هبوط أرباح إكسون 14%: درس لعُمان في ربحية النفط بالذكاء

انخفاض صافي ربح إكسون موبيل بنسبة 14% في الربع الرابع من 2025 ليس خبراً “أميركياً بعيداً” عن المنطقة. هو تذكير مباشر بأن ربحية النفط والغاز تعتمد على ثلاثة أشياء لا ترحم: سعر البرميل، هوامش التكرير والكيماويات، وتكاليف التشغيل. عندما يضعف عاملان أو ثلاثة في الوقت نفسه—كما حدث مع انخفاض أسعار الخام وضعف هوامش الكيماويات وارتفاع الاستهلاك (depreciation)—تظهر الفاتورة فوراً على الأرباح.

وهنا تأتي الزاوية التي تهمنا في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”: الشركات التي تبني قراراتها التشغيلية على البيانات وبسرعة، تستطيع حماية هوامشها حتى عندما لا تملك أي سيطرة على أسعار السوق. أنا أرى أن الذكاء الاصطناعي اليوم ليس “مشروع تقنية” بقدر ما هو سياسة تشغيل وربحية.

جملة قابلة للاقتباس: عندما لا تملك التحكم في السعر، امتلك التحكم في التكلفة والموثوقية وسرعة القرار—وهذه ثلاثية الذكاء الاصطناعي في الطاقة.

ماذا يقول هبوط أرباح إكسون فعلاً؟ (الأرقام التي يجب أن تُقرأ بعين تشغيلية)

الخبر الأساسي: إكسون موبيل أعلنت صافي ربح 6.5 مليار دولار في الربع الرابع 2025، مقابل 7.6 مليارات في الفترة نفسها من 2024—أي انخفاض 14%، وبواقع 1.53 دولار للسهم مقابل 1.72 دولار.

لكن القراءة المفيدة ليست “ربح أقل”، بل لماذا؟ بحسب ما ورد، الأسباب كانت:

• انخفاض أسعار الخام: يضغط على أرباح المنبع (Upstream) مباشرة.
• ضعف هوامش الكيماويات: يضغط على الأرباح غير المرتبطة بسعر الخام وحده.
• ارتفاع تكاليف الاستهلاك: وهو ما يعكس استثمارات/أصول أكبر أو تغيّرات محاسبية/تشغيلية تزيد حمل التكلفة.

في المقابل، هناك نقاط قوة واضحة: إنتاج سنوي وصل إلى 4.7 مليون برميل مكافئ نفط يومياً (أعلى مستوى منذ أكثر من أربعة عقود)، وتوزيعات للمساهمين في الربع بلغت 9.5 مليارات دولار (4.4 توزيعات + 5.1 إعادة شراء أسهم)، وتدفقات نقدية من التشغيل في الربع 12.7 مليار دولار، وتدفق نقدي حر 5.6 مليارات.

الرسالة لعُمان: حتى الشركات العملاقة التي تمتلك أصولاً مميزة تتأثر بسرعة عندما يتغيّر المزاج السعري أو تتقلص الهوامش. إذن، ما الذي يبقى بيدك؟ الانضباط التشغيلي—وهنا يبدأ دور الذكاء الاصطناعي.

لماذا الذكاء الاصطناعي هو “خطة دفاع عن الربحية” في النفط والغاز؟

الذكاء الاصطناعي في قطاع الطاقة ليس للعرض. هو أداة لتحويل البيانات إلى قرارات يومية تخفض التكلفة وتزيد الإنتاج الآمن وتمنع التوقفات. تحديداً في أوقات مثل نهاية يناير 2026—حيث تكثر النقاشات حول ميزانيات العام وخطط الاستثمار—تحتاج الشركات لنهج يثبت أثره خلال 90 يوماً، لا خلال “سنوات”.

1) لأن تقلب الأسعار يحول التشغيل إلى لعبة هوامش

عندما ينخفض سعر الخام أو تتذبذب الهوامش، يصبح النجاح مرتبطاً بقدرتك على:

• تقليل تكلفة البرميل المكافئ
• رفع الجاهزية (Availability) وتقليل التوقفات غير المخطط لها
• تحسين مزيج الإنتاج والتشغيل وفق القيود الفعلية

الذكاء الاصطناعي يحقق ذلك عبر نماذج تتنبأ بالمشكلات قبل حدوثها وتوصي بضبط الإعدادات التشغيلية في الوقت المناسب.

