استثمارات النفط البحرية والذكاء الاصطناعي: درس لعُمان

في 19/01/2026، أعلنت شركة Grupo Carso التابعة لرجل الأعمال المكسيكي كارلوس سليم أنها ستدفع 270 مليون دولار لشراء الحصة المتبقية (50%) في شركة Fieldwood Mexico من Lukoil، لتصبح مالكة بالكامل لحصتها في حقلي Ichalkil وPokoch قبالة سواحل كامبيتشي. الرقم بحد ذاته ليس القصة. القصة هي ما وراء هذا النوع من الصفقات: من يشتري أصولاً بحرية اليوم لا يشتري براميل فقط، بل يشتري قدرة تشغيلية معقّدة لا تُدار جيداً إلا بالبيانات والأتمتة والتحليلات المتقدمة.

هذا يهمّنا في عُمان أكثر مما يبدو للوهلة الأولى. لأن قطاع النفط والغاز العُماني—كغيره—يقف على مفترق طريق: ضغط التكاليف، وتشدد متطلبات السلامة، ومتطلبات خفض الانبعاثات، وتقلبات الأسعار، وفي المقابل رغبة واضحة في رفع الكفاءة وتوسيع القيمة من كل أصل. في هذه السلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، أتعامل مع خبر كامبيتشي كإشارة عملية: الاستثمار في الأصول البحرية غالباً ما يكون بوابة لاستثمار أكبر في الذكاء الاصطناعي—لأن البحر لا يرحم التشغيل التقليدي.

لماذا ترتبط صفقات الاستحواذ البحرية بالذكاء الاصطناعي؟

الجواب المباشر: لأن الاستحواذ يخلق لحظة نادرة لإعادة تصميم التشغيل من الصفر، والذكاء الاصطناعي هو أسرع طريق لالتقاط قيمة ملموسة.

عندما تستحوذ جهة خاصة على حصة كبيرة أو كاملة في حقول بحرية، تظهر ثلاثة تحديات فوراً:

1. توحيد البيانات والأنظمة بين شركاء سابقين ومقاولين ومشغّلين متعددين.
2. إعادة ضبط معايير الأداء (زمن التوقف، إنتاجية الآبار، استهلاك الطاقة، سلامة العمليات).
3. تعويض نقص الاستثمار الذي قد يحدث عندما تكون شركة وطنية مثقلة بالديون—كما ورد في الخبر عن معاناة Pemex من عبء الديون وتراجع الإنتاج وخسائر المصافي.

في مثل هذه الحالات، الذكاء الاصطناعي ليس “ترفاً رقمياً”. هو وسيلة لإجابة أسئلة تشغيلية يومية بسرعة ودقة:

• أي بئر يتجه لانخفاض الإنتاج قبل أن يظهر ذلك في التقارير الشهرية؟
• متى ستفشل مضخة غاطسة أو صمام تحكم قبل أن تتسبب في توقف كامل؟
• كيف نقلل حرق الغاز (flaring) عبر ضبط تشغيل الضواغط والتحكم بالضغط؟

من تجربتي في مشاريع التحول الرقمي (حتى خارج النفط)، أكبر مكسب يأتي من نقطة بسيطة: القرار الذي كان يحتاج أسبوعاً من جمع البيانات والاجتماعات يمكن أن يصبح قراراً يومياً مدعوماً بنموذج تنبؤي.

كامبيتشي كمثال: “شراء الحصة” يعني “شراء التعقيد”

الجواب المباشر: صفقة سليم تعكس توجه المستثمرين نحو أصول تتطلب إدارة عالية الدقة، ما يرفع قيمة التحليلات والأتمتة.

بحسب الخبر، سليم أنفق أكثر من 2.4 مليار دولار على أصول نفط بحرية في المكسيك، وورث فرقاً خبيرة عبر استحواذات شملت PetroBal وحصة كبيرة في الوحدة المكسيكية لشركة Talos Energy (مع انكشاف مهم على حقل Zama). هذا النوع من “تجميع الأصول” يخلق محفظة تشغيلية متنوعة: حقول قائمة، تطويرات جديدة، شراكات مع شركة وطنية، وربما تعقيدات تنظيمية.

