AI & Volatiliti Minyak: Strategi Pintar Untuk Syarikat Tenaga

Harga minyak Brent sekitar USD61 setong walaupun Fed baru sahaja memotong kadar faedah dan AS merampas kapal tangki Venezuela. Langkah-langkah yang biasanya menaikkan harga minyak, kali ini gagal menceriakan pasaran. Sentimen pedagang kekal muram, sebahagiannya kerana risiko damai Rusia-Ukraine, sebahagiannya kerana kebimbangan kelembapan permintaan.

Inilah realiti syarikat minyak & gas dan utiliti hari ini: fundamental naik, harga turun; geopolitik panas, pasaran buat tak tahu. Sesiapa yang masih bergantung pada “gut feeling” semata-mata untuk merancang bekalan, pelaburan dan hedging sedang bermain dengan nasib.

Untuk pemain seperti Petronas dan utiliti besar di Malaysia, isu sebenar bukan sekadar “harga minyak naik atau turun”. Isunya: sejauh mana anda bersedia merespons perubahan sentimen pasaran yang pantas dan tak menentu? Di sinilah kecerdasan buatan (AI) mula membezakan siapa yang kekal stabil dan siapa yang sentiasa terkejut.

Artikel ini mengupas bagaimana berita seperti pemotongan kadar Fed, rampasan kapal tangki oleh AS, dan rundingan damai Rusia-Ukraine boleh diterjemah menjadi keputusan operasi dan pelaburan yang lebih tepat — bila syarikat menggunakan AI dalam minyak & gas dan tenaga sebagai enjin keputusan.

---

1. Kenapa Harga Minyak Boleh Jatuh Walaupun Berita “Bullish”?

Pasaran minyak bertindak balas kepada kombinasi data keras dan sentimen lembut. Dalam kes minggu ini:

• Fed memotong kadar ke 3.50–3.75%: biasanya menyokong pertumbuhan ekonomi dan permintaan minyak.
• AS merampas VLCC Venezuela dan berjanji merampas lebih banyak: secara teori mengurangkan bekalan dan menyokong harga.
• Tapi Brent masih sekitar USD61 setong dan sentimen kekal lemah.

Jawapannya: pedagang semakin memandang ke hadapan kepada risiko perdamaian Rusia-Ukraine, unjuran permintaan yang lembap di Eropah dan China, serta faktor musim hujung tahun yang selalunya menyaksikan aktiviti perdagangan mengecil.

Pasaran bukan sekadar baca berita — pasaran cuba meneka apa yang orang lain akan buat selepas berita.

Untuk syarikat tenaga, keadaan seperti ini mencetuskan beberapa dilema praktikal:

• Patut kunci harga (hedge) sekarang atau tunggu lebih murah?
• Patut bawa masuk projek baharu tahun 2026 atau tangguh?
• Patut tingkatkan stok suapan (feedstock) untuk penapisan atau kurangkan risiko inventori mahal?

Tanpa model yang sistematik, keputusan ini mudah dipengaruhi emosi: FOMO bila harga naik, panik bila harga jatuh.

---

2. Bagaimana AI Membaca Geopolitik & Sentimen Pasaran Dengan Lebih Tepat

AI boleh “mencerna” geopolitik dan sentimen pasaran jauh lebih pantas daripada pasukan analisis tradisional. Bukan bermaksud menggantikan pakar pasaran, tapi memperkuatkan mereka dengan pandangan yang lebih luas dan berangka.

2.1 Analitik sentimen berdasarkan berita & media sosial

Model AI pemprosesan bahasa semula jadi (NLP) hari ini boleh:

• Mengimbas ribuan artikel berita, laporan broker dan kenyataan kerajaan setiap jam.
• Menilai sentimen (positif, negatif, neutral) terhadap harga minyak, permintaan global, risiko bekalan.
• Mengesan perubahan nada: contohnya, dalam 48 jam, liputan media mengenai Rusia-Ukraine beralih daripada “buntu” kepada “kemajuan rundingan damai”.

Untuk syarikat seperti Petronas atau utiliti besar:

• Dashboard risiko AI boleh memaparkan “indeks sentimen minyak global” yang dikemas kini hampir masa sebenar.
• Bila sentimen menjadi negatif walaupun data stok masih ketat, pasukan perdagangan boleh menjangkakan tekanan harga dan melaras strategi.

2.2 Model harga yang menggabungkan geopolitik

Model ramalan harga tradisional selalunya fokus kepada:

• Data bekalan: OPEC+, produksi shale AS, storan komersial.
• Data permintaan: KDNK, penggunaan bahan api, aktiviti industri.

