AI ашиглан Монголын уурхайн төслийн хөрөнгө оруулалтыг өсгөх нь

Австралийн Засгийн газрын 2025 оны “Resources and Energy Major Projects” тайланд нэг тоо шууд анхаарал татна: 432 томоохон уурхай, эрчим хүчний төсөл (2024 онд 407 байсан) бүртгэгдсэн байна. Энэ нь “салбар уналаа” гэсэн гарчигнаас илүү бодит зураг. Хөрөнгө оруулалтын цикл буцаад амь орж, төмрийн хүдэр, алт, зэс хамгийн хурдан урагшилж байна.

Монголд энэ мэдээлэл зүгээр нэг “гадаад мэдээ” биш. Манай уул уурхайн салбарын дараагийн өсөлт—ялангуяа шинэ орд, өргөтгөл, боловсруулах шугам, логистикийн төслүүд—итгэлцэл + өгөгдөл + сахилга баттай хэрэгжилт дээр тогтоно. Харин энэ гурвыг бодитоор дэмждэг хамгийн практик хэрэгсэл нь хиймэл оюун ухаан (AI) гэж би үздэг.

Энэ нийтлэл нь “Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна” цувралын хүрээнд Австралийн төслийн өсөлтийн дохиог Монголын нөхцөлтэй холбож, AI‑гаар хөрөнгө оруулагчдын эрсдэлийн асуултад яаж тоон хариулт өгөх, мөн уурхай дээр үр ашиг, аюулгүй байдал, төлөвлөлтийг хэрхэн сайжруулахыг задлан тайлбарлана.

Австралийн төслийн өсөлтөөс авах хамгийн чухал дохио

Хариулт нь энгийн: өсөлт зөвхөн үнийн мөчлөгөөс биш, “төслөө урагшлуулах чадвараас” хамаарсан байна. Тайланд:

• 2025 онд Австралид 432 томоохон төсөл бүртгэгдсэн (407‑оос өссөн).
• Төмрийн хүдрийн ахисан шатны хөрөнгө оруулалт 8.1 тэрбум → 12 тэрбум ам.доллар болж өссөн.
• Алтны төслийн тоо 38 → 45 болж нэмэгдсэн (өндөр үнэ хөгжүүлэлтийг тэжээж байна).
• Зэсийн нийт хөрөнгө оруулалт 16.1 тэрбум ам.доллар түвшинд тогтвортой, мөн 5 шинэ төсөл нэмэгдсэн.
• Critical minerals (стратегийн/чухал эрдэс) төслүүд 130 болж, өмнөх оноос 11‑ээр өссөн.

Энэ бүхэн “Австрали баян учраас” гэсэн тайлбар биш. Төслийн шатлал (announcement → feasibility → committed → completed) дээр өгөгдлөөр удирдах чадвар сайжирсан үед зах зээл “итгэж” эхэлдэг. Монголд ч яг энэ логик үйлчилнэ: төслийн явцыг баталгаатай болгох тусам санхүүжилтийн өртөг буурч, хамтын ажиллагаа хурдсана.

Монголын төслүүдэд хөрөнгө оруулагчид юу асуудаг вэ—AI яаж хариулдаг вэ?

Хариулт нь практик: хөрөнгө оруулагч “илүү олон слайд” биш, илүү баталгаатай тоо хүсдэг. AI‑ийн хамгийн үнэ цэнтэй хэсэг нь гоё нэртэй загвар биш, харин эрсдэлийг хэмжигдэхүйц болгох чадвар.

1) Нөөц ба чанарын тодорхой бус байдал

AI нь өрөмдлөгийн өгөгдөл, геологийн тайлбар, лабораторийн үр дүн, спектрийн мэдээллийг нэгтгэж:

• хүдрийн биетийн хил, хувирал, grade‑ийн тархалтыг илүү тогтвортой загварчилна
• “хаана нэмж өрөмдөх ёстой вэ?” гэдэг шийдвэрийг тооцоолно
• богино хугацаанд олон хувилбар (scenario) гаргаж, тайлбарлах хугацааг багасгана

Энд гол санаа: AI нь геологичийг солихгүй; геологичийн шийдвэрийг баримтаар хамгаалдаг болгоно.