هنا يتكرر نمط معروف عالمياً: المستثمر الذكي لا يراهن فقط على السعر المستقبلي للنفط، بل على قدرته على خفض كلفة البرميل ورفع الاعتمادية التشغيلية. والحقول البحرية تقدم فرصاً كبيرة لذلك عبر الذكاء الاصطناعي في:

1) الصيانة التنبؤية للمعدات الحرجة

• حساسات الاهتزاز والحرارة والضغط على المضخات والضواغط.
• نماذج تتنبأ بالفشل قبل وقوعه لتقليل التوقف غير المخطط.
• جدولة قطع الغيار والفرق البحرية بشكل أدق (اللوجستيات البحرية مكلفة جداً).

2) تحسين إنتاج الآبار عبر نماذج تدفق رقمية

• نماذج تعلم آلي تربط بين الخنق (choke) والضغط ومعدلات التدفق وجودة الموائع.
• اقتراح إعدادات تشغيل يومية تقلل المياه المصاحبة أو تعالج ظاهرة slugging في خطوط الجريان.

3) السلامة وإدارة المخاطر التشغيلية

• تحليل فيديو مدعوم بالذكاء الاصطناعي لرصد سلوكيات خطرة في المنصات.
• نماذج إنذار مبكر لتجاوزات الضغط/الحرارة في الأنظمة.

هذا بالضبط ما يجعل خبر كامبيتشي ذا صلة بعُمان: الأصول المعقدة تعطي أفضل عائد عند إدارتها بذكاء.

ما الذي يمكن أن تتعلمه عُمان من حالة Pemex وسليم؟

الجواب المباشر: عندما تكون الشركة الوطنية تحت ضغط مالي، يصبح الشريك الخاص + التكنولوجيا وصفة أسرع لتحسين الأداء—بشرط حوكمة بيانات واضحة.

الخبر يصف وضع Pemex: ديون مرتفعة، تراجع إنتاج لسنوات، مصافٍ خاسرة، وحلقة مفرغة من دفع الفوائد بدل الاستثمار. وفي المقابل، سليم يتحول إلى “أكبر شريك من القطاع الخاص” عبر صفقات وُصفت بأنها تعزز نفوذه في الأصول البحرية، إضافة إلى شراكات مع Pemex في مشاريع غاز مثل Lakach واتفاقية 2 مليار دولار لحفر آبار في حقل Ixachi.

لا أقول إن السياق العُماني مماثل؛ لكل دولة ظروفها. لكن الدرس قابل للنقل: الاستثمار الذكي في الأصول يحتاج نموذج تشغيل ذكي. في عُمان، هذا يعني أن أي توسع في الاستكشاف أو تطوير الحقول أو تحسين الاستخلاص يجب أن يُربط بخطة واضحة للذكاء الاصطناعي تشمل:

• بنية بيانات موحدة (Data Foundation): بحيرة بيانات/منصة بيانات صناعية تربط SCADA وDCS وPI Historian وبيانات الآبار.
• حوكمة: من يملك البيانات؟ من يوافق على النماذج؟ كيف نُوثّق القرارات المدعومة بالذكاء الاصطناعي؟
• تشغيل قابل للقياس: لا قيمة من نموذج لا يغير إجراءً ميدانياً.

مقولة عملية: “إذا لم نستطع ربط نموذج الذكاء الاصطناعي بمؤشر مثل زمن التوقف أو استهلاك الطاقة أو معدل الحوادث، فهو تقرير جميل لا أكثر.”

أين يدخل الذكاء الاصطناعي فعلياً في النفط والغاز العُماني؟ (خارطة استخدامات)

الجواب المباشر: أفضل الاستخدامات في عُمان تبدأ من التشغيل اليومي—الصيانة، الإنتاج، الطاقة، والسلامة—قبل المشاريع الاستعراضية.

1) تحسين الإنتاج (Production Optimization)

• نماذج تتنبأ بانخفاض الإنتاج قبل أن يصبح واضحاً في منحنيات الأداء.
• توصيات لضبط الخنق ورفع كفاءة الرفع الاصطناعي.
• تصنيف أسباب التراجع (ترسبات، ماء، مشاكل ضغط، معدات).

2) الأصول الدوارة والطاقة (Rotating Equipment & Energy)

في 2026، تكلفة الطاقة ليست بنداً هامشياً. الذكاء الاصطناعي يساعد على:

• اكتشاف تشغيل غير فعّال للضواغط والمضخات.
• تقليل استهلاك الكهرباء/الوقود عبر التحكم التنبؤي.
• تقليل الانبعاثات المصاحبة عبر تقليل الحرق وتحسين التشغيل.

