اتفاقية شيفرون للغاز: دروس لعُمان لتطبيق الذكاء الاصطناعي

في 04/02/2026 وقّعت شيفرون اتفاقية مبدئية (Heads of Agreement) مع شركة النفط الوطنية في غينيا الاستوائية GEPetrol لرفع حصتها التشغيلية في مشروع غاز Aseng البحري من 5% إلى 32.55%. الرقم وحده يشرح القصة: عندما تزيد حصة الشركة الوطنية بهذه السرعة، فالموضوع ليس “صفقة مالية” فقط، بل إعادة توزيع للمعرفة، والقدرة التشغيلية، ومنظومة القرار.

هذا النوع من الاتفاقيات يهم عُمان مباشرة، ليس لأن Aseng يشبه حقولنا حرفيًا، بل لأن منطق الاتفاقية مألوف في قطاع الطاقة: تعظيم الاستفادة من البنية الحالية، تقليل الغاز العالق (Stranded Gas)، وربط التطوير بالقدرات المحلية. الفرق في 2026؟ أن هذه الأهداف صار تحقيقها يعتمد بشكل متزايد على الذكاء الاصطناعي وتحليلات البيانات—من التخطيط للحفر إلى رفع كفاءة المصانع والـLNG، وصولًا للسلامة وإدارة الأصول.

ضمن سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”، أتعامل مع اتفاقية Aseng كـدراسة حالة دولية: ماذا تقول لنا عن العلاقة بين الشراكات العالمية والتكنولوجيا؟ وكيف يمكن لعُمان أن تبني “قالبًا” عمليًا لاعتماد الذكاء الاصطناعي في الغاز والنفط، بدل أن تظل المشاريع مجرّد تجارب معزولة؟

ماذا تعني اتفاقية Aseng عمليًا؟ ولماذا يرتبط ذلك بالذكاء الاصطناعي؟

الخلاصة المباشرة: الاتفاقية تعيد توزيع المشاركة والتمويل والقدرات الفنية بهدف تسريع التطوير، واستغلال البنية القائمة، وتغذية مشاريع المنبع والوسط—وبالذات تزويد مجمع المعالجة والغاز الطبيعي المسال في Punta Europa.

الاتفاقية كما وردت في الخبر تتضمن ثلاث نقاط تُترجم فورًا إلى “أولويات بيانات” في أي شركة طاقة:

1. رفع حصة GEPetrol إلى 32.55% بدعم هيكل تمويلي: التمويل عادة يأتي بشروط الأداء، والمواعيد، والشفافية. وهذا يرفع قيمة أنظمة القياس والتنبؤ.
2. تعاون تقني وبناء قدرات وتطوير القوى العاملة: أي أن نقل المعرفة ليس هامشًا، بل جزء رسمي من الصفقة.
3. تحسين استخدام البنية التحتية وتقليل مخاطر الغاز العالق مع فرص حفر وربط بحري إضافية (Tie-back): وهذه بالذات منطقة يتفوق فيها الذكاء الاصطناعي—لأن “الغاز العالق” غالبًا مشكلة قرار استثماري تحت عدم يقين.

الرسالة الضمنية؟ عندما تتوسع الدولة في مشاركتها بمشروع غاز استراتيجي، فالمطلوب ليس فقط مهندسين أكثر، بل نموذج قرار أسرع وأدق. وهنا يأتي الذكاء الاصطناعي كطبقة تشغيلية فوق البيانات.

من الشراكة إلى “التشغيل الرقمي”: أين يدخل الذكاء الاصطناعي في مشاريع الغاز؟

الإجابة المختصرة: الذكاء الاصطناعي لا يحل محل هندسة المكامن أو التشغيل البحري؛ هو يضغط وقت اتخاذ القرار ويقلل الخسائر عبر التنبؤ والتحسين المستمر.

في مشاريع الغاز البحرية، التحديات معروفة: تعقيد سلاسل الإمداد، حساسية الضغوط والتدفقات، الاعتماد على معدات باهظة (ضواغط، توربينات، صمامات)، ومخاطر توقف الإنتاج. الذكاء الاصطناعي يهاجم هذه المشاكل في أربع جبهات عملية:

1) التنبؤ بالأعطال وتقليل التوقفات (Predictive Maintenance)

المعادلة بسيطة: ساعة توقف في منشأة معالجة أو محطة LNG تساوي خسارة إنتاج وفرص بيع، وتزيد تكلفة التشغيل.

تطبيقات الذكاء الاصطناعي هنا تشمل:

• نماذج تتعلم من اهتزازات المعدات ودرجات الحرارة والضغط لاكتشاف “أنماط” تسبق العطل.
• إنذارات مبكرة تُميز بين ضوضاء حساسات عادية وبين مؤشرات فشل حقيقي.
• جدولة صيانة مبنية على “حالة الأصل” بدل جدول ثابت.

