Stok minyak mentah AS susut 1.8 juta tong. Inilah masanya syarikat tenaga Malaysia guna AI untuk peramalan inventori dan rantaian bekalan yang lebih tepat.
Stok Minyak AS Susut, Pasaran Semakin Ketat – Di Sini AI Mula Memberi Nilai
Dalam minggu berakhir 5 Disember 2025, stok minyak mentah komersial di Amerika Syarikat jatuh 1.8 juta tong kepada 425.7 juta tong. Paras ini kira-kira 4% di bawah purata lima tahun. Dalam masa yang sama, kilang penapisan beroperasi sekitar 94.5% kapasiti, import turun berbanding tahun lepas, dan penggunaan produk petroleum naik berbanding tempoh sama.
Ini bukan sekadar statistik Amerika. Bagi pemain minyak & gas di Malaysia – termasuk Petronas dan utiliti utama – angka macam ini adalah petunjuk betapa rantaian bekalan tenaga global semakin volatile. Sedikit perubahan pada inventori AS boleh memberi kesan kepada harga minyak Brent, kos import, margin penapisan, dan akhirnya tarif tenaga di rantau ini.
Realitinya, ramai operator masih mengurus stok, perancangan pengeluaran dan logistik menggunakan model tradisional yang lambat dan terlalu bergantung pada pengalaman individu. Dalam pasaran yang berubah setiap minggu, pendekatan begitu mula jadi liabiliti, bukan kelebihan.
Artikel ini mengupas apa yang berlaku pada stok minyak AS, kenapa nombor-nombor ini penting untuk syarikat tenaga di Malaysia, dan yang lebih kritikal – bagaimana AI dalam industri minyak & gas boleh membantu perancangan inventori, perolehan dan rantaian bekalan dengan lebih tepat.
Apa Sebenarnya Berlaku Pada Stok Minyak AS?
Jawapan ringkas: stok minyak mentah AS menyusut, tetapi pola produk lain bercampur-campur, menandakan pasaran ketat namun penggunaan masih kukuh.
Beberapa poin utama daripada laporan mingguan EIA (Energy Information Administration):
- Stok minyak mentah komersial (tidak termasuk SPR) turun 1.8 juta tong minggu ke minggu, kepada 425.7 juta tong.
- Paras ini 4% di bawah purata lima tahun bagi minggu yang sama.
- Stok dalam Strategic Petroleum Reserve (SPR) berada sekitar 411.9 juta tong, sedikit meningkat berbanding tahun sebelumnya.
- Jumlah stok petroleum (minyak mentah + gasoline + diesel + LPG, dan lain-lain) ialah 1.684 bilion tong – turun 2.9 juta tong minggu ke minggu, tetapi naik 55.8 juta tong tahun ke tahun.
Pada masa yang sama, profil produk menunjukkan cerita berbeza:
- Stok gasoline motor naik 6.4 juta tong, tetapi masih 1% di bawah purata lima tahun.
- Distillate (diesel & heating oil) naik 2.5 juta tong, namun masih 7% di bawah purata lima tahun.
- Stok propana/propylene turun 1.8 juta tong, tetapi 15% di atas purata lima tahun.
Dari sudut operasi:
- Penapisan memproses 16.9 juta tong sehari, hanya 17,000 tong/hari kurang dari minggu sebelum.
- Kadar operasi kilang penapisan pada 94.5% kapasiti – sangat tinggi.
- Import minyak mentah purata 6.6 juta tong/hari minggu itu, tetapi purata empat minggu sekitar 6.2 juta tong/hari, 7.7% lebih rendah daripada tempoh sama tahun sebelumnya.
- Penggunaan produk petroleum keseluruhan purata 20.4 juta tong/hari, naik 1.6% tahun ke tahun.
Maksudnya? Walaupun stok minyak mentah menurun dan berada di bawah purata sejarah, penggunaan produk masih berkembang. Ini menandakan imbangan yang ketat: sedikit gangguan bekalan atau lonjakan permintaan boleh cepat menolak harga lebih tinggi.
Untuk pemain seperti Petronas, TNB, atau utiliti serantau, data AS ini menjadi salah satu input penting dalam:
- perancangan pembelian kargo;
- strategi lindung nilai harga (hedging);
- perancangan turn-around kilang penapisan;
- ramalan margin penjanaan kuasa.
Dari Data Mingguan ke Keputusan Bilion Ringgit
Laporan stok mingguan seperti dari EIA dan API bukan sekadar bacaan pasaran – ia adalah signal untuk model AI peramalan harga, permintaan dan inventori.
Dalam contoh ini, API melaporkan pengurangan 4.8 juta tong, jauh lebih besar daripada jangkaan 1.7 juta tong. Analisis Macquarie pula menjangka penurunan 7 juta tong. Realiti EIA akhirnya menunjukkan penurunan 1.8 juta tong.
