الذكاء الاصطناعي في عمان: من جوائز الحكومة إلى الطاقة

قبل أيام، كرّمت جوائز التميّز الرقمي للقطاع الحكومي 2025 في مسقط جهات حكومية قدّمت نتائج ملموسة في التحول الرقمي—ومن بينها مشاريع تستخدم الذكاء الاصطناعي فعلياً في الخدمة العامة، مثل مشروع وزارة الصحة للكشف المبكر عن اعتلال الشبكية السكري. هذا الخبر لا يخص “الحكومة الرقمية” فقط؛ هو إشارة واضحة إلى أن السلطنة تبني بنية تشغيلية قادرة على نقل نفس المنطق—البيانات أولاً، والأتمتة حيثما أمكن—إلى قطاعات أكثر حساسية وربحية مثل الطاقة والنفط والغاز.

في سلسلة “كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان”، أحب أن أضع الأخبار في سياق عملي: ماذا تعني هذه الجوائز لمديري العمليات في الحقول؟ ولماذا يجب أن يهتم فريق الصيانة في محطة كهرباء أو شركة خدمات حقول النفط بما حدث في منصة قضائية أو تطبيق شرطة؟ الإجابة بسيطة: النضج الرقمي الوطني لا يُقاس بالشعارات، بل بقدرة المؤسسات على تشغيل الخدمات عبر بيانات موثوقة وتجارب مستخدم ممتازة وحوكمة قوية. هذه هي نفس المكوّنات التي تحتاجها الطاقة لتقليل التوقفات، ورفع السلامة، وتحسين كفاءة الوقود.

ما الذي تقوله جوائز التميّز الرقمي عن نضج الذكاء الاصطناعي في عمان؟

الجوائز ليست “احتفالاً”، بل مؤشر أداء. عندما تُكرَّم جهات مثل شرطة عُمان السلطانية لأفضل أداء في التحول الرقمي وأفضل تجربة مستخدم لتطبيقها، أو يُكرَّم مجلس القضاء الأعلى لخدمة “توثيق” عبر مكالمة فيديو، فهذا يعني أن هناك تقدماً في ثلاث نقاط أساسية:

1. توحيد الخدمات حول رحلة مستخدم واضحة (بدلاً من معاملات متفرقة).
2. إدارة بيانات أكثر نضجاً (البيانات هي الوقود الحقيقي للذكاء الاصطناعي).
3. ثقافة تغيير بدأت تُكافأ رسميًا (جوائز للقيادات والفرق والموظفين الواعدين).

هذا يهم قطاع الطاقة لأن أكبر عائق أمام مشاريع الذكاء الاصطناعي في النفط والغاز ليس الخوارزميات، بل:

• تشتت البيانات بين الأنظمة
• ضعف جودة البيانات الميدانية
• مقاومة التغيير لدى فرق التشغيل

عندما تتحسن هذه العناصر على مستوى الدولة، تصبح الطريق أقصر أمام تطبيقات الطاقة.

مثال لافت: الذكاء الاصطناعي في وزارة الصحة كدرس للطاقة

مشروع وزارة الصحة للكشف المبكر عن اعتلال الشبكية السكري باستخدام الذكاء الاصطناعي يرسل رسالة قوية: القرار السريع المدعوم بالبيانات ينقذ تكلفة وألماً قبل وقوعهما.

في الطاقة، المنطق نفسه ينطبق حرفياً:

• اكتشاف مبكر لخلل في مضخة أو ضاغط قبل أن يتحول إلى توقف كامل.
• اكتشاف مبكر لتسربات صغيرة قبل أن تصبح حادثة سلامة أو تلوث.
• اكتشاف مبكر لتدهور أداء بئر قبل فقدان الإنتاج.

الفرق الوحيد أن “المريض” هنا هو الأصل التشغيلي (Asset)، و”العلاج” هو صيانة استباقية أو تعديل إعدادات التشغيل.

الربط الحقيقي: الخدمات الحكومية الرقمية تُسرّع ذكاء الطاقة والرافق

الواقع؟ الطاقة ليست جزيرة. قطاع النفط والغاز والكهرباء والمياه يعتمد على منظومة تنظيمية وخدمات حكومية رقمية—من التراخيص إلى الامتثال إلى تبادل البيانات. ومن هنا تأتي قيمة تكريم جهات مثل هيئة تنظيم الخدمات العامة والجهات المعنية بالالتزام في تقنية المعلومات.

عندما تتطور الجهات التنظيمية رقمياً، يصبح ممكناً:

• تقليل زمن إصدار التصاريح والمعاملات المرتبطة بالمشاريع
• رفع جودة التقارير وقياسات الامتثال
• تمكين مشاركة البيانات بشكل أكثر انتظاماً وأقل أخطاء

وهذا يفتح الباب لتطبيقات ذكاء اصطناعي مشتركة بين الحكومة والقطاع، خصوصاً في إدارة الطلب على الطاقة وكفاءة الشبكات والاستجابة للطوارئ.

