CCS e IA: a pista que Angola não deve ignorar

No dia 25/12/2025, a Eni confirmou a venda de 49,99% do seu negócio de captura, utilização e armazenamento de carbono (CCUS) à Global Infrastructure Partners (GIP), da BlackRock. Traduzindo para o que interessa no sector: o capital está a entrar onde há infraestrutura, dados, licenças e escala, e está a entrar com uma expectativa clara de disciplina operacional e métricas ambientais auditáveis.

Para Angola — onde petróleo & gás continuam a ser estratégicos, mas a pressão por descarbonização é cada vez mais real — este tipo de movimento é um sinal útil. Não porque Angola precise copiar projectos do Mar do Norte, mas porque a lógica é a mesma: quem souber medir, prever e provar performance ambiental e operacional vai captar investimento mais barato e fechar parcerias mais rápido. E aqui entra a peça que muita gente ainda trata como “extra”: IA aplicada ao negócio (operações, manutenção, HSE, compliance e até comunicação com investidores).

Frase para guardar: CCS não é só engenharia — é também governança de dados. E a IA é o motor dessa governaça.

O que a venda Eni–GIP diz sobre o futuro do CCS

A mensagem central desta transacção é simples: CCS está a passar de “projecto piloto” para “classe de activo”. Quando um investidor de infraestrutura compra quase metade de uma plataforma CCUS, ele está a comprar:

• Previsibilidade (contratos, capacidade de armazenamento, ramp-up de operação)
• Risco controlável (regulatório, técnico e de integridade de reservatório)
• Capacidade escalável (mais emissores a ligar, mais poços, mais hubs)
• Relato verificável (monitorização, MRV, auditoria, reporting)

O portfólio mencionado pela Eni inclui Liverpool Bay e Bacton (Reino Unido), L10 (Países Baixos) e Ravenna (Itália). O destaque vai para números que os investidores conseguem colocar numa folha de Excel:

• HyNet / Liverpool Bay: meta de 4,5 milhões de toneladas/ano de CO₂ até 2028, com ambição de crescer para 10 milhões t/ano.
• Bacton: potencial de cerca de 300 milhões de toneladas de capacidade total em campo esgotado.
• L10: planeado para 5 milhões t/ano.
• Ravenna (fase 1): cerca de 25.000 t/ano; fase 2 aponta para até 4 milhões t/ano até 2030.

A tese por trás destes números é conhecida: indústrias “hard-to-abate” (cimento, aço, refinação, fertilizantes, geração com gás) precisam reduzir emissões sem parar a produção. CCS vira uma rota prática quando existe rede de transporte, local de armazenamento e um modelo de negócio que fecha.

Onde a IA entra: CCS exige medição contínua, não relatórios pontuais

A forma mais rápida de perder credibilidade num projecto de CCS é cair no “confia em mim”. CCS só ganha escala quando consegue provar, de forma consistente, três coisas: quanto CO₂ foi capturado, quanto foi transportado, e quanto foi armazenado com integridade.

IA para MRV (Measurement, Reporting and Verification)

Resposta directa: IA melhora MRV porque cruza dados de sensores, modelos geológicos e registos operacionais para detectar desvios cedo e reduzir erro humano.

Na prática, isso inclui:

• Detecção de anomalias em pressão/temperatura/vazão durante injecção (modelos de séries temporais)
• Reconciliação de massas (captura vs. transporte vs. injecção) para reporting consistente
• Predição de drift de sensores e calibração inteligente
• Classificação automática de eventos operacionais para auditoria (reduz tempo de compliance)

Em mercados onde o financiamento depende de marcos e performance, MRV é quase “o produto”. E IA é o caminho mais realista para fazer MRV com escala sem multiplicar equipas.

IA para integridade do reservatório e risco

Resposta directa: a IA ajuda a antecipar risco porque aprende padrões históricos e simulações para indicar onde concentrar monitorização e manutenção.

Exemplos comuns:

• Modelos que combinam sísmica, dados de poço e simulações para priorizar zonas de atenção
• Probabilística para gerir incerteza (não é só “vai dar certo”, é “qual a margem de segurança?”)
• Planeamento de monitorização por risco, em vez de monitorizar tudo com o mesmo peso

Num projecto com centenas de milhões de toneladas de capacidade potencial (como o caso Bacton sugere), a diferença entre gestão reativa e preditiva é dinheiro — e reputação.

O que isto tem a ver com Angola (e por que 2026 é um bom momento)

Angola está numa posição curiosa no fim de 2025: tem capacidade técnica no upstream, uma cadeia de serviços madura em várias frentes, e ao mesmo tempo precisa de atrair investimento com uma história mais completa sobre eficiência, segurança e emissões.

Resposta directa: Angola pode usar a mesma lógica Eni–GIP — parcerias + dados + governança — para acelerar projectos de transição sem desorganizar a base petrolífera.

