Об авторе: Евгений Шумский, эксперт в области геологоразведки и ИИ-автоматизации. Директор по Data & AI Field Solutions в компании Heologic Group.
Содержание:
ESG и гринвошинг в нефтегазе Технологии для снижения выбросов CO2 Снижение экологического следа в геологоразведке Что такое геохимическая съемка ИИ в геологоразведке: риски и роль эксперта Что реально стоит измерять
Проблемы ESG-рейтингов и гринвошинг в отрасли
Еще несколько лет назад казалось, что ESG станет универсальным языком, на котором бизнес будет говорить об ответственности перед обществом и окружающей средой. Компании выпускали отчеты об устойчивом развитии, считали углеродный след, заявляли о декарбонизации, устанавливали солнечные панели и включали экологические цели в презентации для инвесторов.
Однако вместе с ростом популярности ESG проявилась и другая тенденция. Одни действительно меняли производственные процессы, другие ограничивались правильными формулировками. Так в деловую повестку прочно вошло понятие гринвошинга — ситуации, когда экологические заявления звучат убедительно, но не подкрепляются реальными изменениями.
Проблема оказалась гораздо шире, чем отдельные истории. Проверка Еврокомиссии показала, что примерно в 42% случаев у надзорных органов были основания полагать, что «зеленые» заявления могли быть ложными или вводящими в заблуждение. В 37% использовались слишком общие формулировки, а в 59% отсутствовали легко доступные доказательства заявленных экологических преимуществ.
Не меньше вопросов возникает и к самим ESG-рейтингам. Исследование профессоров Берга, Кельбеля и Ригобона показало, что оценки разных ESG-агентств совпадают лишь частично. Средняя корреляция между рейтингами составила около 0,54. Это означает, что разные агентства нередко приходят к заметно различающимся оценкам одних и тех же компаний.
В результате многие предприятия стали осторожнее рассказывать о своих экологических достижениях, опасаясь обвинений в гринвошинге. Но снижение количества громких заявлений само по себе не делает производство более устойчивым. После периода увлечения ESG отрасли необходим более зрелый подход — с акцентом не на декларации, а на измеримые изменения технологических процессов.
Инженерные технологии для снижения выбросов CO2
Сегодня экологическая повестка часто сводится к обсуждению ограничений: меньше пользоваться автомобилями, экономить электроэнергию, реже включать кондиционеры, сокращать потребление отдельных продуктов. Подобные меры действительно могут приносить пользу, однако они не затрагивают коренные проблемы.
Ведь изменение климата и рост концентрации углекислого газа — прежде всего масштабная технологическая задача. Помимо сокращения выбросов необходимы инвестиции в технологии улавливания и долговременного хранения углерода, новые производственные процессы, современные материалы, методы переработки CO₂ и системы точного мониторинга источников выбросов. Не менее важны специалисты, которые способны эти технологии создавать, проверять и внедрять.
Именно поэтому экологическая политика не должна ограничиваться перечнем, от чего следует отказаться. Без развития науки, инженерии и подготовки кадров невозможно изменить саму технологическую основу промышленности.
Нефтегазовая отрасль традиционно оказывается в центре экологических дискуссий. Основные претензии связаны с выбросами парниковых газов, утечками метана, факельным сжиганием попутного газа и воздействием на природные территории.
Современная мировая экономика по-прежнему во многом зависит от углеводородов, а быстрый отказ от них остается малореалистичным сценарием. Поэтому сегодня гораздо важнее обсуждать не абстрактные обещания «зеленой повестки», а конкретные технологии, позволяющие сделать производственные процессы более эффективными и менее затратными для окружающей среды.
Чаще всего экологическую составляющую нефтегаза рассматривают уже на этапе добычи. Международное энергетическое агентство относит к главным направлениям сокращение утечек метана и отказ от регулярного сжигания газа. По оценке Всемирного банка, только в 2025 году на факелах было сожжено около 167 млрд кубометров газа — колоссальный объем ресурсов, который одновременно означает и значительное воздействие на климат.
Однако экологический след появляется значительно раньше — еще во время геологоразведки.
Как реально снизить экологический след в геологоразведке
Разведка месторождений — это далеко не только изучение геологических карт. Она требует полевых экспедиций, тяжелой техники, топлива, строительства временной инфраструктуры, проведения сейсмических исследований, бурения разведочных скважин.
На ранних этапах компания работает в условиях высокой неопределенности. Желание собрать максимум данных с запасом нередко приводит к избыточным объемам сейсмики, дополнительным профилям исследований или бурению скважин при недостаточной исходной информации. Между тем здесь скрывается большой резерв для повышения экологичности отрасли.
Если получить необходимую информацию удается раньше, отпадает необходимость в части дорогостоящих и ресурсоемких работ. Меньше техники выходит на местность, сокращается количество выездов, уменьшается расход топлива, снижается вмешательство в природную среду. Зачастую наиболее экологичным решением становится не новая скважина, а аргументированный отказ от ее бурения.
