Резюме
Официальная повестка цифровой трансформации ТЭК России выглядит внушительно: стратегии, целевые показатели, институты координации. Однако сравнение с ведущими мировыми нефтегазовыми и энергетическими компаниями обнаруживает системное и нарастающее отставание по ключевым параметрам — вычислительной инфраструктуре, объёму инвестиций, измеримому экономическому эффекту ИИ и технологической независимости.
По оценке Стэнфордского университета (AI Index 2026), Россия занимает 28-е место из 36 стран по комплексному индексу развития ИИ-экосистемы. По объёму накопленных частных инвестиций в ИИ за 2013–2024 годы США превысили 471 млрд долларов, Китай — 119 млрд долларов, ЕС — около 50 млрд долларов. Россия в этот рейтинг даже не включена ввиду несопоставимости масштабов. Импорт GPU в Россию сократился на 84% в результате санкций, а первый заместитель председателя правления Сбербанка Александр Ведяхин прямо указал: «Те гигантские ЦОДы, которые сейчас планируют строить Microsoft и OpenAI, невозможно построить в России».
I. Глобальный контекст: масштаб разрыва
1.1. Инвестиции: порядки, а не проценты
Глобальные расходы на ИИ в 2025 году достигли 1,5 трлн долларов и, по прогнозам, превысят 2 трлн долларов к 2026 году. Только американские частные инвестиции в ИИ в 2025 году составили 285,9 млрд долларов — в 23 раза больше инвестиций Китая и несопоставимо больше российских.
Рынок ИИ и машинного обучения только в нефтегазовом секторе (глобально) оценивается в 2,70 млрд долларов в 2025 году с ростом до 5,39 млрд долларов к 2035 году. Россия — несмотря на статус крупнейшей по запасам нефтегазовой державы — не имеет публично верифицированной доли в этом рынке.
Официальная повестка цифровой трансформации ТЭК России выглядит внушительно: стратегии, целевые показатели, институты координации. Однако сравнение с ведущими мировыми нефтегазовыми и энергетическими компаниями обнаруживает системное и нарастающее отставание по ключевым параметрам — вычислительной инфраструктуре, объёму инвестиций, измеримому экономическому эффекту ИИ и технологической независимости.
По оценке Стэнфордского университета (AI Index 2026), Россия занимает 28-е место из 36 стран по комплексному индексу развития ИИ-экосистемы. По объёму накопленных частных инвестиций в ИИ за 2013–2024 годы США превысили 471 млрд долларов, Китай — 119 млрд долларов, ЕС — около 50 млрд долларов. Россия в этот рейтинг даже не включена ввиду несопоставимости масштабов. Импорт GPU в Россию сократился на 84% в результате санкций, а первый заместитель председателя правления Сбербанка Александр Ведяхин прямо указал: «Те гигантские ЦОДы, которые сейчас планируют строить Microsoft и OpenAI, невозможно построить в России».
I. Глобальный контекст: масштаб разрыва
1.1. Инвестиции: порядки, а не проценты
Глобальные расходы на ИИ в 2025 году достигли 1,5 трлн долларов и, по прогнозам, превысят 2 трлн долларов к 2026 году. Только американские частные инвестиции в ИИ в 2025 году составили 285,9 млрд долларов — в 23 раза больше инвестиций Китая и несопоставимо больше российских.
Рынок ИИ и машинного обучения только в нефтегазовом секторе (глобально) оценивается в 2,70 млрд долларов в 2025 году с ростом до 5,39 млрд долларов к 2035 году. Россия — несмотря на статус крупнейшей по запасам нефтегазовой державы — не имеет публично верифицированной доли в этом рынке.
1.2. Вычислительная инфраструктура: критический провал
США контролируют 74% мирового высокопроизводительного ИИ-вычислительного потенциала. ЕС — при всех своих структурных слабостях — располагает 5% глобальных ИИ-мощностей. Позиция России в публичных расчётах принимается как статистическая погрешность.
Западные санкции де-факто отрезали российский ТЭК от передовых процессоров. Чипы NVIDIA серии A100 и H100 — необходимые для обучения передовых нейросетей — полностью запрещены к поставкам в Россию. Параллельный импорт лишь частично компенсирует этот дефицит, а «серые» поставки через посредников обходятся значительно дороже. По данным Forbes, «Яндекс» публично признал задержки до одного года при подключении к электросетям для нужд ИИ-инфраструктуры.
