كيف يحمي الذكاء الاصطناعي مشاريع الغاز الضخمة من التعطّل؟

في 30/01/2026 عاد مشروع Mozambique LNG إلى “العمل بكامل الوتيرة” بعد تجميدٍ استمر قرابة خمس سنوات بسبب مخاطر أمنية، وفق ما أعلنته TotalEnergies. الرقم اللافت هنا ليس فقط طول فترة التوقف، بل أن المشروع وصل إلى 40% من التقدم، وأن معظم الهندسة وشراء المعدات الرئيسية تم إنجازهما خلال فترة التجميد، وأن أكثر من 4,000 عامل جرى حشدهم عند استئناف الأعمال (أكثر من 3,000 منهم من موزمبيق).

هذه قصة كبيرة من شرق أفريقيا، لكنها تهمّنا في عمان مباشرة ضمن سلسلة "كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان". لأن مشاريع الغاز الطبيعي المسال والمشاريع النفطية العملاقة تتشابه عالميًا في شيء واحد: التعطّل لا يأتي دائمًا من التأخير التقليدي في المقاولين أو سلاسل التوريد؛ أحيانًا يأتي من الأمن، والامتثال، والسمعة، وتغيّر التمويل، وتبدّل المخاطر السياسية—وكلها عوامل تُدار اليوم بشكل أفضل عندما يدخل الذكاء الاصطناعي على خط التشغيل.

ما سأقدمه هنا ليس تلخيصًا للخبر، بل “دفتر عمل” عملي: كيف نفهم ما حدث في موزمبيق، وما الذي كان يمكن للذكاء الاصطناعي أن يفعله لتقليل الضرر، وكيف يمكن لشركات الطاقة في عمان استخدام نفس المنطق لرفع الجاهزية، وضبط الجداول الزمنية، وتعزيز الشفافية.

ما الذي تعلّمنا إياه حالة Mozambique LNG عن مخاطر المشاريع؟

الدرس الأول واضح: المخاطر في مشاريع الغاز ليست تقنية فقط؛ هي منظومة متشابكة. مشروع Mozambique LNG صُمم لتطوير نحو 65 تريليون قدم مكعب من احتياطيات الغاز القابلة للاستخراج، بهدف إنتاج أولي 13 مليون طن سنويًا من الغاز الطبيعي المسال، مع خطط توسع قد تصل إلى 43 مليون طن سنويًا. هذه الأرقام تجعل المشروع من أكبر الرهانات في المنطقة.

لكن التعطّل جاء من زاوية مختلفة: إعلان قوة قاهرة مرتبط بالأمن (منذ 26/04/2021)، ثم إعادة الإطلاق بعد رفع التجميد في 07/11/2025، مع توقع أول شحنة LNG في 2029. بالتوازي، ظهرت دعوى قانونية في فرنسا تتهم الشركة بـ"التواطؤ في جرائم حرب" وفق الشكوى المقدمة في 17/11/2025، بينما تنفي الشركة أي wrongdoing وتؤكد وجود آليات تدريب على مبادئ طوعية للأمن وحقوق الإنسان، وآلية تظلمات.

الخلاصة التشغيلية التي تهم أي مدير مشروع أو مدير مخاطر: حتى لو كان التصميم الهندسي ممتازًا والتمويل متوفرًا، يمكن لحدث أمني/امتثالي أن يوقف كل شيء.

لماذا هذا مهم لعمان؟

عمان تعمل على مزيج طاقة أكثر تنافسية، وتوازن بين الاستدامة والنمو، وتطوير سلاسل الغاز والصناعات المرتبطة به. أي مشروع ضخم—غاز، نفط، أو طاقة متجددة مرتبطة بالبنية التحتية—يتأثر بثلاثة محركات:

1. استمرارية التشغيل (Business Continuity)
2. سلامة القوى العاملة والموقع
3. الامتثال والسمعة أمام الممولين والأسواق

وهنا يصبح الذكاء الاصطناعي أداة إدارة مخاطر قبل أن يكون “أداة أتمتة”.

4 طرق عملية يرفع بها الذكاء الاصطناعي جاهزية المواقع عالية المخاطر

الذكاء الاصطناعي لا يمنع المخاطر وحده، لكنه يجعلها مرئية، قابلة للقياس، وقابلة للإدارة. وهذه بالضبط فجوة كثير من المشاريع الكبيرة.

1) مراقبة أمنية متعددة المصادر بدل الاعتماد على الإشعارات المتأخرة

الفكرة الأساسية: اكتشاف الإشارات الضعيفة مبكرًا. بدل أن تنتظر المؤسسة حادثًا كبيرًا يؤدي إلى إيقاف الموقع، يمكن بناء “رادار مخاطر” يعتمد على:

• تحليل فيديو ذكي من كاميرات الموقع (كشف تجمعات غير طبيعية، دخول غير مصرح، سلوكيات خطر).
• دمج بيانات الطائرات المسيّرة لمراقبة المحيط في المواقع النائية.
• تحليل أخبار ومصادر مفتوحة (OSINT) ولغات محلية لرصد تصاعد التوتر.
• نماذج تنبؤية تربط بين حوادث صغيرة ومؤشرات تصعيد.