Perbezaan ini bukan “noise” biasa. Bagi desk trading dan pasukan komersial syarikat tenaga:
- Dakwaan drawdown besar biasanya mendorong kenaikan harga jangka pendek.
- Bila data rasmi lebih rendah daripada jangkaan, harga boleh patah balik atau bergerak lebih perlahan.
Di sinilah AI untuk oil & gas mula memainkan peranan besar:
-
Model peramalan pelbagai sumber
AI boleh menggabungkan:- data EIA, API, dan statistik negara lain;
- pergerakan satelit tanker;
- data cuaca, gangguan geopolitik, dan aktiviti penapisan;
- corak permintaan bersejarah mengikut musim dan hari keagamaan (contoh: Aidilfitri, Tahun Baru Cina) di rantau berbeza.
-
Pengemaskinian ramalan secara masa nyata
Bila ada “surprise” pada laporan stok, model AI yang dibina dengan pembelajaran berterusan boleh:- menyesuaikan jangkaan harga spot dan futures;
- mengeluarkan amaran risiko kepada pasukan komersial;
- cadangkan tindakan: beli awal, tangguh jualan, atau tambah lindung nilai.
-
Keputusan disandarkan data, bukan hanya “gut feel”
Ramai trader berpengalaman memang hebat, tetapi manusia ada bias. AI membantu:- menapis emosi daripada keputusan volum besar;
- menilai ribuan senario harga dan inventori dalam beberapa saat;
- memberi “probability” untuk setiap senario, bukan sekadar “rasa-rasa”.
Untuk syarikat yang mengurus berbilion ringgit nilai stok setiap bulan, perbezaan 1–2% dalam ketepatan ramalan sudah boleh membezakan antara tahun yang margin tegang dengan tahun yang sangat sihat.
Mengapa Pengurusan Inventori Minyak Perlukan AI
Pengurusan inventori minyak tradisional terlalu perlahan berbanding kelajuan pasaran hari ini. AI membolehkan perancangan stok yang dinamik, dari huluan hingga hiliran.
Dalam konteks Malaysia dan serantau, cabaran utama inventori minyak & gas termasuk:
- Kitaran permintaan yang kuat dipengaruhi musim perayaan dan monsun.
- Kekangan kapasiti storan di terminal dan depo.
- Masa penghantaran yang panjang bagi kargo import dari Timur Tengah/Atlantik.
- Ketidaktentuan harga tukaran mata wang.
Apa yang AI boleh buat dalam perancangan inventori?
- Ramalan permintaan granular
Bukan sekadar “bulan depan naik 3%”, tetapi:- permintaan harian per produk (RON95, diesel, LPG, jet fuel) per wilayah;
- kesan promosi harga, pengumuman subsidi, atau perubahan dasar kerajaan;
- pola penggunaan semasa musim hujan berbanding musim kering.
-
Optimasi paras stok keseluruhan rantaian
AI boleh mengira paras stok optimum di setiap nod rantaian:- loji penapisan;
- terminal laut dan darat;
- depo huluan & hiliran;
- stesen minyak / pelanggan industri.
Sasaran: kurangkan working capital terikat dalam stok, tetapi elak kehabisan bekalan. Dalam banyak kes, syarikat boleh:
- turunkan stok 5–15% tanpa meningkatkan risiko kekurangan;
- kurangkan kos sewaan tangki dan kerugian “overstock”.
-
Pengurusan risiko gangguan bekalan
Bila sistem AI mengesan kombinasi:- cuaca buruk di laluan kapal;
- laporan penutupan telaga di Timur Tengah;
- penutupan tidak dirancang unit penapisan;
Ia boleh segera mencadangkan:
- “pull-forward” kargo seterusnya;
- pertukaran produk antara terminal;
- pelarasan campuran crude slate di kilang penapisan.
Bagi syarikat seperti Petronas, yang mengurus portfolio global – dari lapangan luar pesisir Malaysia hingga pelaburan di luar negara – keupayaan ini sangat penting. AI membantu menyelaras keputusan dari reservoir modelling di huluan, hingga scheduling kapal dan penjualan produk di hiliran.
Contoh Praktikal: Dari Laporan Stok AS ke Keputusan Di Malaysia
Bagaimana penurunan 1.8 juta tong stok minyak di AS boleh diterjemah kepada tindakan konkrit di organisasi tenaga Malaysia?
Mari ambil satu senario realistik.
Senario: Pengurus Perolehan Bahan Bakar Penjanaan Kuasa
Seorang pengurus perolehan di utiliti utama Malaysia (contoh: pembekal bahan bakar untuk penjanaan kuasa) melihat:
- Laporan EIA: stok minyak mentah AS rendah, operasi penapisan tinggi.
