كيف يساعد الذكاء الاصطناعي شركات النفط والغاز في عُمان على ضبط الإنفاق الرأسمالي وتخطيط القوى العاملة بقرارات أسرع وأكثر دقة.
الذكاء الاصطناعي لضبط الإنفاق والتوظيف في نفط عُمان
أكثر ما يلفت في نتائج استطلاع «دالاس فيد» لقطاع الطاقة للربع الرابع من 2025 ليس رقمًا واحدًا بعينه، بل تشتّت القرارات: بين من يرفع الإنفاق الرأسمالي في 2026 ومن يخفضه، وبين من يُبقي القوى العاملة كما هي ومن يُجري تعديلات طفيفة. هذا التباين ليس عيبًا في السوق؛ هو إشارة واضحة إلى شيء واحد: الضبابية صارت جزءًا من قواعد اللعبة.
وفق الاستطلاع (تم جمع البيانات بين 03/12/2025 و11/12/2025)، أجاب 124 مسؤولًا تنفيذيًا في شركات نفط وغاز عن توقعاتهم للإنفاق الرأسمالي في 2026 مقارنة بـ2025: 26% زيادة طفيفة، 24% قريب من مستويات 2025، 20% انخفاض كبير، 19% انخفاض طفيف، و11% زيادة كبيرة. أما في جانب القوى العاملة، فأغلب الإجابات تميل للثبات: من أصل 126 شركة، قال 57% إن عدد الموظفين «سيبقى كما هو» بين ديسمبر 2025 وديسمبر 2026.
هذه الأرقام أمريكية المصدر، لكنها تحمل درسًا مباشرًا لقطاع الطاقة والنفط والغاز في السلطنة ضمن سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»: عندما تصبح قرارات رأس المال والموارد البشرية محكومة بالافتراضات، فإن الذكاء الاصطناعي لا يكون “إضافة تقنية”، بل يصبح أداة حوكمة قرار: يختصر زمن التحليل، يرفع جودة التنبؤ، ويحوّل النقاش من “نشعر أن…” إلى “البيانات تقول…”.
لماذا تذبذب الإنفاق والتوظيف أصبح القاعدة؟
الإجابة المباشرة: لأن الشركات تُخطّط تحت سقف أسعار متوقعة، وتحت ضغط كفاءة أعلى، مع قيود مهارات لا تُحل بالتوظيف وحده.
الاستطلاع سأل أيضًا: ما سعر خام غرب تكساس (WTI) الذي تعتمد عليه الشركات في تخطيط رأس المال لعام 2026؟ متوسط الإجابة كان 59 دولارًا للبرميل (والوسيط والمنوال 60 دولارًا). عندما تتقارب “فرضية السعر” حول رقم معيّن لكن تختلف القرارات بشدة، فهذه إشارة إلى أن التحدي الحقيقي ليس سعر النفط وحده، بل:
- اختلاف تكاليف الإنتاج بين الشركات والحقول
- تفاوت جودة الأصول (Asset Quality) وعمرها التشغيلي
- قيود سلسلة الإمداد والخدمات
- ضغوط السلامة والامتثال
- نقص المهارات في وظائف محددة (حتى لو بقي عدد الموظفين ثابتًا)
في سياق عُمان، تُضاف عوامل أخرى مثل متطلبات المحتوى المحلي، واعتبارات الاستدامة، وتوازن الاستثمار بين رفع الإنتاج وتحسين الكفاءة وتقليل الانبعاثات. النتيجة؟ قرار “كم نصرف؟ ومن نوظف؟” أصبح قرارًا متعدد المتغيرات—وهنا تتفوق الأنظمة التحليلية المعززة بالذكاء الاصطناعي.
ما الذي يخبرنا به استطلاع دالاس فيد… وما الذي يعنيه لعُمان؟
الإجابة المباشرة: الاستطلاع يوضح أن الشركات الكبيرة تميل للثبات، بينما الأصغر أكثر ميلًا لزيادة طفيفة، وشركات الخدمات أقرب للتخفيض—وهذا ينقلنا إلى فكرة “التخطيط التفاضلي” الذي يدعمه الذكاء الاصطناعي.
الاستطلاع أشار إلى اختلافات حسب حجم الشركة ونوعها:
- في شركات الاستكشاف والإنتاج الكبيرة (E&P)، كانت إجابة “قريب من مستويات 2025” الأكثر شيوعًا (35%).
- في شركات الاستكشاف والإنتاج الصغيرة، كانت “زيادة طفيفة” هي الأكثر شيوعًا (29%).
- في شركات الخدمات والدعم النفطي، 48% يتوقعون انخفاض الإنفاق الرأسمالي مقابل 29% يتوقعون زيادة.