Как прямо констатировал первый зампред Сбербанка: «У коллег в США или Китае гораздо больше вычислительного ресурса... Мы делаем умные модели, исходя из мирового опыта и не участвуем или минимально участвуем в гонке преследования по вычислительным мощностям».
II. Сравнительный профиль ведущих мировых энергокомпаний
2.1. Saudi Aramco: измеримый ИИ-эффект в миллиардах долларов
Saudi Aramco является мировым эталоном промышленного ИИ в нефтегазовой отрасли. Совокупный Technology Realized Value (TRV) компании с 2023 года достиг 11,3 млрд долларов, из которых в 2025 году получено 5,3 млрд долларов. Из этой суммы 2,6 млрд долларов — прямой верифицированный эффект от ИИ-решений, независимо подтверждённый третьей стороной.
Для сравнения: совокупный ожидаемый эффект от ИИ-проектов «Росатома» на горизонте 7–10 лет — чуть более 4 млрд рублей (около 44 млн долларов). Разрыв — более чем в 50 раз в пользу одной компании.
США контролируют 74% мирового высокопроизводительного ИИ-вычислительного потенциала. ЕС — при всех своих структурных слабостях — располагает 5% глобальных ИИ-мощностей. Позиция России в публичных расчётах принимается как статистическая погрешность.
Западные санкции де-факто отрезали российский ТЭК от передовых процессоров. Чипы NVIDIA серии A100 и H100 — необходимые для обучения передовых нейросетей — полностью запрещены к поставкам в Россию. Параллельный импорт лишь частично компенсирует этот дефицит, а «серые» поставки через посредников обходятся значительно дороже. По данным Forbes, «Яндекс» публично признал задержки до одного года при подключении к электросетям для нужд ИИ-инфраструктуры.
Как прямо констатировал первый зампред Сбербанка: «У коллег в США или Китае гораздо больше вычислительного ресурса... Мы делаем умные модели, исходя из мирового опыта и не участвуем или минимально участвуем в гонке преследования по вычислительным мощностям».
II. Сравнительный профиль ведущих мировых энергокомпаний
2.1. Saudi Aramco: измеримый ИИ-эффект в миллиардах долларов
Saudi Aramco является мировым эталоном промышленного ИИ в нефтегазовой отрасли. Совокупный Technology Realized Value (TRV) компании с 2023 года достиг 11,3 млрд долларов, из которых в 2025 году получено 5,3 млрд долларов. Из этой суммы 2,6 млрд долларов — прямой верифицированный эффект от ИИ-решений, независимо подтверждённый третьей стороной.
Для сравнения: совокупный ожидаемый эффект от ИИ-проектов «Росатома» на горизонте 7–10 лет — чуть более 4 млрд рублей (около 44 млн долларов). Разрыв — более чем в 50 раз в пользу одной компании.
Aramco в октябре 2025 года приобрела долю в ИИ-компании HUMAIN (созданной суверенным фондом Саудовской Аравии PIF), а в феврале 2026 года подписала Меморандум с Microsoft об ускорении промышленного ИИ. Россия, напротив, вынуждена строить ИИ-экосистему в условиях технологической изоляции.
2.2. Shell: «платформа, а не проект»
Shell реализует стратегию «AI-first» на основе принципа «платформа, а не проект» — создания единой глобальной стандартизированной инфраструктуры для развёртывания сотен ИИ-приложений одновременно. ИИ Shell мониторит десятки тысяч активов, обрабатывает триллионы точек данных и генерирует миллионы предсказаний ежедневно по всей цепочке — от разведки до розничных операций.
Стратегические партнёрства Shell с Microsoft, NVIDIA и C3 AI обеспечивают доступ к передовому «железу» и программным платформам в реальном времени. Российские компании ТЭК лишены возможности использовать эти платформы в полном объёме ввиду санкций.
2.3. TotalEnergies: данные как предпосылка ИИ
TotalEnergies в 2026 году реализует принципиальный подход: «Нет ИИ-программы без надёжной платформы данных». В 2025–2026 годах компания развернула AspenTech Inmation на 40 upstream-активах и 16 НПЗ для сбора данных в реальном времени, а Cognite — для их трансформации и структурирования перед применением ИИ. К 2027 году формируется центр компетенций из 500 AI-инженеров в Индии, что обеспечивает масштаб без критичных затрат.
