Ny teknologi og AI pÄ sokkelen: OD skrur opp tempoet

AI i Norsk Olje og Gass: Digital Transformasjon‱‱By 3L3C

Oljedirektoratet skrur opp teknologikravene. Se hvordan AI kan hjelpe deg Ă„ finne mer, utvinne mer og kutte utslipp pĂ„ norsk sokkel – med konkrete rĂ„d og eksempler.

AIolje og gassdigital transformasjonnorsk sokkelOljedirektoratetenergi og klima
Share:

Featured image for Ny teknologi og AI pÄ sokkelen: OD skrur opp tempoet

Ny teknologi og AI pÄ sokkelen: OD skrur opp tempoet

Norsk sokkel stĂ„r i et veiskille. Samtidig som energiomstillingen skyter fart, forventes det fortsatt hĂžy verdiskaping fra olje- og gassnĂŠringen i mange Ă„r fremover. NĂžkkelen til Ă„ fĂ„ dette til – med lavere utslipp, hĂžyere sikkerhet og bedre lĂžnnsomhet – er ny teknologi og kunstig intelligens (AI).

NĂ„r Oljedirektoratet (nĂ„ Sokkeldirektoratet) skjerper innsatsen pĂ„ teknologi, sender det et tydelig signal til hele bransjen: De lisensansvarlige mĂ„ tenke mer digitalt, mer datadrevet og mer langsiktig. I denne artikkelen ser vi pĂ„ hva den nye teknologilinjen betyr i praksis – og hvordan olje- og gasselskaper kan bruke AI og digital transformasjon til Ă„ 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-bruksomrĂ„der, rĂ„d og neste steg for operatĂžrer og rettighetshavere.

Hvorfor skjerper Oljedirektoratet teknologikravene nÄ?

ODs teknologistrategi peker spesielt pÄ tre hovedmÄl for norsk sokkel fremover:

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

Disse tre mÄlene er ulÞselig knyttet til data, analyse og AI. De fleste felt pÄ 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 fĂžr var «nice to have» – avansert analyse, maskinlĂŠring og automatisering – er i ferd med Ă„ bli forutsetninger for Ă„ konkurrere pĂ„ norsk sokkel.

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

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

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

1. Finne mer – AI i letefase og prospektmodning

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

Typiske bruksomrÄder:

  • Seismikkanalyse med maskinlĂŠring
    AI-modeller kan trenes til Ă„ gjenkjenne mĂžnstre 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 Ă„ kombinere brĂžnndata, seismikk, produksjonshistorikk og geologiske modeller i Ă©n felles data­plattform, kan AI foreslĂ„ sannsynlige reservoarscenarier – og dermed bidra til bedre borelokalisering.

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

Praktisk takeaway for lisenser:

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

2. Utvinne mer – digital optimalisering fra brþnn til eksport

OD har i mange Ă„r vĂŠrt opptatt av Ăžkt utvinning (IOR/EOR). Med dagens datamengder og sensortetthet er det naturlig Ă„ flytte fokuset fra enkeltprosjekter til kontinuerlig, AI-stĂžttet optimalisering av hele felt.

Konkrete eksempler:

  • Prediktivt vedlikehold
    Med sensorstrĂžmmer fra kompressorer, pumper og kritisk utstyr kan maskinlĂŠringsmodeller forutsi feil fĂžr de skjer. Resultat:

    • fĂŠrre uplanlagte stans
    • lavere vedlikeholdskostnader
    • bedre regularitet

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

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

    • hvor nye sidesteg eller tilleggsbrĂžnner gir mest verdi
    • optimale injeksjonsstrategier (vann, gass, VAG)
    • nĂ„r ulike tiltak faktisk lĂžnner seg

Praktisk takeaway for lisenser:

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

3. Redusere utslipp – digitalt fþrst-prinsipp

OD peker eksplisitt pÄ 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 pÄ plattform
    Ved Ä samle sanntidsdata fra turbiner, generatorer og prosessanlegg kan AI optimalisere energibruk: redusere «spilletid», unngÄ drift i suboptimale lastpunkter og fordele last smartere.

