Ny teknologi og AI på sokkelen: OD skrur opp tempoet

Norsk sokkel står i et veiskille. Samtidig som energiomstillingen skyter fart, forventes det fortsatt høy verdiskaping fra olje- og gassnæringen i mange år fremover. Nøkkelen til å få dette til – med lavere utslipp, høyere sikkerhet og bedre lønnsomhet – er ny teknologi og kunstig intelligens (AI).

Når Oljedirektoratet (nå Sokkeldirektoratet) skjerper innsatsen på teknologi, sender det et tydelig signal til hele bransjen: De lisensansvarlige må tenke mer digitalt, mer datadrevet og mer langsiktig. I denne artikkelen ser vi på hva den nye teknologilinjen betyr i praksis – og hvordan olje- og gasselskaper kan bruke AI og digital transformasjon til å ligge i forkant.

Denne artikkelen er en del av serien «AI i norsk olje og gass: Digital transformasjon», og tar utgangspunkt i direktoratets teknologifokus – men utvider med konkrete AI-bruksområder, råd og neste steg for operatører og rettighetshavere.

---

Hvorfor skjerper Oljedirektoratet teknologikravene nå?

ODs teknologistrategi peker spesielt på tre hovedmål for norsk sokkel fremover:

• Finne mer ressurser
• Utvinne mer fra eksisterende felt
• Redusere utslipp samtidig

Disse tre målene er uløselig knyttet til data, analyse og AI. De fleste felt på norsk sokkel er modne. De store funnene ligger bak oss, og hver ekstra prosent utvinning teller. Samtidig har bransjen forpliktet seg til betydelige kutt i klimagassutslipp innen 2030 og videre mot 2050.

Det som før var «nice to have» – avansert analyse, maskinlæring og automatisering – er i ferd med å bli forutsetninger for å konkurrere på norsk sokkel.

Direktoratets signal er tydelig: teknologi- og FoU-muligheter skal være en naturlig del av arbeidet i lisensene, ikke et sideprosjekt. For selskaper som klarer å omsette dette til praksis, ligger det store konkurransefortrinn.

---

Tre strategiske teknologiområder: Finne mer, utvinne mer, slippe ut mindre

La oss oversette ODs overordnede teknologimål til konkrete, AI-drevne muligheter.

1. Finne mer – AI i letefase og prospektmodning

Letekostnader er høye, og feil boring er dyrt. Her kan AI og avansert dataanalyse gjøre en stor forskjell.

Typiske bruksområder:

• Seismikkanalyse med maskinlæring
  AI-modeller kan trenes til å gjenkjenne mønstre i seismiske data som indikerer feller, reservoarer eller strukturkompleksitet. Dette gir:

  • raskere tolking
  • mer konsistente tolkninger mellom team
  • bedre rangering av prospekter

• Integrerte geologiske modeller
  Ved å kombinere brønndata, seismikk, produksjonshistorikk og geologiske modeller i én felles data­plattform, kan AI foreslå sannsynlige reservoarscenarier – og dermed bidra til bedre borelokalisering.

• Risiko- og usikkerhetsanalyse
  Probabilistiske modeller og bayesianske metoder kan løpende oppdatere sannsynligheter for funn når ny data kommer inn (f.eks. fra letebrønner eller tilleggsseismikk).

Praktisk takeaway for lisenser:

• Still krav til at leteplaner inkluderer bruk av AI-baserte tolkingsverktøy og data­plattformer.
• Sørg for at lisensen har en datagovernance-plan: hvor data lagres, hvem som har tilgang, og hvordan de gjenbrukes på tvers av prosjekter.

2. Utvinne mer – digital optimalisering fra brønn til eksport

OD har i mange år vært opptatt av økt utvinning (IOR/EOR). Med dagens datamengder og sensortetthet er det naturlig å flytte fokuset fra enkeltprosjekter til kontinuerlig, AI-støttet optimalisering av hele felt.

