تقلب أسعار النفط؟ الذكاء الاصطناعي يقلّص الخسائر بعُمان

انخفاض السعر لا يحتاج كارثة حتى يترك أثرًا كبيرًا على النتائج المالية. في 07/01/2026 أعلنت «إكسون موبيل» أن هبوط أسعار النفط خفّض نتائج الربع الرابع بما يتراوح بين 800 مليون إلى 1.2 مليار دولار—رقم واحد كافٍ لتذكيرنا بأن تذبذب أسعار النفط ليس خبرًا اقتصاديًا عابرًا، بل مخاطرة تشغيلية ومالية يومية.

في عُمان، حيث يظل قطاع النفط والغاز ركيزة أساسية للاقتصاد، هذا النوع من الأخبار العالمية يُترجم سريعًا إلى سؤال عملي: كيف تحمي الشركات هوامشها عندما يتحرك السوق ضدها؟ رأيي واضح: من دون بناء قدرات قوية في تحليلات البيانات والذكاء الاصطناعي في قطاع الطاقة، ستبقى كثير من القرارات “متأخرة بخطوة” مقارنة بالسوق.

هذا المقال جزء من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان». سنأخذ خبر إكسون كنقطة انطلاق، ثم نضع خارطة طريق عملية لكيف يمكن للذكاء الاصطناعي أن يقلّل أثر تقلبات الأسعار عبر تحسين الإنتاج، خفض التكاليف، ورفع موثوقية الأصول—بدون شعارات.

ماذا تعلّمنا أرقام إكسون عن “مخاطر السعر”؟

الدرس الأول: الربحية ليست “سعر نفط” فقط؛ إنها مزيج من السعر + الكفاءة + جودة القرارات. إكسون قالت إن انخفاض النفط ضغط الأرباح، لكن هوامش التكرير الأعلى عوّضت جزئيًا بما يصل إلى 700 مليون دولار. وفي المقابل، تراجعت هوامش الكيماويات وظهرت مخصصات/خفض قيمة أصول.

هذه الصورة تُظهر ثلاث حقائق مهمة لأي شركة طاقة في عُمان:

1. التقلب يضرب سلاسل القيمة بشكل غير متساوٍ: ما يضغط المنبع قد يرفع هوامش المصب (أحيانًا)، والعكس.
2. المرونة التشغيلية تُترجم إلى أرقام: القدرة على إعادة توجيه الخامات، تغيير مزيج المنتجات، أو تحسين تشغيل المصافي بسرعة هي ما يصنع فارق التعويض.
3. قرارات الأصول (Asset decisions) حاسمة: إكسون أشارت إلى أن مبيعات الأصول أضافت نحو 800 مليون دولار على أساس ربعي متسلسل—أي أن إدارة المحفظة ليست ملفًا محاسبيًا فقط، بل أداة حماية من الدورات السعرية.

الذكاء الاصطناعي لا يمنع هبوط السعر، لكنه يمنع الهبوط من أن يتحول إلى خسارة أكبر من اللازم.

كيف يُحوّل الذكاء الاصطناعي التقلب إلى “سيناريوهات قابلة للإدارة”؟

الجواب المباشر: الذكاء الاصطناعي يحوّل السؤال من “ماذا حدث للسعر؟” إلى “ما القرار التشغيلي والمالي الأفضل خلال 24–72 ساعة القادمة؟”.

1) التنبؤ قصير الأجل بالهوامش بدلًا من متابعة الأسعار فقط

متابعة خام برنت أو الأسعار الفورية وحدها لا تكفي. ما يهم المدير المالي ومدير الأصول هو الهامش: تكلفة الإنتاج + الطاقة + الكيميائيات + النقل + الجودة + القيود التشغيلية.

هنا تعمل نماذج تعلم الآلة على دمج بيانات مثل:

• أسعار النفط والغاز والمنتجات المكررة (بنزين/ديزل/وقود طائرات)
• تكاليف الطاقة والبخار والمواد الكيميائية
• قيود الطاقة الاستيعابية وخطط الإيقاف والصيانة
• مواصفات الخام وجودة المخرجات

النتيجة: لوحة تحكم تتنبأ بالهامش المتوقع تحت 3–5 سيناريوهات، وتوصي بإجراءات واضحة (رفع/خفض معدلات تشغيل، تغيير مزيج الخام، إعادة جدولة صيانة غير حرجة).

جملة قابلة للاقتباس: السوق يغيّر السعر كل دقيقة؛ الذكاء الاصطناعي يغيّر القرار قبل أن يتحول السعر إلى خسارة.