2) Хуваарь ба өртгийн эрсдэл (capex/opex)

Монголд логистик, улирлын нөлөө, сэлбэг, түлш, хүний нөөцийн хэлбэлзэл бодит асуудал. AI‑ийн ажиллах талбар нь:

• тоног төхөөрөмжийн ажиллах цаг, эвдрэл, сэлбэгийн эргэлтээс predictive maintenance хийх
• уурхайн олборлолт‑тээвэр‑бутлалт‑баяжуулалтын урсгалыг bottleneck‑ээр нь илрүүлж, төлөвлөгөөг сайжруулах
• “хэт өөдрөг” төлөвлөгөөг өгөгдлөөр няцааж, реалист суурь (baseline) бий болгох

Хөрөнгө оруулагчдын сонсох дуртай өгүүлбэр бол: “Бид төлөвлөгөөгөө таамгаар биш, төхөөрөмжийн бодит өгөгдлөөр хамгаалдаг.”

3) Аюулгүй байдал ба тасалдал

AI‑ийн хамгийн хурдан ROI гардаг хэсгүүдийн нэг нь аюулгүй ажиллагаа:

• камер/датчикаас зөрчил (PPE, бүсчлэл, мөргөлдөөнд ойртолт) илрүүлэх
• уурхайн замын нөхцөл, жолоочийн ядаргаа, хурд/маневрын хэв шинжийг эрт анзаарах
• осол, зогсолтын “шалтгаан‑үр дагавар” холбоог data‑гаар гаргах

Энд “шинэ технологи” гэдгээс илүү тасалдлыг багасгах нь мөнгө болдог.

Төмрийн хүдэр, алт, зэс: Монголд хамгийн ойр гурван кейс

Хариулт: Австралийн өсөлтийн гол хөдөлгөгч 3 түүхий эд нь Монголын бодит боломжтой давхцаж байна—эрсдэлийг бууруулж чадвал.

Төмрийн хүдэр: чанар + логистикийн сахилга

Австрали өндөр чанарын хүдрээрээ зах зээлд байр суурь хамгаалж байна. Монголд төмрийн хүдрийн төслүүдэд AI дараах 2 зүйл дээр үр өгөөжтэй:

• Овоолго, агуулахын grade control: онлайн анализатор, дээжлэлтийн өгөгдлөөр холимгийн төлөвлөгөөг сайжруулж, торгууль/маржин дээр ажиллана.
• Тээвэрлэлтийн оновчлол: маршрут, дугаарлалт, ачих‑буулгах цикл дээр AI‑ийн хуваарьлалт хийснээр нэг тонн‑км‑ийн өртөг буурна.

Алт: хайгуулын хурд ба баяжуулалтын тогтвортой байдал

Алтны үнэ өндөр үед хамгийн түрүүнд хөдөлдөг зүйл бол хайгуул. Монголд AI‑ийн “хурдан хожоо” нь:

• олон эх үүсвэрийн (геохими, геофизик, зураглал) өгөгдлөөс target generation хийх
• тээрэм‑флотаци‑шүүрүүлэлтийн хэлбэлзлийг загварчилж recovery‑г тогтвортой барих

Миний байр суурь: алтны төслүүд AI‑г “туршилт” гэж үзэхээ больж, процессын хяналтын стандарт хэрэгсэл болгох ёстой.

Зэс: урт хугацааны тоглолт, өгөгдөлгүйгээр бол хэт үнэтэй

Австралид зэсийн хөрөнгө оруулалт 16.1 тэрбум ам.долларт тогтвортой байгаа нь “электрификаци, декарбонизаци”‑ийн урт мөчлөгийг дагаж байна. Монголын хувьд:

• хүдрийн хатуулаг, ширхэглэл, нунтаглах энерги дээр AI загвар хийж эрчим хүчний зардлыг барина
• уурхай‑баяжуулалт‑усан хангамжийн уялдааг оновчилж ус‑эрчим хүчний хязгаар дээр найдвартай ажиллана

Зэсийн төсөлд хамгийн муу зүйл бол “мэдэхгүйгээ мэдэхгүй” байх. AI үүнийг ил гаргаж өгдөг.