AI generasi baharu menambah lapisan:

• Pembolehubah geopolitik: indeks konflik, risiko sekatan, rampasan kapal, perubahan rejim.
• Pola sejarah: bagaimana harga bertindak balas selepas rampasan kapal pada 2019, atau selepas pengumuman gencatan senjata sebelum ini.

Hasilnya: syarikat tenaga tak lagi bergantung kepada “tekaan” bila berlaku insiden seperti rampasan VLCC Venezuela. Mereka boleh bertanya kepada model:

“Jika ada 5 rampasan kapal lagi dalam tempoh 30 hari dan Fed mengekalkan kadar ini sehingga suku kedua 2026, julat harga Brent yang paling munasabah berapa?”

Itu bukan magik. Itu statistik, data sejarah dan pembelajaran mesin yang dirangka dengan baik.

---

3. Dari Pasaran Kepada Operasi: Di Mana AI Betul-Betul Menjimatkan Duit

Ramalan harga hanya permulaan. Nilai sebenar AI datang bila ramalan itu diterjemah kepada keputusan operasi yang lebih cekap — daripada pelaburan huluan sampai kepada grid elektrik.

3.1 Perancangan pelaburan & CAPEX huluan

Untuk syarikat E&P seperti Petronas, volatiliti harga menentukan:

• Bila sesuai memulakan projek medan baharu.
• Berapa tahap CAPEX yang munasabah untuk 3–5 tahun.
• Bagaimana mengimbangi portfolio antara minyak, gas dan tenaga boleh baharu.

Model AI boleh:

• Menjana ribuan senario harga (contoh: USD50, 60, 70, 80) berserta kebarangkalian.
• Mengira pulangan projek di bawah setiap senario.
• Mencadangkan gabungan projek yang memaksimumkan nilai bersih sambil mengehadkan risiko kejatuhan harga.

Saya pernah lihat situasi di mana syarikat menangguh projek hanya kerana bimbang harga rendah jangka pendek, walhal model senario menunjukkan kebarangkalian tinggi harga kukuh selepas 3–4 tahun. AI membantu mengelak reaksi keterlaluan kepada turun naik jangka pendek.

3.2 Pengoptimuman kilang penapisan & loji jana kuasa

Bagi utiliti dan pemain midstream/downstream, AI dalam tenaga boleh:

• Menentukan campuran bahan api optimum (gas, minyak, arang batu, RE) berdasarkan harga hadapan.
• Menjadualkan penyelenggaraan loji pada waktu risiko harga tertinggi — supaya pendedahan kepada pasaran spot berkurang.
• Mengoptimumkan jadual pembelian LNG atau minyak mentah dengan menggabungkan ramalan harga dan keperluan permintaan domestik.

Contoh mudah di Malaysia:

• Jika model AI meramalkan harga LNG Asia akan tinggi pada suku pertama 2026, utiliti boleh:
  • Menambah pembelian jangka panjang (term) lebih awal,
  • Mengurangkan kebergantungan kepada pasaran spot,
  • Menyesuaikan jadual penyelenggaraan loji gas.

Kesan akhirnya: kos tenaga lebih stabil untuk pengguna akhir – dari industri berat di Pasir Gudang hingga pengguna domestik.

---

4. AI Dalam Minyak & Gas Bukan Sekadar Trading: Integrasi Dengan Aset Fizikal

Siri “AI in Oil & Gas / Energy (Petronas & Major Utilities)” sering tekankan empat bidang utama: reservoir modelling, predictive maintenance, safety monitoring, dan energy optimization. Semua ini berkait rapat dengan volatiliti harga.

4.1 Reservoir modelling & perancangan pengeluaran

Model AI yang meramal prestasi reservoir boleh digabung dengan model harga pasaran:

• Bila harga dijangka rendah: kurangkan pengeluaran dari medan kos tinggi, fokus kepada medan kos rendah.
• Bila harga dijangka lebih kukuh: percepatkan pengeluaran dari projek dengan margin tinggi.

Gabungan data bawah tanah + data pasaran membolehkan:

• Perancangan “liftings” yang lebih menguntungkan.
• Pengurusan kontrak jangka panjang dengan pembeli utama (contoh: Jepun, Korea) secara lebih fleksibel.

4.2 Predictive maintenance & keselamatan aset

AI untuk predictive maintenance biasanya fokus kepada:

• Mengelak downtime tak dirancang.
• Panjangkan hayat aset.

Bila digabung dengan maklumat harga minyak dan gas:

• Penyelenggaraan besar boleh dijadualkan semasa jangkaan harga rendah, mengurangkan nilai hasil yang “hilang”.
• Syarikat boleh mengelak situasi terburuk: loji rosak tanpa diduga di tengah-tengah lonjakan harga, lalu terpaksa membeli bekalan dari pasaran spot yang mahal.

