CC BY
12DOI 10.47576/2712-7516_2021_4_4_47 УДК 338:004
ТРАНСФОРМАЦИЯ HR-ТЕХНОЛОГИЙ В НЕФТЕГАЗОВОМ СЕКТОРЕ: ВНЕДРЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Белова Надежда Викторовна,
главный экономист управления эффективности департамента экономики и планирования в переработке коммерции и логистики, ПАО «НК «Роснефть», e-mail:belovanadya@bk.ги
В статье анализируется применение искусственного интеллекта в нефтегазовой отрасли. Отмечается, что искусственный интеллект может существенно повысить производительность труда в нефтегазовых компаниях. Искусственные нейронные сети применяются для определения вероятности возникновения форс-мажоров, например в HR-сфере нефтегазового сектора. Технику искусственного интеллекта используют в HR-сфере для анализа резюме новичков. Это позволяет определять, какой отдел подходит для соискателя вакантной должности в соответствии с требованиями компании, что экономит ее время и средства, так как искусственный интеллект обучен тому, что дает более необходимую в данный момент времени информацию и оптимизирует решение HR-задач.
Ключевые слова: искусственный интеллект; нейронные сети; выбор кадров; человеческий интеллект; компьютерные системы; цифровые инструменты; нефтегазовый сектор; цифровые технологии; эволюционный интеллект; HR-задачи; процесс прогнозирования; производительность труда; нечеткая логика; самообучающаяся система; машинное обучение.
UDC 338:004
TRANSFORMATION OF HR TECHNOLOGIES IN THE OIL AND GAS SECTOR: INTRODUCTION OF ARTIFICIAL INTELLIGENCE
Belova Nadezhda Viktorovna,
Chief Economist of the Efficiency Department of the Department of Economics and Planning in the Processing of Commerce and Logistics, PJSC "NK "Rosneft", e-mail:belovanadya@bk.ru
The article analyzes the use of artificial intelligence in the oil and gas industry. It is noted that artificial intelligence can significantly increase labor productivity in oil and gas companies. Artificial neural networks are used to determine the probability of force majeure, for example, in the HR sector of the oil and gas sector. Artificial intelligence techniques are used in the HR field to analyze the resumes of newcomers. This allows you to determine which department is suitable for the applicant for the vacant position in accordance with the requirements of the company, which saves her time and money, since artificial intelligence is trained to provide more information that is needed at a given time and optimizes the solution of HR tasks.
Keywords: artificial intelligence; neural networks; personnel selection; human intelligence; computer systems; digital tools; oil and gas sector; digital technologies; evolutionary intelligence; HR tasks; forecasting process; labor productivity; fuzzy logic; self-learning system; machine learning.
С 2019 г. искусственный интеллект в России развивается на прозрачной институциональной платформе [1]. Использование возможностей искусственного интеллекта остается проблемой, так как он касается малоизученной темы архитектуры мозга и человеческого интеллекта. Искусственный интеллект анализирует и сохраняет инфор-
мацию в окружающей среде, имитирует человеческий интеллект с помощью машин и компьютерных систем [3-5]. Визуализируем сложившуюся ситуацию с внедрением бизнес-процедур на базе искусственного интеллекта в процентном соотношении к общему числу отечественных предприятий и организаций в 2020 г. (рис. 1) [2].
Рисунок 1 - Использование технологий искусственного интеллекта в экономике России, 2020 г, % [2]
Следует отметить, что слабая система искусственного интеллекта - это система, решающая конкретную задачу. Сильный искусственный интеллект представляет собой систему, решающую задачи без вмешательства человека.
Методы искусственного интеллекта делят на четыре блока: оптимизацию большого потока частиц, алгоритм эволюционного интеллекта, нечеткую логику, а также искусственную нейронную сеть [6]. Два последних блока выступают инновационными инструментами ИИ, которые применяются в прогно-
зировании, диагностике и сложных преобразованиях [7].
Теперь вернемся к HR-дискурсу и рассмотрим трансформацию HR-менеджмента в нефтегазовом секторе на основе искусственного интеллекта. Мы разделяем мнение ученых, доказывающих, что искусственный интеллект обеспечивает рост производительности труда в нефтегазовых компаниях [9]. Искусственные нейронные сети активно применяют для ликвидации форс-мажоров в HR-сфере нефтегазового сектора. Визуализируем влияние искусственного интеллекта на сферу управления персоналом (рис. 2) [2].
ео 60 40 20 О
Улучшит операционную эффективность
Позв ол ит быстр ее 3-н ач ите л ьн о сн и з ит принимать решения издержки
Улучшит опыт сотрудников
Елиянне ИИ насферууправления персоналом
Рисунок 2 - Влияние искусственного интеллекта на сферу управления персоналом в нефтегазовых компаниях России, % [2]
Согласно приведенной аналитике на рис. 2 искусственного интеллекта повышает операционную эффективность (59 %), позволяет принимать результативные решения (50 %), значительно снижает издержки (45 %), по-
вышает качество обслуживания клиентов (40 %) и формирует опыт сотрудников (37 %). Формализуем вербально-графическую модель назначения цифровых технологий в нефтегазовой отрасли (рис. 3) [10].
Целевое назначение
Повышение эффективности и гибкости бизнес-процессов «геологоразведка-добыча-переработка-сбыт» Углубление переработки углеводородного сырья трансформация продуктовой линейки оптимизация сервисного обслуживания
Виды применяемых интеллектуальных технологий
Технологии беспроводной передачи Технологии компьютерного инжиниринга в сфере архитектуры
Технологии виртуальной и дополненной реальности Технологии искусственного интеллекта и машинного обучения Предиктивная аналитика
Рисунок 3 - Назначение цифровых технологий в нефтегазовой отрасли [10]
В контексте представленной вербально-графической модели стоит вспомнить о том, что широкое применение методов машинного обучения в нефтяной отрасли началось с 2010-х гг. [8]. В практике гигантов рынка углеводородов «Газпром», «Лукойл», «Татнефть» и других закрепилось использование нейронных сетей, благодаря которым:
- выявляются скрытые отношения и закономерности;
- создаются автономные самообучающиеся системы;
- моделируются крайне изменчивые данные.
