قرار BP ببيع حصة من كاسترول… وما الذي يُعلّمنا إياه عن الذكاء الاصطناعي في الكويت؟

رقم واحد يختصر القصة: 6 مليارات دولار مقابل بيع 65% من نشاط كاسترول لزيوت التشحيم. هذه ليست صفقة “بيع أصل” عادية، بل إشارة واضحة إلى كيف تُعيد شركات الطاقة الكبرى ترتيب محافظها تحت ضغط الديون، وتوقعات المساهمين، وتقلبات السوق. والأهم لنا في الكويت: هذا النوع من القرارات أصبح صعباً جداً اتخاذه بالحدس وحده.

ما يلفت النظر في صفقة BP هو التوازن المُربك بين تحسين المديونية بسرعة وبين التخلي جزئياً عن أصل معروف بأنه مولّد نقدي قوي، منخفض التقلب، ومنخفض احتياج رأس المال. هذا النوع من المفاضلات هو بالضبط المكان الذي يبرع فيه الذكاء الاصطناعي في قطاع النفط والغاز: ليس لأنه “يقرر” بدلاً عن الإدارة، بل لأنه يجعل القرار قابلًا للقياس والمقارنة عبر سيناريوهات واقعية.

عبارة مناسبة لوضعنا: القرارات الكبيرة لا تحتاج رأياً أعلى صوتاً… تحتاج نموذجاً أدق.

ماذا تقول صفقة BP عن إدارة المحفظة والديون؟

الجواب المباشر: BP تستخدم بيع حصة كاسترول كرافعة مالية لإعادة تشكيل ميزانيتها وتسريع العائد للمساهمين.

بحسب تفاصيل الخبر، الصفقة تُقيّم كاسترول عند 10.1 مليار دولار، مع عائدات تتضمن 800 مليون دولار كمدفوعات توزيعات مُعجّلة، وتستهدف BP استخدام العائدات لتقليل الدين. الشركة لديها خطة تخارجات أوسع بقيمة 20 مليار دولار للوصول بصافي الدين من 26 مليار دولار إلى نطاق 14–18 مليار دولار بحلول نهاية 2027، وبعد صفقة كاسترول أصبحت التخارجات المُنجزة والمُعلنة بحدود 11 مليار دولار.

لماذا يهم هذا للكويت؟

لأن كثيراً من شركات الطاقة (وعلى رأسها شركات النفط والغاز الوطنية وشركات الخدمات) تواجه سؤالاً مشابهاً وإن اختلفت التفاصيل:

• هل نُبقي على الأصول المولّدة للنقد حتى لو كانت “غير أساسية”؟
• أم نبيع جزءاً منها لتقليل الالتزامات وتمويل أولويات أخرى (تطوير، صيانة، توسعة، رقمنة، مشاريع تحول طاقي)؟

الفرق أن القرار في بيئة الكويت لا يرتبط فقط بالمساهمين، بل أيضاً بـ الاستدامة التشغيلية، وحوكمة المخاطر، ومتطلبات الكفاءة ضمن قطاع يمثل ركيزة اقتصادية.

أين يدخل الذكاء الاصطناعي في قرارات “بيع/احتفاظ”؟

الجواب المباشر: الذكاء الاصطناعي يحوّل قرار التخارج من نقاش عام إلى تحليل سيناريوهات مدعوم بالبيانات.

في صفقات مثل صفقة BP، تظهر أسئلة تقنية دقيقة: ما أثر البيع على التدفقات النقدية بعد سنتين؟ ماذا لو تراجعت أسعار الخام؟ ماذا لو ارتفعت تكاليف الاقتراض؟ ما هو “ثمن” فقدان أصل منخفض التقلب على جودة الأرباح؟ هنا يمكن للذكاء الاصطناعي (مع نماذج مالية كلاسيكية) أن يرفع جودة القرار بشكل ملموس عبر ثلاث طبقات:

1) نمذجة السيناريوهات متعددة المتغيرات

بدلاً من سيناريوهين أو ثلاثة في عرض تقديمي، يمكن بناء محاكاة لعشرات أو مئات السيناريوهات، تشمل:

• منحنيات أسعار النفط والغاز والمنتجات
• التضخم وتكلفة رأس المال
• مخاطر سلاسل الإمداد
• تقلب الطلب في قطاعات النقل والصناعة

النتيجة ليست “توقعاً واحداً”، بل توزيع احتمالات يوضح أين تقف الصفقة من ناحية المخاطر والعائد.

