AI ба төслийн pipeline: хүдэр, алт, зэсийн өсөлт

Австрали 2025 онд 432 томоохон нөөц, эрчим хүчний төсөлтэй болж, өмнөх жилийн 407-оос өссөн нь нэг зүйлийг ил тод хэлж байна: зах зээл “түр азнаад”, одоо дахиад шийдвэр гаргаж эхэллээ. Тэр өсөлтийн төвд төмрийн хүдэр, алт, зэс байна. Хөрөнгө оруулагчдын итгэл сэргэсэн нь дан ганц үнийн мөчлөгөөр тайлбарлагдахгүй—төслүүд илүү хурдан “боловсрох”, эрсдэлээ илүү сайн тооцох, гүйцэтгэлээ илүү сахилга баттай барих шаардлага улам чангарсан.

Монголын уул уурхай, олборлох салбар яг ийм мөч дээр ирсэн. Өндөр өгөөжтэй үе үргэлжлэхгүй, харин үйл ажиллагааны чанар үлдэнэ. Миний харж байгаагаар 2026 он руу орох үед “төслийн pipeline”-ийг хүчтэй болгож, банкинд итгүүлэх хамгийн бодит хэрэгсэл бол хиймэл оюун ухаан (AI) байна. Яагаад гэвэл AI нь тоног төхөөрөмж биш—шийдвэр гаргалтын систем.

Энэ нийтлэлээр Австралийн тайлангаас гарч буй тоон дохиог Монголын нөхцөлтэй холбож, AI уурхай дээр яг хаана, ямар дарааллаар үнэ цэнэ гаргадаг вэ гэдгийг бодитоор задлана. Төмрийн хүдэр, алт, зэсийн төсөл дээр хэрэгжүүлэх боломжтой практик алхмуудыг ч хэлнэ.

Австралийн тоонуудын цаадах санаа: “pipeline” гэдэг нь санхүүжилтийн хэл

Төслийн pipeline өссөн нь “төсөл олон боллоо” гэсэн мэдээ биш. Төслүүд үе шат ахиж байна гэсэн үг. Австралийн тайланд:

• 2025 онд нийт том төслүүд 432 болсон
• Төмрийн хүдрийн дэвшилтэт үе шатны хөрөнгө оруулалтын тооцоо $8.1 тэрбум → $12 тэрбум болж өссөн
• Алтны төслийн тоо 38 → 45 болж нэмэгдсэн
• Зэсийн нийт хөрөнгө оруулалт $16.1 тэрбум түвшинд тогтвортой хэвээр
• Чухал ашигт малтмалын төслүүд 130 болж, 11-ээр өссөн

Эндээс унших ёстой гол өгүүлбэр нь: төслийн шат ахилт = эрсдэлийн бууралт. Харин эрсдэлийг бууруулахад AI хамгийн шууд нөлөөлдөг—ялангуяа олборлолтын төлөвлөлт, хүдэр боловсруулах тогтвортой байдал, засвар үйлчилгээ, аюулгүй ажиллагаа, зардлын хяналт дээр.

Монголд ч мөн адил: төслийн feasibility, FID, committed шатанд очиход хамгийн их саад болдог зүйл бол “нөөц бий” гэдэгт биш, гүйцэтгэл тогтвортой байж чадах уу гэдэгт байдаг. AI энэ асуултад өгөгдлөөр хариулдаг.

AI pipeline-д яаж нөлөөлдөг вэ?

AI-тай байгууллага төслийн шат ахих үед банк, хөрөнгө оруулагчид руу дараах байдлаар “хэл” илгээдэг:

• Таамаглал биш, хэмжилт: бодит цагийн үйлдвэрлэлийн өгөгдөл
• Хувилбарын анализ: үнэ, чанар, олборлолтын нөхцөл өөрчлөгдөхөд юу болохыг тооцсон загвар
• Эрсдэлийн эрт сэрэмжлүүлэг: зогсолт, осол, чанарын хэлбэлзлийг урьдчилан анхааруулдаг систем

Энэ бол 2025–2026 онд pipeline яагаад чангарч байгаагийн практик тайлбар.

Төмрийн хүдэр: Ашигтай хэвээр байлгах тэмцэл AI-гаар эхэлдэг

Төмрийн хүдэр өндөр хүчин чадал, урт хугацааны хөрөнгө оруулалт шаарддаг. Австралийн жишээн дээр 2025 онд төмрийн хүдрийн хэд хэдэн төсөл committed рүү орж, capex нь $12 тэрбум болж өссөн нь “урт хугацааны эрэлт”-д итгэж байгааг харуулна.