Цель — прирост добычи на 1–2% и снижение числа внеплановых остановок оборудования за счёт AI-оптимизации. На фоне того, что TotalEnergies добывает более 2,5 млн б.н.э./сут., даже 1% роста — это миллиарды долларов.
2.4. Глобальный опрос CEOs энергосектора (KPMG, 2026)
По данным KPMG, 65% CEO ведущих мировых энергокомпаний называют генеративный ИИ приоритетным направлением инвестиций (рост на 12 п.п. за год). 72% CEO планируют выделять 10–20% ИТ-бюджета на ИИ в следующем году. 66% ожидают ROI от ИИ в течение 1–3 лет.
Российские компании ТЭК в подобные глобальные рейтинги не входят: их инвестиционные решения принимаются в принципиально иных условиях — при отсутствии доступа к глобальным технологическим платформам и под давлением задачи «первичного» импортозамещения, решённой мировыми конкурентами ещё 10–15 лет назад.
2.5. Китай: государственная мощь плюс коммерческая динамика
Китайский ИИ-сектор к 2030 году достигнет 10 трлн юаней (1,45 трлн долларов). Только в 2024 году Китай ввёл в строй 357 ГВт новой солнечной и ветровой генерации — больше, чем суммарная установленная мощность Индии. Это обеспечивает дешёвую и масштабируемую энергетическую базу для ИЦОДов — то, чего России остро не хватает.[23][24]
Параллельно: более 500 проектов ЦОД-инфраструктуры анонсировано в Китае в 2023–2024 годах, из которых 150 запущены к концу 2024 года. Россия, несмотря на озвученную концепцию «ЦОД на базе АЭС», находится в самом начале пути к сопоставимой инфраструктурной базе.
III. Где Россия реально отстаёт: системный анализ
3.1. Вычислительная мощь: структурный дефицит
Мировые лидеры оперируют мощностями в десятки миллиардов долларов; российские ЦОДы вынуждены работать «в режиме жёсткой экономии ресурсов». Это «автоматически ограничивает потолок обучаемых моделей», как констатируют российские специалисты.
По официальным российским данным, к 2030 году планируется довести объём отечественных вычислительных мощностей до 1 ExaFLOP. Для сравнения: только один кластер Aramco уже превысил 570 PetaFLOPs и был увеличен в 10 раз за один год. Мировые сверхкластеры исчисляются единицами ExaFLOPs.
3.2. Эффект ИИ: пилоты без верификации
Российские компании ТЭК гордятся числом ИИ-проектов. Однако верифицированного финансового эффекта в открытых источниках практически нет. По оценке McKinsey, BCG и ряда других консультантов, полное внедрение ИИ в нефтегазовой компании способно обеспечить прирост EBIT на 30–70% в течение 5 лет. Aramco уже реализует это на практике. Российские компании пока преимущественно — в стадии пилотирования.
Только 7–10% пилотных ИИ-проектов крупных российских компаний достигают полноценного промышленного применения. Для сравнения: глобально в нефтегазовой отрасли этот показатель, по данным BCG, значительно выше — особенно у американских и ближневосточных мейджоров.
3.3. Доступ к технологическому стеку: запрещённые инструменты
Российские компании ТЭК лишены доступа к технологиям, которые являются стандартным инструментарием глобальных конкурентов:
·NVIDIA H100/A200 — основной промышленный GPU для ИИ
·Microsoft Azure / AWS / Google Cloud — облачные ИИ-платформы
·Halliburton AI, SLB AI, AspenTech — отраслевые ИИ-платформы для нефтегаза
·Cognite, C3 AI — промышленные платформы управления данными
·Глобальные венчурные экосистемы — источники технологических инноваций
Все эти инструменты применяются Shell, TotalEnergies, Aramco, BP и другими в качестве стандартной производственной инфраструктуры. Российский ТЭК вынужден создавать их аналоги с нуля или обходиться суррогатами.
3.4. Утечка мозгов: невосполнимый ресурс
США в 2025 году зафиксировали снижение притока иностранных AI-исследователей на 89% с 2017 года — и это воспринимается как проблема. Россия переживает масштабную эмиграцию именно той категории специалистов, которые необходимы для создания ИИ-систем. По данным различных источников, из страны выехали десятки тысяч IT-специалистов после 2022 года.
