خبر هاليبرتون يوضح أن استقرار الإيرادات لا يحمي الأرباح. تعرّف كيف يساعد الذكاء الاصطناعي شركات النفط والغاز في عُمان على رفع الكفاءة وتقليل التوقفات.
الذكاء الاصطناعي في النفط بعُمان: حماية الأرباح
انخفاض أرباح شركة خدمات نفطية بحجم هاليبرتون ليس «خبر أسواق» فقط؛ هو إشارة تشغيلية. في 22/01/2026 أعلنت الشركة تراجع صافي الربح في الربع الرابع 2025 بنسبة 4.2% إلى 589 مليون دولار، رغم أن الإيرادات الفصلية بقيت شبه مستقرة عند 5.65 مليار دولار مقابل 5.61 مليار قبل عام. الفجوة هنا ليست في “البيع” بقدر ما هي في الكفاءة، والهامش، والانضباط التشغيلي.
وهذا تحديدًا ما يجعل الخبر مهمًا لقطاع الطاقة والنفط والغاز في عُمان. لأن السؤال الواقعي الذي يجب أن يُطرح محليًا هو: كيف نحافظ على الربحية عندما تتذبذب دورة السوق، وتتعقّد العمليات، وتزيد متطلبات السلامة والانبعاثات؟ رأيي: الذكاء الاصطناعي ليس مشروعًا تجميليًا. هو طريقة عملية لتقليل الهدر، ورفع الاعتمادية، وتقصير زمن اتخاذ القرار—وبالتالي حماية الهامش.
ضمن سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”، هذه المقالة تستخدم أداء هاليبرتون كمرآة: ما الذي يمكن أن تتعلمه الشركات العُمانية (مشغّلين ومقاولين وخدمات)؟ وأين يبدأ التنفيذ بدون ضجيج؟
ماذا يخبرنا أداء هاليبرتون فعليًا؟
الرسالة الأساسية: استقرار الإيرادات لا يعني استقرار الأرباح. هاليبرتون سجّلت:
- صافي ربح Q4 2025: 589 مليون دولار (0.70 دولار للسهم) مقابل 615 مليون في Q4 2024.
- إيرادات Q4 2025: 5.65 مليار دولار، بهامش تشغيلي 13%.
- إيرادات 2025 الكاملة: 22.2 مليار دولار مقابل 22.9 مليار في 2024.
- الدخل التشغيلي 2025: 2.3 مليار دولار مقابل 3.8 مليار في العام السابق.
حتى داخل الشركة، نرى صورة أوضح: قطاعات مثل الإكمال والإنتاج والحفر والتقييم حافظت على الإيرادات، لكن التحسن الحقيقي ظهر في الدخل التشغيلي (ارتفاعات 11% و5% في الربع الرابع مقارنة بالربع السابق). هذا يعني أن المكسب جاء من تحسين التنفيذ أكثر من كونه توسعًا في السوق.
هذه نقطة حساسة لبيئة عُمان: كثير من المكاسب الممكنة في الحقول ليست “حفر أكثر”، بل تشغيل أذكى.
لماذا تتآكل الهوامش رغم التكنولوجيا؟
الواقع أن التكنولوجيا وحدها لا تكفي إذا كانت تعمل كأدوات منفصلة. شركات الخدمات حول العالم تواجه تحديات متزامنة:
- تباطؤ في بعض الأسواق (المقال أشار لتباطؤ نمو النفط الصخري بأمريكا الشمالية).
- تعقيد أعلى في الآبار والعمليات البحرية.
- ضغط تكلفة (معدات، سلسلة إمداد، كوادر).
- مخاطر توقفات غير مخططة، وكل ساعة توقف لها ثمن.
الذكاء الاصطناعي يصبح مفيدًا عندما يربط هذه العناصر ضمن قرار واحد: متى أتدخل؟ أين أهدر؟ ما السيناريو الأقل تكلفة؟
أين يدخل الذكاء الاصطناعي؟ من “أداة” إلى نظام قرار
أفضل طريقة لفهم قيمة الذكاء الاصطناعي في النفط والغاز بعُمان هي التعامل معه كـ طبقة قرار فوق البيانات التشغيلية—لا كبرنامج منفصل.
