عقود إكوينور بـ10 مليارات: كيف تدخل أدوات الذكاء الاصطناعي صلب الصيانة في عُمان

في 09/01/2026 أعلنت إكوينور عن منح 12 اتفاقية إطار لسبع شركات مورّدة بقيمة تقارب 100 مليار كرونة نرويجية (حوالي 9.9 مليارات دولار). الرقم ضخم، لكن الأهم من الرقم هو ما يعنيه: عندما تربط شركة نفط وغاز أعمال الصيانة والتعديلات بعقود تمتد خمس سنوات مع خيارات تمديد إضافية، فهي لا تشتري خدمات فقط… بل تشتري قابلية التنبؤ وسلامة التشغيل وقدرة مستمرة على رفع الكفاءة.

هذا النوع من الاتفاقيات يهمّنا في عُمان بشكل مباشر. لأن قطاع الطاقة والنفط والغاز هنا لا يبحث عن “تقنيات لطيفة” تُضاف في النهاية، بل عن طرق عملية لخفض التوقفات غير المخطط لها، ورفع الاعتمادية، وتحسين السلامة، وتقليل البصمة الكربونية—وكلها أهداف يصبح تحقيقها أسهل عندما يُبنى العقد نفسه على بيانات ومؤشرات أداء وأتمتة، وليس على إجراءات يدوية متفرقة.

في هذه الحلقة من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان» سأربط بين درس إكوينور وما يمكن أن تفعله الشركات العُمانية عندما تُدخل الذكاء الاصطناعي والتحول الرقمي في قلب اتفاقيات الموردين طويلة الأجل.

ماذا تكشف عقود إكوينور فعلاً؟ الصيانة هي “المنتج” الجديد

الخلاصة المباشرة: إكوينور تقول صراحة إن الحفاظ على الإنتاج والاستمرارية حتى 2035 يمر عبر الصيانة والتعديلات بنفس قدر مروره عبر الحفر والاستكشاف.

الاتفاقيات التي أعلنت عنها إكوينور مخصصة لـ الصيانة والتعديلات في المنشآت البحرية والبرية، وتبدأ في النصف الأول من 2026، ومدتها خمس سنوات مع خيارات تمديد (3 سنوات + سنتين). الشركة تربط ذلك بخطة تشغيلية كبيرة على الرف القاري النرويجي، تشمل:

• الاستثمار سنويًا بنحو 60–70 مليار كرونة نرويجية في زيادة الاستخلاص وحقول جديدة.
• حفر قرابة 250 بئرًا استكشافية و600 بئر لزيادة الاستخلاص.
• تنفيذ 300 تدخل سنويًا على الآبار وقرابة 2,500 مشروع تعديل.
• تطوير أكثر من 75 مشروعًا تحت البحر يمكن ربطه ببنية تحتية قائمة.
• خفض انبعاثات الشركة التشغيلية نحو 50% بحلول 2030 مقارنة بعام 2015.

هذه الأرقام تضع حقيقة بسيطة على الطاولة: عندما تصبح الأصول “ناضجة” (Mature Assets)، ترتفع قيمة كل ساعة تشغيل، وتصبح إدارة الصيانة والتعديلات هي الساحة التي تُكسب أو تُخسر فيها الميزانيات.

جملة يمكن اقتباسها: في الأصول الناضجة، الصيانة ليست تكلفة تشغيلية؛ الصيانة هي خطة إنتاج.

بالنسبة لعُمان، حيث تعمل المنشآت البرية والبحرية في بيئات تشغيل قاسية وتتفاوت أعمار الأصول، المنطق نفسه ينطبق: إذا كان العقد طويل الأجل، فالأفضل أن يُصمَّم ليُنتج “تحسنًا مستمرًا” وليس “تنفيذًا متكررًا”.

لماذا الذكاء الاصطناعي هو العنصر الناقص داخل عقود الموردين؟

الخلاصة المباشرة: العقود طويلة الأجل تمنحك نافذة مثالية لتوحيد البيانات، وبناء نماذج تنبؤية، وفرض مؤشرات أداء رقمية—وهي أمور لا تعمل بكفاءة بعقود قصيرة ومجزأة.

إكوينور تحدثت عن “العمل بأمان وبذكاء” و”توسيع استخدام التكنولوجيا الجديدة”. هذا تلميح عملي: عندما تكون لديك اتفاقية إطار لخمس سنوات، تستطيع أن تُحوّل التكنولوجيا من تجربة قصيرة إلى نظام تشغيل قياسي.

