BƏƏ-nin CQD-də pay razılaşması təkcə sərmayə deyil. AI ilə əməliyyat optimallaşdırması, proqnozlaşdırıcı təmir və metan nəzarəti üçün real zəmin yaradır.
Cənub Qaz Dəhlizi: BƏƏ investisiyası və AI planı
3 500 kilometrlik “Cənub Qaz Dəhlizi” (CQD) şəbəkəsi ildə 26 milyard kubmetrədək qaz nəql edə bilir. Bu ölçüdə infrastrukturu idarə etmək təkcə geopolitika və maliyyə deyil, həm də dəqiq əməliyyat intizamı tələb edir. Elə buna görə də BƏƏ-nin ADNOC-un investisiya qolu XRG-nin CQD-də pay əldə etməyə yönələn razılaşması xəbəri mənə bir şeyi düşündürdü: bu tip tərəfdaşlıq ən böyük təsiri texnologiyada — xüsusən də süni intellektdə — göstərəcək.
ADIPEC çərçivəsində imzalanan sənəd hüquqi öhdəlik yaratmayan “Əsas Şərtlər” razılaşmasıdır. Amma bazar bunu “niyyət siqnalı” kimi oxuyur: Avropanın qaz təchizatının şaxələndirilməsi gündəmi gücləndikcə, CQD kimi sabit marşrutların həm investisiya, həm də texnoloji baxımdan “sərtləşdirilməsi” (daha davamlı, daha şəffaf, daha proqnozlaşdırıla bilən edilməsi) prioritetə çevrilir.
Bu yazı “Azərbaycanın Energetika və Neft-Qaz Sektorunu Süni İntellekt Necə Dəyişdirir” seriyasının bir hissəsidir və əsas iddiam budur: BƏƏ ilə CQD xəttində genişlənən əməkdaşlıq, AI tətbiqlərini laboratoriyadan çıxarıb gündəlik əməliyyata salmaq üçün praktiki zəmin yaradır.
BƏƏ-nin CQD-də payı nə deməkdir və niyə indi?
Bu razılaşma birbaşa “pay alındı” elanından daha çox, pay əldə olunmasına dair yol xəritəsinin başlanğıcıdır. Rəsmi mənbələrə əsasən, sənəd Azərbaycan İqtisadiyyat Nazirliyi ilə XRG arasında imzalanıb və daha əvvəl mübadilə edilən investisiya memorandumu ilə uyğunlaşdırılıb.
Bunun zamanlaması təsadüfi deyil. 2025-in son rübündə Avropada qaz təhlükəsizliyi, alternativ mənbələr və marşrutlar yenə gündəmdədir. Qış mövsümü isə (indi, dekabrın sonu) enerji sistemlərinin “stress test” dövrüdür: tələbat artır, əməliyyat xətası daha baha başa gəlir, proqnoz səhvi cəza və reputasiya riskinə çevrilir.
Əgər məqsəd Avropaya etibarlı təchizatı qorumaq və genişləndirməkdirsə, iki istiqamət qaçılmazdır:
- Kapital və tərəfdaşlıq: uzunmüddətli sabitlik üçün.
- Rəqəmsal əməliyyatlar və AI: eyni infrastrukturu daha ağıllı işlətmək üçün.
Mənim mövqeyim aydındır: CQD kimi kompleks sistemlərdə əlavə dəyər təkcə boru kəmərinin “özündə” deyil, onu idarə edən məlumat axınında yaranır.
Strateji tərəfdaşlıq AI üçün niyə sürətləndiricidir?
AI layihələri çox vaxt “texniki pilot” səviyyəsində ilişib qalır. Səbəb sadədir: enerji sektorunda AI yalnız model qurmaq deyil, həm də idarəetmə, təhlükəsizlik, hüquqi çərçivə, data keyfiyyəti və proses dəyişimi deməkdir. Strateji tərəfdaşlıq isə bu maneələri daha tez aşmağa kömək edir.
