Mer teknologi og AI på sokkelen – slik skaper du verdi

Norsk sokkel står midt i en dobbel transformasjon: Presset på kostnader og klima øker, samtidig som det forventes høy regularitet, sikker drift og maksimal ressursutnyttelse. I dette landskapet blir mer teknologi for å skape verdi ikke bare et slagord, men en forutsetning – og kunstig intelligens (AI) er i ferd med å bli selve motoren i denne utviklingen.

I denne artikkelen ser vi på hvordan myndighetenes arbeid med teknologibruk på sokkelen henger sammen med den bredere bølgen av digital transformasjon og AI i norsk olje og gass. Vi går fra overordnede mål og regulatoriske signaler, til helt konkrete grep selskaper kan ta: teknologiplaner, dataplattformer, samarbeid og pilotering av AI-løsninger for prediktivt vedlikehold, reservoaroptimalisering og tryggere drift.

Målet er at du som leder, fagperson eller teknolog i energisektoren skal sitte igjen med et klarere bilde av:

• Hvorfor teknologibruk – spesielt AI – nå er en forventning fra myndighetene
• Hvilke strukturer som må på plass (planer, systemer, samarbeid)
• Hvordan du kan omsette dette i praktiske tiltak de neste 12–24 månedene

Fra teknologidugnad til digital revolusjon

Allerede i 2019 samlet Oljedirektoratet (nå Sokkeldirektoratet) myndigheter, oljeselskaper, leverandører og OG21 i en workshop for å svare på ett spørsmål: Hvordan kan vi få mer teknologi i bruk, raskere, på norsk sokkel? Resultatet var ni tiltak, med tre klare hovedbudskap:

1. Rettighetshavere må ha egnede teknologiplaner
2. Næringen trenger systematisk oversikt over teknologibehov
3. Myndigheter, operatører og leverandører må samarbeide tettere om felles utfordringer

Siden den gang har rammebetingelser, energimarked og teknologi løpt videre. Særlig innen AI i olje og gass har vi sett et kvantesprang: fra enkeltstående pilotprosjekter til skalerte løsninger for hele feltporteføljer.

Det gjør disse opprinnelige tiltakene mer aktuelle enn noen gang – men nå må de tenkes i lys av data, algoritmer og autonome systemer.

«Vi har en målsetting om at teknologi skal brukes for å øke verdiskapningen på sokkelen, og det jobber vi aktivt for.»
– Niels Erik Hald, Sokkeldirektoratet

Myndighetenes forventning: Teknologiplaner som faktisk styrer beslutninger

En av de tydeligste konklusjonene fra arbeidet var at myndighetene bør stille klarere krav til teknologiplaner hos rettighetshavere. I 2025 betyr det i praksis at en moderne teknologiplan må være digital og datadrevet – ikke et statisk dokument i en skuff.

Hva bør en teknologiplan for norsk sokkel inneholde i 2025?

En robust plan bør som minimum dekke:

• Forretningsmål: Hvor skal teknologi og AI konkret forbedre verdiskaping? (f.eks. økt utvinning, lavere OPEX, mindre nedetid, lavere CO₂-intensitet)
• Data- og plattformstrategi: Hvordan samles, kvalitetssikres og tilgjengeliggjøres data på tvers av felt, installasjoner og fagdisipliner?
• Prioritert portefølje av teknologier:
  • AI-basert prediktivt vedlikehold
  • Avanserte reservoarmodeller og «digital twins»
  • Automatisk produksjonsoptimalisering
  • Autonome inspeksjoner (droner, ROV-er med computer vision)
• Pilot- og skaleringstilnærming: Hvordan gå fra «proof of concept» til reell verdi på tvers av porteføljen?
• Organisering og kompetanse: Hvilke roller, tverrfaglige team og partnerskap trengs for å lykkes?

For selskaper som fortsatt ser på teknologi- og digitaliseringsarbeidet som prosjektbasert og ad hoc, er dette en tydelig beskjed: Myndighetene forventer at teknologibruk er integrert i styringen av felt og porteføljer.

