شراكة Google Cloud: بوابة ذكاء اصطناعي لقطاع الطاقة بالكويت

في 22/05/2025 عند 06:06 م، التقى مسؤولون حكوميون في الكويت مع فريق من Google Cloud لمناقشة التعاون في الذكاء الاصطناعي وتحليلات البيانات المتقدمة. الخبر يبدو للوهلة الأولى “تقنياً” ومحصوراً في نطاق الخدمات الحكومية، لكن تأثيره الحقيقي—برأيي—يتجاوز ذلك بكثير. لأن أي خطوة جادة نحو بنية سحابية وتحليل بيانات على مستوى الدولة تفتح الباب مباشرةً أمام قطاع النفط والغاز والطاقة لكي يعمل بطريقة أدق، أسرع، وأقل هدراً.

وهنا تأتي الفكرة الأساسية في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في الكويت”: التحول لا يبدأ من شراء أدوات ذكاء اصطناعي، بل من تهيئة البيانات والبنية الرقمية والشراكات التي تسمح لهذه الأدوات أن تعمل داخل الواقع التشغيلي المعقد لقطاع الطاقة.

لماذا تهم هذه الشراكة قطاع النفط والغاز في الكويت؟

الجواب المباشر: لأنها تضع “قواعد اللعبة” لبيئة بيانات وطنية أكثر نضجاً—والطاقة هي أكبر مستفيد عندما تُدار البيانات على نطاق واسع وبشكل آمن.

الاجتماع ركّز على تحسين الكفاءة والشفافية وجودة الخدمات عبر استخدام أدوات مدعومة بالذكاء الاصطناعي وتحليلات البيانات، مع أمثلة مثل التخطيط للمشاريع، الصيانة التنبؤية، وتوزيع الموارد. هذه نفس “العناوين” التي تدفع شركات النفط والغاز عالمياً للاستثمار في الذكاء الاصطناعي، لكن الفرق في الكويت أن القيمة قد تكون مضاعفة لأن:

• قطاع الطاقة يملك أكبر حجم بيانات تشغيلية (حساسات، تدفقات، صيانة، سلامة، سلاسل إمداد).
• أي تحسّن صغير في الاعتمادية وتقليل التوقف ينعكس فوراً على الإنتاج والكلفة.
• السحابة والتحليلات المتقدمة تسرّع الانتقال من التقارير المتأخرة إلى قرارات شبه فورية.

جملة قابلة للاقتباس: الذكاء الاصطناعي في النفط والغاز لا “يخترع” قيمة من الصفر؛ هو يضغط الهدر المخفي داخل البيانات إلى قرارات تشغيلية واضحة.

من “تحول حكومي” إلى أثر تشغيلي داخل الطاقة

الجواب المباشر: عندما تتحسن قابلية تبادل البيانات بين الجهات وتصبح البنية الرقمية أقوى، تصبح مشاريع الطاقة أقل تعثراً وأسرع في التنفيذ.

الخبر أشار إلى نقطة حساسة: تبادل البيانات بين الجهات الحكومية كركيزة لرفع الأداء المؤسسي. في قطاع النفط والغاز، هذا يظهر في ملفات يومية مثل:

• تصاريح الأعمال والمشاريع المرتبطة بالبنية التحتية.
• تكامل بيانات الطرق والمرور مع مشاريع خطوط الأنابيب والشحن.
• بيانات البيئة والانبعاثات والتقارير التنظيمية.

مثال قريب من الواقع: الصيانة التنبؤية

الجواب المباشر: الصيانة التنبؤية تخفف الأعطال وتُطيل عمر المعدات عبر التنبؤ بالمشكلة قبل وقوعها.

إذا أخذنا ما ورد في الاجتماع حول الصيانة التنبؤية كفكرة عامة، فترجمتها في منشآت النفط والغاز تكون مثل:

• مراقبة مضخات ومحركات عبر الاهتزاز والحرارة واستهلاك الطاقة.
• اكتشاف الانحرافات في الضغوط والتدفقات داخل خطوط الإنتاج.
• ربط سجلات الصيانة السابقة مع بيانات الحساسات لتحديد “بصمة” الأعطال المتكررة.