Dari sudut keselamatan, AI membantu pantau:

• Tekanan paip,
• Anomali getaran peralatan,
• Corak kerja berisiko tinggi.

Kejadian besar seperti kebocoran atau letupan bukan sahaja bahaya kepada nyawa, malah boleh memberi kesan kepada reputasi negara pengeksport dan persepsi pasaran global mengenai kebolehpercayaan bekalan.

4.3 Energy optimization di grid utiliti

Untuk utiliti besar yang mengendalikan grid elektrik:

• AI meramal permintaan elektrik berdasarkan cuaca, hari minggu/cuti, dan aktiviti ekonomi.
• Kemudian mengoptimumkan dispatch loji (gas, hidro, solar) mengikut kos bahan api yang diramal.

Dalam konteks harga minyak dan gas yang tak menentu, ini bermakna:

• Kurang pembaziran bahan api mahal.
• Penggunaan maksimum sumber murah seperti hidro dan solar bila sesuai.
• Lebih banyak kestabilan tarif untuk pengguna.

---

5. Apa Langkah Praktikal Untuk Syarikat Tenaga Di Malaysia Sekarang?

Realitinya, kebanyakan syarikat sudah ada sebahagian data dan sistem. Yang kurang biasanya:

• Rangka kerja AI yang jelas,
• Pasukan lintas fungsi yang gabungkan bisnes, operasi dan sains data,
• Keberanian membuat keputusan berdasarkan analitik, bukan hanya hierarki.

Beberapa langkah praktikal yang saya lihat paling berkesan:

5.1 Mula dengan “use case” yang rapat dengan duit

Contohnya:

1. Model risiko harga 12–24 bulan yang dihubungkan dengan keputusan hedging.
2. Pengoptimuman jadual pembelian LNG dan minyak mentah berdasarkan ramalan harga.
3. Integrasi ramalan harga dengan perancangan CAPEX projek utama.

Bila projek AI pertama jelas menunjukkan penjimatan kos atau perlindungan margin, senang untuk mendapatkan sokongan lembaga dan pengurusan untuk skala lebih besar.

5.2 Gabungkan pengetahuan trader, jurutera dan saintis data

Model AI yang baik dalam minyak & gas tak boleh dibina oleh IT sahaja. Ia perlu input:

• Trader yang faham perangai pasaran,
• Jurutera yang faham kekangan teknikal aset,
• Saintis data yang mahir membina model.

Dalam konteks Petronas dan utiliti besar, pasukan bersama (squad) yang kecil tapi fokus selalunya lebih laju berbanding projek mega berbilang vendor tanpa pemilik yang jelas.

5.3 Sediakan tadbir urus data dan etika AI

Bila AI digunakan untuk keputusan besar seperti pelaburan berbilion ringgit dan bekalan tenaga negara, isu seperti:

• Kualiti data,
• Keterbiasan model,
• Kebolehjelasan keputusan (explainability),
• Keselamatan siber,

perlu diurus dengan serius. Syarikat yang proaktif di sini akan lebih dipercayai oleh kerajaan, pelabur dan rakan kongsi antarabangsa.

---

Penutup: Dari Reaktif Kepada Proaktif Dalam Pasaran Minyak

Volatiliti harga minyak sekitar USD61 setong di tengah pemotongan kadar Fed, rampasan kapal tangki dan rundingan damai Rusia-Ukraine hanyalah satu episod daripada siri panjang ketidaktentuan pasaran tenaga. Episod seterusnya mungkin datang daripada pilihan raya AS, konflik Timur Tengah, atau kejutan permintaan di Asia.

Syarikat yang menganggap semua ini sebagai “bising jangka pendek” tanpa membina keupayaan AI dalam minyak & gas dan tenaga sedang mengambil risiko yang tidak perlu. Syarikat yang bijak — termasuk pemain seperti Petronas dan utiliti utama di Malaysia — sedang bergerak ke arah model di mana:

• Geopolitik diterjemah kepada nombor,
• Sentimen pasaran diukur, bukan dirasa-rasa,
• Keputusan operasi, pelaburan dan hedging diselaraskan dengan ramalan data.

Persoalannya sekarang: adakah organisasi anda masih menunggu laporan PDF bulanan, atau sudah bersedia untuk papan pemuka AI yang hidup, yang membaca pasaran untuk anda 24/7?

Jika jawapannya yang pertama, 2026 ialah masa yang sesuai untuk menilai semula strategi data dan AI anda sebelum episod volatiliti seterusnya muncul di skrin Bloomberg.