- Model AI syarikat menunjukkan kebarangkalian 70% harga minyak akan kekal tinggi untuk 4–6 minggu akan datang kerana:
- permintaan produk petroleum global masih naik;
- import AS masih rendah berbanding tahun lepas;
- stok diesel di bawah purata lima tahun.
Sistem AI kemudian mencadangkan tiga tindakan:
- Kunci sebahagian harga (hedge) untuk penghantaran Januari–Februari supaya kos bahan bakar penjanaan tidak melambung melebihi bajet tarif.
- Alih sebahagian campuran bahan bakar ke sumber gas yang lebih stabil di mana mungkin (berdasarkan forecast gas/LNG).
- Laraskan inventori di terminal utama – naikkan stok ke paras lebih tinggi sedikit dalam jangka pendek untuk elak beli pada puncak harga jika berlaku lonjakan tambahan.
Tanpa AI, keputusan ini mungkin dibuat terlalu lewat – selepas harga sudah naik ketara. Dengan AI, syarikat boleh bertindak beberapa minggu lebih awal berbanding pesaing.
Petronas & Utiliti Serantau: Apa Langkah Praktikal Untuk Mulakan AI Inventori
Syarikat tenaga yang serius tentang margin dan ketahanan bekalan tidak boleh lagi lihat AI sebagai projek “eksperimen” – ia perlu jadi sebahagian daripada operasi teras.
Berikut beberapa langkah praktikal yang saya nampak berkesan dalam konteks Malaysia:
1. Mulakan Dengan Satu Use Case Bernilai Tinggi
Contoh use case yang cepat nampak hasil:
- peramalan permintaan gasoline & diesel runcit bagi 3–6 bulan;
- optimasi paras stok LPG domestik menjelang musim perayaan;
- peramalan margin penapisan berdasarkan data stok global dan crack spreads.
Pilih satu, bina model AI yang boleh diuji melawan cara tradisional, dan ukur:
- pengurangan varians ramalan (%);
- penjimatan kos stok (RM);
- peningkatan margin atau pengurangan “stock-out event”.
2. Gabungkan Data Dalaman & Luaran
Model AI yang kukuh untuk oil & gas biasanya guna kombinasi:
- data operasi dalaman (kadar proses kilang, paras tangki, jadual turn-around);
- data pasaran global (EIA, OPEC, laporan cuaca, data satelit kapal);
- data ekonomi & sosial (pertumbuhan penggunaan, acara besar, dasar kerajaan).
Cabaran utama di sini bukan teknologi semata-mata, tetapi governans data: kualiti, konsistensi, dan akses rentas fungsi.
3. Pastikan “Human in the Loop” – Tapi Bukan “Human Blocker”
AI perlu menyokong, bukan menggantikan kepakaran manusia.
- Tetapkan polisi: keputusan volum besar mesti rujuk cadangan AI dan justifikasi manusia.
- Latih pasukan komersial & operasi membaca output model – faham kenapa model ramal harga atau permintaan tertentu.
- Gunakan kaedah scenario analysis: biar AI jana tiga senario utama dan manusia memilih atau menggabungkan.
Syarikat yang berjaya biasanya jadikan AI sebagai “rakan sekerja analitik” – bukan kotak hitam yang dicurigai atau hiasan laporan tahunan.
Ke Mana Arah Seterusnya Untuk AI Dalam Minyak & Gas Malaysia?
Tren stok minyak AS minggu ini hanya satu contoh kecil betapa pasaran tenaga global penuh kejutan. Tahun depan, kita akan terus berdepan:
- peralihan tenaga (energy transition) yang mengubah corak permintaan;
- tekanan ESG dan regulasi baharu;
- turun naik harga yang dipacu geopolitik dan iklim melampau.
Dalam konteks ini, AI dalam minyak & gas / tenaga bukan lagi “nice to have”. Syarikat yang bergerak cepat ke arah:
- perancangan inventori pintar;
- peramalan rantaian bekalan hujung ke hujung;
- integrasi data global seperti laporan stok AS ke dalam model dalaman,
akan lebih bersedia mengekalkan margin, melindungi pelanggan, dan melabur dalam tenaga baharu.
Bagi Petronas dan utiliti utama di Malaysia, soalan sebenar untuk 2026 bukan lagi “patut ke kita guna AI?”, tetapi “bahagian mana dalam operasi yang paling kritikal untuk di-AI-kan terlebih dulu?”
Jika organisasi anda bergantung pada minyak mentah, produk petroleum atau gas untuk menjana hasil, jawapan yang paling mudah biasanya: mulakan dengan inventori dan rantaian bekalan. Di situlah impak kewangan paling cepat terasa – dan di situlah laporan seperti penurunan stok minyak AS minggu ini boleh bertukar daripada berita pasaran menjadi keputusan operasi yang lebih bijak.