3.5. Закрытость и несопоставимость данных
Мировые лидеры публикуют верифицированные данные об ИИ-эффекте (Aramco, Shell, BP). Российские компании, как правило, ограничиваются декларативными заявлениями о «сотнях проектов» и «миллиардах рублей эффекта» без независимого аудита. Россия занимает 28-е место из 36 в индексе «AI Vibrancy» Стэнфордского университета — что само по себе является объективной внешней оценкой.
IV. Что Россия объективно может
Объективность требует признать: у России в ИИ-повестке ТЭК есть реальные, пусть и узкие, конкурентные ниши.
Первая ниша — математическая школа и качество алгоритмов. Российские учёные и инженеры, работающие в условиях дефицита вычислительных ресурсов, исторически преуспевали в создании эффективных алгоритмов, требующих меньше вычислительной мощи. Подход «умные модели» при ограниченных ресурсах — это реальное конкурентное преимущество в нишевых задачах.
Вторая ниша — суверенные языковые модели. Россия — одна из немногих стран, имеющих собственные суверенные большие языковые модели (GigaChat, YandexGPT). В промышленном применении это означает возможность обработки закрытых производственных данных без их передачи за рубеж.
Третья ниша — геологические данные. Российский ТЭК накоплен колоссальный массив данных о месторождениях, геологии и бурении, не имеющий аналогов ни у одной другой страны в части ряда регионов Сибири и Арктики. При наличии вычислительных мощностей это было бы огромным преимуществом.
Четвёртая ниша — атомная энергетика. «Росатом» сохраняет реальные технологические компетенции мирового уровня в части самого энергетического объекта. Применение ИИ к управлению АЭС — это ниша, где Россия могла бы конкурировать.
V. Структура отставания: причинно-следственная цепочка
Санкции → дефицит GPU → ограниченные мощности ЦОД
↓
Технологическая изоляция → нет доступа к глобальным платформам
↓
Оборонные расходы 8% ВВП → дефицит инвестиций в гражданский ТЭК
↓
Утечка кадров → снижение темпа разработки
↓
Административные барьеры → низкая доля реализованных пилотов (7-10%)
↓
Итог: 28-е место из 36 по AI Vibrancy (Стэнфорд)
По оценке WSJ (декабрь 2025 года), ведущая российская ИИ-модель отстаёт даже от более ранних версий ChatGPT и Google Gemini. Отставание носит не временный, а структурный характер.
VI. Честная сравнительная таблица
2.2. Shell: «платформа, а не проект»
Shell реализует стратегию «AI-first» на основе принципа «платформа, а не проект» — создания единой глобальной стандартизированной инфраструктуры для развёртывания сотен ИИ-приложений одновременно. ИИ Shell мониторит десятки тысяч активов, обрабатывает триллионы точек данных и генерирует миллионы предсказаний ежедневно по всей цепочке — от разведки до розничных операций.
Стратегические партнёрства Shell с Microsoft, NVIDIA и C3 AI обеспечивают доступ к передовому «железу» и программным платформам в реальном времени. Российские компании ТЭК лишены возможности использовать эти платформы в полном объёме ввиду санкций.
2.3. TotalEnergies: данные как предпосылка ИИ
TotalEnergies в 2026 году реализует принципиальный подход: «Нет ИИ-программы без надёжной платформы данных». В 2025–2026 годах компания развернула AspenTech Inmation на 40 upstream-активах и 16 НПЗ для сбора данных в реальном времени, а Cognite — для их трансформации и структурирования перед применением ИИ. К 2027 году формируется центр компетенций из 500 AI-инженеров в Индии, что обеспечивает масштаб без критичных затрат.
Цель — прирост добычи на 1–2% и снижение числа внеплановых остановок оборудования за счёт AI-оптимизации. На фоне того, что TotalEnergies добывает более 2,5 млн б.н.э./сут., даже 1% роста — это миллиарды долларов.
2.4. Глобальный опрос CEOs энергосектора (KPMG, 2026)
По данным KPMG, 65% CEO ведущих мировых энергокомпаний называют генеративный ИИ приоритетным направлением инвестиций (рост на 12 п.п. за год). 72% CEO планируют выделять 10–20% ИТ-бюджета на ИИ в следующем году. 66% ожидают ROI от ИИ в течение 1–3 лет.
Российские компании ТЭК в подобные глобальные рейтинги не входят: их инвестиционные решения принимаются в принципиально иных условиях — при отсутствии доступа к глобальным технологическим платформам и под давлением задачи «первичного» импортозамещения, решённой мировыми конкурентами ещё 10–15 лет назад.
