AI 2025 чиг хандлага: Монголын уул уурхайд хэрэгжүүлэх нь

2025 онд AI‑ийн тухай яриа “сонирхолтой технологи” түвшнээс гарч, үйлдвэрлэл дээр мөнгө, хугацаа, эрсдэлийг бодитоор өөрчилдөг хүчин зүйл боллоо. MIT Technology Review‑ийн 2025 оны хамгийн их уншигдсан нийтлэлүүдийн жагсаалт нэг зүйлийг тод харуулсан: хүмүүс AI‑ийн чадвараас илүүтэй үр дагавар (эрчим хүчний хэрэглээ, бодит хэрэглээ, ойлголтын будлиан, хүний зан төлөвт үзүүлэх нөлөө) рүү илүү их анхаарч эхэлжээ.

Монголын уул уурхай, олборлох салбарын хувьд энэ бол сайн мэдээ. Яагаад гэвэл “AI ямар хүчтэй вэ?” гэдгээс илүү “манай уурхайд ямар өгөөжтэй вэ, ямар эрсдэл дагуулдаг вэ?” гэдэг асуулт л хөрөнгө оруулалт, худалдан авалт, нэвтрүүлэлтийг зөв чиглүүлдэг. Энэ нийтлэлээр 2025 оны AI‑ийн гол яриануудыг уул уурхайд хөрвүүлж, үр ашиг, аюулгүй байдал, тогтвортой ажиллагаа, олон улсын өрсөлдөх чадвар дээр хэрхэн бодитоор хэрэгжүүлэхийг задлая.

2025 оны хамгийн том сургамж: AI‑ийн өртөг “сервер дээр” биш, “талбай дээр” мэдрэгддэг

AI‑ийн талаарх хамгийн их уншигдсан сэдвүүдийн нэг нь AI‑ийн эрчим хүч, усны мөр байлаа. Энэ нь уул уурхайн удирдлагад шууд хамаатай. Учир нь уурхай өөрөө:

• дизель, цахилгаан, тэсэлгээ, тээрэм, насос зэрэг эрчим хүч өндөртэй процессуудтай
• усны баланс, тоосжилт, хаягдлын менежмент зэрэг экологийн хяналттай
• үйлдвэрлэлийн төлөвлөгөөний зөрүү гарахад алдагдал хурдан өсдөг

Эндээс нэг тод дүгнэлт гарна:

Уурхайд AI нэвтрүүлэхдээ “AI хэдэн GPU хэрэглэх вэ?” гэхээсээ илүү “AI ямар шийдвэрийг сайжруулж, хэдэн цаг/тонн/литрийг хэмнэх вэ?” гэж тооцдог байх ёстой.

AI‑ийн бодит ROI‑г тооцох хамгийн энгийн арга

Уул уурхайд AI төслийг “демо” дээрээс “үйлдвэрлэл” болгоход ROI тооцоо л бүхнийг шийддэг. Миний харсан хамгийн ажил хэрэгч арга бол дараах 4 хэмжүүр:

1. Тонн тутмын зардал (unit cost): тээвэр, түлш, дугуй, засвар, эрчим хүч
2. Availability / Utilization: техник бэлэн байх хугацаа, бодит ажилласан хувь
3. Recovery / Grade control: хүдэр‑хаягдлын ялгалт, тээрэмдэх чанар
4. HSE үзүүлэлт: ослын давтамж, near-miss, хэт ядрал, хурд хэтрүүлэлт

AI‑ийн “эрчим хүчний мөр” нь зөвхөн дата төвийн асуудал биш. Хэрэв AI‑ийн тусламжтайгаар автосамосвалын хоосон явалтыг 2–3% бууруулж, түлшийг 1–2% хэмнэж чадвал энэ нь ихэнх уурхайд AI‑ийн тооцооллын өртгөөс хэд дахин их үнэ цэнэ өгдөг.

“AI гэж юу вэ?” гэдэг будлиан уул уурхайд тендерийг эвддэг

MIT Technology Review‑ийн уншигдсан нийтлэлүүдийн нэг нь “AI гэж юу вэ?” гэсэн суурь асуултыг сөхсөн нь санамсаргүй биш. Уул уурхайд энэ будлиан маш үнэтэй тусдаг:

• нэг нийлүүлэгч статистик загвараа “AI” гэж нэрлэнэ
• нөгөө нь дүрс боловсруулалтаа “AI” гэж нэрлэнэ
• гурав дахь нь LLM‑ийг чатбот болгож суулгана

Ингээд компанийн талд нэг стандартаар харьцуулах боломжгүй тендерүүд орж ирдэг.

