الذكاء الاصطناعي في الجمارك العُمانية: دروس للطاقة

سُجِّلت في عُمان أكثر من 1,000 قضية تهريب خلال 2025، بزيادة 10% عن العام الذي سبقه. كثيرون يقرأون هذا الرقم كإشارة تدهور. أنا أراه إشارة مختلفة: عندما تُشدّد الرقابة وتتحسن القدرة على الرصد، فإن “المرئي” من المخالفات يرتفع. الزيادة هنا تقول شيئًا عن قوة الاكتشاف بقدر ما تقول عن حجم المشكلة.

الأهم من الرقم هو الطريقة التي يجري بها ضبط الحدود اليوم. الجمارك العُمانية لم تعد جهازًا رقابيًا فقط، بل أصبحت نظام إدارة مخاطر متكامل يعتمد على منصة بيان (Bayan)، ومؤشرات مخاطر، وقواعد بيانات، ومعلومات شحن مُسبقة. هذا النموذج—الموازنة بين الأمن وسرعة الحركة التجارية—هو نفسه ما يحتاجه قطاع الطاقة والنفط والغاز في عُمان وهو يتجه إلى تشغيل أكثر ذكاءً وأعلى التزامًا.

هذه المقالة جزء من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان». سنأخذ خبر الجمارك كنقطة انطلاق، ثم نترجم ما حدث على الحدود إلى أفكار عملية داخل الحقول والمصافي وسلاسل الإمداد: كيف تُبنى إدارة مخاطر مدعومة بالذكاء الاصطناعي؟ وكيف تُقاس سرعتها من دون التنازل عن السلامة والامتثال؟

لماذا ارتفعت قضايا التهريب 10%؟ “الرقم” ليس القصة كاملة

السبب الأكثر منطقية لارتفاع القضايا—وفق تصريح مدير عام الجمارك—هو تعزيز المراقبة والإنفاذ. حين تصبح لديك أدوات أفضل لاختيار الشحنات “عالية المخاطر”، سترصد حالات أكثر كانت تمر سابقًا.

من زاوية إدارة المخاطر، هناك فرق بين:

• ارتفاع النشاط غير القانوني فعليًا.
• ارتفاع القدرة على الكشف بسبب تحسن الاستهداف والتحليل.

وهنا تظهر قيمة التحول الرقمي: الجمارك تعلن أنها تتعامل كنظام يوازن بين حماية المجتمع وتسهيل التجارة. هذا المبدأ مهم جدًا لقطاع الطاقة. لأن القطاع يعيش التحدي نفسه: تقليل الحوادث والتسربات والانقطاعات (حماية المجتمع والبيئة) مع الحفاظ على الاستمرارية الإنتاجية (تسهيل “تدفق” الطاقة).

جملة تصلح للاقتباس: عندما تتحسن أدوات الرصد، ترتفع الحالات المُكتشفة قبل أن تنخفض المخالفات.

منصة «بيان» كحالة استخدام: كيف يعمل ذكاء المخاطر في الجمارك؟

الإجابة المباشرة: «بيان» يعمل كمنظومة تجميع بيانات + مؤشرات مخاطر + قرارات تشغيل، بحيث تُفحَص الشحنات بدقة أعلى، وفي الوقت نفسه تُسرَّع المعاملات النظامية.

الجمارك أشارت إلى أن المنصة تعتمد على:

• معلومات مسبقة عن الشحنة قبل وصولها.
• قواعد بيانات وسجلات.
• مؤشرات مخاطر لاختيار الشحنات الأكثر احتمالًا للمخالفة.
• إدخال الذكاء الاصطناعي في إدارة المخاطر، والتقييم الجمركي، والتدقيق بعد التخليص.

ماذا يعني ذلك “تشغيليًا”؟

في الواقع، هذا يشبه عمل “مركز تحكم” يعتمد على تغذية مستمرة بالبيانات، ثم يُصدر قرارات مثل:

1. هذه الشحنة تمر سريعًا (مخاطر منخفضة).
2. هذه تحتاج فحصًا أعمق (مخاطر مرتفعة).
3. هذه تحتاج تدقيقًا لاحقًا بعد التخليص (Post-clearance audit) لأن نمطها غير معتاد.

والدليل على أن النموذج ليس نظريًا: أرقام زمن التخليص القياسية التي أعلنتها الجمارك خلال 2025:

• المنافذ البرية: متوسط 01:36 دقيقة
• الموانئ البحرية: متوسط 01:25 دقيقة
• المطارات: متوسط 01:55 دقيقة

هذه الأرقام تقول إن الذكاء هنا لا يهدف فقط إلى “التشديد”، بل إلى توجيه التشديد إلى المكان الصحيح.