2) تقييم الأصول بناءً على “جودة النقد” لا حجمه فقط

أحد اعتراضات المحللين في الخبر كان أن كاسترول أصل عالي التوليد للنقد ومنخفض التقلب. الذكاء الاصطناعي يساعد في قياس هذا عملياً عبر مؤشرات مثل:

• استقرار الهوامش عبر الدورات الاقتصادية
• حساسية الأرباح لتقلبات المواد الخام
• احتياج رأس المال التشغيلي (Working Capital)
• تكلفة الصيانة والتوسع على مدى 3–7 سنوات

3) كشف “التعقيد” في المحفظة وتحويله إلى قرارات

رئيس مجلس إدارة BP وصف المحفظة بأنها “مفرطة التعقيد”. هذه عبارة متكررة في شركات الطاقة. أدوات الذكاء الاصطناعي تحوّل “التعقيد” إلى خريطة واضحة:

• تكرار الموردين أو العقود
• أصول ذات أنظمة تشغيل مختلفة تزيد عبء الصيانة
• وحدات أعمال متشابهة في السوق وتتنافس داخلياً على الموارد

كيف يمكن تطبيق الدروس على قطاع النفط والغاز في الكويت؟

الجواب المباشر: الكويت تستطيع استخدام الذكاء الاصطناعي لتسريع قرارات تخصيص رأس المال ورفع دقة التخطيط، دون التضحية بالضبط والحوكمة.

من واقع ما أراه في مشاريع البيانات والتحليلات، المشكلة ليست نقص البيانات؛ المشكلة أن البيانات موزعة بين أنظمة (ERP، الصيانة، الإنتاج، المشتريات، السلامة)، والقرار يحتاج “قصة واحدة” متماسكة.

حالة استخدام 1: “مساعد قرار” لتخصيص رأس المال (Capex Allocation)

بدلاً من اتخاذ قرار تمويل مشروع أو تأجيله اعتماداً على ضغط الوقت أو قناعة فريق واحد، يمكن بناء نموذج يُرتّب المشاريع حسب:

• صافي القيمة الحالية NPV تحت سيناريوهات أسعار متعددة
• أثر المشروع على الاعتمادية والتوقفات
• أثره على السلامة والامتثال
• أثره على الانبعاثات (عند الحاجة)

المخرجات تكون لوحة مؤشرات واضحة تُظهر ماذا يحدث لو نقلنا 5% من الميزانية من مشروع A إلى B.

حالة استخدام 2: تحليل التخارجات أو الشراكات (JV / Farm-out)

BP ستحتفظ بـ 35% في مشروع مشترك ويمكنها البيع بعد سنتين (فترة قفل). في الكويت، الشراكات أو العقود طويلة الأجل تحتاج تقييم مشابه: متى يكون الاحتفاظ بحصة استراتيجية أفضل من البيع؟

الذكاء الاصطناعي يساعد على:

• توقع أثر التغيير في هيكل الملكية على النقد والسيولة
• قياس أثر الشريك على الأداء التشغيلي (عبر مؤشرات تسليم، جودة، التزام)
• بناء “نقطة خروج” واضحة (Exit Criteria) بدلاً من قرار عاطفي لاحقاً

حالة استخدام 3: توقع التدفقات النقدية التشغيلية من منظور تشغيلي

التميّز الحقيقي يظهر عندما تربط الشركة بين التشغيل والمالية:

• إذا زادت أعطال مضخات نوع معين في فصل الصيف، ما أثر ذلك على الإنتاج، ثم على الإيرادات؟
• إذا تأخر توريد قطع غيار حرجة 3 أسابيع، ما أثره على التوقفات المخططة؟

هذه الروابط تساعد الإدارة على رؤية أن “قرار مالي” قد يكون جذره “قرار صيانة”.