1) الصيانة التنبؤية: تقليل التوقفات غير المخطط لها

الفكرة ليست جديدة، لكن تطبيقها بصرامة داخل العقود هو الجديد. الصيانة التنبؤية تعني استخدام بيانات الاهتزاز والحرارة والضغط ومعدلات التدفق وتاريخ الأعطال لبناء نماذج تتوقع الفشل قبل وقوعه.

في سياق عقود مثل التي وقعتها إكوينور، يمكن تحويل ذلك إلى التزامات تعاقدية واضحة:

• تركيب/توحيد حساسات IIoT على المعدات الحرجة.
• مشاركة بيانات الأعطال وقطع الغيار وأوامر العمل ضمن منصة موحدة.
• تحديد “نسبة التنبؤ الصحيح” كمؤشر أداء، وليس فقط “عدد المهام المنجزة”.

ماذا تستفيد عُمان؟ تقليل أعمال الطوارئ، تحسين تخطيط الإغلاقات (Shutdowns)، وخفض تكلفة قطع الغيار المستعجلة.

2) إدارة التعديلات (MOC) بالذكاء الاصطناعي: أقل أخطاء، أسرع موافقات

التعديلات في المنشآت النفطية ليست مجرد أعمال ميكانيكية؛ إنها منظومة موافقات، مخاطر، ووثائق.

عندما تقول إكوينور إنها تتوقع نحو 2,500 مشروع تعديل، فأنت تتخيل حجم الوثائق والتغييرات. هنا يأتي دور الذكاء الاصطناعي في:

• تصنيف طلبات التغيير وربطها تلقائيًا بإجراءات السلامة ذات الصلة.
• استخراج المتطلبات من المستندات الهندسية (P&IDs، تقارير HAZOP) وتلخيص أثر التغيير.
• اكتشاف التعارضات بين نطاقات العمل (Scope Clashes) قبل نزول الفرق للموقع.

في العقود العُمانية، إدخال بند “زمن دورة الموافقة” و”نسبة إعادة العمل بسبب وثائق ناقصة” كـ KPI سيغيّر السلوك التشغيلي فورًا.

3) السلامة التشغيلية: من قوائم تفتيش إلى نظام يتنبأ بالمخاطر

إكوينور ركزت على السلامة كسبب رئيسي لهذه الاتفاقيات. الذكاء الاصطناعي يضيف طبقة جديدة: الانتقال من “تسجيل” المخاطر إلى “توقعها”.

أمثلة عملية قابلة للتعاقد:

• تحليل تلقائي لتقارير الحوادث القريبة (Near Miss) لاستخراج الأنماط المتكررة.
• رؤية حاسوبية (Computer Vision) لمراقبة الالتزام بمناطق الخطر ومعدات الوقاية في مواقع محددة.
• نماذج مخاطر ديناميكية تجمع بين الطقس، حالة المعدات، كثافة الأعمال الساخنة، لتحديد ساعات الذروة الخطرة.

في عُمان، هذه التطبيقات لها قيمة مضاعفة عندما تتزامن أعمال الصيانة مع فترات تشغيل عالية الحساسية أو مواقع بعيدة.

كيف تُصمَّم “اتفاقية إطار ذكية” في عُمان؟ (بنود عملية وليست شعارات)

الخلاصة المباشرة: النجاح لا يعتمد على شراء منصة ذكاء اصطناعي، بل على تحويل العقد إلى “محرك بيانات” يفرض التزامًا بالقياس والتحسين.

إذا كنت مسؤولًا عن المشتريات أو العمليات أو الصيانة في شركة طاقة عُمانية، فهذه بنود أثبتت فعاليتها في السوق ويمكن تكييفها محليًا:

1) بيانات مشتركة وملكية واضحة

• تحديد ما هي البيانات التي تُجمع (مستشعرات، أوامر عمل، سجلات فحص، مخزون).
• توحيد القواميس (Asset Naming / Taxonomy) منذ اليوم الأول.
• الاتفاق على حقوق الاستخدام: البيانات التشغيلية تبقى للمالك، والنماذج يمكن مشاركتها وفق ضوابط.

2) KPIs رقمية مرتبطة بالذكاء الاصطناعي

بدلاً من قياس “عدد ساعات العمل”، قِس ما يهم الإدارة:

• خفض التوقفات غير المخطط لها (Unplanned Downtime).
• نسبة أعمال الصيانة الوقائية مقابل التصحيحية.
• دقة التنبؤ بالأعطال (مثلاً: إنذار مبكر قبل 7–14 يومًا للمعدات الحرجة).
• تقليل إعادة العمل (Rework) في مشاريع التعديل.

