الذكاء الاصطناعي وأمن الإمدادات: درس مضيق هرمز لعُمان

في 03/04/2026 ظهراً (12:37م بتوقيت غرينتش)، عقدت المملكة المتحدة اجتماعاً ضم أكثر من 40 دولة ومنظمات دولية حول مضيق هرمز بعد تصاعد اضطرابات الملاحة وإغلاق الممر. الرسالة كانت واضحة: عندما يتعطل ممر بحري واحد، تتحرك أسعار الطاقة والغذاء والتأمين والنقل في العالم كله خلال ساعات، لا أسابيع.

بالنسبة لعُمان، هذا ليس خبراً بعيداً يُقرأ ثم يُنسى. قربنا الجغرافي من خطوط الشحن، ودورنا كمُصدّر ومُعالج للطاقة، واعتماد صناعاتنا على لوجستيات دقيقة، يعني أن مرونة سلسلة الإمداد يجب أن تُدار كأولوية تشغيلية يومية. وهنا تأتي نقطة محورية في سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»: الذكاء الاصطناعي ليس ترفاً تقنياً؛ هو “طبقة مناعة” تشغيلية ضد الصدمات الجيوسياسية.

جملة تلخّص الفكرة: إذا كان مضيق هرمز “عنق زجاجة” للطاقة عالمياً، فالذكاء الاصطناعي هو ما يمنع شركات الطاقة من الاختناق عند أول أزمة.

لماذا يُعد مضيق هرمز اختباراً قاسياً لسلاسل إمداد الطاقة؟

الإجابة المباشرة: لأنه ممر تُبنى عليه قرارات تشغيلية ومالية ضخمة—من شحن النفط والغاز الطبيعي المسال إلى حركة الأسمدة والسلع الأساسية—وأي تعطّل فيه يخلق موجة أثر تمتد إلى المصافي، والعقود، والمخزون، وحتى سلاسل الغذاء.

بيان الحكومة البريطانية وصف المضيق بأنه من أكثر الممرات البحرية أهمية، وأن تعطّل الشحن فيه يؤدي إلى آثار فورية بعيدة المدى على الإمدادات والأسعار والاستقرار الاقتصادي. الاتحاد الأوروبي وصفه بأنه «منفعة عامة عالمية»، ورفض فكرة «الدفع مقابل المرور». أما المنظمة البحرية الدولية (IMO) فحذّرت من الجانب الإنساني: منذ 28/02/2026 تم تأكيد 21 هجوماً على الشحن التجاري أسفرت عن وفاة 10 بحارة، مع وجود نحو 20,000 بحّار مدني على متن سفن في الخليج يواجهون نقص الإمدادات والإرهاق والضغط النفسي.

من منظور شركات الطاقة في المنطقة، هذا يعني ثلاث حقائق تشغيلية لا يمكن تجاهلها:

• التأخير لم يعد “تأخيراً” فقط؛ بل يتحول إلى مخاطر تعاقدية وغرامات وتذبذب في التوافر.
• المخاطر تتداخل: أمن بحري + تأمين + تسعير فوري + سمعة + سلامة.
• الاستجابة المجزأة لا تكفي، كما قالت IMO؛ المطلوب قرارات مدفوعة بالبيانات وتنسيق أسرع.

ما علاقة ذلك بعُمان تحديداً؟

الإجابة المباشرة: لأن عُمان تقع في قلب منظومة الطاقة الإقليمية، وأي اضطراب ملاحي قريب يختبر قدرتنا على الحفاظ على التدفقات، والتخطيط للمخزون، وإعادة جدولة الشحن، وحماية العاملين.

عُمان تمتلك أصولاً حيوية: حقول إنتاج، محطات معالجة، موانئ تصدير، ومشاريع متزايدة في الغاز والبتروكيماويات، إضافة إلى اهتمام متنامٍ بالهيدروجين والطاقات النظيفة. هذا التنوع ممتاز، لكنه يزيد تعقيد القرار عند الأزمات.

وهنا موقفٌ واضح أتخذه: أغلب الشركات لا تخسر في الأزمات بسبب نقص السفن أو نقص النفط؛ تخسر لأنها تتأخر في “الرؤية” ثم تتأخر في “القرار”. الذكاء الاصطناعي يعالج هاتين النقطتين تحديداً.