نفس الفكرة في الطاقة: إدارة مخاطر ذكية بدل التفتيش العشوائي

الإجابة المباشرة: ما فعلته الجمارك بالذكاء الاصطناعي يمكن نسخه كمبدأ داخل الطاقة: لا تفحص كل شيء بالطريقة نفسها؛ ابْنِ نموذجًا يحدد أين توجد المخاطر أولًا.

في النفط والغاز، لدينا “شحنات” من نوع مختلف: معدات دوّارة، خطوط أنابيب، صمامات أمان، قراءات ضغط وحرارة، إنذارات، أوامر عمل، وسجلات صيانة. التفتيش العشوائي أو الصيانة الدورية الصمّاء تستهلك وقتًا وميزانية، وقد تفوّت مؤشرات مبكرة لمشكلة كبيرة.

1) من “مؤشرات مخاطر الشحنات” إلى “مؤشرات مخاطر الأصول”

في الجمارك: مؤشرات المخاطر تُبنى من بيانات الشحنة والسجل. في الطاقة: مؤشرات المخاطر تُبنى من بيانات الأصل وسلوكه. أمثلة عملية:

• ارتفاع تدريجي في الاهتزازات لمحرك ضاغط = مؤشر مبكر لفشل محمل.
• تغيّر نمط الضغط في مقطع أنبوب = احتمال تآكل/انسداد.
• تكرار إنذارات صغيرة في وحدة معالجة = “ضجيج” ظاهري لكنه نمط يستحق التدقيق.

ما أفضّله في هذا الأسلوب أنه يغيّر العقلية من “نُفتّش كثيرًا” إلى “نُفتّش صح”.

2) من “التدقيق بعد التخليص” إلى “المراجعة بعد التشغيل”

الجمارك تستخدم التدقيق بعد التخليص لإغلاق الثغرات دون إيقاف حركة التجارة. في الطاقة يمكن تطبيق الفكرة عبر:

• Post-incident analytics: تحليل جذور الأعطال بعد الحدث لتحديث نماذج التنبؤ.
• مراجعة امتثال رقمية: تدقيق أوامر العمل وإجراءات السلامة آليًا لاكتشاف التلاعب أو الأخطاء البشرية.
• تحقق آلي من القيم (مثل “التقييم الجمركي”): مقارنة قراءات العدادات والقياسات الميدانية بنماذج مرجعية لرصد الانحرافات.

3) من “التخليص المسبق” إلى “الجاهزية المسبقة”

الجمارك تقدم خدمات ما قبل التخليص لإنهاء الإجراءات قبل وصول البضاعة. في الطاقة، المقابل المباشر هو:

• تجهيز خطط الصيانة قبل توقف مخطط.
• طلب قطع الغيار قبل بلوغ العطل مرحلة حرجة (بناءً على توقعات).
• إعداد تصاريح العمل والسلامة رقميًا قبل دخول الفرق للموقع.

المحصلة: تقليل زمن التوقف غير المخطط، وتقليل المخاطر، وتحسين الجدولة.

الأرقام التي تستحق التوقف: سرعة أعلى مع رقابة أشد

الإجابة المباشرة: التحول الرقمي في الجمارك قدّم نموذجًا نادرًا: رفع الإنتاجية دون تخفيف المعايير.

بحسب البيانات المنشورة عن 2025:

• معالجة أكثر من 1.29 مليون بيان/تصريح جمركي عبر التحول الرقمي.
• إصدار أكثر من 140,000 تصريح حكومي عبر النافذة الواحدة، وبعضها خلال 16 ثانية.
• نمو الإيرادات الجمركية 9%.
• نمو الصادرات غير النفطية 1%، وارتفاع الواردات 13%.

هذه المؤشرات تعني أن النظام لم يحقق “سرعة” فقط، بل دعم قطاع الخدمات اللوجستية ودور عُمان كمركز تجارة وإعادة تصدير.

وهنا تتقاطع الرسالة مع الطاقة: أي مشروع ذكاء اصطناعي لا يُقاس بالعرض التقديمي، بل بـ مؤشرات تشغيل واضحة. في النفط والغاز، مكافئ هذه الأرقام يكون مثل:

• خفض زمن الاستجابة للأعطال.
• زيادة التوافر التشغيلي (Availability).
• تقليل الحوادث القابلة للتسجيل (TRIR).
• تقليل الفاقد والانبعاثات (خصوصًا الميثان).

كيف تبدأ شركة طاقة عُمانية بنموذج “على طريقة بيان”؟ (خطوات عملية)

الإجابة المباشرة: ابدأ بإطار إدارة مخاطر بسيط، ثم دع البيانات تكبره—لا العكس.