أسئلة شائعة يطرحها التنفيذيون… وإجابات عملية

هل الذكاء الاصطناعي يضمن قراراً صحيحاً في صفقات مثل BP؟

الجواب المباشر: لا، لكنه يقلّل مساحة الخطأ ويكشف الافتراضات الخاطئة مبكراً.

الذكاء الاصطناعي قوي في التحليل، أما القرار النهائي فيبقى قرار مجلس الإدارة لأنه يشمل اعتبارات استراتيجية وسياسية وسوقية لا تُختصر في نموذج.

ما الحد الأدنى للبدء في الكويت دون مشروع ضخم؟

الجواب المباشر: ابدأوا بـ 90 يوماً تركّزون فيها على “قرار واحد عالي القيمة”.

مثال عملي: بناء نموذج لتقييم 5–10 مبادرات (خفض تكاليف، تحسين كفاءة، أتمتة تقارير) وربطها بتأثير نقدي واضح مع 3 سيناريوهات أسعار.

ما أكبر خطأ عند إدخال الذكاء الاصطناعي في القرار المالي؟

الجواب المباشر: بناء نموذج جميل فوق بيانات غير موحّدة.

إذا كان تعريف “التوقف” مختلفاً بين إدارة التشغيل وإدارة المالية، فالنموذج سيعطي إجابات مختلفة لكل شخص. الحل: قاموس بيانات موحد + حوكمة قبل أي أتمتة.

خطة عمل مختصرة: كيف تبنون “ذكاء قرار” في شركة طاقة كويتية؟

الجواب المباشر: ركّزوا على قرار واحد، نظّفوا بياناته، ثم وسّعوا النطاق تدريجياً.

1. حددوا قراراً مؤلماً (تخارج، شراكة، Capex، خفض دين، تسعير عقد).
2. اجمعوا البيانات الأساسية: إنتاج/تكاليف/صيانة/مشتريات/مالية.
3. ابنوا نموذج سيناريوهات بثلاثة مستويات: متحفظ/أساسي/متفائل.
4. عرّفوا مؤشرات نجاح قبل التنفيذ: نقد، مخاطر، اعتمادية، التزام.
5. قدّموا المخرجات في لوحة واحدة تُظهر “لماذا” وليس “ماذا” فقط.

إذا طبّقتم هذا النهج، ستصبح قرارات مثل “هل نبيع حصة؟ هل نعيد هيكلة أصل؟” أقل ضبابية وأسرع حسمًا.

ما الذي يجب أن نتعلمه من BP الآن تحديداً؟

الجواب المباشر: عندما تتغير الأولويات (خفض دين، تبسيط محفظة، رفع عائد)، يصبح امتلاك نظام قرار مدعوم بالذكاء الاصطناعي ضرورة تشغيلية وليس رفاهية.

صفقة BP على كاسترول تُظهر تناقضاً مثيراً: الشركة تشتري وقتاً مالياً عبر بيع أصل قوي نقدياً. هذا قد ينجح أو يخلق فجوة نقدية لاحقاً—والفرق بين النجاح والندم غالباً يكون في دقة الافتراضات وفي القدرة على قراءة المستقبل عبر احتمالات، لا عبر جملة واحدة في اجتماع.

ضمن سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في الكويت”، الرسالة التي أراها واضحة: الكفاءة اليوم ليست فقط في الحقول والمصافي، بل في غرفة القرار أيضاً.

إذا كنتم تفكرون في إعادة ترتيب محفظة أصول، أو تحسين العائد على رأس المال، أو حتى مجرد تسريع الموافقات الاستثمارية، فالسؤال الذي يستحق النقاش هو: هل قراراتنا مبنية على بيانات موحّدة وسيناريوهات قابلة للتكرار… أم على ذاكرة أفراد؟