دخل تشغيلي 6.2 مليار$: ماذا تتعلم عمان من Equinor؟

في 05/02/2026 أعلنت شركة Equinor عن دخل تشغيلي مُعدّل قدره 6.2 مليار دولار في الربع الرابع من 2025، أقل من 7.9 مليار دولار في الفترة نفسها من 2024. الرقم بحد ذاته ليس مجرد خبر مالي عابر؛ هو إشارة واضحة إلى شيء أعمق: شركات الطاقة الكبرى صارت تُدار اليوم كأنها شركات بيانات بقدر ما هي شركات نفط وغاز.

الجزء الذي يهمّنا في سياق سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان» هو التالي: عندما تتقلّب أسعار السوائل، وتتحرّك أسعار الغاز بين سوق وآخر، وتتعقّد المحافظ الدولية… يصبح التميّز التشغيلي المعتمد على التحليلات والذكاء الاصطناعي واحدًا من أكثر أدوات “حماية الأرباح” واقعية. لا أتحدث عن شعارات، بل عن قرارات يومية: أي الآبار تُحفَر أولًا؟ كيف نُقلّل التوقفات؟ أين نهدر الطاقة؟ وما الذي يمكن أتمتته دون المخاطرة بالسلامة؟

هذه المقالة تأخذ خبر Equinor كنقطة انطلاق، ثم تترجمه إلى دروس عملية لعُمان: ماذا تعني هذه النتائج لشركات النفط والغاز والطاقة في السلطنة؟ وأين يمكن للذكاء الاصطناعي أن يرفع الإنتاجية ويقلّل الكلفة ويقوّي السلامة ويعطي المدراء رؤية أدق في 2026؟

ماذا تقول أرقام Equinor فعلًا؟ (الربح يتبع الانضباط التشغيلي)

الجواب المباشر: أرقام Equinor تُظهر أن الشركات التي ترفع الإنتاج وتُدير الأصول بدقة تستطيع امتصاص جزء من أثر الأسعار—even عندما تنخفض أسعار السوائل.

في الربع الرابع 2025:

• الدخل التشغيلي المُعدّل: 6.2 مليار دولار (مقابل 7.9 مليار دولار في Q4 2024)
• صافي الدخل التشغيلي: 5.49 مليار دولار (مقابل 8.74 مليار دولار)
• صافي الربح: 1.31 مليار دولار (مقابل 2 مليار دولار)
• ربحية السهم المعدلة: 0.81$ (ارتفاعًا من 0.63$)
• التدفقات التشغيلية قبل الضرائب وتعديلات رأس المال العامل: 9.55 مليار دولار
• الإنفاق الرأسمالي العضوي 2025: 13.1 مليار دولار
• تقدير الإنفاق الرأسمالي العضوي 2026: حوالي 13 مليار دولار
• هدف نمو إنتاج النفط والغاز 2026: حوالي 3%

السبب المُعلن لأداء الربع كان خليطًا من انخفاض أسعار السوائل مع ارتفاع أسعار الغاز في الولايات المتحدة وزيادة أحجام الإنتاج. وفي الجرف القاري النرويجي ارتفع الإنتاج 5% على أساس سنوي، مدفوعًا بحقول وآبار جديدة.

المغزى لعُمان؟ عندما يكون السوق غير مضمون، تصير القدرة على التنبؤ بالتوقفات، وتحسين خطط الصيانة، ورفع الكفاءة الطاقية، وتحسين قرارات الحفر والإنتاج هي ما يفصل بين ربع “جيد” وربع “مؤلم”. وهنا يدخل الذكاء الاصطناعي من الباب العريض.

أين يظهر أثر الذكاء الاصطناعي داخل شركة طاقة؟ (وليس في العروض التقديمية)

الجواب المباشر: الذكاء الاصطناعي يخلق قيمة في الطاقة عندما يُستعمل لتحسين القرارات التشغيلية المتكررة التي تؤثر مباشرة في الإنتاج، التوقفات، السلامة، واستهلاك الطاقة.

حتى لو لم تذكر Equinor في هذا الخبر تفاصيل مبادراتها الرقمية، فإن نمط النتائج—رفع الإنتاج، التركيز على التنفيذ، وزيادة إنتاج المتجددة—يتماشى مع ما تفعله الشركات العالمية عادة: ربط البيانات الميدانية بالقرارات بسرعة أعلى ودقة أكبر.