Três caminhos realistas para o contexto angolano:

1) CCS como extensão natural de activos maduros

Campos e infraestruturas existentes (ou em declínio) tendem a gerar uma oportunidade óbvia: reutilização de conhecimento de reservatório, poços e operação offshore. Isso não quer dizer que tudo serve para armazenamento, mas reduz custo de aprendizagem.

Onde a IA ajuda em Angola:

• Triagem de oportunidades com modelos que avaliam rapidamente capacidade, selagem, pressão e risco
• Digitalização e consolidação de dados históricos (muitos activos têm dados “espalhados”)
• Simulações aceleradas para comparar cenários de injecção e monitorização

2) Hubs industriais e CO₂ como “logística”

Se CCS ficar preso a um emissor por projecto, a escala demora. O modelo europeu favorece hubs: vários emissores conectados a uma infraestrutura comum de transporte e armazenamento.

Onde a IA ajuda em Angola:

• Optimização de rotas e capacidade (similar a planeamento de supply chain)
• Previsão de volumes por emissor (produção, sazonalidade, paragens)
• Gestão de contratos e SLAs com alertas automáticos de incumprimento

3) A nova conversa com financiadores: “mostra-me o dado”

Com o apetite global por ativos “transicionais”, financiadores pedem prova: indicadores, auditoria, rastreabilidade. Isso muda a conversa de “temos intenção” para “temos sistema”.

Onde a IA ajuda em Angola:

• Dashboards executivos com KPIs operacionais e ambientais
• Relatórios de sustentabilidade semi-automatizados (menos tempo, mais consistência)
• Preparação de dados para due diligence (o “pacote” que acelera a negociação)

O playbook prático: 7 aplicações de IA que fazem diferença já

Se eu tivesse de orientar uma operadora, uma concessionária ou um prestador de serviços em Angola a começar amanhã (sem promessas vagas), eu sugeria um plano simples e mensurável.

Resposta directa: as melhores aplicações de IA no sector começam com ganhos operacionais e criam uma base de dados confiável para sustentabilidade.

1. Manutenção preditiva em compressores, bombas e turbomáquinas (reduz paragens não planeadas)
2. Detecção de fugas (metano/CO₂) com visão computacional e sensores (HSE e compliance)
3. Optimização energética de plantas e utilidades (menos consumo, menos emissões)
4. IA para planeamento de paragens (turnarounds) com análise de risco e criticidade
5. Assistentes de conhecimento (LLMs) treinados com procedimentos internos: menos erro, mais velocidade
6. MRV automatizado para emissões e projectos de redução (fundamental para credibilidade)
7. Inteligência comercial e de stakeholders: análise de sentimento, clipping e relatórios para investidores e parceiros

Repara como CCS entra naturalmente: quando a organização já mede bem energia, fugas e performance, fica muito mais preparada para operar e provar um projecto de captura e armazenamento.

Perguntas que executivos em Angola deveriam fazer (antes de investir)

Estas perguntas evitam investimentos “bonitos no PowerPoint” e forçam maturidade operacional.

“Que dados já temos e que dados faltam?”

Se os dados críticos estão em PDF, Excel isolado ou em sistemas sem integração, o projecto de IA começa por governança e qualidade.

“Conseguimos auditar as emissões com rastreabilidade?”

Auditoria não é só relatório final. É trilha de decisão: sensor → sistema → cálculo → aprovação.

“Qual é o primeiro caso de uso com ROI em 90–180 dias?”

Sem um ganho rápido (paragem evitada, consumo reduzido, tempo de relatório cortado), o programa morre por fadiga interna.

“Quem ‘dona’ o modelo e quem responde quando ele falha?”

IA em energia é operação crítica. Tem de haver responsável por performance, segurança, cibersegurança e mudança de processo.

A leitura estratégica da parceria Eni–GIP (e a lição para Angola)

A venda de 49,99% da Eni CCUS Holding não é só uma notícia corporativa. É um marcador de tendência: CCS está a ser estruturado para crescer com capital institucional, e isso exige disciplina semelhante a qualquer activo de infraestrutura.

Angola pode ganhar muito se tratar a IA como parte dessa disciplina — não como “projecto de inovação”. Quando a IA entra para medir, prever e documentar, ela melhora operações hoje e prepara o terreno para iniciativas de descarbonização amanhã, incluindo CCS.

Se a sua equipa está a pensar em 2026 como o ano para acelerar eficiência, reduzir emissões e melhorar a narrativa com investidores, vale a pena começar com uma pergunta objetiva: quais processos críticos ainda dependem de esforço manual e poderiam ser automatizados com dados e IA sem aumentar risco?

Quer dar o próximo passo? Uma boa abordagem é começar por um diagnóstico curto (dados + processos + casos de uso) e sair com um roteiro de 90 dias — e não com mais um “plano” genérico.