في خبر هاليبرتون، لفتني مثالان تقنيان يوضحان الاتجاه:
- أنظمة تحكم عن بعد لعمليات معقدة تقلّل تعرض الأفراد للمخاطر وتخفف تعقيد الهيدروليك.
- واجهة أنبوب حفر سلكي توفّر بيانات قاع البئر لحظيًا مع طاقة مستمرة لتمكين الأتمتة “المغلقة الحلقة”.
هذه التقنيات ليست “ذكاء اصطناعي” بالمعنى الضيق، لكنها تصنع الشرط الأساسي له: بيانات فورية + تحكم + أتمتة. هنا يبدأ الذكاء الاصطناعي بإضافة القيمة عبر ثلاثة مسارات مباشرة:
- التنبؤ (Prediction): توقّع فشل مضخة، أو تدهور أداء بئر، قبل حدوثه.
- التحسين (Optimization): اختيار أفضل إعدادات تشغيل لتحقيق أعلى إنتاج بأقل طاقة/تكلفة.
- الأتمتة (Automation): إجراءات مغلقة الحلقة تقلل الاعتماد على تدخل بشري متكرر.
إذا أردنا صياغتها بجملة قابلة للاقتباس: الذكاء الاصطناعي يحمي الربح عبر تقليل “الوقت الضائع” أكثر مما يزيد “الوقت المنتج”.
تطبيقات عالية العائد لعُمان: 5 حالات استخدام تبدأ بها الشركات
هذه التطبيقات مناسبة لبيئة النفط والغاز في عُمان لأنها تمسّ نقاط الألم اليومية: توقفات، طاقة، سلامة، وجودة قرار.
1) الصيانة التنبؤية للمعدات الحرجة
الإجابة المباشرة: ابدأ بالمعدات التي تسبب أكبر توقفات (ضواغط، مضخات، محركات كهربائية، مولدات، صمامات حرجة، معدات الرفع). بدل جدول صيانة ثابت، استخدم نماذج تتعلم من:
- الاهتزاز، الحرارة، التيار الكهربائي
- سجلات الأعطال وقطع الغيار
- ظروف التشغيل (حمل، ضغط، تدفق)
النتيجة المتوقعة ليست “منع كل الأعطال”، بل تقليل الأعطال المفاجئة وتقليل تكلفة “استبدال مبكر بلا داعٍ”.
2) تحسين الإنتاج (Production Optimization) على مستوى الحقل
في كثير من الحقول، المشكلة ليست نقص البيانات؛ المشكلة أن البيانات لا تتحول إلى قرار يومي. الذكاء الاصطناعي يساعد في:
- توصية إعدادات الخنق (Choke) المثلى
- اكتشاف بدايات slugging أو مشاكل التدفق
- تحديد الآبار التي تحتاج تدخلًا (تحميض/تنظيف/رفع صناعي)
ما يعجبني هنا أنه قابل للقياس بسرعة: زيادة إنتاج قابلة للملاحظة + خفض استهلاك طاقة خلال أسابيع، إذا كانت البيانات متاحة.
3) السلامة: كشف المخاطر قبل أن تصبح حادثًا
أنظمة الرؤية الحاسوبية (Computer Vision) يمكن أن تراقب مواقع العمل (مع ضوابط الخصوصية) لرصد:
- الالتزام بمعدات الوقاية
- مناطق محظورة، اقتراب من معدات متحركة
- أنماط سلوك تزيد احتمالية الحوادث
الفكرة ليست “مراقبة الناس”، بل تقليل التعرض للمخاطر—وهذا يتسق مع اتجاه هاليبرتون في تقليل تعرض الأفراد عبر التشغيل عن بعد.
4) أتمتة قرارات الحفر ضمن حدود آمنة
عندما تتوفر بيانات قاع البئر بسرعة (كما في أنابيب الحفر السلكية)، يصبح ممكنًا استخدام نماذج لتوصية:
- وزن على الدقاق (WOB)
- معدل الدوران (RPM)
- معدل الضخ
بشرط وجود “حواجز أمان” واضحة: الذكاء الاصطناعي يقترح، والنظام يطبق ضمن حدود محددة، وفريق الحفر يراجع.
