الذكاء الاصطناعي لضبط إنفاق النفط والغاز والقوى العاملة بعُمان

عندما سُئل قادة شركات النفط والغاز في استطلاع «الاحتياطي الفيدرالي في دالاس» عن خطط الإنفاق الرأسمالي لعام 2026، لم يخرجوا بإجابة واحدة متفق عليها: 26% قالوا “زيادة طفيفة”، و24% “قريب من مستويات 2025”، بينما رأى 39% إجمالاً أن الإنفاق سيتراجع (20% انخفاض كبير + 19% انخفاض طفيف). هذا التشتت في التوقعات ليس تفصيلاً صغيراً؛ إنه علامة على سوق متقلب، وعلى قرارات استثمارية تُتخذ تحت ضغط كبير.

الأكثر لفتاً للنظر أن الاستطلاع نفسه أظهر “ثباتاً” أكبر في الموظفين: 57% يتوقعون بقاء عدد العاملين كما هو بين ديسمبر 2025 وديسمبر 2026، مع زيادات أو انخفاضات طفيفة لدى النسبة المتبقية. المعنى العملي؟ كثير من الشركات تريد ضبط المصروفات دون هزّ التنظيم من الداخل.

وهنا تأتي زاوية سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»: إذا كانت قرارات رأس المال والوظائف تتأرجح بهذه الطريقة في أسواق ناضجة مثل الولايات المتحدة، فالأولوية في عُمان ليست “اقتناء أدوات رقمية” بقدر ما هي بناء منظومة ذكاء اصطناعي تجعل التخطيط المالي والموارد البشرية أكثر دقة، وأقل اعتماداً على الحدس.

ماذا تقول أرقام استطلاع دالاس… ولماذا تهمّ صانع القرار في عُمان؟

الرسالة المباشرة من الاستطلاع هي أن عدم اليقين هو القاعدة في التخطيط لعام 2026. الاستطلاع شمل 124 شركة أجابت عن الإنفاق الرأسمالي، و126 شركة عن تغيّر القوى العاملة. كما سُئلت 119 شركة عن سعر خام غرب تكساس المستخدم في التخطيط الرأسمالي، وكان المتوسط 59 دولاراً للبرميل، والوسيط والمنوال 60 دولاراً.

هذه الأرقام تهم عُمان لسببين واضحين:

1. السعر المرجعي للتخطيط (حوالي 60 دولاراً) يعكس عقلية “حذرة”: الشركات لا تبني خططها على أسعار مرتفعة جداً حتى لو صعد السوق مؤقتاً.
2. الاختلاف حسب نوع الشركة وحجمها كان واضحاً: الشركات الكبيرة في الاستكشاف والإنتاج مالت إلى “الثبات” أكثر (35% اختاروا بقاء الإنفاق قريباً من 2025)، بينما الشركات الصغيرة مالت إلى “زيادة طفيفة” (29%). وشركات الخدمات النفطية كانت أكثر ميلاً لتوقع انخفاض الإنفاق (48% يتوقعون تراجعاً مقابل 29% يتوقعون زيادة).

بالنسبة لشركات الطاقة والنفط والغاز في عُمان—خصوصاً في بيئات تتطلب موازنة بين الاستدامة المالية، ومتطلبات السلامة، والتوطين، وأهداف التحول الطاقي—فهذا النوع من التباين يعني شيئاً واحداً: لا يمكن إدارة رأس المال والوظائف بالأدوات التقليدية وحدها.

كيف يُحسّن الذكاء الاصطناعي قرارات الإنفاق الرأسمالي في النفط والغاز؟

الإجابة المختصرة: الذكاء الاصطناعي يجعل قرار “أين نصرف الريال؟” قراراً قائماً على احتماليات قابلة للقياس، لا على سيناريو واحد جامد.

1) التخطيط بالسيناريوهات بدل “ميزانية واحدة”

كثير من المؤسسات ما زالت تبني ميزانية رأسمالية على سعر نفط واحد وافتراضات تشغيلية ثابتة. المشكلة أن الواقع لا يحترم ذلك. ما يقدمه الذكاء الاصطناعي هنا هو محركات تنبؤ تربط بين:

• أسعار النفط والغاز (وتقلبها)
• معدلات الانخفاض الطبيعي للآبار
• كلفة الخدمات والمعدات وسلاسل الإمداد
• قيود الصيانة والتوقفات
• مؤشرات السلامة والامتثال

والنتيجة تكون نموذجاً يخرج بثلاثة أو أربعة مسارات تمويلية: سيناريو محافظ، ومتوازن، وتوسعي—كل واحد معه أثر مباشر على الإنتاج والتدفق النقدي والمخاطر.