Hvordan bruke AI som rød tråd i teknologiplanen

En vanlig fallgruve er å liste opp alt mulig av teknologi – uten å knytte det til verdikjeden. Et mer effektivt grep er å la AI være gjennomgående motor i planen, med tydelige brukstilfeller:

• Letefase: AI for seismikkanalyse og prospektgenerering
• Utbygging: AI-støttet konseptvalg, kostnadsestimat og risikoanalyser
• Produksjon: Prediktivt vedlikehold, produksjonsoptimalisering, energi- og kraftstyring
• Moden fase / P&A: AI for plugge- og forlatingstrategier, levetidsforlengelse, kostnadsreduksjon

Når teknologiplanen beskriver dette helhetlig, blir det enklere for både myndigheter og styre å se hvordan digital transformasjon faktisk understøtter feltøkonomien og klimamålene.

System for teknologibehov: Fra Excel-lister til datadrevne innsiktsplattformer

Arbeidsgruppen pekte også på behovet for et system som gir oversikt over teknologibehov på norsk sokkel. Mange selskaper kjenner seg igjen i at kunnskapen om behov sitter spredt hos enkeltpersoner, i ulike fagmiljøer og i utallige presentasjoner.

For å realisere potensialet i AI og avansert analyse, må dette løftes opp på plattformnivå.

Slik kan et moderne «teknologibehovssystem» se ut

Tenk en felles, intern plattform der:

• Ingeniører og driftspersonell registrerer konkrete utfordringer og flaskehalser (f.eks. hyppige nedetider på spesifikke ventiler, usikkerhet i reservoarmodell, korrosjonsutfordringer)
• Systemet kobles til real-time data og historikk fra anlegg og felt
• AI foreslår mulige teknologiløsninger og prioritering basert på forretningsverdi (NOK, CO₂, sikkerhet)
• Ledelsen får dashbord som viser hvor teknologiinvesteringer har størst avkastning

I praksis blir dette en kombinasjon av:

• Teknisk behovsbank
• Ideportal for ansatte og leverandører
• Analyseverktøy som rangerer og kvantifiserer gevinster

Eksempel: Prediktivt vedlikehold som case

La oss ta et konkret eksempel fra AI i olje og gass:

• Driftspersonell melder gjentatte, uplanlagte stopp på kompressorer
• Historiske data viser at én type feil står for 40 % av nedetiden
• Teknologibehovssystemet peker på «prediktivt vedlikehold med maskinlæring» som aktuelt tiltak
• Plattformen beregner grovt:
  • Tapt produksjon per time stopp
  • Forventet reduksjon i stopp (f.eks. 30–50 %)
  • Investeringskostnad og tilbakebetalingstid

På denne måten går selskapet fra magefølelse til datastøttet prioritering av teknologiinvesteringer – noe både styre og myndigheter etterspør.

Samspill i praksis: Når operatør, leverandør og myndigheter drar i samme retning

Både Sokkeldirektoratet og OG21 har vært tydelige: Godt samspill er avgjørende for å utvikle, teste og ta i bruk ny teknologi.

«Det er avgjørende med et godt samspill mellom myndigheter, oljeselskap og leverandører for at teknologi skal utvikles, piloteres og tas i bruk.»
– Gunnar Hjelmtveit Lille, direktør i OG21

I en AI-kontekst betyr dette at ingen aktør klarer alt alene. Dataeier, domenekunnskap, algoritmekompetanse og skaleringskraft sitter ofte hos ulike parter.

Tre samarbeidsmodeller som fungerer i norsk kontekst

1. Feltspesifikke innovasjonsprosjekter
   Operatør, lisenspartnere og utvalgte leverandører går sammen om å løse én konkret utfordring på et felt. Eksempel: AI-basert sandproduksjonsovervåking på brønnnivå.

2. Tematiske industrikonsortier
   Flere selskaper samles rundt et felles tema, f.eks. «AI for brønnintegritet» eller «digital tvilling for subsea». Felles kravspesifikasjon, felles pilotering – men konkurranse på implementeringstempo og utnyttelse.