Konkrete eksempler:

• Prediktivt vedlikehold
  Med sensorstrømmer fra kompressorer, pumper og kritisk utstyr kan maskinlæringsmodeller forutsi feil før de skjer. Resultat:

  • færre uplanlagte stans
  • lavere vedlikeholdskostnader
  • bedre regularitet

• Produksjonsoptimalisering i sanntid
  AI-baserte «digital operators» kan kontinuerlig foreslå justeringer i choke settings, injeksjonsrater og trykk for å maksimere produksjon innenfor definerte sikkerhets- og utslippsgrenser.

• Reservoarstyring med AI
  Historiske produksjonsdata, trykkrespons og 4D-seismikk kan mates inn i modeller som foreslår:

  • hvor nye sidesteg eller tilleggsbrønner gir mest verdi
  • optimale injeksjonsstrategier (vann, gass, VAG)
  • når ulike tiltak faktisk lønner seg

Praktisk takeaway for lisenser:

• Integrer AI-baserte produksjonsmodeller i MTP-arbeid og beslutningsgrunnlag.
• Vurder egne piloter på digital brønn- og feltoptimalisering, med tydelige KPI-er: ekstra fat, redusert nedetid, lavere OPEX.

3. Redusere utslipp – digitalt først-prinsipp

OD peker eksplisitt på teknologi som reduserer utslipp. For mange er dette fortsatt ensbetydende med kraft fra land eller elektrifisering, men det er bare halve bildet. Den andre halvdelen er data og algoritmer.

Tre raske utslippsdrivere der AI kan hjelpe:

1. Energiledelse på plattform
   Ved å samle sanntidsdata fra turbiner, generatorer og prosessanlegg kan AI optimalisere energibruk: redusere «spilletid», unngå drift i suboptimale lastpunkter og fordele last smartere.

2. Fakling og venting
   Avanserte prosessmodeller kan hjelpe med å forutsi trykkopphopning, prosessavvik og behov for blowdown – og dermed redusere unødvendig fakling.

3. Logistikk og forsyning
   Ruteoptimalisering for forsyningsskip og helikoptre, basert på værdata, last og behov, gir direkte utslippskutt.

Praktisk takeaway for lisenser:

• Be om at utslippsplaner inkluderer digitale tiltak (AI, optimalisering, automatisering), ikke bare fysiske modifikasjoner.
• Bruk AI til å etablere digitale tvillinger av energibruk på innretningene – et kraftig verktøy inn mot både OD og interne beslutningstagere.

---

OD som pådriver: Hva betyr det for selskapene i praksis?

OD har uttalt at de vil være en aktiv pådriver for utvikling og bruk av teknologi gjennom hele verdikjeden. For selskapene betyr det at teknologifokus vil bli mer synlig i:

• dialog i lisensmøter
• vurderinger av PUD/PAD
• oppfølging av modne felt
• forventninger til FoU- og pilotprosjekter

Fra «powerpoint-teknologi» til implementert verdi

Mange selskaper har allerede prøvd ulike digitale initiativ – noen har lyktes, andre har endt som pilotprosjekter som aldri skalerte. I lys av den skjerpede teknologilinjen bør fokuset flyttes fra enkeltverktøy til helhetlige kapabiliteter.

Sentrale spørsmål å stille internt:

• Har vi en tydelig AI- og datastrategi for norsk sokkel, knyttet til forretningsmål (produksjon, sikkerhet, utslipp)?
• Vet vi hvilke data vi faktisk har, og i hvilken kvalitet?
• Har vi etablert tverrfaglige team (subsurface, produksjon, drift, data science) som kan omsette teknologi til operasjonelle beslutninger?
• Hvordan integrerer vi teknologi­muligheter i lisensplaner, budsjetter og beslutningsporteføljer?

Teknologi som del av god ressursforvaltning

ODs mandat er god ressursforvaltning for samfunnet. I 2025 betyr det at «god ressursforvaltning» i praksis er umulig uten:

• systematisk bruk av data og analyse
• åpenhet for nye AI-løsninger
• evne til rask implementering når teknologien er moden

For operatører og partnere blir derfor teknologifokus ikke bare en konkurranse­faktor, men også en forventning fra myndighetene.