قراءة عملية على طريقة الذكاء الاصطناعي
بدل ما نقرأ هذه النتائج كخبر، يمكن تحويلها إلى إطار عمل لعُمان:
- الشركات الكبيرة تثبّت الإنفاق لأنها غالبًا تُدير محافظ أصول ناضجة، فتحتاج انضباطًا رأسماليًا ومكاسب كفاءة.
- الشركات الصغيرة “تزيد قليلًا” لأنها تبحث عن نمو انتقائي أو تطوير أصول محددة.
- شركات الخدمات تتأرجح لأنها تتبع إنفاق العملاء، وتحتاج مرونة عالية في الجدولة والكوادر.
الذكاء الاصطناعي هنا لا “يتنبأ” فقط؛ بل يساعد على تحديد أين تُصرف الريال التالي وما هي عائدته ومخاطره.
كيف يُحسّن الذكاء الاصطناعي قرارات الإنفاق الرأسمالي في النفط والغاز؟
الإجابة المباشرة: عبر نمذجة سيناريوهات السعر والطلب، وترتيب المشاريع حسب العائد المعدّل بالمخاطر، وربط القرارات بالبيانات التشغيلية الفعلية بدل الافتراضات العامة.
في التخطيط التقليدي، قد تُدار محفظة المشاريع عبر جداول ثابتة واجتماعات طويلة، مع اختلافات كبيرة بين فرق الجيولوجيا والهندسة والمالية. ما رأيته عمليًا في مؤسسات الطاقة: المشكلة ليست نقص البيانات، بل تشتتها.
1) ميزانية مبنية على سيناريوهات لا على رقم واحد
إذا كان متوسط شركات الاستطلاع يبني خطته على 59–60 دولارًا للبرميل، فالسؤال الأفضل لعُمان: ماذا لو كان 55؟ ماذا لو كان 70؟
الذكاء الاصطناعي (مع نماذج محاكاة وMonte Carlo) يقدّم:
- توزيع احتمالات للعائد (وليس عائدًا واحدًا)
- حساسية المشروع لعوامل محددة (سعر النفط، وقت التوقفات، تكلفة الخدمات)
- توصيات بترتيب المشاريع: أيها يُنفّذ الآن وأيها يؤجل
عبارة قابلة للاقتباس: “الميزانية الجيدة لا تتنبأ بالسعر… بل تُحصّن القرار ضد تغيره.”
2) تحسين اختيار المشاريع داخل المحفظة (Portfolio Optimization)
بدل “مشروع كبير يبتلع الميزانية”، يمكن للذكاء الاصطناعي اقتراح خليط مشاريع يوازن بين:
- مشاريع رفع الإنتاج قصيرة الأجل
- مشاريع خفض التكاليف (مثل الصيانة التنبؤية)
- مشاريع خفض الانبعاثات وتحسين الكفاءة الطاقية
النتيجة العملية: نفس الميزانية، لكن عائد أفضل ومخاطر أقل.
3) ربط الإنفاق بمؤشرات تشغيلية لحظية
عندما ترتفع معدلات الأعطال أو تتغير جودة الخامات أو يتأخر مقاول رئيسي، يجب أن تنعكس هذه الوقائع على قرار الإنفاق بسرعة. منصات التحليلات المدعومة بالذكاء الاصطناعي يمكنها تنبيه الإدارة إلى:
- انحراف التكاليف مبكرًا
- تكرار أسباب التوقفات
- نقاط الاختناق في سلسلة الإمداد
القوى العاملة: “تبقى كما هي” لا تعني “لا تغيير”
الإجابة المباشرة: ثبات العدد قد يخفي إعادة توزيع مهارات، وأتمتة وظائف روتينية، وخلق وظائف بيانات وسلامة رقمية.
في الاستطلاع، 57% يتوقعون ثبات عدد الموظفين، مع زيادات/انخفاضات طفيفة لدى البقية. وبين شركات الاستكشاف والإنتاج، 61% قالوا “يبقى كما هو”. هذا نمط نراه عالميًا: الشركات لا تريد تضخمًا وظيفيًا، لكنها تحتاج إنتاجية أعلى للفرد.
1) التخطيط الذكي للقوى العاملة (Workforce Analytics)
بدل التخطيط السنوي الجامد، تستخدم الشركات المتقدمة نماذج تتنبأ بالطلب على المهارات حسب:
- جدول الصيانة والإيقافات
- خطط الحفر والتطوير
- تغييرات الامتثال والسلامة
- توفر المقاولين والمهارات محليًا
في عُمان، هذا مهم لأن فجوة المهارات غالبًا ليست في “عدد الأشخاص”، بل في تخصصات محددة: تحليل بيانات المعدات، هندسة الاعتمادية، أمن أنظمة التحكم الصناعية، ومهارات تشغيل منصات رقمية.
2) السلامة: الذكاء الاصطناعي كطبقة حماية إضافية
عندما تتغير القوى العاملة قليلًا، يزداد الاعتماد على المقاولين والعمل بنظام المناوبات، وهذا يرفع مخاطر السلامة إن لم تُدار بعناية.