2) التحوط الذكي (Hedging) المدعوم بالبيانات

أنا لا أؤمن بالتحوط كزر سحري، لكنه يصبح أكثر انضباطًا عندما يُبنى على احتمالات واضحة. الذكاء الاصطناعي يساعد فرق الخزانة وإدارة المخاطر عبر:

• قياس حساسية الأرباح لتغيرات السعر (Earnings-at-Risk)
• محاكاة آلاف المسارات المحتملة للأسعار (Monte Carlo)
• ربط التحوط بخطط الإنتاج الفعلية، لا بتوقعات عامة

هذا مفيد خصوصًا عندما يكون لدى الشركة عقود توريد، التزامات تمويل، أو نفقات رأسمالية تتطلب استقرارًا نقديًا.

3) تحسين الإنتاج في المنبع: أقل توقفات، أقل تكلفة للبرميل

عندما تنخفض الأسعار، يصبح التركيز على تكلفة البرميل ومعدل التوقف غير المخطط أهم من أي وقت. تطبيقات الذكاء الاصطناعي الأكثر فاعلية هنا عادةً ثلاث:

• الصيانة التنبؤية للمعدات الدوّارة (مضخات، ضواغط، توربينات): نماذج تتعلم من الاهتزاز والحرارة والضغط لتتنبأ بالعطل قبل وقوعه.
• كشف الشذوذ في الآبار والشبكات: اكتشاف مبكر لتغيرات غير طبيعية في الضغط/التدفق قد تعني ترسبات، تآكل، أو تسريب.
• تحسين الرفع الاصطناعي (Artificial Lift): ضبط الإعدادات لتقليل الطاقة المستهلكة وتحسين الاستقرار.

في بيئات تشغيلية مشابهة عالميًا، خفض التوقفات غير المخططة بنسبة 10–20% هدف واقعي عندما تتوفر البيانات ويُدار التغيير بشكل صحيح—وهذا ينعكس مباشرة على وحدة التكاليف.

أين يخلق الذكاء الاصطناعي قيمة “داخل المصافي” في عُمان؟

الجواب المباشر: في المصافي والبتروكيماويات، الذكاء الاصطناعي يرفع الهامش عبر تحسين التشغيل لحظيًا وتقليل استهلاك الطاقة والانحرافات عن المواصفات.

خبر إكسون أشار إلى أن هوامش تصنيع الوقود ساعدت في التعويض. هذا يوضح لماذا المصافي تحتاج “تشغيلًا ذكيًا” وليس تشغيلًا ثابتًا.

1) تحسين المزيج التشغيلي (Blending & Yield Optimization)

نماذج التحسين يمكنها اقتراح أفضل مزيج خامات وأفضل إعدادات وحدات التكرير لتحقيق هدفين معًا:

• تعظيم العائد من المنتجات الأعلى ربحية
• الحفاظ على القيود البيئية ومواصفات الجودة

عمليًا، هذا يعني تقليل قرارات “التجربة والخطأ” وتحويلها إلى قرارات مدعومة بتنبؤات دقيقة.

2) خفض استهلاك الطاقة والانبعاثات من خلال التحكم المتقدم

استهلاك الطاقة في المصافي ليس تفصيلًا؛ هو بند ضخم في التكلفة. دمج الذكاء الاصطناعي مع أنظمة التحكم (APC) يعطي:

• استقرار تشغيل أفضل
• تقليل الفواقد الحرارية
• تقليل الانحرافات التي تؤدي لإعادة التشغيل أو إعادة المعالجة

والأهم: عندما تكون الأسعار منخفضة، أي وفرة في الطاقة تعني حماية مباشرة للهامش.

3) إدارة الكيماويات والمواد المساعدة

إكسون ذكرت أن هوامش الكيماويات كانت عنصر ضغط. في المصانع الكيميائية، الذكاء الاصطناعي يساعد في:

• ضبط التفاعلات وتقليل المنتج غير المطابق
• التنبؤ بتدهور المحفزات (Catalysts)
• تحسين جدول الصيانة بناءً على الأداء، لا على الوقت فقط

إدارة الأصول: كيف يقلل الذكاء الاصطناعي احتمال “خفض قيمة الأصول”؟

الجواب المباشر: عبر ربط أداء الأصل وتكلفته ومخاطره بسيناريوهات السوق، فتُتخذ قرارات الإبقاء أو البيع أو التطوير على أساس بيانات لا انطباعات.

الخبر أشار إلى خفض قيمة أصول (Asset Writedowns) لدى إكسون. في فترات الهبوط، تُراجع الشركات توقعات التدفقات النقدية المستقبلية، وقد ينتهي ذلك بتخفيضات محاسبية مؤلمة.