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

  3. Logistikk og forsyning
    Ruteoptimalisering for forsyningsskip og helikoptre, basert pÄ vÊrdata, 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 Ă„ etablere digitale tvillinger av energibruk pĂ„ innretningene – et kraftig verktĂžy inn mot bĂ„de OD og interne beslutningstagere.

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

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

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

Fra «powerpoint-teknologi» til implementert verdi

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

Sentrale spÞrsmÄl Ä stille internt:

  • Har vi en tydelig AI- og datastrategi for norsk sokkel, knyttet til forretningsmĂ„l (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 beslutningsportefĂžljer?

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
  • Ă„penhet for nye AI-lĂžsninger
  • evne til rask implementering nĂ„r teknologien er moden

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

Slik kommer du i gang: En praktisk roadmap for AI pÄ 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 forretningsmĂ„l – ikke algoritmer

Definer tydelig hva dere vil oppnĂ„ de neste 3–5 Ă„rene:

  • X % hĂžyere utvinningsgrad pĂ„ utvalgte felt
  • Y % reduksjon i ikke-planlagt nedetid
  • Z % reduksjon i CO₂-utslipp per produserte fat

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

2. Bygg en robust dataplattform

AI uten data er teori. For felt pÄ norsk sokkel innebÊrer en robust plattform typisk:

  • strukturert lagring av historiske produksjonsdata, seismikk, brĂžnndata og sanntidsstrĂžmmer
  • felles referansemodeller (f.eks. brĂžnnnavn, felt, reservoarenheter) pĂ„ tvers av systemer
  • klare retningslinjer for datakvalitet, tilgang og sikkerhet

3. Velg 2–3 hþyverdipiloter

I stedet for Ä spre ressursene tynt bÞr selskapene velge noen fÄ piloter med tydelig business case, for eksempel:

  • prediktivt vedlikehold pĂ„ en kritisk kompressorlinje
  • AI-basert produksjonsoptimalisering pĂ„ ett utvalgt felt
  • energiledelse/utslippsoptimalisering pĂ„ Ă©n innretning

For hver pilot bĂžr dere definere:

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

4. Skaler det som fungerer

NÄr en pilot viser dokumentert effekt, mÄ lÞsningen operasjonaliseres:

  • integreres i eksisterende arbeidsprosesser (ikke som et ekstra «sideverktĂžy»)
  • 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 Ă„ utnytte dette kan selskaper:

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

Veien videre: Fra direktoratets strategi til operasjonell AI-hverdag

ODs skjerpede teknologifokus er ikke bare en politisk eller strategisk erklĂŠring – det er et varsel om hvordan fremtidens lisensdialog og ressursoppfĂžlging vil se ut. De aktĂžrene som lykkes best, vil vĂŠre de som klarer Ă„ gjĂžre tre ting samtidig:

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

For norsk sokkel betyr dette at AI og digital transformasjon gĂ„r fra Ă„ vĂŠre innovasjonsprosjekter til Ă„ bli en integrert del av hverdagen – fra leteportefĂžljen til brĂžnnstenging.

NÄr vi nÄ gÄr inn i 2026-planlegging og vurderer nye lisensrunder, pluggeprogrammer og modningsplaner, er spÞrsmÄlet ikke lenger om teknologien er moden, men om organisasjonen er det.

Neste steg for deg som operatĂžr eller rettighetshaver:

  • Identifiser ett omrĂ„de der du kan bruke AI til Ă„ finne mer, utvinne mer eller kutte utslipp allerede det neste Ă„ret.
  • SĂžrg for at teknologimuligheter og AI-tiltak er en fast del av agendaen i lisensmĂžter.
  • Bygg kompetanse – bĂ„de teknisk og operasjonell – slik at du er klar nĂ„r OD og samarbeidspartnere forventer mer.

Den nye teknologilinjen fra Oljedirektoratet er en tydelig invitasjon: De som tÞr Ä satse pÄ data, AI og digital transformasjon nÄ, vil definere fremtidens norsk sokkel.