من “تجربة المستخدم” إلى “تجربة المشغل”

تكريم شرطة عمان السلطانية عن تجربة المستخدم في تطبيقها يعطي درساً عملياً: نجاح التحول الرقمي لا يُقاس بعدد الأنظمة، بل بمدى سهولة الاستخدام.

في النفط والغاز، كثير من حلول الذكاء الاصطناعي تفشل لأنها تُبنى للمديرين لا للمشغلين. الأفضل هو تصميم “تجربة المشغل” مثل تجربة التطبيقات:

• تنبيهات قليلة لكنها دقيقة (تقليل الإنذارات الكاذبة)
• توصيات قابلة للتنفيذ فوراً
• واجهة تعمل في الظروف الميدانية (اتصال ضعيف/أجهزة لوحية/عمل ليلي)

إذا كانت الحكومة تكافئ تجربة المستخدم، فمن المنطقي أن تكافئ شركات الطاقة تجربة العامل في الميدان أيضاً.

أين يطبّق الذكاء الاصطناعي في قطاع الطاقة والنفط والغاز بعُمان الآن؟

الذكاء الاصطناعي في الطاقة لا يبدأ من “مشروع ضخم”؛ يبدأ من حالات استخدام ذات عائد واضح ومخاطر محسوبة. وهذه أكثر 5 مسارات عملية أرى أنها تناسب السوق العُماني في 2026:

1) الصيانة التنبؤية للأصول الحرجة

الهدف: خفض التوقفات غير المخططة ورفع الجاهزية.

أمثلة تطبيقية:

• نماذج تتوقع فشل المحامل في المضخات (Pump Bearings) عبر الاهتزاز والحرارة
• اكتشاف انحراف أداء الضواغط قبل فقدان الكفاءة

مؤشر نجاح واضح:

• تقليل التوقفات غير المخططة بنسبة ملموسة (مثلاً 10–20% خلال 6–12 شهراً) إذا توفرت بيانات حساسات جيدة وخطة صيانة مرتبطة بالتنبؤات.

2) تحسين استهلاك الطاقة والوقود في العمليات

الهدف: تقليل تكلفة الطاقة والانبعاثات في نفس الوقت.

أمثلة:

• نماذج تحسين (Optimization) لضبط إعدادات الأفران والمرجل (Boilers)
• جدولة تشغيل المعدات الثقيلة حسب تعرفة الكهرباء/الذروة

هذا المسار يرتبط مباشرة بأجندة الاستدامة، وبمستهدفات الكفاءة التي تدعم رؤية عمان 2040.

3) مراقبة السلامة وإدارة المخاطر

الهدف: تقليل الحوادث عبر “عين رقمية” لا تتعب.

أمثلة:

• رؤية حاسوبية لمراقبة الالتزام بمعدات الوقاية الشخصية في مناطق محددة
• تحليل فيديو/صور لكشف مناطق ازدحام أو سلوك خطِر

المبدأ نفسه الذي جعل الذكاء الاصطناعي مفيداً في الصحة (الكشف المبكر) يصبح مفيداً في السلامة (منع الحادث قبل وقوعه).

4) أتمتة الإجراءات الخلفية (RPA) وربطها بالذكاء الاصطناعي

الخبر الذي يستحق التوقف عنده: عُمان للغاز الطبيعي المسال (Oman LNG) فازت بجائزة عن مشروع أتمتة العمليات باستخدام الروبوتات.

RPA وحده ينجز المهام المتكررة، لكن عندما نضيف الذكاء الاصطناعي يصبح بإمكانه:

• قراءة مستندات غير منظمة (فواتير/تقارير/مراسلات)
• تصنيف طلبات المشتريات
• دعم مراكز الخدمة الداخلية (IT/HR) بمساعد ذكي

الأثر السريع عادةً يكون في:

• تقليل زمن الدورة (Cycle Time)
• تقليل الأخطاء اليدوية
• تحرير وقت الفرق لأعمال ذات قيمة أعلى

5) الذكاء الاصطناعي في الشبكات والمرافق (Utilities)

تكريم جهات مرتبطة بالتنظيم والخدمات العامة يلمّح إلى مساحة كبيرة في الكهرباء والمياه:

• التنبؤ بالأحمال (Load Forecasting)
• كشف الفاقد التجاري والفني
• تحسين استجابة الأعطال (من البلاغ إلى الإرسال إلى الإصلاح)

هذا تحديداً مهم في موسم الصيف القادم (2026) حيث ترتفع الأحمال، وتزداد حساسية إدارة الذروة.

