Harga Minyak Jatuh, AI Jadi Senjata Baharu Syarikat Tenaga

Harga Minyak Susut ke Paras Oktober – Kenapa AI Tiba‑Tiba Jadi Kritikal

Pada 11/12/2025, WTI ditutup sekitar USD57.60 setong dan Brent sekitar USD61.28 – paras terendah sejak Oktober. Untuk konteks, pergerakan 1.5% ke bawah dalam sehari mungkin nampak kecil, tapi bagi operator huluan, penapisan, malah utiliti elektrik, perbezaan beberapa dolar sudah cukup untuk mengubah projek dari profitable kepada rugi.

Ini bukan sekadar cerita turun naik pasaran. Dalam beberapa bulan lepas kita nampak:

• tambahan pengeluaran daripada OPEC+ dan Amerika,
• serangan ke atas infrastruktur tenaga Rusia,
• isu kapal tangki disita kerana sekatan Venezuela dan Iran,
• dan permintaan global yang agak lembap.

Dalam situasi macam ini, syarikat yang bergantung pada “gut feeling” atau Excel semata‑mata memang mudah tergelincir. Syarikat yang sudah melabur dalam AI, analitik lanjutan dan automasi (termasuk Petronas dan utiliti besar di rantau ini) ada kelebihan jelas: mereka boleh bertindak pantas, potong kos dengan tepat, dan kekal menguntungkan walaupun harga mentah menurun.

Artikel ini kupas bagaimana kejatuhan harga minyak terkini berkait rapat dengan keputusan operasi, dan di mana AI dalam minyak & gas / tenaga membantu syarikat di Malaysia kekal cekap dan berdaya tahan.

---

1. Apa Maksud Harga WTI & Brent di Paras Terendah Sejak Oktober?

Harga WTI sekitar USD57–58 dan Brent sekitar USD61 memberi satu mesej utama: asas pasaran sedang bearish.

Daripada laporan asal:

• WTI susut ~1.5%, ditutup di bawah USD58 setong.
• Brent susut ~1.5%, sekitar USD61 setong.
• Tekanan bukan sahaja datang daripada geopolitik, tetapi juga sentimen ekuiti yang lemah dan unjuran lebihan bekalan 2026.

Dalam bahasa mudah: lebih banyak minyak bakal berada dalam pasaran berbanding pertumbuhan permintaan. IEA sendiri mengakui lebihan stok untuk 2026 dijangka lebih tinggi daripada 2025, walaupun ada pembelian kukuh dari China.

Bagi syarikat tenaga, ini memberi beberapa kesan langsung:

• Margin mengecil – terutamanya untuk pengeluar kos tinggi.
• Tekanan pada CAPEX – projek baharu lebih sukar diluluskan.
• Tekanan pada OPEX – setiap dolar kos operasi dipersoal.

Ini latar yang menjadikan AI bukan lagi ‘nice‑to‑have’ tetapi ‘must‑have’.

---

2. Kenapa Turun Naik Harga Minyak Ubah Cara Syarikat Buat Keputusan

Kebanyakan operator minyak & gas tradisional ada kitaran yang sama bila harga jatuh:

1. Bekukan pengambilan pekerja.
2. Tangguhkan projek baharu.
3. Potong bajet penyelenggaraan dan latihan.

Masalahnya, pendekatan “potong serata” macam ini sering memakan diri:

• Risiko kegagalan aset meningkat.
• Hasil pengeluaran jatuh lebih cepat daripada jangkaan.
• Insiden keselamatan bertambah kerana kompromi pada penyelenggaraan.

AI mengubah equation ini. Dengan data operasi yang betul, syarikat boleh:

• kenal pasti kos mana yang betul‑betul membazir, dan kos mana yang wajib dipertahan;
• simulasi senario harga (USD50, USD60, USD70) dan kesannya kepada cash flow;
• merancang penyelenggaraan dan pengeluaran secara dinamik, bukan statik.