Уурхайн удирдлагад хэрэгтэй “AI‑ийн ажлын ангилал”

Дараах 3 ангиллыг байгууллагын түвшинд тохиролцоод авчихвал худалдан авалт, KPI, кибер аюулгүй байдал бүгд цэгцэрдэг.

• Мэдрэгч/IoT‑д суурилсан AI (Edge AI): камер, радар, вибраци, температур дээр ажиллана. Жишээ: жолоочийн ядаргаа, бүс зүүх хяналт, конвейер дээрх бөглөрөл илрүүлэх.
• Процессын оновчлол (Industrial ML): бутлах‑тээрэмдэх, флотаци, уусгалт, эрчим хүчний горим, усны баланс.
• Мэдлэгийн AI (LLM/GenAI): засварын тайлан, SOP, ослын дүгнэлт, сэлбэгийн лавлагаа, инженерийн асуулт‑хариулт.

AI‑ийн хамгийн өндөр эрсдэлтэй хэсэг нь “юу хийж байна” гэдгээ тодорхойлоогүй төсөл байдаг.

Байгаль орчин + эрчим хүч: AI‑г “ногоон” болгох биш, “үр ашигтай” болгох нь чухал

2025 онд AI‑ийн байгаль орчны нөлөөг хүмүүс илүү их ярьсан нь уурхайн салбарт хоёр давхар ач холбогдолтой.

Нэгдүгээрт, олон улсын түншлэл, хөрөнгө оруулалт, оффтейк хэлцэл дээр ESG нотолгоо илүү чангарч байна. Хоёрдугаарт, Монголын уурхайнуудын зарим нь эрчим хүчний хязгаарлалттай бүсэд ажиллаж, оргил ачааллын үед өртөг өсдөг.

Уурхайд хэрэгжих “AI + энерги” гурван практик хэрэглээ

• Нунтаглалтын энергийн оновчлол: тээрмийн тэжээл, ширхэглэл, лайнерын элэгдэл, моторын ачааллын өгөгдлөөр кВтц/тонн‑ыг бууруулах. Энэ нь ихэнх баяжуулах үйлдвэрт хамгийн том боломж.
• Дизель хэрэглээ ба замын цикл: замын нөхцөл, ачих‑буулгах дараалал, queue time‑ийг AI‑аар тооцоолж, хоосон/зогсолт хугацааг бууруулах.
• Усны баланс ба хаягдлын эрсдэл: улирлын горим (өвөл/зуны ууршилт), насосны горим, хур тунадасны эрсдэлийн загварчлал.

Энд нэг байр суурь тодорхой: AI‑г “ялгаатай гоё” болгох гэж биш, эрчим хүч‑ус‑тонн гэсэн гурвал дээр бодит KPI‑тай болгох гэж нэвтрүүл.

Хүмүүс чатботтой “харилцаанд орж” байна — уурхайд энэ нь сургалт, соёл, аюулгүй ажиллагааны асуудал

2025 онд хүмүүс AI чатботтой санаандгүйгээр дотно холбоо үүсгэж, заримдаа эрсдэлд орж байгааг хөндсөн нийтлэлүүд их уншигдсан. Уурхайд энэ сэдэв “инээдтэй” сонсогдож магадгүй. Гэхдээ бодит аюул нь өөр:

• ажилтнууд чатботоос SOP‑ийн зөвлөгөө авна
• засварын алхмыг чатботоор асууна
• ослын тайлан бичихдээ чатбот ашиглана

Хэрэв энэ нь зохицуулалтгүй бол буруу зөвлөгөө, буруу баримтжуулалт, нууц мэдээллийн алдагдал гэсэн гурван эрсдэл шууд гарч ирнэ.

Уурхайн GenAI‑ийн “аюулгүй хэрэглээний дүрэм” (шууд хэрэгжүүлэх боломжтой)

1. “Ямар асуултыг асууж болох вэ?” жагсаалт: аюулгүй ажиллагааны шугам‑алхам, критик ажиллагаанд чатботын зөвлөгөөг ганцааранг нь ашиглахыг хориглох.
2. “Ямар өгөгдөл оруулахыг хориглох вэ?”: гэрээ, геологийн нөөцийн нарийвчилсан өгөгдөл, ажилтны хувийн мэдээлэл.
3. Эх сурвалжтай хариулт шаардах: SOP, засварын гарын авлага, дотоод стандарт руу иш татаж байж зөвлөгөө өгөх internal chatbot.
4. Хүний баталгаажуулалт: өндөр эрсдэлтэй ажлын зөвлөгөөнд supervisor sign‑off.

