Gas Azerbaijan, Hungary & AI: Strategi Baharu Rantai Bekalan

Gas Azerbaijan, Hungary & AI: Apa Sebenarnya Berlaku?

Pada tahun 2023, lebih 80% gas Hungary datang dari Rusia. Sekarang, Budapest baru sahaja menandatangani perjanjian baharu: 800 juta meter padu gas dari Azerbaijan untuk tempoh dua tahun. Bukan jumlah yang mengubah peta dunia, tapi cukup besar sebagai isyarat – Eropah Tengah sedang menukar strategi tenaga.

Untuk pemain industri minyak & gas di Malaysia, terutama Petronas dan utiliti besar, langkah Hungary ini bukan sekadar berita antarabangsa. Ini cermin kepada satu realiti: diversifikasi tenaga dan keselamatan bekalan tak lagi boleh dipisahkan daripada AI, data dan automasi.

Dalam siri "AI in Oil & Gas / Energy (Petronas & Major Utilities)" ini, artikel kali ini gunakan kes Hungary–Azerbaijan sebagai kajian ringkas: bagaimana negara kecil di tengah Eropah urus risiko geopolitik, apa peranan teknologi, dan bagaimana pendekatan yang sama boleh diterjemah ke konteks Malaysia.

---

Kenapa Hungary Cari Gas Dari Azerbaijan?

Jawapannya ringkas: mengurangkan kebergantungan kepada satu sumber dan mengurangkan risiko politik.

Hungary selama ini sangat bergantung kepada gas Rusia melalui paip yang merentasi Ukraine dan Balkan. Selepas konflik geopolitik beberapa tahun kebelakangan ini, EU berikrar untuk mengurangkan dan akhirnya menghentikan import gas Rusia. Budapest tak setuju sepenuhnya, tetapi pada masa sama mereka mula cari pelan B.

Perjanjian dengan Azerbaijan – melalui syarikat negara itu, SOCAR – untuk membekalkan 800 juta meter padu gas selama dua tahun adalah sebahagian daripada:

• Strategi diversifikasi sumber (Rusia, Azerbaijan, LNG dari negara lain)
• Percubaan mengukuhkan tawar-menawar harga dengan mempunyai lebih banyak pilihan
• Usaha jangka panjang untuk meningkatkan ketahanan tenaga nasional

Bagi pemain tenaga, mesejnya jelas:

"Monosumber" semakin berbahaya; dunia bergerak ke arah portofolio bekalan gas dan tenaga yang pelbagai, dipacu data dan AI.

---

Diversifikasi Tenaga: Dari Geopolitik Ke Data & Algoritma

Diversifikasi tenaga bukan sekadar menukar pembekal; ia mengubah cara merancang, mengurus dan memantau keseluruhan rantai bekalan tenaga.

Tiga Lapisan Strategi Diversifikasi

1. Diversifikasi Sumber Fizikal
   • Beberapa negara pembekal (contoh: Rusia + Azerbaijan + LNG dari Mediterranean atau US)
   • Beberapa jenis bahan api (gas paip, LNG, tenaga boleh baharu)
2. Diversifikasi Infrastruktur
   • Pelbagai laluan paip, terminal LNG, storan bawah tanah
   • Interkoneksi grid dan paip antara negara jiran
3. Diversifikasi Digital
   • Sistem peramalan permintaan yang pintar
   • Model risiko berdasarkan AI untuk menilai senario gangguan bekalan
   • Analitik harga masa nyata untuk rundingan komersial

Hungary sedang bermain pada lapisan pertama dan kedua. Negara seperti Malaysia, dengan pemain seperti Petronas, TNB dan utiliti negeri, sudah pun punya asas infrastruktur yang baik. Bezanya, nilai tambah terbesar beberapa tahun akan datang berada pada lapisan ketiga: diversifikasi digital berasaskan AI.

---

Di Mana AI Masuk Dalam Cerita Gas Hungary–Azerbaijan?

Kalau kita zoom masuk ke rantai bekalan gas antarabangsa, ada lima tempat utama di mana AI memberikan kelebihan kompetitif.

1. Perancangan Rantai Bekalan Gas Merentasi Sempadan

Bila Hungary tambah Azerbaijan ke dalam portofolio bekalan, kerumitan terus meningkat:

• Kapasiti paip berbeza mengikut musim
• Harga kontrak berbeza (spot vs jangka panjang)
• Sekatan teknikal dan regulatori di negara transit

AI untuk pengoptimuman rangkaian boleh:

• Mengira kombinasi aliran gas paling kos-efisien merentas beberapa paip dan terminal
• Mengambil kira ramalan permintaan, cuaca, jadual penyelenggaraan dan risiko gangguan
• Menjana senario "what-if" (contoh: kalau satu laluan tergendala 3 hari, apa pelan gantian?)