3. Data- og modell-deling på tvers av selskap
   Anonymiserte datasett, standardiserte grensesnitt og felles treningsdata for AI-modeller. Hver aktør bygger egne forretningslag og applikasjoner, men på et felles teknisk grunnfjell.

Slik reduserer du risiko i AI-prosjekter

En av grunnene til at myndighetene har ønsket tettere samspill, er nettopp å redusere risiko og flaskehalser i teknologiutrulling. For AI kan du blant annet:

• Starte med avgrensede piloter på utvalgte anlegg eller brønner
• Involvere både fagpersonell, IT og HMS tidlig
• Definere tydelige suksesskriterier (NOK spart, CO₂ kuttet, timer frigjort)
• Bygge inn forklarbarhet og sporbarhet i modellene (viktig både for tillit og regulatorisk dialog)

Fra intensjon til handling: Konkrete steg de neste 12 månedene

Mange selskaper har strategier og powerpointer på plass, men sliter med å gjøre digital transformasjon og AI helt konkret i hverdagen. Nedenfor er en praktisk tiltaksplan inspirert av myndighetenes anbefalinger – men oversatt til dagens virkelighet.

1. Oppdater teknologiplanen med tydelige AI-case

• Kartlegg nåsituasjon: Hvilke digitale initiativ finnes allerede? Hvor skapes faktisk verdi i dag?
• Velg 3–5 prioriterte AI-brukstilfeller, f.eks.:
  • Prediktivt vedlikehold på kritiske roterende maskiner
  • AI-støttet produksjonsoptimering for modne felt
  • Automatisk avviksdeteksjon i prosessdata for å øke sikkerheten
• Knyt hvert case til konkrete KPI-er (NOK/fat, CO₂/fat, regularitet, HSSE-indikatorer)

2. Etabler et minimums «teknologibehovssystem»

• Lag en enkel, men strukturert måte å registrere utfordringer og behov på (gjerne i et eksisterende verktøy)
• Sørg for at både offshore og onshore miljøer kan bidra
• Prioriter behovene kvartalsvis i et tverrfaglig forum
• Koble de viktigste behovene til mulige AI-løsninger og partnere

3. Formaliser samarbeid med leverandører og FoU-miljøer

• Identifiser 2–3 strategiske partnere på AI og digitalisering
• Lag en felles innovasjons- og pilotportefølje
• Avklar eierskap til data, IP og skaleringsrettigheter tidlig

4. Bygg kompetanse og eierskap i organisasjonen

AI i olje og gass lykkes ikke uten at fagmiljøene tar eierskap. Vurder:

• Praktiske kurs i «AI for ingeniører og geologer»
• Tverrfaglige «fusion teams» der domeneeksperter jobber tett med data scientists
• Enkle visualiseringsverktøy som gjør AI-resultater forståelige for operatører og beslutningstakere

Hva betyr dette for den videre AI-reisen på norsk sokkel?

Myndighetenes signaler er tydelige: Teknologi – og i økende grad AI – er ikke lenger et valg, men en forventning i hvordan felt planlegges, bygges ut, drives og avvikles. Det handler om verdiskaping, sikkerhet og klima – samtidig.

For selskaper som vil ligge i front i den norske energitransformasjonen, gir dette noen klare implikasjoner:

• Teknologiplaner må være levende, datadrevne og tett koblet til forretningsmål
• Systemer for å fange, prioritere og løse teknologibehov må på plass
• Samspill med myndigheter, leverandører og FoU-miljøer blir en konkurransefordel
• AI må flyttes fra «pilot i hjørnet» til integrert del av kjerneprosesser

Denne artikkelen er del av serien «AI i norsk olje og gass: Digital transformasjon», der vi ser på hvordan bransjen kan bruke data, algoritmer og ny teknologi til å skape mer verdi med lavere fotavtrykk. Spørsmålet nå er ikke om AI vil endre norsk sokkel, men hvor raskt og hvor smart vi klarer å ta teknologien i bruk.

Neste steg er ditt: Hvilket konkret område i din virksomhet egner seg best som startpunkt for mer teknologi og AI – og hva hindrer deg egentlig i å ta det første steget de neste 3 månedene?