جملة قابلة للاقتباس: الذكاء الاصطناعي لا “يتنبأ بالسعر” فقط؛ بل يترجم التذبذب إلى قرارات إنفاق قابلة للدفاع عنها أمام مجلس الإدارة.

2) تحسين محفظة المشاريع (Portfolio Optimization)

في النفط والغاز، المعضلة ليست مشروعاً واحداً؛ إنها عشرات المشاريع: حفر، تعزيز إنتاج، تحديث منشآت، رقمنة أصول، أنظمة سلامة… الذكاء الاصطناعي يساعد في ترتيب الأولويات عبر خوارزميات تُوازن بين:

• العائد المتوقع (NPV/IRR)
• زمن التنفيذ
• المخاطر التشغيلية
• الاعتمادية (Reliability) وتقليل الأعطال
• الأثر على السلامة والبيئة

بهذا الأسلوب، يصبح تخفيض الإنفاق—إن حدث—تخفيضاً ذكياً: تُحافظ على المشاريع التي تمنع خسائر كبيرة (مثل مشاريع تقليل التوقفات غير المخططة) وتؤجل ما يمكن تأجيله دون إحداث أثر تراكمي سلبي.

3) التنبؤ بتكاليف الخدمات قبل أن تتضخم

نتائج الاستطلاع أظهرت أن شركات الخدمات أكثر حساسية لتوقعات الانخفاض. في عُمان، هذا ينعكس على المقاولين وسلاسل الإمداد. الذكاء الاصطناعي هنا مفيد في:

• التنبؤ بتذبذب أسعار الخدمات (العمالة المتخصصة، الحفارات، قطع الغيار)
• كشف الأنماط التي تسبق ارتفاعات التكلفة
• اقتراح توقيتات شراء/تعاقد أفضل

الهدف ليس “خفض السعر” فقط، بل تجنب شراء في ذروة الدورة.

القوى العاملة في 2026: الثبات الظاهري يخفي تحوّلاً عميقاً

الاستطلاع يقول إن غالبية الشركات تتوقع بقاء عدد الموظفين ثابتاً (57%). هذا قد يُقرأ خطأً على أنه “لا تغيير”. الواقع أن التحول غالباً يكون في طبيعة الوظائف لا عددها.

1) من زيادة العدد إلى زيادة الإنتاجية

عندما تقل شهية الإنفاق الرأسمالي، يصبح المخرج الواقعي هو رفع الإنتاجية. الذكاء الاصطناعي ينجح هنا في مسارين:

• الأتمتة المدعومة بالذكاء الاصطناعي: تقليل الأعمال الروتينية في التقارير، وجدولة الصيانة، ومطابقة بيانات السلامة.
• مساندة المهندس والمشغل: أدوات تنبيه مبكر للأعطال، وتوصيات تشغيل، وتحليل أسباب الجذور (RCA).

في رأيي، أفضل مكسب سريع في منشآت النفط والغاز ليس نموذجاً معقداً؛ بل تقليل زمن القرار: من ساعات بحث في ملفات وتقارير إلى دقائق عبر لوحة واحدة.

2) إعادة توزيع المهارات: من “تشغيل” إلى “إشراف وتحليل”

التحول الطبيعي مع الذكاء الاصطناعي هو أن بعض الأدوار الميدانية تصبح أكثر اعتماداً على المراقبة والتحليل واتخاذ قرار مدعوم بالبيانات. هذا يخلق فجوة تدريب إذا لم تُدار مبكراً.

ما الذي يصلح عملياً في عُمان؟ برنامج تطوير مهارات على مرحلتين:

1. محو أمية البيانات لغير المختصين (قراءة مؤشرات الأداء، فهم الانحرافات، أساسيات الجودة)
2. تخصصات تطبيقية: تحليل اعتمادية المعدات، نمذجة التوقفات، مراقبة سلامة العمليات

3) التوظيف الذكي والاحتفاظ: الذكاء الاصطناعي للموارد البشرية أيضاً

إذا كانت شركات كثيرة ستبقي عدد الموظفين ثابتاً، فالمنافسة تنتقل إلى: من يحتفظ بالمهارات النادرة؟

أدوات الذكاء الاصطناعي في الموارد البشرية يمكنها:

• توقع احتمالات الاستقالة بناءً على مؤشرات (دون التطفل على الخصوصية)
• اقتراح مسارات تدريبية شخصية
• مواءمة التوظيف مع خطط المشاريع المتغيرة

وهذا مهم في قطاع يتطلب مهارات عالية وتراخيص وتدريب سلامة مستمر.