Dalam konteks Malaysia, konsep yang sama digunakan untuk:

• Aliran gas daripada medan luar pesisir ke loji penjanaan
• Pengagihan LNG di rantau Asia
• Penjadualan penghantaran bagi memenuhi kontrak eksport dan keperluan domestik

2. Penyelenggaraan Prediktif (Predictive Maintenance)

Rantaian gas antarabangsa – dari kompresor, injap, meter sehinggalah terminal – adalah sistem yang kompleks.

Tradisional:

• Penyelenggaraan berasaskan jadual masa (time-based)
• Downtime kadang-kadang tak terjangka

Dengan AI dan model pembelajaran mesin:

• Sensor IoT dipasang di peralatan kritikal (getaran, suhu, tekanan, aliran)
• Data masa nyata dianalisis untuk mengenal pasti corak kehausan atau potensi kegagalan
• Sistem menjangka kegagalan hari atau minggu lebih awal, memberi ruang untuk perancangan kerja selenggara tanpa mengganggu bekalan

Untuk perjanjian cross-border seperti Hungary–Azerbaijan, kebolehpercayaan aset menjadi isu reputasi dan politik. Di Malaysia, Petronas telah lama melabur dalam predictive maintenance untuk platform luar pesisir dan loji pemprosesan; perkara yang sama semakin meluas kepada utiliti gas dan elektrik.

3. Pemantauan Infrastruktur & Keselamatan

Paip gas rentas negara dan terminal storan adalah aset berisiko tinggi. Sebarang kebocoran atau serangan siber boleh membawa kesan besar.

AI menyokong keselamatan dengan:

• Analitik video untuk mengesan pencerobohan di fasiliti kritikal
• Pemantauan tekanan dan aliran untuk mengesan kebocoran mikro lebih awal daripada kaedah tradisional
• Sistem pengesanan anomali siber untuk SCADA dan sistem kawalan industri

Dalam konteks Asia Tenggara, isu keselamatan paip dan loji penjanaan di kawasan terpencil sangat relevan. Malaysia yang mempunyai aset di darat dan luar pesisir boleh mendapat manfaat besar daripada pemantauan pintar berasaskan AI ini.

4. Ramalan Permintaan & Keputusan Komersial

Perjanjian gas jangka sederhana seperti antara Hungary dan Azerbaijan perlu disokong oleh ramalan permintaan yang tepat. Kalau tersasar:

• Terlebih beli: kapasiti storan penuh, kos kewangan meningkat
• Terlebih jual di pasaran spot: risiko kekurangan bekalan domestik

Model AI mengambil kira:

• Corak penggunaan tenaga mengikut musim dan industri
• Data cuaca, aktiviti ekonomi, dan harga tenaga lain (arang batu, elektrik, minyak)
• Pola tingkah laku pelanggan besar (industri, IPP, utiliti)

Begitu juga di Malaysia, AI boleh membantu:

• Meramalkan permintaan gas untuk loji janakuasa CCGT
• Menyokong TNB dan utiliti negeri menguruskan peralihan antara gas, hidro dan tenaga boleh baharu
• Memutuskan bila sesuai untuk menjual atau membeli LNG di pasaran global

5. Rundingan Kontrak Yang Lebih Pintar

Satu aspek yang jarang dibincang: AI untuk analitik harga dan risiko kontrak.

Kerajaan dan syarikat boleh gunakan model AI untuk:

• Simulasi harga gas jangka sederhana berdasarkan senario geopolitik
• Menilai struktur kontrak: indeks minyak vs indeks hub gas, formula harga, klausa fleksibiliti volum
• Mengukur nilai sebenar opsyen "take-or-pay" atau fleksibiliti penghantaran

Hungary yang berunding dengan SOCAR, dan pada masa sama berurusan dengan pembekal lain, memerlukan pandangan data yang kuat. Di Malaysia, unit komersial Petronas dan utiliti besar sudah mula bergerak ke arah decision intelligence seperti ini.

---

Apa Pengajaran Untuk Malaysia, Petronas & Utiliti Besar?

Hungary mungkin jauh, tetapi beberapa pengajaran sangat dekat dengan realiti Malaysia.

1. Jangan Tunggu Krisis Baru Mahu Diversifikasi

Hungary ditekan oleh konflik geopolitik di rantau mereka. Malaysia pula berdepan tekanan berbeza:

• Peralihan tenaga dan komitmen ESG
• Permintaan domestik yang berubah mengikut industri dan pertumbuhan bandar
• Persaingan serantau dalam eksport LNG dan pelaburan tenaga baharu

Pendek kata, rancang diversifikasi semasa keadaan masih stabil. Ini termasuk:

• Diversifikasi sumber gas dan portofolio eksport
• Integrasi lebih rapat antara gas, elektrik dan tenaga boleh baharu
• Pelaburan proaktif dalam platform AI dan data

2. AI Bukan Lagi Projek POC, Tapi Infrastruktur Teras

Ramai syarikat tenaga masih melihat projek AI sebagai "pilot" atau percubaan. Atas kertas nampak menarik, di lapangan kurang integrasi dengan operasi sebenar.

