هبوط أرباح إكسون 14%: فرصة لعُمان لربح الذكاء

هبوط أرباح شركة بحجم ExxonMobil بنسبة 14% في الربع الرابع من 2025 ليس خبراً «مالياً» فقط. هو تذكير عملي بأن النفط والغاز لم يعودا لعبة حجم وإنتاج فقط، بل لعبة كفاءة، وهوامش، وقدرة على التنبؤ والتصرف بسرعة عندما تتغير الأسعار وهوامش التكرير والبتروكيماويات.

وفقاً للخبر المنشور بتاريخ 30/01/2026، سجلت ExxonMobil صافي ربح 6.5 مليار دولار في Q4 2025 مقابل 7.6 مليار دولار في الفترة نفسها من 2024، مع إرجاع السبب إلى انخفاض أسعار الخام، وضعف هوامش الكيماويات، وارتفاع تكاليف الإهلاك. في المقابل، الشركة لا تزال قوية تشغيلياً: إنتاجها وصل إلى 4.7 مليون برميل مكافئ نفط يومياً (الأعلى منذ أكثر من 40 عاماً)، وتدفقها النقدي من العمليات لعام 2025 بلغ 52 مليار دولار.

هذه المفارقة مهمة لعُمان: حتى عندما تكون العمليات قوية، يمكن للهوامش أن تضغط الأرباح. وهنا يصبح الذكاء الاصطناعي في قطاع الطاقة والنفط والغاز في عُمان ليس «ترفاً تقنياً»، بل طريقة مباشرة لحماية الربحية وتحسين القرارات اليومية، من الحقول إلى المصافي إلى سلاسل الإمداد.

ماذا تعلّمنا أرقام ExxonMobil عن «هشاشة الهوامش»؟

الرسالة الأولى واضحة: السعر ليس تحت سيطرة الشركة، لكن التكلفة والكفاءة تحت سيطرتها. ExxonMobil أشارت إلى أن انخفاض الأرباح جاء من عوامل سوقية وتشغيلية: أسعار خام أقل، وهوامش كيماويات أضعف، وإهلاكات أعلى. هذه عناصر تتكرر في أي شركة نفط وغاز، بما فيها الشركات العاملة في المنطقة.

لكن هناك رسالة ثانية أعمق: الشركات الكبرى تشتري وقتها بالكفاءة. ExxonMobil ذكرت أنها حققت وفورات هيكلية تراكمية بنحو 15.1 مليار دولار منذ 2019. هذا النوع من «العزل» ضد تقلبات السوق لا يأتي من قرار واحد كبير، بل من مئات التحسينات الصغيرة المتراكمة.

عبارة تصلح كقاعدة عمل: الربح في النفط والغاز هو مجموع قرارات صغيرة صحيحة تتخذ بسرعة.

في عُمان، حيث المنافسة على جذب الاستثمارات ورفع كفاءة الأصول قائمة دائماً، الذكاء الاصطناعي هو الأداة الأقرب لتحويل التحسينات الصغيرة إلى نظام عمل مستمر، لا مبادرات متقطعة.

أين يربح الذكاء الاصطناعي في عُمان عندما تضغط الأسعار؟

عندما تنخفض الأسعار أو تتذبذب الهوامش، تصبح الأولوية: إنتاج أكثر موثوقية بتكلفة أقل، وتوقفات أقل، ومخاطر أقل. هذه بالضبط مناطق تفوق الذكاء الاصطناعي.

1) الصيانة التنبؤية: تقليل التوقفات قبل أن تحدث

أغلب الشركات تخسر مبالغ كبيرة ليس بسبب الأعطال الكبيرة فقط، بل بسبب الأعطال الصغيرة التي تتكرر: مضخات، ضواغط، محركات، صمامات. الذكاء الاصطناعي هنا يعمل بطريقة بسيطة وفعّالة: يجمع بيانات الاهتزاز والحرارة والضغط واستهلاك الطاقة، ثم يتعلم الأنماط التي تسبق العطل.

في الواقع العملي، الصيانة التنبؤية تعني:

• جدولة الصيانة في وقت مناسب بدلاً من التوقف المفاجئ
• خفض تكلفة قطع الغيار عبر الشراء الاستباقي لا الطارئ
• إطالة عمر المعدات عبر تشغيل «أهدأ» وأقل إجهاداً

في السياق العُماني، هذا مهم خصوصاً للأصول التي تعمل في بيئات قاسية، وللمنشآت التي تتطلب استمرارية عالية، لأن ساعة توقف واحدة قد تُترجم إلى خسارة إنتاجية وسلاسل إمداد مرتبطة.

2) تحسين الإنتاج (Upstream): استخراج نفس البرميل بذكاء أعلى

ExxonMobil أشارت إلى أنها “تلتقط قيمة أكبر من كل برميل وجزيء تنتجه”. هذه جملة إدارية، لكن معناها تشغيلي جداً: رفع الكفاءة وتحسين القرار عند البئر.

في الاستكشاف والإنتاج، يمكن للذكاء الاصطناعي أن يحسن:

• نماذج المكامن عبر دمج بيانات جيولوجية/زلزالية/إنتاجية لتوقع السلوك بدقة أعلى
• الرفع الاصطناعي (مثل ESP) عبر ضبط الإعدادات وفق ظروف فعلية متغيرة لا إعداد ثابت
• توقع معدلات الإنتاج والانخفاض (Decline) لتخطيط التدخلات (Workover) بتوقيت أدق

هذا ليس «تغييراً جذرياً» في يوم واحد. هو أسلوب عمل يجعل القرارات اليومية أقل اعتماداً على الحدس وأكثر اعتماداً على مؤشرات قابلة للقياس.