جملة مقتبسة قابلة للاستخدام: عندما يتحول الأمن إلى بيانات، يصبح القرار أسرع وأقل عاطفية.

لعمان، هذا يترجم إلى دعم سلامة العمليات في مواقع بعيدة، وربط غرف التحكم بإنذارات مبكرة مدعومة بالبيانات، بدل التقارير اليدوية المتأخرة.

2) إدارة جدول المشروع بالذكاء الاصطناعي تحت سيناريوهات التعطّل

من أكثر ما لفتني في خبر موزمبيق أن “الهندسة وشراء المعدات الرئيسية” استمرّا بدرجة كبيرة خلال فترة التجميد. هذا يطرح سؤالًا عمليًا: كيف تختار ما الذي تكمله أثناء التعطل وما الذي توقفه؟

هنا يظهر دور أدوات AI for Project Controls:

• بناء نموذج “توأم رقمي” للجداول الزمنية والاعتمادات المتبادلة (Critical Path + Dependencies).
• محاكاة سيناريوهات: توقف موقع، صعوبة شحن، تغيير ممول، قيود أمنية.
• اقتراح إعادة تسلسل الأنشطة لتحقيق أكبر تقدم ممكن خارج الموقع (Offsite Fabrication، مشتريات، تصميم تفصيلي).
• تنبيه مبكر لانزلاق الجدول (Schedule Slip) قبل أن يتحول إلى أزمة.

النتيجة التي يبحث عنها المديرون: تقليل تكلفة “الوقت الضائع” حتى عندما يكون الموقع متوقفًا.

3) تحسين حشد القوى العاملة وقياس “المحتوى المحلي” بدقة

المشروع أعاد تشغيله مع أكثر من 4,000 عامل وأكثر من 3,000 مواطن موزمبيقي. هذه الأرقام ليست تفصيلًا؛ هي جزء من الشرعية الاجتماعية للمشاريع، وجزء من قصة الاقتصاد المحلي.

في عمان، موضوع التعمين وتنمية المهارات حاضر بقوة، والذكاء الاصطناعي يمكن أن يجعله قابلًا للإدارة اليومية بدل التقارير الموسمية:

• نماذج تخطيط قوى عاملة تتنبأ بالاحتياج حسب مراحل المشروع (Peak Manpower Forecasting).
• مطابقة المهارات (Skills Matching) بين متطلبات الوظائف والمرشحين محليًا.
• لوحات قياس لحظية: نسب التوظيف المحلي، ساعات التدريب، الإنتاجية، ومؤشرات السلامة حسب المقاول.
• تحليل أسباب دوران العمالة (Attrition) وتحديد مواقع التوتر قبل تفاقمها.

زاوية عملية: الذكاء الاصطناعي لا “يزيد التوظيف المحلي” تلقائيًا، لكنه يزيل العشوائية، ويجعل قرارات التدريب والتعاقد قائمة على بيانات.

4) امتثال وشفافية أقوى في المشاريع الحساسة إعلاميًا

خبر موزمبيق تضمّن تحديًا قانونيًا عالي الحساسية في فرنسا حول “التواطؤ” و”دعم وحدة أمنية”. بغض النظر عن تفاصيل النزاع، الرسالة التشغيلية لأي شركة طاقة واضحة: العمل في مناطق معقدة يعني أن الامتثال والحقوق والحوكمة ليست هامشية.

الذكاء الاصطناعي هنا يخدم في أربع طبقات:

1. تصنيف ومراجعة العقود لرصد البنود عالية المخاطر (Security, Human Rights, Liability).
2. إدارة شكاوى وتظلمات المجتمع المحلي عبر تحليل نصوص البلاغات وتصعيد الحالات الحرجة.
3. تتبع سلاسل التوريد والتأكد من التزام المقاولين بمتطلبات السلامة وحقوق العمال.
4. توثيق القرارات: لماذا اختير مورد معيّن؟ لماذا صُرفت دفعات؟ ما دليل الالتزام؟

هذه الأدوات تساعد على تقليل فجوة “الرواية” بين ما تقوله الشركة وما يمكن إثباته بالمستندات والبيانات عند التدقيق.

عبارة عملية: السمعة في الطاقة تُدار بالأنظمة بقدر ما تُدار بالإعلام.

