Компания Sandvik представила концепт полностью автономной электрической буровой установки для ОГР. Машина, получившая имя Sami, показана на мероприятии Future of Mining 2026 в Тампере и позиционируется не как готовый продукт, а как демонстрация видения компании на будущее поверхностной добычи. Концепт построен на платформе бурстанка без кабины оператора. Установка полностью автономна: она самостоятельно перевозит буровые коронки, колонковые трубы и забойные молотки (не уверен в переводе – down-the-hole hammers), а интегрированный промышленный робот выполняет их замену и установку. После бурения машина измеряет глубину и отклонение скважин, самостоятельно перемещается по карьеру, распознавая людей, технику и другие объекты. Статус работы отображается на дисплеях для персонала на площадке. Управление концептом реализовано через AI‑агент Sandi. Он распределяет задачи между машинами парка, а Sami самостоятельно планирует и исполняет свой рабочий цикл, будучи связанным с постоянно обновляемым цифровым двойником. Хотя демонстрация выполнена на буровой установке, заявлено, что технологии масштабируемы на более широкую линейку поверхностного бурения Sandvik, включая роторные станки для взрывных скважин. Для специалистов по автоматизации и цифровизации здесь интересны несколько аспектов. Во‑первых, архитектура «машинного интеллекта» как части глобальной горнодобычной операционной системы: сенсоры, edge‑вычисления, облачная связность и цифровые двойники уже рассматриваются как единый контур управления, а не набор разрозненных функций. Во‑вторых, уровень роботизации инструмента: автономная замена бурового инструмента и измерение параметров скважин в реальном времени приближают идею «безлюдного» бурового передела. В‑третьих, масштабируемость: то, что сегодня демонстрируется на одном типе станка, завтра может стать стандартным модулем для разных классов оборудования. В контексте Mine‑to‑Mill и цифровых двойников такие решения меняют требования к процессам и данным. Точность бурения, стабильность параметров скважин и предсказуемость работы парка напрямую влияют на дробление, обогащение и, в конечном счёте, на извлечение металла. Это уже не просто «автономная техника», а элемент сквозной оптимизации, где BPMN‑модели, требования к ERP и архитектура предприятия должны учитывать новые роли AI‑агентов, потоки телеметрии и сценарии принятия решений без участия оператора. Мне, пытающемуся "думать-работать" на стыке горной добычи, металлургии, автоматизации и прикладного ИИ, такой подход близок: от моделей процессов и требований до прототипов на Python и локальных LLM. Концепты вроде Sami и Sandi показывают, куда движется отрасль, и задают практический вектор для развития компетенций в области промышленной аналитики, управления данными и интеграции интеллектуальных систем в реальные производственные процессы.