3) حوكمة نموذجية: لجنة تشغيل-بيانات مشتركة

المشكلة الشائعة أن فريق الصيانة يعمل وحده وفريق البيانات يعمل وحده. الحل البسيط: لجنة شهرية تجمع (العمليات + الصيانة + السلامة + المشتريات + المورد + فريق البيانات) لمراجعة:

• صحة البيانات وجودتها.
• أداء النماذج التنبؤية.
• الحالات التي تم تجنبها (Avoided Failures) موثقة بالأرقام.

4) بند “تحسين مستمر” ممول داخل العقد

إكوينور تحدثت عن “التحسين المستمر”. في عُمان، اجعل ذلك ملموسًا:

• نسبة ثابتة من قيمة العقد تُخصص لمبادرات التحول الرقمي (PoCs إلى Production).
• جدول ربع سنوي لتوسيع نطاق الحلول الناجحة.

الدرس الأكبر من إكوينور: الاستدامة لا تُدار بالتصريحات بل بالعمليات

الخلاصة المباشرة: خفض الانبعاثات التشغيلية يحتاج إدارة دقيقة للطاقة والتسربات والكفاءة—وهذه كلها مشاكل “بيانات” قبل أن تكون مشاكل “معدات”.

إكوينور تستهدف خفض انبعاثاتها التشغيلية نحو 50% بحلول 2030 مقارنة بعام 2015، مع الحفاظ على إمدادات مستقرة لأوروبا. هذا التوازن صعب، لكنه عملي عندما تُدار المنشآت كأنها أنظمة رقمية:

• نماذج تحسين استهلاك الطاقة للمضخات والضواغط.
• اكتشاف التسربات والانبعاثات غير المرئية عبر تحليل القراءات واتجاهاتها.
• جدولة الصيانة بحيث تقلل تشغيل المعدات في نقاط كفاءة منخفضة.

في عُمان، حيث تتزايد أهمية خفض كثافة الانبعاثات ورفع كفاءة الاستهلاك ضمن توجهات التحول الطاقي، إدخال هذه العناصر في عقود الموردين يجعل الاستدامة “قابلة للتنفيذ” وليس “قابلة للعرض”.

أسئلة شائعة داخل الشركات (وإجابات مباشرة)

هل الذكاء الاصطناعي مناسب فقط للمنشآت الضخمة؟

لا. القيمة تظهر أسرع في الأصول الحرجة حتى لو كانت قليلة العدد. ابدأ بمضخات رئيسية، ضواغط، معدات دوّارة، أو خطوط ذات تاريخ أعطال.

ما أول خطوة إذا كانت البيانات مبعثرة؟

ابدأ بـ توحيد تسمية الأصول وتاريخ أوامر العمل في نظام CMMS/EAM، ثم اربط الحساسات تدريجيًا. بدون أساس بيانات منظم، ستدفع ثمنًا أعلى لاحقًا.

كيف أقنع الموردين؟

اربط الحوافز بالأداء: عندما يتحسن مؤشر التوقفات أو إعادة العمل، يحصل المورد على مكافأة. عندما تهبط جودة البيانات أو تتكرر الأعطال بسبب تنفيذ ضعيف، تُطبق غرامات.

الخطوة التالية لعُمان: اجعل العقد منصة للتحول الرقمي

الاتفاقيات التي أبرمتها إكوينور بقيمة تقارب 9.9 مليارات دولار تذكّرنا بأن الصيانة والتعديلات ليست نشاطًا ثانويًا. هي قلب التشغيل، وهي المكان الذي يمكن للذكاء الاصطناعي أن يقدّم فيه أثرًا سريعًا ومقاسًا.

إذا كنت تخطط لاتفاقيات إطار جديدة في عُمان—للمنشآت البرية أو البحرية—فأنا أرى أن السؤال ليس: “هل نضيف الذكاء الاصطناعي؟” بل: هل صممنا العقد بحيث يُجبر الجميع على العمل بالبيانات والتحسين المستمر؟

ابدأ بموقع واحد، ومجموعة أصول حرجة، واتفاق واضح مع المورد على البيانات ومؤشرات الأداء. بعدها وسّع. 2026 هو الوقت المناسب لأن تخرج مشاريع الذكاء الاصطناعي من خانة التجارب إلى خانة العقود طويلة الأجل.

ما المجال الذي تتوقع أن يحقق أسرع عائد في منشآتك: الصيانة التنبؤية، أم إدارة التعديلات، أم سلامة المواقع؟