“AI нэвтрүүлэх” биш: 90 хоногийн хэрэгжих төлөвлөгөө

Хариулт: Монголын уурхайн компанид AI‑ийн амжилт технологи сонголтоос илүү өгөгдөл ба үйл ажиллагааны сахилга дээр шийдэгддэг. Доорх 90 хоногийн загвар олон компанид таардаг.

0–30 хоног: Өгөгдлийн бодит байдлыг шалгах

• Засвар үйлчилгээ, зогсолт, түлш, дугуй, сэлбэг, операторын мэдээлэл хаана байдаг вэ?
• Мэдээлэл давхарддаг уу, хоосон талбар их үү?
• KPI‑гээ 5–7 ширхэг болгон цөөл (жишээ: availability, utilisation, MTBF, recovery, unit cost).

31–60 хоног: Нэг use case сонгоод үйлдвэрлэл дээр турших

Сонголтын шалгуур:

• ROI хурдан (3–6 сар)
• өгөгдөл нь боломжийн чанартай
• ажиллагаанд нөлөөлөх эрх эзэн тодорхой

Жишээ use case‑ууд:

• экскаватор/ачааны машины эвдрэл урьдчилан таамаглах
• бутлуурын тэжээлийн хэлбэлзлээс тоног төхөөрөмжийн ачаалал тэнцвэржүүлэх
• флотацийн гол параметрүүдээс recovery‑ийн прогноз

61–90 хоног: Хэмжих, стандартчлах, өргөжүүлэх

• “Өмнө/дараа” хэмжилт заавал хий (жишээ нь зогсолтын цаг, нэгж өртөг, recovery, эрчим хүч).
• Моделийн зөвхөн нарийвчлал биш, ажил дээр хэрэглэх хялбар байдлыг үнэл.
• Дараагийн 2 use case‑ийн backlog гарга.

Сайн AI төслийн хэмжүүр: хурал дээр гоё харагдах биш, ээлж дээр шийдвэрийг хурдлуулах.

Монголын өсөлтийн том хөшүүрэг: “итгэлцлийг өгөгдлөөр худалдаж авах”

Австралийн төслийн тоо 432 болсон, төмрийн хүдрийн ахисан шатны хөрөнгө оруулалт 12 тэрбум ам.долларт хүрсэн зэрэг мэдээлэл нэг л зүйлийг хэлээд байна: зах зээл төсөл урагшлуулах чадварт мөнгө өгдөг. Монголын уурхай, олборлох салбар ч энэ мөчлөгөөс гадуур биш.

Хийх ажил тодорхой. AI‑г “шинэ санаа” гэж тойрч ярихгүйгээр:

1. өгөгдлийн сахилга бат (data governance)
2. 1–2 хурдан ROI‑тай хэрэглээ (predictive maintenance, process optimisation)
3. төслийн эрсдэлийн тоон тайлан (инвесторт зориулсан)

гээд дарааллаар нь барьж чадвал хөрөнгө оруулалтын итгэлцэл бодитоор өснө.

Хэрвээ та 2026 онд шинэ төсөл эхлүүлэх, эсвэл одоо байгаа уурхайгаа өргөтгөхөөр төлөвлөж байгаа бол нэг асуултаас эхэлье: танай компанийн хамгийн үнэтэй тодорхой бус байдал аль хэсэгт байна—геологи юу, тоног төхөөрөмж үү, эсвэл процесс уу? Тэр хэсгийг AI‑гаар “тоон асуудал” болгох өдөр чинь санхүүжилт, гүйцэтгэл хоёр зэрэг хөнгөвчлөгдөнө.