3) تحسين المصافي والبتروكيماويات: حماية الهامش في أصعب منطقة

الخبر ذكر أن ExxonMobil تأثرت بـ ضعف هوامش الكيماويات. وهذه نقطة حساسة لأن الهوامش في هذا الجزء تتبدل بسرعة مع الطلب العالمي والأسعار وتكاليف اللقيم.

الذكاء الاصطناعي يساعد هنا عبر:

• تحسين الوصفات التشغيلية (Setpoints) للوحدات لتحقيق أفضل مزيج بين الإنتاج والجودة واستهلاك الطاقة
• مراقبة جودة المنتج في الزمن الحقيقي وتقليل المنتج خارج المواصفات
• تحسين استهلاك الطاقة (Energy Optimization) لأن الطاقة في المصافي والكيماويات ليست بنداً صغيراً

في عُمان، حيث التوجه نحو تعظيم القيمة المضافة، رفع كفاءة المصافي والبتروكيماويات بالذكاء الاصطناعي يعني فرقاً ملموساً في ربحية البرميل، وليس مجرد تحسين تقني.

خطة عملية: كيف تبدأ شركة طاقة عُمانية بالذكاء الاصطناعي خلال 90 يوماً؟

الخطأ الشائع هو البدء بمشروع كبير جداً ثم التوقف عند أول تعقيد بيانات. الأفضل هو البدء بما يمكن قياسه بسرعة، ثم التوسع.

الأسبوع 1–2: اختيار «حالة استخدام» واحدة لها عائد واضح

اختر حالة استخدام تتوفر لها بيانات ويمكن قياس نتيجتها، مثل:

• صيانة تنبؤية لضاغط رئيسي
• توقع ترسبات/تآكل في خط معين
• تحسين استهلاك الطاقة في وحدة محددة بالمصفاة

قاعدة اختيار سريعة: إذا لم تستطع تحديد KPI واحد واضح، فالمشروع ليس جاهزاً.

الأسبوع 3–6: ترتيب البيانات قبل النماذج

الذكاء الاصطناعي لا يعوض بيانات سيئة. في هذه المرحلة ركز على:

• توحيد مصادر البيانات (SCADA/DCS، سجلات الصيانة، بيانات المختبر)
• تنظيف القيم الشاذة وتحديد الفجوات
• تعريف «قاموس بيانات» بسيط يفهمه التشغيل وعلوم البيانات معاً

الأسبوع 7–10: نموذج أولي + اختبار ميداني

ابنِ نموذجاً أولياً، لكن لا تكتفِ بالشاشة. اختبره في الميدان:

• هل تنبيه العطل قابل للتنفيذ؟
• هل يعطي وقتاً كافياً للتصرف؟
• هل يقلل من الإنذارات الكاذبة التي تزعج فرق التشغيل؟

الأسبوع 11–13: تحويله إلى «نظام قرار» لا تقرير

أفضل قيمة تأتي عندما يصبح الذكاء الاصطناعي جزءاً من القرار اليومي:

• ربط التنبيهات بآلية عمل واضحة (Who/What/When)
• إنشاء لوحة متابعة KPI أسبوعية
• مراجعة شهرية: ماذا تعلمنا؟ ماذا نعدل؟

أسئلة تتكرر عند اتخاذ القرار (وبإجابات مباشرة)

هل الذكاء الاصطناعي يعني استبدال الخبرات العُمانية؟

لا. المعادلة الناجحة هي: خبرة تشغيل + نموذج ذكي = قرار أسرع وأدق. النماذج لا تفهم السياق وحدها، لكنها ممتازة في التقاط الأنماط التي لا يراها الإنسان وسط آلاف القراءات.

ما أكبر مخاطرة؟

أكبر مخاطرة ليست التقنية، بل التنظيمية: مشروع ذكاء اصطناعي بلا «مالك تشغيلي» وبلا KPI واضح ينتهي كعرض تقديمي جميل.

ما المؤشر الذي يدل أن المشروع نجح؟

مؤشر واحد يكفي كبداية: تقليل التوقفات غير المخططة أو خفض الطاقة المستهلكة لكل وحدة إنتاج. اختر واحداً، وراقبه 8–12 أسبوعاً.

ماذا يعني خبر ExxonMobil تحديداً لعُمان في 2026؟

الخبر يقول إن ExxonMobil وزعت على المساهمين في الربع وحده 9.5 مليار دولار (أرباح نقدية وإعادة شراء أسهم)، رغم تراجع الربح. هذا يوضح شيئاً: الأسواق تكافئ الشركات التي تحافظ على التدفق النقدي والانضباط، حتى في سنوات الضغط.

بالنسبة لعُمان، الطريق الأكثر واقعية للحفاظ على تنافسية القطاع هو بناء «ميزة تشغيلية» قائمة على البيانات: إنتاج موثوق، صيانة أذكى، طاقة أقل، وقرارات أسرع. وهذا جوهر سلسلة مقالاتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عُمان»: تحويل الذكاء الاصطناعي من مبادرة تقنية إلى طريقة إدارة يومية.

إذا كنت تقود فريق تشغيل أو صيانة أو تحول رقمي في قطاع الطاقة، فابدأ بسؤال واحد عملي: ما القرار اليومي الذي لو أصبح أدق بنسبة 10% سيحمي هامشنا عندما يهبط السعر؟ هذا السؤال وحده يحدد أول مشروع ذكاء اصطناعي تستحق نتائجه أن تُقاس.