5) تحسين سلسلة الإمداد وقطع الغيار
النفط والغاز ليس تشغيل معدات فقط؛ هو لوجستيات. في عُمان، حيث تعدد المواقع وامتداد سلاسل التوريد، الذكاء الاصطناعي يرفع الكفاءة عبر:
- توقع الطلب على قطع الغيار حسب حالة المعدات
- تقليل المخزون الراكد
- تحسين مسارات النقل وجدولة الورش
النتيجة المالية هنا مباشرة: رأس مال أقل مجمّد في المخزون + توفر أعلى للمعدات.
كيف تبني برنامج ذكاء اصطناعي “يخدم الهامش” وليس العكس؟
الجواب الواضح: لا تبدأ من النموذج. ابدأ من الهامش.
أقترح إطارًا عمليًا من 6 خطوات يصلح للمشغّلين ومقاولي الخدمات في عُمان:
- عرّف الخسارة الأكبر: هل هي توقفات؟ طاقة؟ مواد كيميائية؟ زمن الحفر؟
- اختر أصلًا واحدًا أو خط إنتاج واحد كبداية (Pilot) لمدة 8–12 أسبوعًا.
- جهّز البيانات: توحيد التسميات، تنظيف القيم الشاذة، ربط بيانات الصيانة بالتشغيل.
- حدّد مؤشر نجاح مالي من البداية (مثل: ساعات توقف أقل، أو خفض استهلاك طاقة بنسبة محددة).
- صمّم سير عمل القرار: من يستلم التوصية؟ كيف تُعتمد؟ متى تُلغى؟
- وسع فقط بعد إثبات العائد، واحتفظ بدفتر “دروس تشغيلية” بدل العروض التسويقية.
عبارة أكررها كثيرًا في المشاريع: إذا لم تدخل توصية الذكاء الاصطناعي في “روتين الوردية”، فهي لن تغيّر الربحية.
أسئلة شائعة يطرحها التنفيذيون في الطاقة بعُمان
هل نحتاج بيانات مثالية؟ لا. تحتاج بيانات “كافية” ومحددة الهدف. الكمال يؤخر البدء.
هل الذكاء الاصطناعي يعني استبدال الخبرة البشرية؟ لا. الأفضل هو “خبرة + نموذج”. النموذج يلتقط الأنماط بسرعة، والخبير يحكم على السياق.
ما المخاطر؟ أبرزها ثلاثة: جودة بيانات ضعيفة، نموذج يعمل خارج سياق التشغيل، وغياب الحوكمة (من يقرر؟ من يتحمل المسؤولية؟).
ماذا يمكن لعُمان أن تتعلمه من قصة هاليبرتون؟
العبرة ليست أن شركة عالمية ربحت أقل بقليل. العبرة أن السوق قد يبقى مستقراً بينما الربح يتآكل إذا لم يتحسن التنفيذ يومًا بيوم. هاليبرتون نفسها تتحدث عن “تعظيم القيمة” وتُبرز التكنولوجيا والعقود، لكن الأرقام تذكّرنا أن التقلبات ستستمر.
بالنسبة لعُمان، الذكاء الاصطناعي فرصة لثلاثة أسباب متداخلة:
- تحسين كفاءة إنتاج النفط والغاز دون القفز مباشرة إلى استثمارات رأسمالية ضخمة.
- رفع السلامة عبر التشغيل عن بعد والرؤية الحاسوبية وتحليلات المخاطر.
- دعم أهداف الاستدامة عبر قياس أفضل للطاقة والانبعاثات وتقليل الهدر التشغيلي.
الخطوة التالية ليست شراء منصة. الخطوة التالية هي اختيار مشكلة واحدة تؤلم فعلاً—ثم بناء نموذج يغير قرارًا يوميًا واضحًا.
إذا كنت تقود فريقًا في شركة طاقة أو خدمات نفطية بعُمان: ما هو القرار التشغيلي الذي لو أصبح أدق بنسبة 10% سيغيّر الهامش هذا العام؟ هناك يبدأ مشروع الذكاء الاصطناعي الذي يستحق الميزانية.