Serangan ke atas medan minyak Filanovsky mendedahkan betapa rapuhnya aset tenaga. Begini cara AI boleh meningkatkan keselamatan, ramalan risiko dan daya tahan operasi.
AI & Keselamatan Infrastruktur Tenaga Lepas Pesisir
Serangan dron Ukraine ke atas medan minyak luar pesisir Filanovsky milik Lukoil di Laut Caspian baruābaru ini mengingatkan satu perkara pedih: aset tenaga, setinggi mana pun pelaburan dan teknologinya, tetap terdedah. Satu platform, sekitar 120,000 tong sehari kapasiti rekabentuk, boleh tergendala hanya dengan beberapa serangan tepat.
Untuk pemain seperti Petronas, TNB, Sabah Energy, Sarawak Energy dan utiliti besar lain di rantau ini, mesejnya jelas. Risiko terhadap infrastruktur tenaga hari ini bukan lagi sekadar kebocoran paip atau kegagalan pam. Konflik geopolitik, dron jarak jauh, serangan siber dan rantaian bekalan yang rapuh mula menjadi sebahagian daripada persamaan operasi.
Artikel asal tentang serangan ke atas medan Filanovsky hanya menceritakan apa yang berlaku. Dalam siri AI in Oil & Gas / Energy (Petronas & Major Utilities) ini, fokus kita berbeza: bagaimana insiden seperti ini patut membentuk semula cara syarikat tenaga di Malaysia merancang, memantau dan melindungi operasi mereka, dan peranan sebenar AI dalam membina daya tahan operasi.
Apa Serangan Filanovsky Beritahu Tentang Risiko Baharu
Serangan ke atas medan minyak Filanovsky berlaku beberapa kali dengan dron jarak jauh, sehingga menghentikan pengeluaran lebih 20 telaga pengeluar. Dari perspektif operasi, ini bukan sekadar cerita perang; ini kes jelas tentang keterdedahan fizikal infrastruktur tenaga luar pesisir.
Tiga pengajaran besar untuk pemain tenaga serantau:
-
Target bernilai tinggi sentiasa di mata pihak lawan
Medan luar pesisir, terminal LNG, loji penjanaan dan pusat kawalan grid mempunyai nilai strategik. Kehilangan 120,000 tong sehari mungkin kurang 8% pengeluaran domestik Lukoil, tetapi dalam pasaran yang ketat, gangguan beberapa hari pun boleh memberi kesan harga dan kestabilan bekalan. -
Serangan jarak jauh menukar geografi risiko
Dulu, jarak fizikal menjadi ābuffer keselamatanā. Sekarang, dron dan peluru berpandu berketepatan tinggi menjadikan pelantar jauh di tengah laut pun sasaran praktikal. Untuk Malaysia, itu bermakna aset di Laut China Selatan, Sabah dan Sarawak tak boleh lagi dianggap āselamat kerana jauhā. -
Gangguan operasi bukan hanya tentang kerosakan fizikal
Setiap jam pengeluaran tergendala mempengaruhi:- cashflow dan keupayaan memenuhi kontrak offtake,
- kestabilan grid jika ia loji kuasa,
- reputasi syarikat di mata pelabur dan kerajaan.
Serangan Filanovsky ialah contoh keras bahawa risk register tradisional yang fokus pada HSE dan kebolehpercayaan peralatan sahaja sudah tak cukup. Risiko geopolitik dan keselamatan fizikal berteknologi tinggi perlu diintegrasikan bersama.
Mengapa AI Kini Teras Keselamatan Tenaga, Bukan āNice to Haveā
AI dalam minyak & gas dan tenaga sering dikaitkan dengan predictive maintenance, reservoir modelling dan energy optimization. Itu semua masih betul. Tetapi lanskap hari ini menambah satu lapisan baharu: AI untuk keselamatan infrastruktur kritikal.
Realitinya agak mudah:
Tanpa AI, jumlah data dari sensor, CCTV, radar, AIS, SCADA dan sistem OT/IT terlalu besar untuk dianalisis secara manual pada kelajuan yang diperlukan untuk tindak balas ancaman.
Beberapa sebab AI jadi teras, bukan aksesori:
- Ancaman datang dari banyak arah serentak ā fizikal, dron, siber, kegagalan peralatan, cuaca ekstrem. Manual monitoring akan tertinggal di belakang.
- Tingkap masa bertindak semakin pendek ā mengesan dron kecil beberapa batu nautika dari pelantar memerlukan pengesanan, pengesahan dan tindakan dalam minit, bukan jam.
- Peraturan dan expectation pemegang taruh memuncak ā pihak berkuasa dan pelabur semakin menuntut bukti sistemik bahawa syarikat mengurus risiko keselamatan secara proaktif, bukan reaktif.
Syarikat seperti Petronas yang sudah melabur dalam pusat operasi digital, analitik masa nyata dan model AI untuk kecekapan operasi sebenarnya berada pada kedudukan yang baik untuk melanjutkan keupayaan ini ke domain keselamatan dan daya tahan.