Поэтому современные методы геологоразведки все чаще рассматриваются не только как инструмент повышения эффективности бизнеса, но и как способ снижения воздействия на окружающую среду.
Геохимическая съемка как метод оптимизации бурения
Одним из перспективных направлений становится геохимическая съемка, включая гелиевую съемку.
Геохимическая съемка — это метод поиска полезных ископаемых и изучения земли. Специалисты берут пробы почвы, горных пород, воды или воздуха по плану, а затем проверяют их в лаборатории на наличие разных химических элементов, чтобы найти скрытые под землей руды, нефть или газ.
Распределение концентраций гелия у поверхности способно указывать на участки, заслуживающие более детального изучения. Разумеется, как и любой геологический метод, он имеет ограничения. Полученные результаты нельзя интерпретировать отдельно от геологической модели, данных сейсморазведки и других исследований.
Однако в составе комплексной программы геохимическая съемка может выступать эффективным дополнительным фильтром. Если выявленные аномалии согласуются с геологическим строением территории и другими данными, именно эти зоны становятся приоритетными для дальнейших исследований. Если такого согласования нет, часть дорогостоящих работ можно пересмотреть еще до мобилизации техники.
Экономический эффект очевиден: компания точнее распределяет ресурсы и сокращает объем исследований на малоперспективных объектах. Экологический результат возникает по той же причине: меньше экспедиций означает меньше техники на местности, транспортной логистики, повторных исследований и вмешательства в природную среду.
По сути устойчивость достигается здесь не за счет дополнительных компенсационных мероприятий, а благодаря более качественным инженерным решениям.
ИИ в геологоразведке: риски и роль эксперта
Еще одна тенденция последних лет — стремительное внедрение искусственного интеллекта в инженерные процессы. ИИ уже способен быстро анализировать огромные массивы информации, искать статистические закономерности, строить прогнозы и формировать гипотезы значительно быстрее человека. Для многих рутинных операций это действительно означает существенный рост производительности. На этом фоне у бизнеса появляется соблазн не только автоматизировать отдельные операции, но и сокращать должности или целые группы специалистов в расчете на то, что ИИ сможет заменить их экспертизу.
Однако в научных и инженерных задачах скорость сама по себе не гарантирует правильности результата. Алгоритм может обнаружить статистическую связь, которая на самом деле возникла из-за ошибки датчика, смещения координат, изменения влажности или нарушения методики измерений. Он способен построить убедительную модель на данных, которые опытный специалист сразу признал бы непригодными.
Особенно опасно, когда правдоподобные выводы начинают восприниматься как доказательство. Пользователь без фундаментальной подготовки может попасть в спираль ложной уверенности: принять убедительно сформулированный ответ за доказательство, использовать его как основу следующего запроса, а затем получить расчеты, графики и рекомендации, которые лишь закрепят исходную ошибку. Так одна неверная предпосылка постепенно превращается во внешне стройное, но недостоверное решение. На его основе могут быть назначены новые исследования или бурение, и цифровая ошибка превратится в реальные финансовые потери и дополнительное воздействие на территорию.
Поэтому людей необходимо учить пользоваться ИИ, не отменяя классического фундаментального образования. Распространение искусственного интеллекта не умаляет роль экспертов, а, наоборот, делает ее еще более значимой. Геолог должен понимать природу геологических процессов, инженер — физику измерений, аналитик — происхождение данных и ограничения статистических методов. Только при таком сочетании ИИ становится инструментом усиления компетенций, а не источником дорогостоящих ошибок.
KPI устойчивого развития в нефтегазовой отрасли
Главное отличие инженерного подхода от декларативного хорошо видно по вопросам, которые задает сама компания. Вместо общей формулировки о приверженности устойчивому развитию гораздо полезнее оценивать, сколько утечек удалось обнаружить и устранить, какой объем газа перестали сжигать на факелах, сколько повторных экспедиций удалось избежать, какое количество буровых работ было отменено благодаря более точному анализу данных.
После периода активного увлечения ESG нефтегазовой отрасли необходима дисциплина измерений. И речь идет не только о выбросах. Не менее важно учитывать площадь нарушенной территории, количество выездов техники, расход топлива, качество исходных данных, число повторных исследований, объем предотвращенных потерь и подтвержденное сокращение воздействия на окружающую среду.
Но сами показатели не должны превращаться в новую форму гринвошинга. Если компания сообщает о снижении воздействия, она должна объяснить методику расчета и показать, с каким исходным сценарием сравнивается результат.
Если речь идет об эффективности искусственного интеллекта, важно демонстрировать не только скорость обработки данных, но и точность решений, количество выявленных ошибок и роль экспертной проверки. Иначе даже самые убедительные цифры рискуют остаться очередной декларацией.