Hungary–Azerbaijan tunjukkan bahawa bila rantai bekalan merentas sempadan dan risiko tinggi, AI dan analitik perlu dianggap sebagai sebahagian daripada infrastruktur negara, bukan projek sampingan.

Bagi syarikat minyak & gas dan utiliti di Malaysia, langkah realistik termasuk:

• Menyatukan data operasi (SCADA, sensor aset, data komersial) dalam satu platform
• Mengutamakan beberapa kes penggunaan AI bernilai tinggi:
  • Penyelenggaraan prediktif untuk aset kritikal
  • Peramalan permintaan tenaga
  • Pengoptimuman rangkaian penghantaran gas dan elektrik
• Mewujudkan kerjasama rapat antara pasukan operasi, IT dan data sains

3. Perkongsian Antarabangsa + Keupayaan Digital Dalaman

Hungary bergantung pada SOCAR dan rangkaian paip serantau. Malaysia pula mempunyai:

• Petronas sebagai syarikat nasional dengan pengalaman global
• Akses kepada rakan kongsi teknologi dan operator antarabangsa
• Pasaran domestik yang cukup besar untuk menguji penyelesaian AI secara berskala

Kombinasi yang berkesan selalunya begini:

• Perkongsian fizikal & komersial dengan rakan global (untuk akses pasaran dan sumber)
• Keupayaan digital dalaman yang kuat (supaya keputusan berasaskan data tak perlu "diserahkan" kepada pihak luar)

Untuk eksekutif di utiliti dan minyak & gas, persoalan praktikalnya:
Berapa banyak keputusan rantai bekalan tenaga syarikat anda yang benar-benar disokong model data dan AI hari ini?

---

Langkah Praktikal: Dari Berita Hungary Ke Pelan AI Tenaga Anda

Supaya artikel ini tak berhenti sebagai analisis geopolitik, berikut beberapa langkah praktikal yang saya nampak relevan untuk organisasi tenaga di Malaysia.

1. Peta Rantai Bekalan Tenaga & Titik Risiko

Mulakan dengan peta yang jelas:

• Dari mana sumber utama datang (medan gas, import LNG, tenaga boleh baharu)
• Bagaimana ia bergerak (paip, kapal, grid)
• Di mana titik paling kritikal (bottleneck, aset tua, kawasan berisiko geopolitik atau cuaca)

Kemudian, tanya: di titik mana AI boleh paling cepat mengurangkan risiko atau kos?

2. Pilih 2–3 Kes Penggunaan AI Bernilai Tinggi

Contoh untuk konteks Malaysia:

• Model peramalan permintaan gas/elektrik untuk 12–24 bulan
• Penyelenggaraan prediktif untuk kompresor, turbin, atau transformer utama
• Pengoptimuman jadual penghantaran LNG atau aliran gas paip

Fokus kepada kes yang:

• Ada data asas yang mencukupi
• Ada pemilik proses yang jelas di bahagian operasi
• Ada impak kewangan yang boleh diukur (penjimatan kos, pengurangan downtime, peningkatan faktor kapasiti)

3. Bentuk Pasukan Hibrid: Operasi + Data + IT

Projek AI tenaga gagal bila ia didorong hanya oleh IT atau hanya oleh vendor luar. Resipi yang lebih berkesan:

• Jurutera operasi yang faham proses
• Data scientist / engineer yang faham model dan integrasi data
• Pasukan IT/OT yang jaga keselamatan dan kebolehpercayaan sistem

Hungary bergantung kepada pemain seperti SOCAR dan operator paip serantau. Malaysia ada kelebihan: ekosistem tenaga dan teknologi yang semakin matang – tinggal lagi bagaimana menyusunnya secara strategik.

---

Penutup: Dari Budapest Ke Bintulu – Masa Untuk Tenaga Yang Lebih Pintar

Perjanjian gas Hungary–Azerbaijan mungkin kelihatan jauh daripada operasi harian loji penjanaan di Pasir Gudang atau terminal LNG di Bintulu. Tetapi arah pergerakannya sama:

• Diversifikasi bekalan untuk mengurangkan risiko
• Rantai bekalan rentas sempadan yang semakin kompleks
• Keperluan infrastruktur digital dan AI yang menyokong keputusan masa nyata

Bagi Petronas dan utiliti besar di Malaysia, soalan sebenar pada 14/12/2025,
jam 10:00 pagi atau 10:00 malam tetap sama:

Adakah strategi tenaga anda hanya bergantung pada paip dan kabel – atau sudah disokong oleh model, data dan AI yang mampu menghadapi kejutan seterusnya?

Jika jawapannya belum jelas, mungkin ini masa yang sesuai untuk menjadikan projek AI dalam minyak & gas dan tenaga sebagai teras strategi, bukan lagi projek sampingan R&D.