“الرؤية” التي تحتاجها غرف العمليات

عندما يُغلق ممر أو تتغير المخاطر الأمنية، يصبح السؤال العملي: ما الذي يحدث الآن؟ وليس ماذا حدث أمس.

أنظمة الذكاء الاصطناعي قادرة على دمج إشارات متعددة في لوحة واحدة:

• بيانات حركة السفن (AIS) ومواعيد الوصول المتوقعة ETA
• بيانات الطقس البحرية وحالة الموانئ
• مؤشرات المخاطر (تنبيهات أمنية، مناطق خطرة، تغييرات التأمين)
• وضع المخزون في الخزانات وخطط المصافي
• قيود العقود (مواعيد تسليم، شروط غرامات)

النتيجة: صورة تشغيلية مشتركة (Common Operating Picture) تساعد الإدارة على اتخاذ قرارات قبل أن يصبح الوقت متأخراً.

كيف يساعد الذكاء الاصطناعي شركات النفط والغاز في عُمان أثناء الأزمات؟

الإجابة المباشرة: عبر أربع طبقات عملية—التنبؤ، التحسين، الأتمتة، وحماية السلامة—وكل طبقة تقلّل الخسائر وتُسرّع الاستجابة.

1) التنبؤ بالاضطراب قبل أن يظهر في التقارير

بدلاً من انتظار إشعار من وسيط الشحن أو شركة التأمين، يمكن لنماذج تعلم الآلة رصد أنماط غير طبيعية:

• زيادة زمن الانتظار قرب نقاط عبور محددة
• تغيّر مفاجئ في مسارات السفن (Route Deviations)
• تباين غير مفسّر بين ETA الفعلي والمخطط

هذا النوع من “الإنذار المبكر” لا يلغي المخاطر، لكنه يمنحك ساعات أو أياماً إضافية لإعادة التخطيط.

2) تحسين قرارات الشحن والمخزون: من الحدس إلى الأرقام

عند اضطراب مضيق أو زيادة المخاطر، تظهر أسئلة مزعجة:

• هل نُقدّم شحنة على أخرى؟
• كم مخزون الأمان الذي نحتاجه في الميناء أو المصفاة؟
• ما تأثير تغيير المسار على التكاليف والغرامات والالتزامات؟

الذكاء الاصطناعي هنا يعمل مع خوارزميات التحسين (Optimization) لإنتاج سيناريوهات واضحة:

• أقل تكلفة إجمالية (وقود + تأمين + غرامات + وقت)
• أقل مخاطر (بحسب مناطق الخطر)
• أعلى التزام تعاقدي (On-time delivery)

ومن خبرتي في تقييم مثل هذه المبادرات، أفضل النتائج تأتي عندما تُدار كمنتج تشغيلي، لا كمشروع IT.

3) أتمتة الاستجابة اللوجستية: قرارات أسرع بضغط أقل

الأزمات تستهلك فرق التشغيل. الرسائل تتكدس، والاتصالات تتكرر، والقرارات تتباطأ.

يمكن للذكاء الاصطناعي—مع أتمتة سير العمل—تنفيذ خطوات روتينية فوراً:

• إنشاء تذاكر تلقائية لإعادة جدولة الشحن
• إخطار فرق المشتريات والمخزون بتغيرات ETA
• تحديث توقعات التسليم للعملاء (مع درجات ثقة)
• اقتراح قوالب مراسلات قانونية عند تغيّر شروط التسليم

الهدف ليس “استبدال البشر”، بل تقليل زمن الدورة من “معلومة” إلى “قرار” إلى “تنفيذ”.

4) سلامة البحّارة والفرق: الجانب الذي لا يُقاس بالمال فقط

بيانات IMO عن الهجمات والوفيات والضغط النفسي على البحّارة تذكير قاسٍ بأن الأزمات ليست أرقاماً فقط.

الذكاء الاصطناعي يمكن أن يدعم السلامة عبر:

• تحليل مخاطر المسار وتحديد “نقاط قرار” للتراجع أو تغيير المسار
• مراقبة الامتثال لإجراءات السلامة البحرية (عبر قوائم تحقق رقمية)
• تحسين خطط تبديل الطواقم والتموين عند تعطل الحركة

وهنا نقطة مهمة: كلما كانت لديك بيانات أفضل، كانت قرارات السلامة أقل ارتجالاً.

