Одним из ключевых принципов концепции определено обеспечение технологического и информационного суверенитета Казахстана. Министр энергетики РК Ерлан Аккенженов провел рабочее совещание по вопросам применения искусственного интеллекта в топливно-энергетическом комплексе. В обсуждении приняли участие председатель совета директоров компании 01.AI, внештатный советник Президента Казахстана доктор Кай-Фу Ли, подключившийся в режиме онлайн, и представители казахстанского офиса Q.AI. В ходе совещания представлена концепция «Energy AI Kazakhstan», направленная на формирование единой цифровой среды для внедрения искусственного интеллекта в производственные и управленческие процессы отрасли. Кай-Фу Ли представил подходы компании к применению ИИ в энергетике. Участники ознакомились с архитектурой предлагаемой платформы, ее функциональными возможностями и сценариями использования в деятельности Министерства и подведомственных организаций. В числе представленных решений — раннее выявление рисков дефицита топлива, автоматизация подготовки и проверки отчетности, а также мониторинг промышленной безопасности. Их применение призвано повысить оперативность анализа отраслевых данных и обоснованность принимаемых решений. Отдельное внимание уделено цифровым двойникам энергетических объектов. Такие инструменты позволяют моделировать производственные процессы, анализировать состояние оборудования, выявлять потенциальные отклонения и оценивать последствия различных сценариев до принятия технических решений. Предлагаемая архитектура объединяет отраслевые базы знаний, информационные системы и специализированных ИИ-агентов для выполнения конкретных производственных и управленческих задач. Одним из ключевых принципов концепции определено обеспечение технологического и информационного суверенитета Казахстана. Предусматривается размещение данных, вычислительной инфраструктуры и отраслевых моделей на территории страны под контролем Министерства. В ходе совещания также обсудили возможные этапы реализации инициативы: проведение пилотных испытаний на реальных отраслевых данных, оценка эффективности предлагаемых решений и последующее масштабирование инструментов, подтвердивших практическую пользу для отрасли.