---

Slik kommer du i gang: En praktisk roadmap for AI på sokkelen

For mange selskaper er utfordringen ikke «om» de skal bruke AI, men hvordan de skal strukturere arbeidet. Under er en enkel, men effektiv roadmap tilpasset norsk sokkel.

1. Start med forretningsmål – ikke algoritmer

Definer tydelig hva dere vil oppnå de neste 3–5 årene:

• X % høyere utvinningsgrad på utvalgte felt
• Y % reduksjon i ikke-planlagt nedetid
• Z % reduksjon i CO₂-utslipp per produserte fat

Knytt deretter AI-initiativer direkte til disse målene. Dette gir prioritering, eierskap og tydelig gevinstforventning.

2. Bygg en robust dataplattform

AI uten data er teori. For felt på norsk sokkel innebærer en robust plattform typisk:

• strukturert lagring av historiske produksjonsdata, seismikk, brønndata og sanntidsstrømmer
• felles referansemodeller (f.eks. brønnnavn, felt, reservoarenheter) på tvers av systemer
• klare retningslinjer for datakvalitet, tilgang og sikkerhet

3. Velg 2–3 høyverdipiloter

I stedet for å spre ressursene tynt bør selskapene velge noen få piloter med tydelig business case, for eksempel:

• prediktivt vedlikehold på en kritisk kompressorlinje
• AI-basert produksjonsoptimalisering på ett utvalgt felt
• energiledelse/utslippsoptimalisering på én innretning

For hver pilot bør dere definere:

• baseline (dagens ytelse/utslipp)
• mål (forbedring i % eller NOK)
• tidsplan og ansvar

4. Skaler det som fungerer

Når en pilot viser dokumentert effekt, må løsningen operasjonaliseres:

• integreres i eksisterende arbeidsprosesser (ikke som et ekstra «sideverktøy»)
• forankres i linjeorganisasjonen, ikke bare i et digitalt prosjektkontor
• rulles ut til flere felt/innretninger etter en plan

5. Samarbeid tettere – internt og eksternt

OD har varslet at de vil legge til rette for tettere samarbeid om teknologi. For å utnytte dette kan selskaper:

• dele erfaringer fra AI-prosjekter i lisensfora
• samarbeide om datastandarder og beste praksis
• involvere akademia og teknologileverandører i pilotprosjekter

---

Veien videre: Fra direktoratets strategi til operasjonell AI-hverdag

ODs skjerpede teknologifokus er ikke bare en politisk eller strategisk erklæring – det er et varsel om hvordan fremtidens lisensdialog og ressursoppfølging vil se ut. De aktørene som lykkes best, vil være de som klarer å gjøre tre ting samtidig:

1. Koble teknologi til forretningsmål – flere fat, lavere kost, lavere utslipp.
2. Bygge reelle digitale kapabiliteter – data, plattformer, kompetanse og tverrfaglige team.
3. Jobbe iterativt – teste, lære, skalere.

For norsk sokkel betyr dette at AI og digital transformasjon går fra å være innovasjonsprosjekter til å bli en integrert del av hverdagen – fra leteporteføljen til brønnstenging.

Når vi nå går inn i 2026-planlegging og vurderer nye lisensrunder, pluggeprogrammer og modningsplaner, er spørsmålet ikke lenger om teknologien er moden, men om organisasjonen er det.

Neste steg for deg som operatør eller rettighetshaver:

• Identifiser ett område der du kan bruke AI til å finne mer, utvinne mer eller kutte utslipp allerede det neste året.
• Sørg for at teknologimuligheter og AI-tiltak er en fast del av agendaen i lisensmøter.
• Bygg kompetanse – både teknisk og operasjonell – slik at du er klar når OD og samarbeidspartnere forventer mer.

Den nye teknologilinjen fra Oljedirektoratet er en tydelig invitasjon: De som tør å satse på data, AI og digital transformasjon nå, vil definere fremtidens norsk sokkel.