خطة عملية من 90 يوماً لشركات الطاقة في عُمان

الإجابة المباشرة: لا تبدأوا بمنصة ضخمة. ابدأوا بثلاث حالات استخدام مرتبطة مباشرة بالمخاطر الحالية: رؤية الشحن، التنبؤ بالتأخير، وتحسين المخزون.

الأسبوع 1–2: تحديد “خريطة القرار”

• ما القرارات التي تؤلمكم عند اضطراب الملاحة؟ (إعادة جدولة، مخزون، عقود)
• من صاحب القرار؟ وما البيانات التي يحتاجها خلال ساعتين؟
• ما مصادر البيانات المتاحة داخلياً (ERP/SCADA/مخزون) وخارجياً (شحن/طقس/تنبيهات)؟

الأسبوع 3–6: بناء لوحة رؤية تشغيلية واحدة

حد أدنى ناجح (MVP) يضم:

• ETA لكل شحنة + هامش عدم يقين
• مخزون متاح/محجوز + أيام تغطية
• تنبيه عند تجاوز عتبات (تأخير > 24 ساعة، انخفاض مخزون عن حد معين)

الأسبوع 7–12: نموذج تنبؤ وتأثير مالي

• نموذج يتنبأ بالتأخير واحتمالية الانحراف عن المسار
• تحويل التأخير إلى تكلفة متوقعة (غرامات، طاقة ضائعة، كلفة بدائل)
• تقرير يومي للإدارة: 5 مخاطر أكبر + 3 قرارات موصى بها

قاعدة مفيدة: إذا لم تستطع ربط مخرجات الذكاء الاصطناعي بقرار واحد واضح، فالغالب أنك تبني “عرضاً” لا “حلاً”.

أسئلة شائعة يطرحها التنفيذيون (بصراحة)

هل نحتاج بيانات مثالية قبل البدء؟

لا. ابدأ ببيانات “جيدة بما يكفي” مع حوكمة واضحة. التحسين يحدث تدريجياً.

هل الذكاء الاصطناعي يعني إنفاقاً كبيراً؟

ليس بالضرورة. كثير من القيمة تأتي من دمج البيانات وتحسين القرار قبل الاستثمار في نماذج معقدة.

ما المخاطر؟

أكبر مخاطر الذكاء الاصطناعي هنا ليست تقنية، بل تشغيلية: عدم تبني الفرق، أو بناء حل لا يستخدمه أحد، أو غياب مالك أعمال واضح.

أين تتجه الأمور بعد اجتماع لندن؟ وما الذي ينبغي لعُمان فعله؟

الإجابة المباشرة: المشهد يتجه نحو ضغط دبلوماسي وتنسيق دولي وإجراءات اقتصادية محتملة، مع تركيز واضح من IMO على الحلول التشغيلية ورفاه البحّارة. لكن الشركات لا يمكنها انتظار السياسة كي تُنقذ جداولها.

إذا كان 2026 يعلّمنا شيئاً، فهو أن المرونة تُشترى قبل الأزمة لا أثناءها. استثمار عُمان في الذكاء الاصطناعي في قطاع الطاقة—من التنبؤ اللوجستي إلى تحسين المخزون وسلامة العمليات—هو طريقة عملية لتقليل أثر الاضطرابات، وحماية الالتزامات، ورفع الثقة التشغيلية في بيئة شديدة الحساسية.

هذه الحلقة من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان» ليست دعوة لشراء تقنيات جديدة فقط؛ هي دعوة لتغيير طريقة اتخاذ القرار: من ردّ فعل متأخر إلى استباق مبني على البيانات.

ما الخطوة التالية؟ اختر حالة استخدام واحدة مرتبطة مباشرة بالشحن أو المخزون، وابدأ بقياس نتيجتين فقط خلال 90 يوماً: تقليل زمن القرار وتقليل تكلفة التأخير المتوقعة. عندها ستعرف إن كنتم تبنون مرونة حقيقية أم مجرد مشروع إضافي على الرف.