تطبيقات عملية شائعة:
- رؤية حاسوبية لمراقبة الالتزام بمعدات السلامة في مواقع محددة
- نماذج تتنبأ بالحوادث بناءً على “سلوكيات قريبة من الحوادث” (Near Miss)
- تحليل نصوص بلاغات السلامة لاستخراج أنماط متكررة
هذه ليست رفاهية. تقليل حادث واحد كبير يساوي ميزانية مشروع كامل أحيانًا.
3) الأتمتة لا تلغي الوظائف… لكنها تغيّرها
الأثر الأكثر واقعية للذكاء الاصطناعي في 2026 هو نقل الموظف من مهام:
- إدخال البيانات يدويًا
- إعداد تقارير متكررة
- جدولة بسيطة للصيانة
إلى مهام:
- تفسير مؤشرات الأداء
- اتخاذ قرار ميداني أسرع
- تحسين إجراءات التشغيل القياسية (SOPs)
خارطة طريق عملية لتبنّي الذكاء الاصطناعي في شركات الطاقة بعُمان
الإجابة المباشرة: ابدأ بحالتين استخدام واضحتين تربطان المال بالنتيجة، ثم ابنِ البيانات والحوكمة، وبعدها وسّع على مستوى المؤسسة.
إذا كان هدفك تحسين الإنفاق والتوظيف معًا، فهذه خطوات مجربة (وأنا أميل لها لأنها تُنتج قيمة خلال 90–120 يومًا بدل مشاريع طويلة بلا عائد سريع):
- اختر حالتي استخدام تربطان مباشرة بـCapex وOpex
- الصيانة التنبؤية لمعدّات حرجة
- تحسين جدولة فرق الصيانة/المقاولين وتقليل التوقفات
- وحّد البيانات التشغيلية والمالية
- ربط بيانات
SCADA/المستشعرات مع سجلات الصيانة والتكاليف
- ربط بيانات
- ضع حوكمة نموذج واضحة
- من يوافق على النموذج؟ كيف يُراجع الانحياز؟ ما هي حدود الاعتماد عليه؟
- ابنِ قدرات داخلية صغيرة لكن قوية
- فريق “منتج بيانات” + مهندس بيانات + خبير مجال + محلل مالي
- قِس النجاح بمؤشرات صريحة
- تقليل وقت التوقف غير المخطط
- خفض تكلفة الصيانة لكل أصل
- تحسين دقة التنبؤ بالاحتياج للقوى العاملة بالمناوبات
عبارة قابلة للاقتباس: “نجاح الذكاء الاصطناعي في النفط لا يقاس بعدد النماذج… بل بعدد القرارات التي تحسّنت.”
أسئلة تتكرر في مجالس الإدارة (وإجابات مختصرة)
هل الذكاء الاصطناعي مناسب إذا كانت بياناتنا غير مكتملة؟
نعم، بشرط البدء بحالة استخدام يمكنها العمل ببيانات متوفرة وتحسين جودة البيانات تدريجيًا. كثير من المشاريع تنجح عبر “تنظيف موجّه” للبيانات المرتبطة بهدف محدد.
هل سيؤدي الذكاء الاصطناعي إلى تقليص الوظائف؟
غالبًا سيقلّص الأعمال الروتينية ويزيد الطلب على مهارات جديدة. الأهم هو خطة إعادة تأهيل واضحة للعاملين.
أين أكبر عائد سريع في 2026؟
الصيانة التنبؤية، تقليل التوقفات، وتحسين جدولة الموارد—هذه عادةً تُظهر أثرًا ملموسًا خلال أشهر.
الخطوة التالية لقطاع النفط والغاز في عُمان
نتائج استطلاع دالاس فيد تقول شيئًا بسيطًا: حتى عندما تتقارب فرضيات السعر (59–60 دولارًا)، تبقى قرارات الإنفاق والتوظيف متباعدة. هذا يعني أن المؤسسة التي تمتلك قدرة أفضل على تحويل البيانات إلى قرار ستربح فارقًا تنافسيًا واضحًا.
ضمن مسار «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، أرى أن السؤال العملي الآن ليس “هل نستخدم الذكاء الاصطناعي؟” بل: أي قرار مالي وتشغيلي نريد أن يصبح أدق خلال الربع القادم؟
إذا رغبت، أستطيع مساعدتك في تصميم قائمة حالات استخدام مناسبة لواقع شركتك في عُمان (Upstream أو Midstream أو خدمات)، مع مؤشرات قياس واضحة وخطة تنفيذ قصيرة. ما القرار الذي يسبب لكم أكبر صداع اليوم: الإنفاق الرأسمالي، جدولة القوى العاملة، أم تقليل التوقفات؟