ماذا يعني “استئناف المشروع” فعلًا؟ وكيف يساعد AI على تسريع التعافي؟

استئناف مشروع بعد توقف طويل يشبه إعادة تشغيل مصنع كامل: أخطاء صغيرة قد تتضاعف بسرعة. الذكاء الاصطناعي يدعم مرحلة التعافي بثلاثة استخدامات مباشرة:

تدقيق الجاهزية قبل إعادة التشغيل (Restart Readiness)

بدل قوائم تدقيق ثابتة، يمكن بناء نماذج تقيم الجاهزية بناءً على:

• اكتمال الأعمال المدنية والكهروميكانيكية
• حالة المعدات المخزنة (Preservation Status)
• توفر قطع الغيار والمواد
• جاهزية الموردين للنقل والشحن
• مؤشرات السلامة ومعدل الحوادث القريبة (Near Miss)

تقليل اختناقات سلسلة الإمداد

حتى لو كانت المشتريات تمت، يبقى تحدي الشحن والتخزين والتركيب. أدوات AI في اللوجستيات تساعد على:

• توقع تأخر الشحنات حسب الموانئ والطرق الموسمية
• تحسين توزيع المخزون بين مواقع التخزين
• جدولة الرافعات والمعدات الثقيلة بشكل يقلل التعارضات

سلامة موقع العمل أثناء ضغط الإنجاز

بعد التعطل، يصبح ضغط “تعويض الوقت” خطرًا. هنا يفيد AI في:

• تحليل أنماط الحوادث حسب الوردية والمقاول
• كشف سلوكيات غير آمنة عبر الرؤية الحاسوبية
• ربط التصاريح (Permit to Work) بمؤشرات الخطر اللحظية

كيف تطبّق شركات النفط والغاز في عمان ذلك خلال 90 يومًا؟

الخطأ الشائع هو البدء بمشروع ذكاء اصطناعي واسع بلا بيانات جاهزة ولا حالة استخدام محددة. الأفضل: 3 خطوات صغيرة لكنها حاسمة.

1) اختر “حالة استخدام” واحدة تقيسها بالأرقام

أقترح واحدة من التالي (حسب أولويات الشركة):

• التنبؤ بانزلاق الجدول الزمني في المشاريع الرأسمالية
• مراقبة السلامة في موقع ناءٍ باستخدام رؤية حاسوبية
• لوحة قياس للتعمين والمهارات والإنتاجية للمقاولين

ضع مؤشرين واضحين: مثل خفض حوادث near miss بنسبة 15% خلال ربع سنة، أو تقليل انحراف الجدول في الحزمة الحرجة بأسبوعين.

2) جهّز البيانات قبل النموذج

• اربط مصادر البيانات الأساسية (EHS، الصيانة، الجداول، سجلات الدخول، البلاغات)
• نظّف التعاريف: ما هو “حادث”؟ ما هو “تأخير”؟ ما هو “نقص مورد”؟

3) ابنِ حوكمة واضحة للقرار

• من يملك النموذج؟
• من يراجع التنبيهات؟
• ما حدود استخدامه؟

في المشاريع الحساسة، الحوكمة ليست رفاهية. هي ما يمنع “ذكاء اصطناعي ممتاز” من قرار سيئ.

أسئلة شائعة يسمعها التنفيذيون (وإجابات مباشرة)

هل الذكاء الاصطناعي بديل عن الفرق الأمنية وإدارة المشروع؟

لا. هو طبقة إنذار وتحليل تسند القرار. الفرق تبقى مسؤولة عن التنفيذ، لكن بعيون أوسع ووقت أسرع.

هل تطبيق AI يعني شراء منصة ضخمة؟

ليس بالضرورة. كثير من المكاسب تأتي من نماذج صغيرة فوق بياناتك الحالية ولوحات قياس جيدة.

ما أكبر خطر عند تطبيق AI في الطاقة؟

الاعتماد على نموذج بلا بيانات موثوقة، أو بلا حوكمة، أو بلا مؤشرات نجاح قابلة للقياس.

لماذا هذه القصة بالذات يجب أن تُقرأ في عمان الآن؟

قصة Mozambique LNG تقول شيئًا غير مريح لكنه مفيد: الانقطاع الطويل ممكن حتى في المشاريع العملاقة، والعودة تتطلب مزيجًا من الأمن، التمويل، المجتمع المحلي، والقدرة على إعادة التشغيل بسرعة وبسلامة.

إذا أردنا لمشاريع الطاقة في عمان أن تبقى على مسارها—خصوصًا عندما تتعقد الظروف العالمية في 2026 بين تقلبات الأسعار وتشدد الممولين في معايير الحوكمة—فأقصر طريق عملي هو أن نجعل التشغيل “قابلًا للقياس” وأن نجعل المخاطر “قابلة للرصد”. الذكاء الاصطناعي هو الطريقة الأسرع لتحقيق ذلك بدون تحويل المؤسسة إلى مختبر.

السؤال الذي يستحق أن نتركه مفتوحًا: لو تعرض مشروع كبير في منطقتنا لتعطّل مفاجئ، هل نملك اليوم لوحة مخاطر وجداول وسلامة وامتثال تعمل بالزمن الحقيقي—أم سنبدأ جمع البيانات بعد وقوع الأزمة؟