұрақ

Қысқа жауап: ең дұрыс бастама — ақшаға тез әсер ететін, дерек бар, қауіпі басқарылатын use case.

AI энергия компаниясында қай жерден бастау керек?

Ең тез қайтарым беретін бағыттар:

• жабдық ақауын ерте анықтау (predictive maintenance),
• энергия шығынын (losses) талдау,
• тұтынуды қысқа мерзімге болжау,
• өтінімдер мен дебиторканы автоматтандыру.

Мұнай-газда utility платформасының логикасы бар ма?

Бар. Мұнай-газдағы “utility” — бұл энергияны өндіру/тасымалдау/тұтыну ішкі контуры: электр, бу, су, қысым, компрессия. Мұнда да баланс, тиімділік, жоспарлау және тәуекел бір жерде.

ROI-ды қалай дәлелдеуге болады?

Пилоттан бұрын baseline алыңыз:

• жоспардан тыс тоқтау сағаттары,
• жөндеу құны,
• энергияның өзіндік құны,
• апат/инцидент жиілігі,
• теңгерімсіздік төлемдері. Сосын 8–12 аптада өлшенетін метрикамен тест жасаңыз.

Дерек болмаса, AI мүмкін емес пе?

“Мүлдем мүмкін емес” емес, бірақ қымбат әрі баяу. Бірінші мақсат — дерек ағынын тұрақтандыру: сенсорлар, журналдар, оқиғалар, мастер-деректер.

Платформаны өзіміз жасау керек пе, әлде дайын өнім аламыз ба?

Көп жағдайда гибрид:

• ядро (core) процестер үшін дайын шешім,
• ерекшелік беретін логика үшін өзіңіздің модельдер,
• интеграция мен дерек қабатын міндетті түрде өз бақылауыңызда ұстау.

Қазақстан үшін негізгі ой: платформаға ерте ставка жасаған ұтады

Kraken-ге салынған £25 млн — “тағы бір AI стартап” туралы жаңалық емес. Бұл — мемлекеттер энергиядағы тиімділікті код, дерек және басқару үлгісі арқылы алуға көшкенінің белгісі. Қазақстандағы энергия және мұнай-газ компаниялары үшін бұл екі нақты әрекетке әкелуі керек.

Біріншісі: AI жобаларын жеке автоматтандыру ретінде емес, операциялық платформа стратегиясы ретінде жоспарлау. Екіншісі: дерек, интеграция, киберқауіпсіздік және кадрды бір пакетке біріктіріп, 90 күн ішінде өлшенетін нәтижесі бар use case-тен бастау.

Жақсы AI моделі – бұл бастама. Жақсы AI платформа – бұл артықшылық.

Келесі қадам ретінде өз компанияңызға бір сұрақ қойыңыз: бізде энергия мен активтерді басқаратын “бір нұсқа шындық” (single source of truth) бар ма, әлде әр бөлім өз Excel-імен өмір сүріп жатыр ма? Жауап сіздің 2026–2027 жылдары қаншалықты тез алға шығатыныңызды анықтайды.