2.5. Китай: государственная мощь плюс коммерческая динамика
Китайский ИИ-сектор к 2030 году достигнет 10 трлн юаней (1,45 трлн долларов). Только в 2024 году Китай ввёл в строй 357 ГВт новой солнечной и ветровой генерации — больше, чем суммарная установленная мощность Индии. Это обеспечивает дешёвую и масштабируемую энергетическую базу для ИЦОДов — то, чего России остро не хватает.[23][24]
Параллельно: более 500 проектов ЦОД-инфраструктуры анонсировано в Китае в 2023–2024 годах, из которых 150 запущены к концу 2024 года. Россия, несмотря на озвученную концепцию «ЦОД на базе АЭС», находится в самом начале пути к сопоставимой инфраструктурной базе.
III. Где Россия реально отстаёт: системный анализ
3.1. Вычислительная мощь: структурный дефицит
Мировые лидеры оперируют мощностями в десятки миллиардов долларов; российские ЦОДы вынуждены работать «в режиме жёсткой экономии ресурсов». Это «автоматически ограничивает потолок обучаемых моделей», как констатируют российские специалисты.
По официальным российским данным, к 2030 году планируется довести объём отечественных вычислительных мощностей до 1 ExaFLOP. Для сравнения: только один кластер Aramco уже превысил 570 PetaFLOPs и был увеличен в 10 раз за один год. Мировые сверхкластеры исчисляются единицами ExaFLOPs.
3.2. Эффект ИИ: пилоты без верификации
Российские компании ТЭК гордятся числом ИИ-проектов. Однако верифицированного финансового эффекта в открытых источниках практически нет. По оценке McKinsey, BCG и ряда других консультантов, полное внедрение ИИ в нефтегазовой компании способно обеспечить прирост EBIT на 30–70% в течение 5 лет. Aramco уже реализует это на практике. Российские компании пока преимущественно — в стадии пилотирования.
Только 7–10% пилотных ИИ-проектов крупных российских компаний достигают полноценного промышленного применения. Для сравнения: глобально в нефтегазовой отрасли этот показатель, по данным BCG, значительно выше — особенно у американских и ближневосточных мейджоров.
3.3. Доступ к технологическому стеку: запрещённые инструменты
Российские компании ТЭК лишены доступа к технологиям, которые являются стандартным инструментарием глобальных конкурентов:
·NVIDIA H100/A200 — основной промышленный GPU для ИИ
·Microsoft Azure / AWS / Google Cloud — облачные ИИ-платформы
·Halliburton AI, SLB AI, AspenTech — отраслевые ИИ-платформы для нефтегаза
·Cognite, C3 AI — промышленные платформы управления данными
·Глобальные венчурные экосистемы — источники технологических инноваций
Все эти инструменты применяются Shell, TotalEnergies, Aramco, BP и другими в качестве стандартной производственной инфраструктуры. Российский ТЭК вынужден создавать их аналоги с нуля или обходиться суррогатами.
3.4. Утечка мозгов: невосполнимый ресурс
США в 2025 году зафиксировали снижение притока иностранных AI-исследователей на 89% с 2017 года — и это воспринимается как проблема. Россия переживает масштабную эмиграцию именно той категории специалистов, которые необходимы для создания ИИ-систем. По данным различных источников, из страны выехали десятки тысяч IT-специалистов после 2022 года.
3.5. Закрытость и несопоставимость данных
Мировые лидеры публикуют верифицированные данные об ИИ-эффекте (Aramco, Shell, BP). Российские компании, как правило, ограничиваются декларативными заявлениями о «сотнях проектов» и «миллиардах рублей эффекта» без независимого аудита. Россия занимает 28-е место из 36 в индексе «AI Vibrancy» Стэнфордского университета — что само по себе является объективной внешней оценкой.
IV. Что Россия объективно может
Объективность требует признать: у России в ИИ-повестке ТЭК есть реальные, пусть и узкие, конкурентные ниши.
Первая ниша — математическая школа и качество алгоритмов. Российские учёные и инженеры, работающие в условиях дефицита вычислительных ресурсов, исторически преуспевали в создании эффективных алгоритмов, требующих меньше вычислительной мощи. Подход «умные модели» при ограниченных ресурсах — это реальное конкурентное преимущество в нишевых задачах.