3) السلامة والامتثال (HSE)

• رؤية حاسوبية لكشف عدم الالتزام بمعدات الوقاية.
• تحليل نصوص البلاغات والحوادث لاستخراج أنماط أسباب متكررة.

4) سلسلة الإمداد واللوجستيات

حتى في التشغيل البري، الجدولة وإدارة المخزون تؤثر مباشرة على الإنتاج:

• توقع الطلب على قطع الغيار الحرجة.
• تحسين جداول فرق الصيانة لتقليل وقت الانتظار.

خطة قصيرة من 6 خطوات لتطبيق الذكاء الاصطناعي في الأصول النفطية

الجواب المباشر: ابدأ بمشكلة تشغيلية واحدة، وابنِ حولها منصة بيانات وحوكمة، ثم وسّع.

1. اختر “حالة استخدام” واحدة عالية العائد خلال 90 يوماً: مثل الصيانة التنبؤية لضاغط غاز أو تحسين إنتاج مجموعة آبار.
2. حدد مؤشر نجاح رقمي: مثال: تقليل التوقف غير المخطط بنسبة 10% خلال 6 أشهر، أو رفع الإنتاج اليومي لمجموعة آبار بنسبة 2–3%.
3. رتّب البيانات من المصدر: حساسات موثوقة، توحيد التوقيت، معالجة القيم الشاذة.
4. ابنِ نموذجاً بسيطاً أولاً (Baseline) قبل النموذج المعقد: كثير من المكاسب تأتي من قواعد ذكية + تعلم آلي خفيف.
5. اربط النتائج بإجراء: تذكرة صيانة تلقائية، توصية تشغيلية داخل نظام التحكم، أو لوحة متابعة يومية للفريق.
6. حوكمة وأمن سيبراني: خصوصاً مع أنظمة التحكم الصناعية. الذكاء الاصطناعي لا يبرر فتح شبكات OT بلا ضوابط.

هذه الخطوات هي ما يجعل الذكاء الاصطناعي أداة إنتاجية، لا مشروعاً تسويقياً.

أسئلة يطرحها التنفيذيون عادةً (وأجوبتها بلا تعقيد)

الجواب المباشر: نعم، يمكن رؤية عائد سريع، لكن فقط إذا كانت البيانات قابلة للاستخدام والنماذج مرتبطة بالتشغيل.

هل الذكاء الاصطناعي مناسب للحقول “الناضجة” فقط أم الجديدة أيضاً؟

للاثنين. في الحقول الناضجة، القيمة تكون في خفض التكاليف ومنع التوقف. في الحقول الجديدة، القيمة تكون في تسريع الاستقرار التشغيلي وتقليل أخطاء البداية.

ما أكبر سبب لفشل مشاريع الذكاء الاصطناعي في النفط والغاز؟

غياب “المالك التشغيلي” للحل. إذا بقي المشروع عند فريق البيانات وحده، فلن يتغير سلوك التشغيل.

هل نحتاج كل شيء سحابي؟

ليس شرطاً. الأهم هو هندسة مناسبة لبيئات OT، وقد يكون الحل هجينا: بيانات حساسة محلياً + تحليلات/تقارير في بيئة سحابية أو خاصة.

لماذا هذا الوقت مناسب لعُمان؟

الجواب المباشر: 2026 هو وقت توحيد المبادرات الرقمية وربطها بإنتاجية ملموسة، وليس وقت تجارب متفرقة.

القطاع يعيش ضغوطاً مزدوجة: الحفاظ على تنافسية البرميل، والاستجابة لمتطلبات الكربون والسلامة. ما يعجبني في قصة كامبيتشي هو أنها تذكّرنا بأن رأس المال يتحرك نحو من يستطيع تشغيل الأصول بكفاءة أعلى. وحين يزيد حضور المستثمرين والشراكات، يزيد التركيز على المؤشرات لا الشعارات.

إذا كانت لديك أصول بحرية أو مشاريع تطوير أو حتى عمليات برية معقدة، فالسؤال العملي ليس “هل نستخدم الذكاء الاصطناعي؟” بل: أي قرار تشغيلي نريد تحسينه أولاً، وما البيانات التي تمنعنا؟

النظرة للأمام واضحة: من يربط الاستثمار بالبيانات، ومن يربط البيانات بقرارات التشغيل، هو من سيحصل على أكبر قيمة—في المكسيك، وفي عُمان أيضاً.