1) الصيانة التنبؤية: تقليل التوقفات غير المخطط لها

أقصر طريق لتحسين الربحية ليس دائمًا حفر المزيد؛ أحيانًا هو منع ساعة توقف واحدة.

في بيئات النفط والغاز، تُسبب الأعطال المفاجئة في المضخات، الضواغط، الصمامات، وأنظمة التحكم خسائر مضاعفة: توقف إنتاج + تكلفة إصلاح + مخاطر سلامة.

تطبيق عملي في عُمان:

• تركيب/دمج بيانات الاهتزاز والحرارة والضغط من المعدات الحرجة
• تدريب نماذج تعلم آلي للكشف المبكر عن “أنماط الانهيار”
• تحويل الصيانة من جدول ثابت إلى صيانة قائمة على الحالة

جملة قابلة للاقتباس:

أفضل صيانة هي التي تُجرى قبل العطل بيوم، لا بعده بساعة.

2) تحسين الإنتاج والرفع الاصطناعي: زيادة البرميل “الأرخص”

البرميل الأرخص غالبًا هو البرميل الذي تستخرجه من أصولك الحالية بكفاءة أعلى.

الذكاء الاصطناعي يمكنه:

• اقتراح إعدادات تشغيل مثلى للرفع الاصطناعي (Gas Lift/ESP)
• كشف الاختناقات في خطوط الجريان
• تحليل سلوك المكمن مع البيانات التاريخية لتقليل تجارب “الضبط العشوائي”

في السلطنة، حيث تتنوع خصائص المكامن وتحديات التشغيل، فإن تحسين الإنتاج بالتحليلات لا يحتاج انتظار مشروع ضخم؛ يمكن البدء بحقل واحد “Pilot” ثم التوسع.

3) تحسين الطاقة والانبعاثات: الكلفة الخفية في كل محطة

Equinor أعلنت نمو توليد الكهرباء من المتجددة إلى 1.76 تيراواط-ساعة في الربع و5.65 تيراواط-ساعة في السنة، مدعومًا بتوسع مشاريع الرياح.

حتى في شركات النفط والغاز، ملف الطاقة الداخلية مهم جدًا:

• استهلاك الكهرباء في الضواغط
• الوقود في التوربينات
• الحرق (Flaring) عند الاختلالات

الذكاء الاصطناعي يضيف قيمة عبر:

• نماذج تحسين (Optimization) لتقليل استهلاك الوقود لكل وحدة إنتاج
• مراقبة انحرافات التشغيل التي ترفع الانبعاثات
• “قياس افتراضي” للانبعاثات عندما يصعب القياس المباشر (مع ضوابط تدقيق)

رأيي الصريح: كثير من الشركات تبدأ بالحديث عن الاستدامة من زاوية التقارير، بينما القيمة الحقيقية تأتي من تشغيل أنظف وأوفر—وهذا ممكن بالبيانات قبل أي شيء.

ما الذي يمكن لعُمان نسخه من التجربة العالمية… وما الذي يجب ألا تنسخه؟

الجواب المباشر: ما يُنسخ هو المنهج (حوكمة البيانات، فرق متعددة التخصصات، مؤشرات أداء)، وما لا يُنسخ هو حل جاهز لا يناسب طبيعة الأصول والبيئة التنظيمية والكوادر.

في خبر Equinor نرى خطوطًا عامة واضحة:

• تركيز على تعظيم القيمة من الأصول الأساسية (مثل NCS)
• نمو إنتاجي مدفوع بآبار وحقول جديدة
• توسع في الطاقة المتكاملة والمتجددة
• خطة إنفاق رأسمالي مستقرة تقريبًا (13 مليار$ في 2026)

هذه ليست “قفزة مزاجية”؛ هي إدارة محفظة مع انضباط. لعُمان، الدرس هو بناء طبقة ذكاء تشغيلي فوق الأصول الحالية، ثم ربطها بخطط التطوير المستقبلية.

ما الذي يجب ألا نفعله؟

• شراء منصة ذكاء اصطناعي قبل ترتيب البيانات: النتيجة ستكون لوحة جميلة وقرارات ضعيفة.
• حصر المشروع في قسم تقنية المعلومات: قيمة الذكاء الاصطناعي تظهر عندما يقوده التشغيل والصيانة والسلامة معًا.
• قياس النجاح بعدد النماذج بدلًا من مؤشرات واضحة مثل: ساعات توقف أقل، MTBF أعلى، استهلاك طاقة أقل، أو زيادة إنتاج يومي.