Гэхдээ бодит талбар дээр асуудал энгийн: тоног төхөөрөмжийн ашиглалт, ложистик, хүдрийн чанарын хэлбэлзэл. Хэрэв эдгээр нь удирдлагагүй бол уурхайн нэг тонн тутмын өртөг өсөж, гэрээт нийлүүлэлт “чичирдэг”.

AI ашигтай байдалд хамгийн хурдан нөлөөлдөг 3 цэг

1. Олборлолтын төлөвлөлт ба ангилалт (grade control)
   • Дрон/сенсор/өрөмдлөгийн өгөгдлийг нэгтгээд блок загварын шинэчлэл хийх
   • Богино хугацааны төлөвлөлтөд (7–14 хоног) хүдрийн урсгалыг оновчлох
2. Тээвэр-ачилтын оновчлол (fleet optimization)
   • Экскаватор–самосвалын хослол, хүлээлтийн хугацааг AI/тооцооллын загвараар бууруулах
3. Урьдчилан сэргийлэх засвар (predictive maintenance)
   • Доргилт, температур, тосны анализын өгөгдлөөр эвдрэлээс өмнө засварын цонх гаргах

Миний байр суурь: төмрийн хүдрийн уурхайд “AI туршъя” гэж эхлэх нь буруу. Зогсолтын цаг болон тонн тутмын өртөг гэсэн хоёр KPI дээр шууд холбож эхэлбэл 8–12 долоо хоногт үр дүн гарч эхэлдэг.

Алт: Үнэ өсөх үед хамгийн их алдаа гардаг

Алтны төслийн тоо Австралид 38-аас 45 болж өссөн нь үнэ өндөр үед exploration, development идэвхждэг сонгодог зураг. Гэхдээ алтны салбарын нэг эмзэг зүйл бий: үнэ өндөр үед байгууллагууд хурдан тэлж, процессын сахилга сулрах хандлагатай.

Тиймээс алтны хувьд AI-ийн хамгийн хэрэгтэй хэрэглээ нь “олборлолт нэмье” гэхээсээ илүү:

• Нунтаглалт, уусгалт, сэргээх (recovery) тогтвортой байдал
• Химийн бодисын зарцуулалт
• Хаягдлын эрсдэл ба усны менежмент

AI-тай металлургийн хяналт яагаад хөрөнгө оруулагчдад таалагддаг вэ?

Алтны үйлдвэр дээр 1–2 хувийн recovery-ийн хэлбэлзэл нь жилдээ сая сая ам.долларын зөрүү гаргадаг. AI нь:

• хүдрийн хатуулаг, ширхэглэл, найрлага өөрчлөгдөхөд параметрүүдийг урьдчилан тохируулах,
• лабораторийн хоцрогдолтой мэдээллийг бодит цагийн мэдрэгчийн өгөгдлөөр нөхөх,
• “энэ өдрийн хэлбэлзэл юунаас болов?” гэсэн маргааныг өгөгдлөөр хаадаг.

Үр дүн нь нэг өгүүлбэр: үйлдвэрлэлийн хэлбэлзэл буурах тусам санхүүжилтийн өртөг буурна.

Зэс: Төгс зохион байгуулалтгүйгээр “ногоон эрэлт”-ийг хангахгүй

Зэсийн нийт хөрөнгө оруулалт Австралид $16.1 тэрбум-аар тогтвортой байгаа нь урт хугацааны логиктой: цахилгаанжуулалт, сүлжээ, дата төв, EV—бүгд зэс иднэ. Монголын хувьд ч зэс бол экспортын баганын нэг.

Гэхдээ зэсийн уурхай, баяжуулах үйлдвэр дээрх хамгийн нийтлэг асуудал нь:

• хүдрийн төрөлжилтөөс үүдсэн flotation-ын хэлбэлзэл,
• эрчим хүчний өсөлт,
• усны хязгаарлалт,
• тоног төхөөрөмжийн тасалдал.

Зэсэнд AI хэрэгжүүлэх “зөв дараалал”

1. Process control (flotation optimization) – чанар, сэргээх хувь, урвалжийн зарцуулалт дээр хурдан үр дүн гарна
2. Energy optimization – тээрмийн ачаалал, насос, компрессорын горимыг оновчлох
3. Digital twin – уурхайн олборлолтоос үйлдвэр хүртэл “нэг загвар” дээр хувилбар тооцох

Энд нэг хатуу байр суурь хэлмээр байна: зэсийн төслүүдэд AI-г зөвхөн “камераар аюулгүй ажиллагаа” гэж ойлговол дутуу. Жинхэнэ мөнгө үйлдвэрийн тогтвортой ажиллагаа дээр байдаг.