Вторая ниша — суверенные языковые модели. Россия — одна из немногих стран, имеющих собственные суверенные большие языковые модели (GigaChat, YandexGPT). В промышленном применении это означает возможность обработки закрытых производственных данных без их передачи за рубеж.
Третья ниша — геологические данные. Российский ТЭК накоплен колоссальный массив данных о месторождениях, геологии и бурении, не имеющий аналогов ни у одной другой страны в части ряда регионов Сибири и Арктики. При наличии вычислительных мощностей это было бы огромным преимуществом.
Четвёртая ниша — атомная энергетика. «Росатом» сохраняет реальные технологические компетенции мирового уровня в части самого энергетического объекта. Применение ИИ к управлению АЭС — это ниша, где Россия могла бы конкурировать.
V. Структура отставания: причинно-следственная цепочка
Санкции → дефицит GPU → ограниченные мощности ЦОД
↓
Технологическая изоляция → нет доступа к глобальным платформам
↓
Оборонные расходы 8% ВВП → дефицит инвестиций в гражданский ТЭК
↓
Утечка кадров → снижение темпа разработки
↓
Административные барьеры → низкая доля реализованных пилотов (7-10%)
↓
Итог: 28-е место из 36 по AI Vibrancy (Стэнфорд)
По оценке WSJ (декабрь 2025 года), ведущая российская ИИ-модель отстаёт даже от более ранних версий ChatGPT и Google Gemini. Отставание носит не временный, а структурный характер.
VI. Честная сравнительная таблица
Вывод первый. Россия располагает грамотно выстроенной нормативной архитектурой в области ИИ для ТЭК. Однако нормативные документы не заменяют вычислительные мощности, а стратегии — финансирование. Наличие стратегии при отсутствии инфраструктуры — это отставание, хорошо задокументированное на бумаге.
Вывод второй. Главным ограничением является не недостаток воли или стратегий, а технологическая блокада: без доступа к передовым чипам создание ИИ-систем уровня глобальных лидеров нефтегазовой отрасли в России невозможно в обозримой перспективе.
Вывод третий. Экономический эффект ИИ у мировых лидеров уже верифицирован и исчисляется миллиардами долларов: Aramco — 2,6 млрд в год, BCG прогнозирует 30–70% прирост EBIT для пионеров. В России аналогичный эффект декларируется, но не подтверждается независимым аудитом.
Вывод четвёртый. Мировые конкуренты ускоряются: 72% CEO мировых энергокомпаний планируют направить 10–20% ИТ-бюджетов на ИИ. Это означает, что разрыв не будет сокращаться сам по себе даже при наилучшем сценарии российских реформ.
Вывод пятый. Россия рискует закрепиться в роли поставщика сырья для стран, которые уже сегодня применяют ИИ для его более эффективного извлечения, переработки и монетизации. Это геоэкономический, а не только технологический вызов.
Объективная оценка требует следующих признаний, нечастых в официальной риторике:
1. Отставание от лидеров — не 6–9 месяцев, а структурное. Констатация Сбербанка об отставании «на 6–9 месяцев» относится к параметрам языковых моделей, разрабатываемых в условиях жёсткой экономии ресурсов. В части промышленной ИИ-инфраструктуры ТЭК разрыв с Aramco или Shell измеряется годами.
2. Инвестиции в ИИ ТЭК в России — несопоставимо малы. Совокупные расходы компаний ТЭК РФ на ИТ — около 150 млрд рублей (около 1,6 млрд долларов) в год. Только один AI-дивизион Aramco генерирует 2,6 млрд долларов эффекта в год.
3. Курс на технологический суверенитет является вынужденным, а не добровольным. Импортозамещение в ТЭК — это ответ на санкционное давление, а не стратегический выбор. Мировые лидеры используют лучшие доступные решения независимо от их происхождения.
4. Утечка кадров — невосполнимый ущерб. Отъезд высококвалифицированных IT-специалистов после 2022 года — это долгосрочный структурный урон, который не компенсируется ни программами импортозамещения, ни вложениями в вузы.
Отчёт подготовлен по состоянию на апрель 2026 года. Четвёртый в серии аналитических отчётов по ИИ в ТЭК России. Использованы данные Stanford HAI AI Index 2026, KPMG Energy CEO Survey 2026, отчёты Aramco, TotalEnergies, Shell, Federal Reserve, ВЭФ, МЭА, ОЭСР, а также открытые российские источники. Все сравнительные данные приведены к единому временному горизонту — 2025–2026 годы.