RSS materialında vurğulanan fakt vacibdir: bu, SOCAR və XRG/ADNOC arasında üçüncü razılaşmadır (SARB və Umm Lulu, həmçinin “Abşeron”la bağlı razılaşmalar). Yəni tərəflər bir-birini tanıyır, proseslər oturuşur və bu, AI kimi “mübahisəli” mövzularda qərar verməyi asanlaşdırır.
AI-nin tərəfdaşlıqdan qazandığı 3 praktiki üstünlük
- Data standartlarının yaxınlaşması: Fərqli operatorların müxtəlif ölçmə, arxiv və hesabat formatları olur. Tərəfdaşlıq bu standartları yaxınlaşdırmağa məcbur edir.
- İş axınında məsuliyyətin paylaşılması: AI tövsiyə verir, amma qərarı insan verir. Bu qərar zəncirində riskin kimdə olduğu aydın olmalıdır.
- Sərmayə ilə yanaşı “kompetensiya transferi”: Təkcə pul yox, metodologiya, proses, kadr hazırlığı da gəlir.
Burada bir “acı həqiqət” var: AI-ni ən çox ləngidən şey alqoritm deyil, təşkilati vərdişlərdir. Tərəfdaşlıq bu vərdişləri dəyişmək üçün təzyiq və stimul yaradır.
CQD kimi boru kəməri şəbəkəsində AI harada real nəticə verir?
AI-nin ən güclü olduğu yer “böyük sözlər” deyil, kiçik, ölçülə bilən qərarlardır. CQD-nin 3 500 km-lik şəbəkəsində bu qərarlar minlərlədir: kompressor rejimləri, təzyiq idarəetməsi, təmir planları, metan sızması riski, tələbat proqnozu, kommersiya nominasiya uyğunsuzluğu və s.
1) Proqnozlaşdırıcı texniki xidmət (predictive maintenance)
Ən birbaşa fayda budur: avadanlıq sıradan çıxmamışdan əvvəl xəbərdarlıq. Kompressor stansiyalarında vibrasiya, temperatur, yağ analizi, enerji sərfi kimi siqnalların vaxt seriyası analizi ilə risk skoru çıxarılır.
Praktik nəticə necə ölçülür?
- Planlaşdırılmamış dayanmanın azalması
- Ehtiyat hissələrinin daha düzgün stoklanması
- Təmir qrafikinin pik tələbat dövrünə düşməməsi
Bu, qış aylarında xüsusilə sərtdir: dekabr–fevral aralığında planlaşdırılmamış dayanma “texniki problem” deyil, kommersiya və diplomatik problem də ola bilər.
2) Axın və təzyiq optimallaşdırması (operational optimization)
Boru kəmərində eyni həcmdə qazı daşımaq üçün fərqli enerji xərci ssenariləri olur. AI burada iki iş görür:
- Kompressorların iş rejimini optimallaşdırır (enerji sərfini azaltmaq üçün)
- Şəbəkədə riskli zonaları (təzyiq anomaliyaları, qeyri-sabit axın) erkən aşkar edir
Mənim təcrübə müşahidəm: bu tip optimallaşdırma layihələri “çətin riyaziyyat”dan çox, məlumatın operativ və etibarlı toplanması məsələsidir. Data gecikirsə, AI-nin “ağıllı” olması heç nəyi xilas etmir.
3) Metan sızmasının aşkarlanması və ESG hesabatlılığı
2025–2026 dövründə metan sızması yalnız ekoloji məsələ deyil, həm də maliyyə və tənzimləmə məsələsidir. AI ilə dron, peyk və yerüstü sensorlardan gələn görüntü və siqnallar birləşdirilərək sızma ehtimalı yüksək olan sahələr prioritetləşdirilir.
Burada əsas qazanc:
- daha tez aşkarlama,
- daha ucuz yoxlama,
- daha dəqiq hesabat.
4) Ticarət nominasiyaları və tələbat proqnozu
Avropa bazarlarında tələbat dəyişkəndir. AI əsasən aşağıdakıları birləşdirir:
- tarixi tələbat,
- temperatur və hava indikatorları,
- sənaye istehlakı siqnalları,
- anbar doluluğu və marşrut məhdudiyyətləri.