في عُمان، يمكن للذكاء الاصطناعي دعم إدارة المحفظة عبر نموذج تقييم ديناميكي يجمع:

• كلفة التشغيل والصيانة لكل أصل
• معدل التوقف ومخاطر السلامة
• حساسية التدفق النقدي لتغيرات السعر
• احتياجات الاستثمار الرأسمالي خلال 12–36 شهرًا

ثم يُنتج تصنيفًا عمليًا:

• أصول “حافظ عليها وابدأ تحسينًا سريعًا”
• أصول “أوقف توسعة/أعد جدولة استثمارات”
• أصول “فكّر في شراكة/تسييل”

هذا لا يعني أن الخوارزمية “تقرر بدل الإدارة”، بل تجعل القرار أسرع وأكثر قابلية للدفاع أمام مجلس الإدارة والممولين.

خارطة طريق واقعية لشركات الطاقة في عُمان (90 يومًا)

الجواب المباشر: ابدأ بمشكلتين واضحتين تربطان المال بالتشغيل، ثم ابنِ طبقة بيانات، ثم وسّع الاستخدام.

إذا كنت تقرأ هذا وأنت في شركة طاقة/نفط وغاز بعُمان، فهذه خطوات عملية خلال 90 يومًا بدل مشاريع طويلة بلا نهاية:

1. حدّد حالتي استخدام ترتبطان مباشرة بالهامش
   • مثال: تقليل توقفات ضواغط الغاز + تحسين استهلاك الطاقة في وحدة رئيسية بالمصفاة.
2. جهّز “حدًا أدنى من البيانات” (MVD)
   • توحيد مصادر SCADA/DCS + سجلات الصيانة + بيانات الإنتاج في مخزن موحد أو طبقة تكامل.
3. ابنِ نموذجًا تجريبيًا (Pilot) بقياس واضح
   • مؤشرات مثل: ساعات التوقف/شهر، استهلاك الطاقة لكل برميل، نسبة المنتج غير المطابق.
4. خطط لاعتماد المستخدمين من البداية
   • تدريب المشغلين والمهندسين، ووضع إجراءات: من يستلم التنبيه؟ من يقرر؟ خلال كم ساعة؟
5. حوكمة بيانات وأمن سيبراني
   • لأن الذكاء الاصطناعي في الأصول الحيوية بدون ضوابط أمنية مخاطرة أكبر من فائدته.

قاعدة بسيطة: أي مشروع ذكاء اصطناعي لا يملك KPI ماليًا واضحًا خلال 8–12 أسبوعًا غالبًا سيتحول إلى عرض شرائح.

أسئلة شائعة (بنفس أسلوب “الناس تسأل”) حول الذكاء الاصطناعي وتقلب النفط

هل الذكاء الاصطناعي يتنبأ بسعر النفط بدقة؟

لا، ولن يكون هذا أفضل استخدام له. القيمة الأكبر في التنبؤ بالهامش والطلب والأعطال، ثم تحويل ذلك إلى قرار تشغيلي سريع.

ما أسرع مشروع يحقق عائدًا في النفط والغاز؟

في العادة: الصيانة التنبؤية للأصول عالية التأثير، أو تحسين الطاقة في وحدات محددة بالمصفاة. كلاهما يربط الذكاء الاصطناعي بتكلفة ملموسة.

هل يتطلب الذكاء الاصطناعي استبدال الأنظمة الحالية؟

غالبًا لا. الكثير من المبادرات الناجحة تبدأ بطبقة تكامل فوق الأنظمة القائمة (DCS/SCADA/CMMS)، ثم توسّع تدريجيًا.

خطوة أخيرة: لماذا هذا مهم الآن في 01/2026؟

الخبر الذي خرج في بداية 2026 عن تأثر أرباح شركة بحجم إكسون بمقدار يصل إلى 1.2 مليار دولار يرسل رسالة صريحة: موسم الأرباح القادم سيكون حساسًا، ومعه ستزداد ضغوط خفض التكاليف وتبرير الاستثمارات.

بالنسبة لعُمان، الذكاء الاصطناعي ليس “مشروع تحول رقمي” للاستهلاك الإعلامي. هو أداة لإدارة واقع واضح: تقلب الأسعار + منافسة على رأس المال + التزام متزايد بالكفاءة والانبعاثات.

إذا كان هبوط السعر قد يُخصم مئات الملايين من ربع واحد لدى الشركات العملاقة، فالسؤال الذي يستحق أن يُطرح داخليًا اليوم هو: ما مقدار الهامش الذي نخسره لأن قراراتنا ما زالت تعتمد على بيانات متأخرة بدل تنبؤات تشغيلية دقيقة؟