Tiga Lapisan Utama: AI untuk Pengesanan, Ramalan & Tindak Balas
Cara paling praktikal untuk berfikir tentang AI & keselamatan infrastruktur tenaga ialah dalam tiga lapisan: pengesanan awal, ramalan risiko, dan tindak balas pintar.
1. Pengesanan Awal: Daripada CCTV Pasif ke āMata Digitalā Aktif
AI boleh menukar sistem pemantauan yang pasif menjadi sistem yang benarābenar āsedar konteksā. Untuk aset luar pesisir dan utiliti:
-
Analitik video berasaskan AI
Sistem penglihatan komputer boleh:- mengenal pasti bot tanpa kebenaran yang menghampiri zon larangan,
- mengesan dron kecil yang sukar dilihat dengan radar,
- membezakan aktiviti kerja biasa dengan tingkah laku mencurigakan.
-
Penggabungan data radar, AIS & imejan
AI boleh menggabungkan data radar marin, sistem pengenalan automatik kapal dan kamera untuk:- mengesan kapal yang mematikan AIS,
- mengira niat (contoh: laluan menuju terus ke pelantar pada kelajuan tinggi),
- memberi skor risiko secara masa nyata.
-
Pengesanan anomali dalam data OT/SCADA
Dalam utiliti dan loji penjanaan, AI boleh:- mengesan corak āanehā pada bacaan tekanan, aliran dan suhu yang mungkin menandakan sabotaj atau serangan siber,
- membezakan antara gangguan peralatan biasa dan manipulasi berniat jahat.
Bagi syarikat di Malaysia, banyak komponen ini sudah ada: CCTV, radar, SCADA. Jurang sebenar ialah lapisan AI yang menyatukan dan mentafsirkan data.
2. Ramalan Risiko: Dari Statik Risk Matrix ke Model Hidup
Sebahagian besar organisasi masih mengurus risiko menggunakan risk matrix statik yang dikemas kini secara berkala. Dalam dunia pascaāFilanovsky, pendekatan itu terlalu perlahan.
Model AI untuk peramalan risiko boleh:
- Menggabungkan faktor geopolitik (contoh: eskalasi konflik di rantau tertentu, sekatan baharu, aktiviti ketenteraan), data pasaran minyak & gas, dan status peralatan semasa.
- Menjana skor risiko dinamik untuk setiap aset ā pelantar, terminal, loji kuasa, substation kritikal.
- Mencadangkan pelarasan operasi: contohnya, memajukan aktiviti penyelenggaraan ke tingkap masa risiko rendah, atau menambah buffer stok bahan api di lokasi tertentu.
Saya pernah lihat organisasi yang mula menggunakan model AI untuk āstress testingā senario:
Bagaimana jika satu pelantar besar tergendala 7 hari kerana serangan? Apa kesan kepada aliran tunai, komitmen kontrak, kestabilan grid dan reputasi?
Bezanya, model AI boleh mengira senario sebegini setiap hari, bukannya sekali setahun.
3. Tindak Balas Pintar: Orkestra, Bukan Adāhoc
Pengesanan tanpa tindak balas yang tersusun hanya menukar masalah menjadi data besar. Di sinilah AI membantu mengorkestra tindak balas:
-
Prosedur tindak balas automatik
Contoh untuk pelantar luar pesisir:- bila AI mengesan dron tak dikenali dalam radius tertentu, ia secara automatik mengaktifkan mod keselamatan: hadkan operasi kritikal, kunci sistem kawalan, maklumkan pasukan pertahanan maritim.
-
Sokongan keputusan untuk manusia
AI menghasilkan cadangan pilihan: teruskan operasi, hentikan separa, atau hentikan penuh, siap dengan anggaran impak kewangan dan keselamatan. -
Koordinasi antara operasi, keselamatan & pihak berkuasa
Integrasi dengan pusat arahan nasional atau serantau memudahkan perkongsian maklumat dalam format yang boleh dicerna (peta langsung, skor risiko, senarai aset terjejas).
Bagi utiliti besar seperti TNB, pendekatan sama boleh digunakan untuk pengurusan kejadian pada grid ā daripada banjir, tanah runtuh hingga cubaan sabotaj pada substation.
Dari Pertahanan ke Pengoptimuman: Nilai Komersial AI Keselamatan
Bila bercakap tentang keselamatan, ramai hanya nampak kos. Sebenarnya, AI keselamatan dan AI operasi berkongsi asas data yang sama ā sensor, IoT, SCADA, CMMS, data peralatan ā cuma digunakan untuk objektif berbeza.