Nəticə: daha dəqiq nominasiya, daha az balanssızlıq xərci, daha stabil əməliyyat.
İnvestisiya “süni intellekt layihəsi”nə necə çevrilir?
Ən çox burda səhv edirlər: investisiya xəbəri gəlir, hamı “AI də gələcək” deyir, sonra heç nə dəyişmir. AI-nin əməliyyata girməsi üçün 4 şərt eyni anda olmalıdır.
AI-yə keçid üçün 4 real şərt
- Məlumat xəritəsi (data inventory): hansı sensor haradadır, hansı keyfiyyətdə məlumat verir, gecikmə nə qədərdir?
- Ortaq KPI-lar: AI layihəsi “demo” deyil, KPI ilə ölçülməlidir (məsələn, planlaşdırılmamış dayanma saatları, enerji sərfi, sızma aşkarlama müddəti).
- OT/IT inteqrasiyası: SCADA və əməliyyat sistemlərindən gələn data biznes analitikasına təhlükəsiz şəkildə çıxmalıdır.
- İdarəetmə modeli: AI tövsiyəsini kim təsdiq edir, risk necə bölünür, audit izi necə saxlanır?
Bu çərçivə CQD kimi multi-aktiv strukturda daha da vacibdir. Çünki burada yalnız bir zavodun yox, regional təchizat zəncirinin etibarlılığı müzakirə olunur.
Yaxşı AI sistemi “mükəmməl proqnoz” vermir; qərarın niyə elə olduğunu izah edir və audit izi saxlayır.
Azərbaycanın neft-qaz sektorunda növbəti 12 ay: nəyə baxmalıyıq?
Növbəti bir il üçün mən 3 indikatoru izləməyi məntiqli sayıram. Bu indikatorlar həm investisiya tərəfini, həm də AI tətbiqinin real olub-olmadığını göstərir.
1) “Pilot”dan “scale”a keçid
Əgər AI yalnız bir kompressor stansiyasında test edilirsə, bu hələ biznes deyil. Şəbəkə üzrə yayılma başlayanda dəyər görünür.
2) Məlumat idarəetməsinin institusionallaşması
“Data sahibidir kim?” sualı cavabsızdırsa, AI layihəsi gec-tez dayanacaq. Data governance yoxdursa, modelin nəticəsinə heç kim inanmayacaq.
3) Kadr və əməliyyat mədəniyyəti
AI sistemlərini idarə edən komandalar adətən 3 profildən ibarət olur:
- əməliyyat mühəndisi (domain knowledge),
- data engineer (infrastruktur),
- data scientist/ML engineer (model).
Azərbaycanın enerji şirkətləri bu üçlüyü quranda, AI nəticələri daha tez görünür.
Növbəti addım: CQD üçün “AI hazırlıq yoxlaması” edin
Əgər siz enerji şirkətində, operator tərəfdə, xidmət provayderində və ya investisiya komandasında işləyirsinizsə, bu razılaşmanı yalnız “pay xəbəri” kimi yox, əməliyyat optimallaşdırması üçün siqnal kimi oxumaq lazımdır.
Praktik başlamaq üçün 10 günlük kiçik plan:
- Ən kritik 5 aktivin siyahısını çıxarın (kompressor, ölçmə, SCADA düyünləri).
- Hər aktiv üçün 3 KPI seçin (dayanma, enerji sərfi, nasazlıq tezliyi).
- Data boşluqlarını qeyd edin (sensor çatışmır, data gecikir, format uyğunsuzdur).
- Bir “AI use-case” seçin: proqnozlaşdırıcı təmir və ya sızma aşkarlanması.
- 6 həftəlik pilot planı yazın: kim, nəyi, hansı data ilə ölçəcək.
Məncə ən doğru yanaşma budur: AI-ni “böyük transformasiya” kimi satmayın. Onu əməliyyat intizamının növbəti pilləsi kimi tətbiq edin.
CQD-də BƏƏ investisiyası gündəmdəykən, sual artıq “AI lazımdırmı?” deyil. Sual budur: AI-ni kimin datası, kimin əməliyyat qaydası və kimin KPI-ı ilə işlədəcəyik?