لعُمان، هذا الملف تحديدًا مهم لأن جزءًا كبيرًا من القيمة في الغاز ليس في الاستخراج فقط، بل في استمرارية المعالجة والنقل.

2) تحسين التشغيل في المعالجة والـLNG (Process Optimization)

في الخبر، ذُكر أن غاز Aseng سيدعم مجمع Punta Europa للمعالجة والغاز الطبيعي المسال. هذه نقطة محورية: عندما تربط حقلاً ببنية قائمة، فأنت تريد أعلى إنتاجية بأقل طاقة تشغيلية.

الذكاء الاصطناعي يساعد عبر:

• نماذج تحسين متعددة المتغيرات لضبط setpoints وتقليل استهلاك الطاقة لكل وحدة غاز.
• توقع جودة الغاز وتغيراته، وتعديل المعالجة مسبقًا.
• إدارة “عنق الزجاجة” بين المنبع والوسط لتقليل الحرق (Flare) والتنفيس.

جملة قابلة للاقتباس: أكبر وفورات الذكاء الاصطناعي في الغاز تتحقق عندما يُعامل المصنع كمنظومة واحدة، لا كمعدات منفصلة.

3) اتخاذ قرار أسرع في الحفر والربط البحري (Drilling & Tie-backs)

الخبر أشار إلى فرص مستقبلية للحفر وربط الآبار بالبنية القائمة. هنا عادة يضيع الوقت بين:

• تقديرات المكمن
• تصميم الربط
• مخاطر التدفق والضغط
• التعارض مع سعة المعالجة

باستخدام الذكاء الاصطناعي:

• يمكن بناء نماذج توقع للإنتاج (Production Forecasting) تعتمد على بيانات تاريخية، ومحاكاة مكمن، وبيانات تشغيلية.
• يمكن تحسين اختيار مواقع الآبار وترتيب الحفر بناءً على السيناريوهات.

لعُمان، هذا مفيد في مشاريع الغاز التي تتطلب “ربطًا” ذكيًا بين حقول متعددة ومنشآت معالجة—خاصة عندما تكون الأولوية لتعظيم العائد من أصول قائمة.

4) السلامة وإدارة المخاطر (HSE)

في البيئات البحرية والغازية، السلامة ليست بندًا تنظيميًا فقط؛ هي عامل إنتاج.

الذكاء الاصطناعي يرفع السلامة عبر:

• تحليل الفيديو لرصد مناطق محظورة أو معدات حماية شخصية.
• توقع احتمالات التسرب بناء على أنماط الضغط/التدفق.
• نماذج مخاطر ديناميكية تربط بيانات التشغيل بالسيناريوهات (Dynamic Risk Models).

“الغاز العالق” ليس قدرًا: كيف يحوّل الذكاء الاصطناعي اقتصاديات الغاز؟

الجواب المباشر: الغاز يصبح “عالقًا” عندما لا تتوافق بيانات المكمن والتكلفة والسعة والبنية والطلب؛ الذكاء الاصطناعي يقلل عدم اليقين ويجعل قرارات التسييل/المعالجة/الربط أكثر قابلية للتمويل.

غينيا الاستوائية تتحدث عن Gas Mega Hub—فكرة تجميع الغاز وتسييله أو معالجته عبر بنية مشتركة. لكي ينجح هذا النموذج، لا يكفي أن “يكون هناك غاز”. يجب أن تكون هناك قدرة على:

• معرفة أحجام الغاز المتاحة وموثوقيتها
• توقع الطلب والالتزامات التعاقدية
• تحسين جدول الإمداد للمصنع
• تقليل خسائر التشغيل

في عُمان، النقاش حول تعظيم قيمة الغاز يرتبط أيضًا بمرونة التوريد، وكفاءة المعالجة، والربط بين المنبع والوسط، واستدامة الانبعاثات. الذكاء الاصطناعي هنا ليس مشروع “مختبر”، بل شرط تنافسي.

أسئلة شائعة يطرحها التنفيذيون (وإجابات عملية)

• هل نبدأ بالذكاء الاصطناعي من المنبع أم المصب؟ ابدأ من حيث تتوفر بيانات تشغيلية عالية التواتر وعائد واضح: الصيانة التنبؤية وتحسين المعالجة غالبًا أسرع عائدًا.
• ما أكبر عائق؟ جودة البيانات وتوحيدها، ثم ملكية القرار (من يعتمد توصية النموذج؟).
• هل نحتاج منصة ضخمة؟ تحتاج بنية بيانات منضبطة قبل أن تحتاج “منصة” باهظة.