خارطة طريق عملية لتبنّي الذكاء الاصطناعي في قطاع الطاقة بعُمان (خلال 90–180 يومًا)

الجواب المباشر: ابدأ بمشروعين عاليَي العائد وقابليَن للقياس، ثم وسّع النطاق بناءً على نتائج ملموسة.

1) اختر حالتين استخدام “تؤلمان” فعلاً

أمثلة مناسبة للبدء في النفط والغاز بعُمان:

• صيانة تنبؤية لضواغط/مضخات حرجة في محطة معالجة
• تحسين إعدادات الرفع الاصطناعي لعنق زجاجة إنتاجي

معيار الاختيار:

• توفر بيانات مقبول
• أثر مالي واضح خلال 3–6 أشهر
• فريق تشغيلي متحمّس للتطبيق

2) ابنِ خط بيانات موثوق (Data Pipeline) قبل النماذج

• توحيد مصادر البيانات: SCADA، تاريخ الصيانة، سجلات الأعطال، بيانات المختبر
• تنظيف البيانات وتعريف “الحقيقة الواحدة” للأصل (Asset Single Source of Truth)
• وضع صلاحيات واضحة لأن بيانات الطاقة ليست مجرد أرقام—هي مخاطر أمنية وتشغيلية

3) حوّل النتائج إلى “قرار” لا إلى تقرير

النموذج الناجح هو الذي يخرج بتوصية تشغيلية قابلة للتنفيذ، مثل:

• “الضاغط X لديه احتمال عطل خلال 10 أيام: نفّذ فحص Bearing خلال 48 ساعة”
• “رفع إعداد Gas Lift في البئر Y بنسبة 7% سيزيد الإنتاج اليومي مع عدم تجاوز حدود الضغط”

4) ضع مؤشرات أداء مشتركة بين التشغيل والبيانات

• تقليل التوقفات غير المخطط لها (بالساعات/الشهر)
• انخفاض تكلفة الصيانة لكل أصل
• تحسن الكفاءة الطاقية (kWh لكل برميل مكافئ)
• انخفاض الحرق/الانبعاثات المرتبطة بالاختلالات

أسئلة شائعة من فرق الطاقة في عُمان (وإجابات مختصرة)

هل الذكاء الاصطناعي مناسب فقط للشركات العملاقة؟

لا. إذا كان لديك بيانات تشغيل وصيانة—even لو كانت “غير كاملة”—يمكنك البدء بنطاق صغير. العبرة في اختيار حالة استخدام قابلة للقياس.

ما الفرق بين التحليلات التقليدية والذكاء الاصطناعي؟

التحليلات التقليدية تصف ما حدث. الذكاء الاصطناعي الجيد يتنبأ بما سيحدث ويقترح ما الذي يجب فعله.

ما أكبر عائق عادة؟

ليس النموذج. أكبر عائق هو جودة البيانات وتبنّي الفريق التشغيلي للتوصيات.

أين تتجه 2026؟ (ومن يستعد الآن يربح لاحقًا)

الجواب المباشر: 2026 هي سنة التنفيذ والانضباط—التي يفصل فيها السوق بين من يملك “مشاريع رقمية” ومن يملك تشغيلًا رقميًا.

خبر Equinor يوضح أن الشركات تضع أهداف إنتاج وإنفاق واضحة (3% نمو، 13 مليار$ إنفاق عضوي) وتستمر في بناء محفظة طاقة متكاملة، مع التعامل الواقعي مع تقلب الأسعار. في عُمان، الرسالة نفسها تنطبق: من يضع الذكاء الاصطناعي داخل قلب التشغيل—الصيانة، الإنتاج، السلامة، الطاقة—سيحصل على مكاسب تتكرر كل يوم، لا مرة واحدة.

إذا كنت تقود فريقًا في النفط والغاز أو الطاقة في السلطنة، جرّب هذا السؤال العملي: ما القرار الذي نتخذه يوميًا وبجودة متوسطة لأن البيانات مشتتة؟ هذا غالبًا هو أول مكان يستحق الذكاء الاصطناعي.

والسؤال الذي أتركه لك ضمن هذه السلسلة: عندما يضغط السوق على الهوامش، هل ستكون استجابتك تقليلًا في الطموح… أم رفعًا في دقة التشغيل؟