2) لأن “تكلفة التوقف” أكبر مما يظنه كثيرون

توقف مضخة رئيسية أو ضاغط في محطة غاز أو وحدة تكرير قد لا يعني فقط كلفة قطع غيار. غالباً يعني:

• خسارة إنتاج/مبيعات
• غرامات توريد أو تعطّل سلاسل إمداد
• مخاطر سلامة أعلى بسبب التشغيل المتقطع

لذلك، الصيانة التنبؤية (Predictive Maintenance) ليست رفاهية؛ هي حماية للهامش.

3) لأن البيانات موجودة… لكن القيمة ليست تلقائية

أغلب الشركات لديها SCADA، وبيانات حساسات، وسجلات صيانة، وتقارير HSE. المشكلة أن هذه البيانات متفرقة وغير “صالحة للقرار” دون تنظيف وتوحيد وربط. الذكاء الاصطناعي—مع هندسة بيانات صحيحة—يحّولها من أرشيف إلى نظام قيادة.

تطبيقات الذكاء الاصطناعي التي تهم شركات النفط والغاز في عُمان الآن

هذه تطبيقات عملية، أراها الأقرب لاحتياجات الشركات في السلطنة لأنها تركّز على التشغيل والسلامة ورفع الكفاءة—لا على “مشاريع تجريبية” بلا عائد.

تحسين الإنتاج في المنبع: من الحدس إلى الضبط الذكي

الهدف المباشر: زيادة الإنتاج القابل للبيع مع تقليل الماء/الغاز غير المرغوب وتقليل استهلاك الطاقة.

أمثلة لما يفعله الذكاء الاصطناعي:

• نمذجة أداء الآبار والتنبؤ بالهبوط (Decline) مبكراً
• توصيات لضبط choke وlift وفق سلوك البئر
• كشف الشذوذ (Anomaly Detection) لاكتشاف مشاكل مثل ترسبات/انسداد قبل تفاقمها

جملة عملية: كل تعديل صغير ومتكرر على إعدادات التشغيل—إذا كان صحيحاً—قد يكون أثمن من قرار كبير يُتخذ مرة في السنة.

الصيانة التنبؤية في التكرير والغاز: تقليل الأعطال غير المخطط لها

الهدف المباشر: تقليل التوقفات، وتحسين التخطيط لقطع الغيار، وتخفيض تكلفة الصيانة الطارئة.

كيف يتم ذلك عملياً؟

1. جمع بيانات الاهتزاز/الحرارة/الضغط عبر الحساسات
2. ربطها بسجل الأعطال وقطع الغيار
3. تدريب نموذج يتنبأ بـ “احتمال الفشل” خلال فترة محددة
4. تحويل التنبؤ إلى أمر عمل داخل نظام CMMS

النقطة الفاصلة هنا: لا قيمة للتنبؤ إذا لم يتحول إلى قرار وجدولة.

السلامة وHSE: ذكاء اصطناعي يقلل المخاطر قبل أن تتصاعد

الهدف المباشر: تقليل الحوادث، وتحسين الامتثال، وتخفيف المخاطر التشغيلية.

تطبيقات قوية:

• رؤية حاسوبية لمراقبة الالتزام بمعدات الوقاية في مواقع محددة
• تحليل نصوص بلاغات السلامة (near-miss) لاستخراج “الأسباب الجذرية” المتكررة
• نماذج تتنبأ بالمناطق/الأوقات الأكثر عرضة للمخاطر بناءً على أنماط العمل

في بيئات النفط والغاز، السلامة ليست بنداً تنظيمياً فقط؛ هي بند ربحي لأن أي حادث كبير يعطل التشغيل ويؤثر على السمعة والتكاليف.

تحسين الطاقة والانبعاثات: ربحية أكبر وكربون أقل

الخبر ذكر أن إكسون تتحدث عن خطط خفض الانبعاثات وتقليل الحرق (flaring) حتى 2030. في عُمان، هذا الملف يتقاطع مع الكفاءة الاقتصادية أيضاً.