النتيجة العملية التي تبحث عنها الشركات عادة ليست “نموذج ذكاء اصطناعي جميل”، بل:

• تقليل التوقفات غير المخطط لها.
• تحسين توافر الأصول Asset Availability.
• خفض تكلفة قطع الغيار عبر صيانة مدفوعة بالحاجة لا بالجداول الثابتة.

التخطيط الذكي للمشاريع: نفس المبدأ

الجواب المباشر: تحليلات البيانات تحسّن تقدير الوقت والكلفة والمخاطر قبل بدء المشروع.

الوزارة تحدثت عن التخطيط للمشاريع وتوزيع الموارد. في الطاقة، هذا يعني:

• نماذج تنبؤية لتأخر المشاريع اعتماداً على بيانات المقاولين والطقس وسلاسل الإمداد.
• لوحات قيادة تربط تقدم المشروع بالإنفاق الفعلي.
• إنذار مبكر عند مؤشرات الانحراف (مثلاً: ارتفاع أوامر التغيير، تكرار حوادث السلامة، أو تعطّل توريد مواد حرجة).

السحابة ليست رفاهية: هي شرط لتوسّع الذكاء الاصطناعي

الجواب المباشر: بدون منصة سحابية قوية وحوكمة بيانات واضحة، ستبقى مبادرات الذكاء الاصطناعي “تجارب” معزولة لا تتحول إلى تشغيل يومي.

كثير من شركات الطاقة تبدأ بحماس: مشروع صغير هنا، نموذج هناك، ثم تتعثر عند أول سؤال صعب: أين البيانات؟ من يملكها؟ هل هي موثوقة؟ هل يمكن تشغيل النموذج بأمان وعلى نطاق واسع؟

الشراكات مع مزودي منصات مثل Google Cloud تعطي—إذا أُديرت صح—3 أشياء أساسية:

1. قابلية التوسع: تشغيل التحليلات على بيانات كبيرة دون انتظار شهور لتجهيز بنية تحتية داخلية.
2. الأمن والامتثال: سياسات هوية وصلاحيات وتشفير وتدقيق (مع ضرورة مواءمتها مع متطلبات الدولة والقطاع).
3. أدوات جاهزة للبيانات والذكاء الاصطناعي: من جمع البيانات، إلى تنظيفها، إلى بناء نماذج، إلى مراقبة الأداء.

ما الذي يجب أن يفعله قطاع الطاقة حتى لا يكرر أخطاء الآخرين؟

الجواب المباشر: ابدأ بحالات استخدام مرتبطة بالعائد، ثم ابنِ “مصنع بيانات” قبل “مصنع نماذج”.

هذه قائمة عملية رأيت أنها تفصل بين المشاريع التي تنجح وتلك التي تتوقف عند مرحلة العرض التقديمي:

• اختر 2–3 حالات استخدام ذات أثر مالي/تشغيلي مباشر (مثل الأعطال المتكررة، الفاقد الطاقي، تحسين جدولة الصيانة).
• أنشئ طبقة بيانات موحدة (بحيرة بيانات/مخزن بيانات) مع تعريف واضح للكيانات: أصل، معدة، أمر عمل، حادث سلامة…
• اعتمد مؤشرات أداء قابلة للقياس قبل بدء المشروع (مثلاً: زمن التوقف، دقة التنبؤ، زمن معالجة البلاغ).
• صمّم التكامل مع أنظمة التشغيل الصناعية SCADA وDCS وأنظمة إدارة الصيانة EAM/CMMS من البداية.

تحليلات البيانات والذكاء الاصطناعي… لتقارير أسرع وقرارات أدق

الجواب المباشر: أكبر مكسب سريع في النفط والغاز هو تقليل زمن إعداد التقارير وتحويلها إلى قرارات تشغيلية.

ضمن أهداف حملتنا (LEADS) نحن نتحدث مع جمهور عملي: مدراء تشغيل، مدراء أصول، فرق بيانات، وقيادات تحول رقمي. هؤلاء لا يريدون سماع وعود عامة. يريدون نظاماً يُنهي مشكلتين مزمنتين:

1. التقرير المتأخر: تقارير الإنتاج والسلامة والانبعاثات تُجهّز بعد أيام أو أسابيع.

2. تعدد النسخ: كل إدارة لديها “أرقامها” وملفاتها.