Bila ia direka dengan betul, pelaburan dalam AI keselamatan boleh membawa nilai komersial yang jelas:
-
Lebih sedikit downtime tidak dirancang
Sistem yang mengesan anomali demi keselamatan juga mengesan isyarat awal kegagalan peralatan. Ini menyokong predictive maintenance yang mengurangkan outage dan kerja kecemasan. -
Penggunaan tenaga yang lebih cekap
Model risiko yang tahu bila sesuatu aset berada dalam zon risiko rendah/tinggi boleh membantu menjadualkan operasi intensif tenaga pada masa yang lebih sesuai, menyokong inisiatif energy optimization. -
Insurans & pembiayaan lebih kompetitif
Menunjukkan sistem AI yang matang untuk pemantauan dan pengurusan risiko boleh mengurangkan premium insurans dan meningkatkan keyakinan pemberi pinjam, terutama untuk projek luar pesisir bernilai bilion ringgit.
Untuk Petronas dan utiliti besar Malaysia yang sudah pun membina keupayaan AI untuk reservoir modelling, predictive maintenance dan energy optimization, langkah seterusnya yang logik ialah menghubungkan titikātitik ini ke dalam satu kerangka keselamatan & daya tahan menyeluruh.
Bagaimana Memulakan: Rangka Kerja Praktikal Untuk Pemain Tenaga Malaysia
Setiap organisasi mempunyai tahap kematangan digital berbeza, tetapi rangka kerja ini cenderung berkesan:
1. Peta Aset Kritikal & Jurang Data
- Senaraikan aset ātak boleh gagalā ā pelantar utama, terminal, loji baseload, substation kunci, pusat kawalan.
- Tinjau sensor, kamera, sistem OT/IT sedia ada. Di mana data tidak dikumpul? Di mana data terkumpul tetapi tidak dianalisis?
2. Pilih 1ā2 āUse Caseā AI Bernilai Tinggi
Contoh permulaan praktikal:
- pengesanan anomali SCADA di loji kuasa baseload,
- analitik video AI untuk perimeter pelantar luar pesisir,
- model ramalan risiko geopolitik untuk aset rentas sempadan.
Bermula kecil tapi fokus, dan ukur:
- masa tindak balas sebelum/selepas,
- bilangan insiden hampir-tersasar (near miss) yang dikesan lebih awal,
- pengurangan downtime atau kerosakan peralatan.
3. Satukan Pusat Operasi Digital & Keselamatan
Ramai operator sudah ada pusat operasi digital (untuk pengeluaran, kecekapan) dan pusat keselamatan berasingan. AI benarābenar berfungsi bila:
- data operasi dan keselamatan berada dalam platform yang sama,
- pasukan operasi, IT, OT, HSE dan keselamatan berkongsi paparan risiko tunggal,
- protokol tindak balas diselaraskan ā bukan silo.
4. Bina Pasukan & Rakan Strategik AI
AI keselamatan tenaga bukan projek IT biasa. Ia perlukan:
- jurutera proses & operasi yang faham realiti lapangan,
- pakar OT & siber,
- data scientist yang biasa dengan data industri,
- rakan teknologi yang boleh menyokong sepanjang kitaran hayat (bukan hanya fasa POC).
Organisasi yang serius tentang daya tahan infrastruktur tenaga akan melayan AI sebagai keupayaan teras, bukan hanya projek eksperimen.
Menutup Tahun 2025: Dari Filanovsky ke Laut China Selatan
Menjelang hujung tahun 2025, serangan ke atas medan Filanovsky hanyalah salah satu daripada rangkaian insiden yang mengingatkan bahawa tenaga dan geopolitik semakin bercantum. Untuk Malaysia yang bergantung pada minyak & gas, serta grid elektrik yang kompleks, isu ini bukan jauh dari rumah.
Serangan di Laut Caspian mungkin nampak jauh, tapi logiknya sama untuk pelantar di luar pantai Terengganu, Sabah, Sarawak, atau loji kuasa yang menyokong kluster perindustrian utama. Satu insiden besar pada aset kritikal boleh memberi kesan berpanjangan kepada ekonomi, pekerjaan dan kestabilan sosial.
Dalam siri AI in Oil & Gas / Energy (Petronas & Major Utilities) ini, satu pola semakin jelas:
AI dalam tenaga bukan sekadar tentang mengeluarkan lebih banyak tong minyak atau menjimatkan beberapa peratus tenaga. AI ialah asas baharu untuk keselamatan, daya tahan dan keyakinan pasaran.
Untuk pemimpin operasi, CTO, CIO dan pengamal HSE di sektor tenaga Malaysia, soalan strategik untuk awal 2026 bukan lagi sama ada anda perlu AI untuk keselamatan infrastruktur, tetapi:
- aset mana yang akan diberi keutamaan dahulu,
- use case mana yang paling cepat memberi nilai,
- rakan mana yang boleh membawa anda dari POC ke operasi penuh.
Masa terbaik untuk membina daya tahan ialah sebelum serangan pertama tiba di halaman sendiri. AI memberi kita alat untuk berbuat demikian ā jika kita berani menyusun semula cara kita memandang risiko dan operasi.