“Чухал ашигт малтмал” ба Монгол: эрт үе шатанд AI тавих нь хамгийн хямд

Австралид чухал ашигт малтмалын pipeline 130 төсөлтэй болж өссөн бөгөөд ихэнх нь publicly announced буюу эрт үе шатандаа байна. Энэ шатанд AI хэрэгжүүлэх нь яагаад ашигтай вэ?

• Өгөгдлийн архитектурыг эхнээс нь зөв тавивал дараа нь “өгөгдөл хайж” жил алдахгүй
• Drillhole, сорьц, геологийн өгөгдөл нэг стандарттай байвал feasibility хурдтай явна
• ESG, байгаль орчны мониторингийг эртээс хийвэл зөвшөөрөл, олон нийтийн итгэл дээр нэмэртэй

Монголд хайгуул–үнэлгээ–ТЭЗҮ гурван шатны өгөгдөл ихэвчлэн тасархай явдаг. AI-г амжилттай болгох үндэс нь загвар биш—өгөгдлийн сахилга.

AI-д бэлдэх хамгийн энгийн checklist

• Нэгжүүд (тонн, хувь, ppm) болон нэршлийн стандарт
• Лабораторийн өгөгдөл ба field өгөгдлийн холбоос (sample ID)
• Төхөөрөмжийн downtime reason code-уудыг нэг мөр болгох
• Нэг KPI-ийн “албан ёсны” тодорхойлолт (жишээ: availability гэж яг юуг хэлэх вэ?)

Энэ бүгд уйтгартай сонсогдоно. Гэхдээ pipeline-ийг санхүүжилттэй болгох бодит суурь нь энд байдаг.

Монголын уурхайнуудад 90 хоногт эхлүүлж болох AI roadmap

AI-г том төсөл гэж эхлүүлбэл хурдан унтардаг. Харин pipeline, гүйцэтгэл, аюулгүй ажиллагаанд шууд холбоод явбал үр дүн нь хурдан харагдана.

0–30 хоног: Нэг асуудал, нэг өгөгдөл

• Нэг site сонго (уурхай эсвэл үйлдвэр)
• Нэг use case сонго: жишээ нь тээрмийн throughput хэлбэлзэл, эсвэл самосвалын хүлээлт
• Өгөгдлөө цэвэрлэ: тасарсан мөр, нэгжийн зөрүү, буруу timestamp

31–60 хоног: Загвар биш, шийдвэрийн дүрэм

• Урьдчилан таамаглал гарга
• Операторт хэрэглэх дүрэм болго: “Хэрэв X өсвөл Y-г тэгж өөрчил”
• Ажиллах урсгалд нь суулга: уулзалт, shift report, диспетчерийн дэлгэц

61–90 хоног: KPI-аар баталгаажуул

• 2–3 KPI сонго: downtime, recovery, fuel, dilution гэх мэт
• Хуучин vs шинэ гүйцэтгэлийг нэг загвараар харьцуул
• Өргөтгөх эсэхээ шийд

Энэ схемийн гол санаа: AI-г “моделийн демо” болгохгүй, үйлдвэрлэлийн дадал болго.

2026 оны бодит өрсөлдөөн: хүдэр биш, өгөгдөл

Австралийн 2025 оны тоонууд (432 төсөл, төмрийн хүдэр $12 тэрбумын advanced capex, алтны төслийн өсөлт, зэсийн $16.1 тэрбумын тогтвортой хөрөнгө оруулалт) нэг мессеж өгч байна: олборлох салбар дахин өсөлт рүү орж байна, гэхдээ энэ удаа “зүгээр ухах” хангалтгүй.

Монголын уул уурхай, олборлох салбарт энэ өсөлтийг ашиг болгох хамгийн найдвартай арга нь хиймэл оюун ухаан + өгөгдлийн сахилга + үйлдвэрлэлийн KPI гэсэн гурвал. Хэрэв та pipeline-ээ хөрөнгө оруулагчид, түншүүдэд ойлгомжтой болгоё гэвэл AI-г “ирээдүйн төсөл” гэж бүү хадгал. Одоо ажиллаж байгаа систем болго.

Танай байгууллага төмрийн хүдэр, алт, зэсийн аль дээр нь төвлөрдөгөөс үл хамаараад нэг асуулт үлдэнэ: 2026 онд танай уурхай өрсөлдөх давуу талаа тонн-оор хэмжих үү, эсвэл тогтвортой гүйцэтгэл-ээр хэмжих үү?