الذكاء الاصطناعي وتحليلات البيانات المتقدمة تساعد عبر:

• أتمتة تجميع البيانات والتحقق منها.
• اكتشاف القيم الشاذة قبل أن تتحول إلى قرارات خاطئة.
• تلخيص المؤشرات يومياً مع شرح سبب الانحراف (وليس مجرد رقم).

جملة قابلة للاقتباس: التقارير الجيدة تخبرك ماذا حدث؛ التحليلات الجيدة تخبرك لماذا حدث؛ والذكاء الاصطناعي الجيد يقترح ماذا تفعل الآن.

“أسئلة شائعة” يطرحها التنفيذيون في الكويت

الجواب المباشر: أغلب الاعتراضات ليست تقنية، بل مرتبطة بالحوكمة والمهارات.

هل يعني الذكاء الاصطناعي استبدال الموظفين؟ غالباً لا. القيمة الأكبر تكون في تقليل الأعمال اليدوية المتكررة ورفع جودة القرار. من دون خبراء تشغيل وصيانة لن ينجح أي نموذج.

هل السحابة آمنة لبيانات حساسة؟ السحابة يمكن أن تكون آمنة جداً إذا طُبّقت سياسات الهوية والتشفير والتدقيق والحوكمة بشكل صارم. الخطر الحقيقي هو تشغيل حلول بلا حوكمة.

من أين نبدأ؟ ابدأ بمشكلة تشغيلية محددة ومؤلمة، ثم ابنِ حولها خط بيانات نظيف، ثم وسّع.

بناء القدرات المحلية: العنصر الذي يحسم النجاح

الجواب المباشر: الاستثمار في الكفاءات الكويتية هو ما يجعل الذكاء الاصطناعي “عادة تشغيلية” لا مشروعاً مؤقتاً.

الخبر أشار إلى أهمية بناء القدرات الرقمية وتطوير المواهب. في الطاقة تحديداً، تحتاج الكويت إلى فرق تجمع بين 3 عوالم:

• خبرة تشغيلية ميدانية (معدات، سلامة، موثوقية).
• هندسة بيانات (تكامل، جودة، حوكمة).
• علم بيانات وذكاء اصطناعي (نمذجة، مراقبة، تفسير النتائج).

أفضل نموذج عمل رأيته في مؤسسات الطاقة هو “فرق مشتركة” تلتف حول قيمة واضحة:

1. مالك منتج Product Owner من التشغيل.
2. مهندس بيانات.
3. عالم بيانات.
4. مهندس موثوقية/صيانة.
5. مسؤول أمن معلومات.

أين تتجه الكويت في 2026؟ خطوة عملية لقطاع الطاقة

الجواب المباشر: 2026 يجب أن تكون سنة الانتقال من التجارب إلى التشغيل عبر منصة بيانات موحدة ومؤشرات أداء صارمة.

نحن الآن في نهاية 12/2025، ومع تسارع التحول الرقمي في المنطقة، أي شركة طاقة في الكويت تتأخر في ربط بياناتها وتشغيل التحليلات ستجد نفسها بعد عامين تدفع أكثر لتلحق بالركب—وبنتائج أقل.

الخطوة التالية التي أنصح بها أي جهة طاقة (شركة أو ذراع تشغيلية) هي “برنامج 90 يوماً” واضح:

1. أسبوع 1–2: تحديد 3 حالات استخدام + خط أساس للأرقام.
2. أسبوع 3–6: تجميع البيانات وربط المصادر + قواعد جودة البيانات.
3. أسبوع 7–10: نموذج أولي قابل للاستخدام داخل العمليات.
4. أسبوع 11–13: تشغيل تجريبي Pilot مع قياس أثر فعلي وخطة توسع.

الرهان الحقيقي ليس على اسم المزود التقني، بل على الانضباط: حوكمة، بيانات موثوقة، وقرارات مبنية على مؤشرات قابلة للقياس.

إذا كانت شراكة Google Cloud مع الجهات الحكومية إشارة إلى نضج رقمي قادم، فالسؤال الذي يستحق التفكير في قطاع النفط والغاز هو: هل سنستخدم هذا النضج لتقليل الهدر التشغيلي والانبعاثات ورفع الاعتمادية… أم سنكتفي بالمراقبة من بعيد؟