Dalam persekitaran harga yang volatile, syarikat yang boleh membuat keputusan berbasis data dalam beberapa jam akan jauh mengatasi syarikat yang ambil beberapa minggu untuk “kaji semula” pelan.

---

3. Di Mana AI Memberi Kesan Terbesar Dalam Operasi Minyak & Gas

Jawapan ringkas: AI paling berbaloi pada kawasan yang makan banyak kos dan melibatkan banyak data. Di Malaysia, termasuk Petronas dan pemain utiliti besar, empat bidang ini semakin menonjol.

3.1 Peramalan Harga & Perancangan Senario

AI tak boleh mengawal OPEC+ atau konflik Rusia–Ukraine, tapi ia boleh:

• serap ribuan titik data – inventori global, kadar pengeluaran, data makroekonomi, berita geopolitik,
• bina model ramalan harga jangka pendek dan sederhana,
• jana pelbagai senario (contoh: “jika perang reda, jika sekatan diperketat, jika permintaan China menurun”).

Kegunaan praktikal untuk pengurus di Malaysia:

• bahagikan projek mengikut tahap sensitiviti harga;
• tetapkan “trigger point” automatik – contoh, jika ramalan WTI jatuh di bawah USD55 selama 3 bulan, pelan pengeboran tertentu ditangguhkan;
• optimakan kontrak jual beli, hedging dan logistik.

3.2 Predictive Maintenance: Elak Shutdown Mahal

Dalam keadaan harga rendah, shutdown tak berjadual memang mimpi ngeri. Di sinilah predictive maintenance berasaskan AI memberi pulangan besar:

• Sensor di pam, kompresor, turbin, heat exchanger dan pipeline dihimpunkan dalam satu platform.
• Model AI dilatih untuk mengesan corak kegagalan awal yang manusia tak perasan.
• Sistem akan cadangkan bila dan di mana perlu buat penyelenggaraan sebelum aset gagal.

Kesan biasa yang saya lihat dalam kajian kes antarabangsa:

• pengurangan downtime tak berjadual sebanyak 20–40%;
• penurunan kos penyelenggaraan 10–25%;
• keselamatan meningkat kerana kurang insiden emergency repair.

Bila harga minyak susut, penjimatan jenis ini terus pergi ke bottom line tanpa perlu potong pekerja atau bajet keselamatan.

3.3 Pengoptimuman Pengeluaran & Reservoir Modelling

Petronas dan beberapa IOC lain sudah bertahun guna AI untuk reservoir modelling – tapi nilai sebenarnya lebih jelas bila harga tertekan.

Dengan AI, anda boleh:

• menggabungkan data seismic, log telaga, produksi, tekanan dan data “real time” dari telaga;
• bina model 3D yang sentiasa dikemas kini,
• jalankan ribuan simulasi untuk tentukan policy pengeluaran optimum (contoh: bila nak choke back, bila nak inject gas atau air, mana telaga patut di‑workover).

Dalam pasaran bearish, matlamat berubah daripada “maksimumkan output” kepada “maksimumkan nilai setiap tong”. AI membantu cari sweet spot antara:

• kadar pengeluaran,
• kos operasi,
• dan faktor pemulihan jangka panjang.

3.4 Kecekapan Tenaga & Utiliti

Bagi utiliti besar – TNB, operator penjanaan, juga loji penapisan – kos tenaga dalaman sangat besar. AI membantu:

• mengoptimumkan set point boiler, turbin, chiller, dan sistem penyejukan;
• menyesuaikan operasi dengan harga gas/arang batu/minyak bahan api yang berubah;
• mengurangkan penggunaan tenaga per unit output.

Dalam konteks Malaysia yang sedang menolak peralihan tenaga lebih bersih, AI juga penting untuk:

• mengimbangi grid dengan penjanaan solar dan hidro yang berubah‑ubah;
• meramal beban puncak (time‑of‑day, musim perayaan, cuaca tropika);
• merancang strategi pembelian bahan api lebih bijak.