Особо подчеркнем, что одной из целей использования искусственного интеллекта в нефтегазовом секторе остается оптимизация именно кадровой стратегии - кадры и сегодня решают все. Визуализируем HR-проблемы и использование искусственного интеллекта для их решения (рис. 4) [4].
Напомним, что технику искусственного интеллекта используют в HR-сфере уже на этапе анализа резюме кандидата. Это позволяет определить отдел, подходящий для соискателя вакантной должности в соответ-
Рисунок 4 - Проблемы использования искусственного интеллекта в управлении персоналом
нефтегазовой отрасли [4]
ствии с требованиями компании, что экономит ее время и средства.
Итак, искусственный интеллект обучен тому, что дает более необходимую в данный момент времени информацию и перераспре-
деляет HR-задачи. Потенциал применения инструментов машинного обучения в нефтегазовой сфере колоссальный, а первые шаги к цифровизации здесь уже успешно пройдены.
Список литературы _
1. Указ Президента Российской Федерации от 10.10.2019 No 490 «О развитии искусственного интеллекта в Российской Федерации» (вместе с «Национальной стратегией развития искусственного интеллекта на период до 2030 года»). Доступ из справочной правовой системы «КонсультантПлюс».
2. Азиева Р. Х., Хасан Э. Т. Необходимость и возможность использования цифровых технологий в нефтегазо -вой отрасли в условиях цифровой трансформации экономики // Известия Санкт-Петербургского государственного экономического университета. 2020. С. 178-185.
3. Дмитриевский А. Н., Еремин Н. А., Столяров В. Е. Роль информации в применении технологий искусствен -ного интеллекта при строительстве скважин для нефтегазовых месторождений // Научный журнал Российского газового общества. 2020. № 3 (26). С. 6-21.
4. Ерёмин А. Н. Новая классификация цифровых и интеллектуальных скважин // Автоматизация и ^ в нефтегазовой области. 2016. № 2 (24). С. 20-22.
5. Казначеев П. Ф., Самойлова Р. Г, Курчиски Н. В. Применение методов искусственного интеллекта для повышения эффективности в нефтегазовой и других сырьевых отраслях // Экономическая политика. 2016. № 5. С. 188-197.
6. Коровин Я. С., Хисамутдинов М. В., Иванов Д. Я. Методы нейросетевого анализа нефтепромысловых данных // Вестник науки и образования. 2019.
7. Линник Ю. Н., Кирюхин М. А. Цифровые технологии в нефтегазовом комплексе // Вестник университета. 2019. № 7. С. 37-40.
8. Муравьева Е. А., Шарипов М. И., Кубряк А. И. Разработка метода управления процессом добычи на нефтегазовых месторождениях с использованием искусственного интеллекта // Информационные комплексы и системы. 2020. № 1. C. 62-68.
9. Петренко С. А., Маковейчук К. А., Четырбок П. В., Петренко А. С. О готовности к цифровой экономике // Всероссийская научная конференция по проблемам управления в технических системах. 2017. № 1. C. 99-102.
10. Сулоева С. Б., Мартынатов В. С. Особенности цифровой трансформации предприятий нефтегазового комплекса // Организатор производства. 2019. № 2. С. 27-36.
References _
1. Decree of the President of the Russian Federation No. 490 dated 10.10.2019 "On the development of artificial intelligence in the Russian Federation" (together with the "National Strategy for the Development of Artificial Intelligence for the period up to 2030"). Access from the legal reference system "ConsultantPlus".
2. Azieva R. H., Asan E.T. The necessity and possibility of using digital technologies in the oil and gas industry in the conditions of digital transformation of the economy. Izvestiya St. Petersburg State University of Economics. 2020. Pp. 178-185.
3. Dmitrievsky A. N., Eremin N. A., Stolyarov V. E. The role of information in the application of artificial intelligence technologies in the construction of wells for oil and gas fields. Scientific Journal of the Russian Gas Society. 2020. No. 3 (26). Pp. 6-21.
4. Eremin A. N. New classification of digital and intelligent wells. Automation and IT in the oil and gas field. 2016. No. 2 (24). Pp. 20-22.
5. Kaznacheev P. F., Samoilova R. G., Kurchiski N. V. Application of artificial intelligence methods to improve efficiency in the oil and gas and other raw materials industries. Economic policy. 2016. No. 5. Pp. 188-197.
6. Korovin Ya. S., Hisamutdinov M. V., Ivanov D. Ya. Methods of neural network analysis of oilfield data. Bulletin of Science and Education. 2019.
7. Linnik Yu. N., Kiryukhin M. A. Digital technologies in the oil and gas complex. Bulletin of the University. 2019. No. 7. Pp. 37-40.
8. Muravyeva E. A., Sharipov M. I., Kubryak A. I. Development of a method for controlling the production process at oil and gas fields using artificial intelligence. Information complexes and systems. 2020. No. 1. Pp. 62-68.
9. Petrenko S. A., Makoveychuk K. A., Chetverbok P. V., Petrenko A. S. On readiness for the digital economy. All-Russian Scientific Conference on Management problems in Technical Systems. 2017. No. 1. Pp. 99-102.
10. Suloeva S. B., Martynatov V. S. Features of digital transformation of oil and gas complex enterprises. Organizer of production. 2019. No. 2. Pp. 27-36.