GenAI‑ийн үнэ цэнэ нь “хариулт гаргах”-аас илүү “зөв баримт дээр тулгуурлан жигд ойлголт бий болгох” чадварт байдаг.

Монголын уул уурхайд AI нэвтрүүлэх 90 хоногийн бодит төлөвлөгөө

Уурхайн AI санаачилга ихэвчлэн хоёр шалтгаанаар гацдаг: өгөгдөл замбараагүй, эсвэл бизнес эзэнгүй. 90 хоногийн төлөвлөгөөг ингэж энгийн болгохыг зөвлөе.

0–30 хоног: Нэг асуудал сонгоод, KPI‑гаа хатуу тогтоо

Сонголтын шалгуур:

• мөнгөн дүн нь тодорхой (түлш, дугуй, тээрэм энерги, зогсолт)
• өгөгдөл нь дор хаяж 3–6 сарын түүхтэй
• үйл ажиллагааны баг “эзэн” нь болж ажиллах боломжтой

KPI‑ийн жишээ:

• haul cycle time‑ийг 3% бууруулах
• unplanned downtime‑ийг 10% бууруулах
• кВтц/тонн‑ыг 1–2% бууруулах

31–60 хоног: Өгөгдлийн “үндсэн ариун цэвэр”-ийг хий

AI‑ийн чанарыг ихэнхдээ загвар биш, өгөгдөл шийддэг.

• нэршил: тоног төхөөрөмжийн ID, эвдрэлийн код, ажлын төрлийн кодыг нэг стандарт болго
• цаг: бүх системийн timestamp‑ийг нэг бүс/формат руу нэгтгэ
• чанар: алдагдсан утга, давхардлыг илрүүлж зас

Энэ үед IT/OT (үйлдвэрлэлийн автоматжуулалт) багийн оролцоо зайлшгүй. Уурхайд AI гэдэг чинь ихэнхдээ OT‑той эвлэрсэн IT байдаг.

61–90 хоног: Туршилтаа талбай дээр “шийдвэр” болгож холбо

Хамгийн чухал алхам: загварын үр дүнг операторын шийдвэртэй холбох.

• зөвхөн dashboard гаргаад орхивол хэрэглэгдэхгүй
• диспетчерийн шийдвэрийн урсгалд (queue, assignment) шууд санал болгодог бол хэрэглэгдэнэ
• засварын төлөвлөгөөнд (work order) автоматаар санал үүсгэдэг бол мөнгө болдог

Түгээмэл асуултууд (уурхайн захирлуудын асуудаг хэлбэрээр)

AI нэвтрүүлэхэд хамгийн түрүүнд хаанаас эхлэх вэ?

Түлш, зогсолт, тээрэм энерги гэсэн 3 сэдвийн аль нэгээс эхэл. Эдгээр нь өгөөжийг хамгийн хурдан мэдрүүлдэг.

Монголд хамгийн бодит саад нь юу вэ?

Технологи биш. Өгөгдлийн стандарт + үйл ажиллагааны эзэн хоёр л гол саад. Үүнийг шийдвэл нийлүүлэгч, платформын сонголт араас нь дагаад зөв болдог.

AI ажилчдын ажлыг “орлох” уу?

Уурхайд ихэнх AI нь хүнийг орлохгүй, алдаа гаргах магадлалыг бууруулж, шийдвэрийг тогтмолжуулдаг. Яг энэ нь аюулгүй байдал, бүтээмжид хамгийн их нөлөөлнө.

2026 руу орохдоо анхаарах нэг зүйл: AI‑ийн яриа биш, AI‑ийн сахилга бат өрсөлдөөн болно

2025 оны хамгийн их уншигдсан AI сэдвүүд нэг санааг давтаж байна: хүмүүс AI‑ийн нөлөөг бодит амьдрал дээр хэмжиж, эрсдэлийг нь ярьж эхэлсэн. Монголын уул уурхайд ч яг энэ үе эхэлж байна.

Манай энэ цувралын (“Хиймэл оюун ухаан Монголын уул уурхай, олборлох салбарыг хэрхэн өөрчилж байна”) дараагийн алхам бол нэг: AI‑г презентаци дээр биш, уурхайн KPI дээр байрлуулах. Тэнд л жинхэнэ өөрчлөлт гарна.

Хэрэв танай уурхай 2026 онд нэг л AI санаачилга амжилттай болгоё гэвэл: “өгөгдөл‑шийдвэр‑KPI” гэсэн гурвыг нэг шугаманд оруулж чадна уу? Энэ асуултад “тийм” гэж хариулж чадвал та аль хэдийн олонхоос түрүүлчихсэн байна.