---

4. Apa Pengurus Tenaga Di Malaysia Boleh Buat Sekarang

Bagi ramai pengurus, isu sebenar bukan lagi “perlu ke AI?” tetapi “bagaimana nak mula dengan risiko rendah dan impak cepat?”. Ada tiga langkah praktikal yang saya syorkan bila harga minyak berada pada paras macam sekarang.

4.1 Fokus Pada Use Case Yang Boleh ‘Bayar Balik’ Dalam 12–24 Bulan

Jangan mula dengan projek mega lima tahun. Pilih:

• satu atau dua aset penting (platform lepas pantai utama, loji penapisan, kompleks petrokimia, loji janakuasa);
• satu masalah kos besar yang jelas – contohnya downtime kompresor, kadar fuel gas tinggi, atau faktor pemulihan rendah;
• satu KPI utama (contoh: kurangkan downtime 30%, jimat 5% fuel gas, atau tambah 2% recovery factor jangka sederhana).

Kemudian, bina projek AI yang sangat spesifik pada KPI itu. Bila projek tersebut pulang modal dalam masa kurang dua tahun, ia jadi bukti dalaman yang kuat untuk perluasan.

4.2 Pastikan Data & Operasi Saling Berhubung

Ramai lupa: AI yang bagus tak boleh berdiri tanpa data yang teratur.

Langkah minimum yang boleh dibuat tahun ini:

• inventori sumber data sedia ada (SCADA, historian, ERP, CMMS, LIMS);
• kenal pasti “data owner” dan standard asas (masa, unit, kualiti);
• sambungkan data operasi penting ke satu platform data pusat, walaupun secara fasa demi fasa.

Bila asas ini ada, sebarang projek AI – sama ada predictive maintenance, peramalan harga, atau pengoptimuman tenaga – akan jauh lebih pantas dan murah untuk dibangunkan.

4.3 Bentuk ‘Squad’ Kecil: Operator + Data Scientist

Projek AI gagal bila hanya didorong oleh IT tanpa suara operasi, atau sebaliknya. Model yang paling berkesan yang saya lihat:

• 2–3 orang jurutera proses / pengeluaran / penyelenggaraan dari aset tersebut;
• 1–2 data scientist / data engineer;
• seorang “product owner” yang jelas KPI dan timeline.

Squad ini kerja dalam sprint 6–8 minggu, tunjukkan prototaip, uji di lapangan, baiki, kemudian scale up. Budaya macam ini jauh lebih sesuai dengan operasi minyak & gas moden berbanding projek besar yang hanya nampak hasil selepas 18 bulan.

---

5. Dari Volatiliti ke Keuntungan: AI Sebagai Insurans Operasi

Harga minyak akan terus berubah. Minggu ini risau pasal lebihan bekalan, minggu depan mungkin pasal konflik baharu atau sekatan tambahan. Realitinya, syarikat tenaga tak boleh kawal pasaran, tetapi boleh kawal cara mereka bertindak balas.

Untuk konteks siri “AI in Oil & Gas / Energy (Petronas & Major Utilities)”, pola yang sama muncul berulang kali:

• syarikat yang melabur strategik dalam AI untuk operasi – bukan sekadar projek ‘pilot’ PR – mampu turunkan kos unit, kurangkan risiko, dan kekal untung walaupun harga lemah;
• mereka lebih cepat ubah pelan pengeluaran dan CAPEX bila harga WTI/Brent bergerak;
• mereka lebih yakin buat komitmen jangka panjang kerana ada pandangan data‑driven ke atas aset.

Bagi pengurus dan jurutera di Malaysia yang sedang melihat carta harga WTI dan Brent berada pada paras Oktober sekali lagi, soalan praktikalnya ialah:

Adakah operasi anda sudah cukup pintar untuk menghadapi harga USD50–60, atau masih bergantung pada Excel dan andaian lama?

Jika jawapannya belum, inilah masa yang sesuai – sebelum kitaran harga seterusnya – untuk mulakan 1–2 projek AI operasi yang kecil tetapi berimpak besar. Bila pasaran seterusnya bergegar, syarikat yang sudah ada asas AI tak lagi panik. Mereka sudah tahu butang mana perlu ditekan.