إليك خطة من 5 خطوات قابلة للتنفيذ خلال 90–180 يومًا، مناسبة لفرق التشغيل والتحول الرقمي:

1. عرّف “وحدة القرار”

   • في الجمارك: الشحنة.
   • في الطاقة: الأصل (مضخة/ضاغط/مقطع أنبوب) أو “أمر عمل”.

2. اجمع بيانات موثوقة قبل أن تجمع بيانات كثيرة ركّز على مصادر ذات أثر مباشر:

   • SCADA/DCS، بيانات الاهتزازات، سجلات الصيانة، تقارير السلامة.

3. ابنِ “مؤشرات مخاطر” قابلة للشرح نماذج الذكاء الاصطناعي في البيئات الحساسة يجب أن تكون قابلة للتفسير.

   • مثال: 6 مؤشرات بسيطة (اهتزاز، حرارة، ضغط، زمن منذ آخر صيانة، تكرار إنذارات، تاريخ أعطال مشابهة).

4. ضع سياسة تشغيل: ماذا نفعل عندما ترتفع المخاطرة؟ الذكاء ليس تنبؤًا فقط. هو قرار.

   • تصعيد للفحص، جدولة صيانة، تخفيف حمل، أو تدقيق إجراءات.

5. راقب 3 أرقام فقط في البداية التشتت يقتل المشروع. اختر مؤشرات واضحة مثل:

   • خفض التوقف غير المخطط بنسبة محددة.
   • تقليل زمن التشخيص.
   • تقليل الإنذارات الكاذبة.

جملة تصلح للاقتباس: إذا لم يتغير “قرار التشغيل” بعد تطبيق الذكاء الاصطناعي، فأنت لم تطبق ذكاءً… بل لوحة جميلة.

أسئلة شائعة يطرحها التنفيذيون (وإجابات قصيرة)

هل الذكاء الاصطناعي يعني تقليل الوظائف؟

في العادة يعني إعادة توزيع الجهد: وقت أقل في الفحص الروتيني، ووقت أكثر في القرارات الفنية والتحقيقات وتحسين الإجراءات. الجمارك نفسها شددت على التدريب كأولوية، وهذا درس مباشر للطاقة.

هل يمكن تحقيق سرعة أعلى دون تخفيف الامتثال؟

نعم، إذا كان لديك استهداف ذكي للمخاطر. أرقام التخليص خلال دقيقة إلى دقيقتين مع تشديد الرقابة تقدم مثالًا واضحًا على ذلك.

ما أكبر خطأ في مشاريع الذكاء الاصطناعي التشغيلية؟

البدء بنموذج معقد قبل ترتيب البيانات والحَوْكمة. الأفضل: مؤشرات مخاطر بسيطة + سياسة قرار + قياس أثر.

أين يتجه المشهد في 2026–2030؟

الجمارك تستعد لإطلاق استراتيجيتها الخمسية الثالثة (2026–2030) مع تركيز على الذكاء الاصطناعي، والأمن الاستباقي، والتطوير المؤسسي، والاستدامة البيئية. توقيت الإعلان (25/01/2026، 06:09 مساءً بتوقيت UTC كما ورد في النشر) يوضح أن 2026 بدأ عمليًا كعام “ترسيخ” للذكاء الاصطناعي في الجهات التشغيلية.

بالنسبة لقطاع الطاقة، الرسالة واضحة: المرحلة القادمة ليست تجارب متفرقة، بل حوكمة + تشغيل + استدامة. وأنا أراهن أن الشركات التي تربط الذكاء الاصطناعي بمؤشرات السلامة والموثوقية وخفض الانبعاثات ستسبق غيرها حتى لو كانت ميزانياتها التقنية أقل.

الخطوة التالية: ما الذي يمكن تنفيذه هذا الربع؟

إذا كنت تعمل في النفط والغاز أو سلاسل الإمداد المرتبطة به، اختر عملية واحدة “مؤلمة” وابدأ. مثلًا: التنبؤ بتوقف الضواغط، أو كشف التسربات المبكرة، أو تدقيق امتثال تصاريح العمل. طبّق مبدأ بيان: بيانات مسبقة + مؤشرات مخاطر + قرار سريع.

السؤال الذي يستحق التفكير: إذا كانت الجمارك استطاعت أن تُنهي بعض التصاريح في 16 ثانية دون التنازل عن الرقابة، فما العملية داخل منشأتك التي ما زالت تستغرق أيامًا لأن القرار غير مدعوم ببيانات ونماذج؟