الذكاء الاصطناعي يساعد عبر:

• تحسين استهلاك الوقود في الأفران والغلايات عبر التحكم المتقدم
• تقليل الفواقد في الشبكات الداخلية (Steam/Power)
• تحسين التنبؤ بالطلب لتقليل التشغيل خارج نقطة الكفاءة

المعادلة هنا بسيطة: كل ميغاواط ساعة تُهدر = تكلفة + انبعاثات.

من خبر مالي إلى خطة تنفيذ: إطار 90 يوماً لشركات الطاقة في عُمان

إذا كنت مسؤولاً تشغيلياً أو مديراً للتحول الرقمي، هذا مسار عملي خلال 90 يوماً يخلق أثراً ملموساً—وهو ما تحتاجه الإدارة عندما ترى أخباراً مثل انخفاض أرباح إكسون.

الأسبوع 1-2: اختر “حالة استخدام” مرتبطة بالهامش

اختر حالة استخدام واحدة فقط، لكن بشروط:

• لها مالك تشغيلي واضح (Operations/Maintenance)
• لها KPI مباشر (توقفات، MTBF، استهلاك طاقة، إنتاج قابل للبيع)
• بياناتها متاحة بنسبة 70% على الأقل

الأسبوع 3-6: جهّز البيانات وربط القرار بالتنفيذ

• توحيد مصادر البيانات (حساسات + صيانة + تشغيل)
• تحديد تعريف واحد للحقيقة (Single Source of Truth)
• الاتفاق على “ماذا سنفعل إذا قال النموذج كذا؟”

الأسبوع 7-10: نموذج أولي + تشغيل فعلي (Pilot in Production)

لا يكفي عرض داشبورد. المطلوب:

• تنبيهات قابلة للتنفيذ
• توصية واضحة
• قياس أثر قبل/بعد

الأسبوع 11-13: التوسع وحوكمة النماذج

• خطة تعميم على أصول مشابهة
• حوكمة: من يعتمد القرار؟ كيف نراجع الانحرافات؟
• أمن سيبراني للبيانات الصناعية (OT Security)

جملة قابلة للاقتباس: الذكاء الاصطناعي الذي لا يدخل في “روتين الوردية” يبقى عرضاً جميلاً على شاشة.

أسئلة شائعة يتكرر طرحها في عُمان (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني الاستغناء عن الخبرات الميدانية؟

لا. الأفضلية تأتي عندما يتحول الذكاء الاصطناعي إلى “مساعد قرار” للمهندس والفني. الخبرة الميدانية هي التي تفسر السياق وتتحقق من التوصيات.

ما أسرع مجال يحقق عائداً؟

عادةً: الصيانة التنبؤية وتحسين الطاقة لأنهما يرتبطان بتكاليف مباشرة ويمكن قياسهما سريعاً.

ما الخطأ الأكثر شيوعاً؟

بناء نموذج ممتاز دون ربطه بإجراءات العمل والحوكمة. النتيجة: تنبؤات صحيحة لكن لا أحد يتصرف بناءً عليها.

ما الذي نتعلمه من أرقام إكسون… وما الذي يجب أن تفعله عُمان الآن؟

انخفاض أرباح إكسون 14% يوضح أن حتى الشركات ذات الإنتاج القياسي (4.7 مليون برميل مكافئ/يوم) تتأثر عندما تضعف الأسعار والهوامش وترتفع التكاليف. الخبر نفسه يعرض مفارقة مهمة: تدفقات نقدية قوية وتوزيعات كبيرة للمساهمين، لكن الربحية الفصلية تظل حساسة.

في عُمان، الطريق الأكثر واقعية لحماية الربحية ليس انتظار تحسن السعر. الطريق هو رفع كفاءة الأصول عبر الذكاء الاصطناعي: تقليل التوقفات، تحسين ضبط التشغيل، رفع السلامة، وخفض استهلاك الطاقة والانبعاثات. هذا هو قلب سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”، وهو أيضاً ما سيصنع الفارق في 2026.

إذا كنت تقود فريقاً تشغيلياً أو رقمياً في شركة طاقة: ما “الخسارة المتكررة” التي تراها كل أسبوع—توقفات، طاقة مهدرة، أعطال متكررة—وتتمنى لو لديك نظام يتنبأ بها قبل أن تحدث؟ تلك هي أفضل نقطة بداية لمشروع ذكاء اصطناعي يحقق نتائج، لا شعارات.