كيف تبدأ شركة طاقة في عُمان بمشروع ذكاء اصطناعي ينجح فعلاً؟

النجاح ليس “شراء منصة”. النجاح خطة تشغيل.

1) اختر حالة استخدام واحدة ببيانات جاهزة

ابدأ بمشكلة محددة: أصل حرج، خط إنتاج، أو عملية تستهلك وقتاً كبيراً. القاعدة التي ألتزم بها: إذا لم تستطع قياس “قبل/بعد” خلال 90 يوماً، فالمشروع مبكر جداً.

2) جهّز طبقة بيانات موثوقة (Data Foundation)

قبل أي نموذج ذكاء اصطناعي، اسأل:

• أين تُخزن بيانات الحساسات؟
• هل هناك فجوات زمنية؟
• هل تعريفات المتغيرات موحّدة؟

حوكمة البيانات ليست عملاً بيروقراطياً. هي ما يمنع قرارات خاطئة في موقع عمل عالي المخاطر.

3) اربط المخرجات بقرار تشغيلي واضح

نماذج تتنبأ بالأعطال لا تفيد إذا لم تكن مرتبطة بإجراء:

• أمر عمل صيانة (Work Order)
• تغيير إعدادات تشغيل
• فحص موقعي محدد

4) ضع معياراً للثقة والشفافية

في النفط والغاز، “صندوق أسود” يسبب رفضاً. الأفضل:

• تفسير مبسّط لأسباب التنبؤ (Top Drivers)
• سجل قرارات يوضح متى اتبع الفريق التوصية ومتى تجاهلها ولماذا

5) استثمر في التغيير مثلما تستثمر في التقنية

جوائز التميّز الرقمي خصصت مساحة للقيادة والفرق والموظفين الواعدين. هذه ليست مجاملة—هذه طريقة دولة كاملة لتقول: التغيير مهارة.

في شركات الطاقة، خصص وقتاً للتمكين:

• تدريب مشغلي غرفة التحكم على قراءة التنبؤات
• تحديث إجراءات التشغيل القياسية (SOPs)
• مكافأة السلوك الذي يتبنى البيانات

جملة أحب تكرارها في هذا السياق: الذكاء الاصطناعي لا ينجح لأنه ذكي؛ ينجح لأنه قابل للاستخدام يومياً.

أسئلة شائعة يطرحها قادة الطاقة في عمان (وإجابات مباشرة)

هل الذكاء الاصطناعي يعني الاستغناء عن الوظائف؟

في التشغيل الميداني تحديداً، الذكاء الاصطناعي يُستخدم غالباً لتقليل الأعمال الروتينية وتقليل المخاطر، لا لإلغاء الأدوار. ما يتغير هو المهارات المطلوبة: قراءة بيانات، تفسير تنبؤات، واتخاذ قرار أسرع.

ما أسرع مشروع يحقق عائداً؟

عادةً: RPA في العمليات الخلفية أو صيانة تنبؤية لقطعة واحدة حرجة. لأن نطاق البيانات محدود ويمكن قياس الأثر بسرعة.

ما أكبر سبب للفشل؟

بيانات غير موثوقة + عدم وجود “مالك تشغيلي” للمشروع. إذا كان المشروع “تقنياً فقط”، سيتوقف عند أول اعتراض من الميدان.

ماذا تعني هذه الجوائز لمسار الطاقة ضمن رؤية عمان 2040؟

جوائز التميّز الرقمي 2025 قالت شيئاً واضحاً: التحول الرقمي في عُمان أصبح يُقاس بالأثر. وهذا بالضبط ما يحتاجه قطاع الطاقة والنفط والغاز—أثر في الإنتاجية، السلامة، الكفاءة، والاستدامة.

إذا كان الذكاء الاصطناعي استطاع أن يدعم تشخيصاً طبياً مبكراً، ويحسن تجربة المستخدم في خدمة أمنية، ويؤتمت إجراءات في مؤسسة صناعية مثل Oman LNG، فمن غير المنطقي أن يبقى ذكاء الطاقة محصوراً في تجارب صغيرة. الأفضل الآن هو نقل النضج المؤسسي إلى الميدان: من لوحات قياس ذكية، إلى قرارات صيانة أسرع، إلى عمليات أقل هدراً.

الخطوة التالية التي أنصح بها لقادة الطاقة في 02/2026: اختاروا حالتين فقط للربع القادم—واحدة تشغيلية (مثل الصيانة التنبؤية)، وأخرى إدارية (مثل RPA). ثم قيسوا النتائج بصراحة. بعدها، سيكون التوسع قراراً سهلاً.

أين تتوقع أن يحقق الذكاء الاصطناعي أول “انتصار واضح” في مؤسستك: السلامة، الصيانة، أم تحسين استهلاك الطاقة؟