خارطة طريق عملية لتطبيق الذكاء الاصطناعي في شركات الطاقة بعُمان

الإجابة المباشرة: ابدأوا من نقاط الألم التي تمس المال والسلامة، ثم وسّعوا.

الخطوة 1: اختَر “حالة استخدام” مرتبطة بميزانية 2026

ثلاث حالات استخدام مناسبة لبداية سريعة:

1. التنبؤ بالتوقفات غير المخططة في معدات حرجة (ضواغط، مضخات، توربينات)
2. تحسين خطة الصيانة (من صيانة دورية إلى صيانة تنبؤية)
3. نموذج دعم قرار الإنفاق يربط السيناريوهات بالسعر المرجعي والقيود التشغيلية

الخطوة 2: جهّز البيانات قبل النموذج

معظم مشاريع الذكاء الاصطناعي تتعثر لأن البيانات:

• موزعة بين أنظمة مختلفة
• غير موحدة التعريفات
• تفتقد سجلات الأعطال الدقيقة

الحل العملي: “قاموس بيانات” + تكامل مصادر (SCADA/Historians/ERP/CMMS) + قواعد جودة.

الخطوة 3: حوكمة واضحة ومسؤوليات محددة

لتجنب تحول الذكاء الاصطناعي إلى مشروع تجريبي بلا عائد:

• حدّد مالكاً تجارياً (Business Owner) لكل حالة استخدام
• اتفقوا على مؤشرات نجاح رقمية (مثلاً: خفض التوقفات بنسبة 10% خلال 6 أشهر)
• طبّقوا مراجعات شهرية للنتائج

الخطوة 4: قياس العائد بلغة المدير المالي

في قطاع النفط والغاز، أفضل طريقة لإقناع الإدارة هي ترجمة الأثر إلى:

• ساعات توقف تم تجنبها
• براميل إنتاج لم تُفقد
• كلفة صيانة تم ترشيدها
• حوادث أو شبه حوادث تم منعها

هذه لغة مباشرة، وتخدم هدف “LEADS” لأنها تفتح الباب لنقاش عملي مع أصحاب القرار.

أسئلة شائعة يسمعها أي فريق رقمنة في النفط والغاز بعُمان

هل الذكاء الاصطناعي يعني تقليل الوظائف؟

ليس بالضرورة. ما يحدث غالباً هو تغيير في طبيعة الدور: أقل أعمال يدوية وتكرارية، وأكثر إشراف وتحليل. من يربح هو من يستثمر في إعادة التأهيل مبكراً.

ما أسرع مكسب يمكن تحقيقه خلال 90 يوماً؟

أسرع مكسب عادةً يكون في لوحات متابعة موحدة مع تنبيهات ذكية للأعطال أو الانحرافات، لأن البيانات موجودة لكن غير مُستثمرة.

هل نحتاج منصة ضخمة قبل البدء؟

لا. البدء بحالة استخدام واحدة على نطاق محدد أفضل من شراء منصة كبيرة بلا تبنٍّ داخلي. المنصة تأتي عندما تتضح المتطلبات ويثبت العائد.

أين تتجه 2026 في عُمان؟ قراران لا يحتملان التأجيل

الاستطلاع الأمريكي يوضح أن عام 2026 قد يكون عام ميزانيات حذرة وقوى عاملة مستقرة بالعدد لكنها متغيرة بالمهارات. في عُمان، هذا يتقاطع مع هدف أكبر: أن يبقى قطاع الطاقة ركيزة اقتصادية قوية، وفي الوقت نفسه أكثر كفاءة وأعلى سلامة وأكثر استعداداً للمتطلبات البيئية والتنظيمية.

إذا أردت رأياً واضحاً: الذكاء الاصطناعي في النفط والغاز بعُمان يجب أن يُدار كمشروع مالي وتشغيلي، لا كمبادرة تقنية. ابدأ من الإنفاق الرأسمالي والصيانة والاعتمادية، ثم اربط ذلك بتطوير المهارات.

السؤال الذي يستحق أن يُطرح في اجتماعات التخطيط لهذا الربع: هل نملك اليوم بيانات وعمليات تسمح لنا باتخاذ قرار إنفاق وتوظيف بسرعة ودقة عندما تتغير الأسعار أو تتبدل ظروف التشغيل؟ أم ما زلنا نحتاج أسابيع للوصول إلى “نسخة واحدة من الحقيقة”؟