AI-агенты на шахтах и карьерах: где они реально работают

Что происходит

Добыча — одна из немногих отраслей, где автономная техника ездит по площадкам уже не первый год: карьерные самосвалы без водителей возят руду на железорудных проектах в Западной Австралии с середины 2010-х. Новый виток — это не беспилотники сами по себе, а программные агенты[1], которые управляют цепочкой решений поверх этой техники: планируют маршруты, распределяют технику по забоям, читают данные с датчиков и сами инициируют действия, не дожидаясь диспетчера.

За последние полтора года вендоры промышленного софта (Caterpillar, Komatsu, ABB, Hexagon) и облачные провайдеры начали упаковывать это в отдельные продукты. Слово «агент» в их пресс-релизах означает разное: где-то это классический оптимизатор с новым интерфейсом, где-то — надстройка на большой языковой модели, которая обращается к производственным системам через инструменты. Разберём, что за этим стоит и где проходит граница между рабочим кейсом и слайдом для инвесторов.

Где агенты уже приносят пользу

Три направления, в которых автономная логика в добыче реально экономит деньги, а не просто демонстрируется.

Диспетчеризация автопарка

Классическая задача карьера: десятки самосвалов, несколько экскаваторов, дробилка и отвалы. Кому куда ехать, чтобы техника не простаивала и очередь у экскаватора была минимальной. Системы вроде Cat MineStar и Modular Mining DISPATCH решают это оптимизацией в реальном времени десятилетиями. Агентный слой добавляет реакцию на события: сломался экскаватор — маршруты перестраиваются автоматически, без ручного вмешательства диспетчера, а оператору приходит объяснение на естественном языке, почему план изменился.

Предиктивное обслуживание

Карьерный самосвал стоит миллионы долларов, час его простоя — тысячи. Модели на телеметрии (температура, вибрация, давление масла) предсказывают отказ узла до поломки. Агент здесь не только выдаёт вероятность, но и сам ставит задачу в систему техобслуживания, резервирует деталь на складе и предлагает окно для ремонта, когда машина всё равно не в смене.

Планирование бурения и взрыва

Оптимизация сетки скважин и параметров заряда под геологию блока. Тут агент работает с геологической моделью и подбирает раскладку так, чтобы фрагментация руды была нужного размера — это напрямую влияет на энергозатраты дробилки дальше по цепочке.

Самое ценное в агентах для добычи — не автономность ради автономности, а сокращение времени между сигналом с датчика и действием. Там, где раньше диспетчер реагировал через десять минут, система реагирует через десять секунд.

Сравнение подходов

Под «AI-агентом для добычи» сегодня продают минимум три разные вещи. Ниже — чем они отличаются по возможностям, ограничениям и доступности. Конкретные функции и наличие модулей зависят от версии и контракта, поэтому таблица — про типы, а не про отдельные SKU.

Кому это пригодится, а кому нет

Агенты в добыче — не универсальное благо. Отдача сильно зависит от масштаба и зрелости данных.

• Крупный карьер с автопарком от нескольких десятков машин. Здесь оптимизация даёт измеримый эффект: каждый процент загрузки экскаватора — это реальные тонны руды. Диспетчеризация и предиктивное ТО окупаются.
• Оператор с историей телеметрии за несколько лет. Предиктивные модели без данных об отказах не обучить. Если датчики поставили полгода назад, агент будет угадывать.
• Небольшой рудник или сезонная добыча. Интеграция и лицензии съедят экономию. Ручная диспетчеризация на пять машин обходится дешевле любой системы.
• Компания без единого источника производственных данных. Если геология в одной системе, парк в другой, а ТО ведут в таблицах, LLM-агенту не к чему подключаться. Сначала данные, потом агент.

Что мешает внедрению

Три барьера, о которых вендоры на демо говорят реже.

1. Связь на площадке. Карьер — это километры без стабильного покрытия. Автономные решения требуют сетевой инфраструктуры (частные LTE/5G-сети), а это отдельный дорогой проект.
2. Ответственность за автономное действие. Когда агент сам меняет план и техника едет по новому маршруту, нужно понимать, кто отвечает за инцидент. Отсюда осторожность к LLM-агентам, у которых логику решения труднее восстановить, чем у детерминированного оптимизатора.
3. Безопасность прежде всего. Добыча — травмоопасная отрасль с жёстким регулированием. Любая автономия проходит долгую валидацию, и это правильно.

Итог трезвый: автономная техника и оптимизаторы в добыче — уже промышленная реальность, они работают на крупных проектах и экономят деньги. А вот «агент на большой языковой модели, который сам управляет рудником» — пока преимущественно пилоты и маркетинг. Проверяйте на конкретных кейсах: попросите вендора показать не демо, а внедрение с цифрами простоя и загрузки до и после.

[1] Агент — программа, которая не просто выдаёт прогноз или ответ, а сама выбирает и выполняет действия для достижения цели: обращается к внешним системам через инструменты, реагирует на изменения среды и планирует следующий шаг без запроса от человека на каждом этапе.