نموذج قابل للتطبيق في عُمان: “شراكة + بيانات + قدرات بشرية”

الخلاصة: اتفاقية Aseng تبرز أن الشراكات الاستراتيجية تنجح عندما تُكتب التكنولوجيا وبناء القدرات داخل العقد—لا كملحق بعد التنفيذ.

إذا أردنا إسقاط الدروس على قطاع النفط والغاز في عُمان، فأنا أفضّل قالبًا من 6 خطوات، عملي وليس نظريًا:

1. حدد حالات استخدام مربحة خلال 90 يومًا: مثال: ضواغط الغاز، مضخات، توربينات، وحدات فصل.
2. أنشئ “طبقة بيانات موحّدة” (Single Source of Truth) تربط DCS/SCADA، أنظمة الصيانة، وبيانات المختبر.
3. اختر مؤشرات نجاح رقمية واضحة: مثل تقليل التوقف غير المخطط (%), خفض استهلاك الطاقة/وحدة إنتاج، تقليل flaring.
4. ادمج الذكاء الاصطناعي في سير العمل: التوصية التي لا تصل للمشغل أو مدير الصيانة في وقتها لا قيمة لها.
5. ابنِ قدرات محلية من اليوم الأول: تدريب، فرق مشتركة، ومسارات مهنية (Data Engineer, Reliability Analyst, ML Ops).
6. حوكمة ونزاهة بيانات: من يملك البيانات؟ من يراجع النماذج؟ كيف تُدار مخاطر الأمن السيبراني؟

جملة قابلة للاقتباس: الذكاء الاصطناعي في الطاقة ليس “شراء برنامج”، بل تغيير طريقة العمل حول القرار.

ما الذي يمكن أن تتعلمه عُمان تحديدًا من Aseng؟

الإجابة المختصرة: ثلاثة دروس: رفع المشاركة الوطنية يتطلب شفافية بيانات، الاستفادة من البنية القائمة تتطلب تحسينًا خوارزميًا مستمرًا، وبناء القدرات يجب أن يكون جزءًا تعاقديًا لا مبادرة تطوعية.

1. رفع المشاركة الوطنية = رفع متطلبات القياس والتحكم عندما ترتفع حصة الشركة الوطنية، يرتفع معها مستوى التوقعات حول الكفاءة والالتزام والجودة. الذكاء الاصطناعي يسهّل ذلك عبر لوحات متابعة موحدة، وتوقعات إنتاج، وتحليلات أداء.

2. استغلال البنية القائمة يحتاج “تحسينًا يوميًا” إذا كانت الاستراتيجية هي تعظيم البنية الحالية وتقليل الغاز العالق، فالنجاح يأتي من تحسين صغير متكرر: إعدادات تشغيل، صيانة قبل العطل، وموازنة تدفق بين حقول متعددة. هذه مساحة الذكاء الاصطناعي الطبيعية.

3. بناء القدرات ليس رفاهية الخبر ذكر صراحة: تعاون تقني وبناء قدرات وتطوير للقوى العاملة. هذا اعتراف بأن التقنية وحدها لا تعمل بدون بشر يفهمونها.

خطوة تالية واضحة لفرق الطاقة في عُمان

إذا كنت تعمل في شركة نفط وغاز أو مزود خدمات طاقة في عُمان، فاختبر جاهزيتك بسؤال واحد: هل يمكنك اليوم ربط بيانات التشغيل بالصيانة وبالإنتاج في مكان واحد؟ إذا كانت الإجابة “لا”، فهذه أولوية قبل أي مشروع ذكاء اصطناعي كبير.

أنا منحاز لفكرة البدء بمشروعين صغيرين لكن محسوبين خلال الربع القادم:

• صيانة تنبؤية لأصل عالي الأثر (ضاغط/توربين) مع هدف تقليل التوقف غير المخطط.
• تحسين استهلاك الطاقة في وحدة معالجة/ضغط مع هدف خفض الطاقة لكل وحدة إنتاج.

بهذا الأسلوب، يتحول الذكاء الاصطناعي من شعار إلى نتائج تُقاس، وتصبح الشراكات الدولية—مثل نموذج Aseng—فرصة لتسريع التعلم بدل تكرار نفس منحنى التجربة من الصفر.

القطاع في 2026 لا يكافئ من يملك الأصول فقط، بل من يديرها بأفضل قرار وأسرع وقت. والسؤال الذي يستحق المتابعة داخل كل مؤسسة طاقة في عُمان: ما أول قرار تشغيلي سنسمح للبيانات أن تقوده بدل الحدس؟