الذكاء الاصطناعي يصنع فرق الاستثمار النفطي: دروس لعُمان

في 30/01/2026 أعلنت PETRONAS عن خطتها للحفاظ على إنتاج ماليزيا من النفط والغاز عند حدود 2 مليون برميل مكافئ نفطي يوميًا (boed) حتى عام 2028، عبر مزيج واضح: استكشاف مستمر، تطويرات مياه عميقة، وتعزيز استخلاص النفط (EOR)، مع مسار متوازٍ لخفض الانبعاثات داخل الأصول القائمة. هذا النوع من “خطط النشاط لثلاث سنوات” ليس مجرد خبر مالي؛ هو إشارة تشغيلية تقول لسوق الخدمات النفطية: استعدوا… العمل قادم وبكثافة.

وهنا بيت القصيد لعُمان ضمن سلسلتنا «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»: كثير من الشركات تضع ميزانيات واستثمارات، لكن القيمة الحقيقية تُصنع في التفاصيل اليومية—وقت الحفّار، دقة نماذج المكامن، توقيت الصيانة، وسلامة العاملين. والذكاء الاصطناعي هو الأداة الأسرع لتحويل “خطة استثمار” إلى إنتاج ثابت بتكلفة أقل ومخاطر أقل وانبعاثات أقل.

الواقع؟ إذا كان هدفك الحفاظ على مستوى إنتاج ثابت حتى 2028، فالسؤال العملي ليس: هل نستثمر؟ بل: كيف نُدير الاستثمار تشغيلًا؟ وهنا سأربط بين ما تفعله PETRONAS وما يمكن لعُمان تطبيقه فورًا—خصوصًا في الاستكشاف، المياه العميقة، وEOR، مع متطلبات إزالة الكربون.

ماذا نتعلم من خطة PETRONAS حتى 2028؟

الإجابة المباشرة: الخطة تُظهر أن الحفاظ على الإنتاج ليس قرارًا واحدًا، بل نظامًا متكاملًا من المشاريع والتحسينات داخل الأصول، وتوسعة في المياه العميقة، واستمرار للاستكشاف—وهذا كله يخلق “طلبًا دائمًا” على البيانات والانضباط التشغيلي.

PETRONAS أوضحت (حسب PETRONAS Activity Outlook 2026–2028) أنها ستعتمد على:

• تحسين الأصول المنتجة عبر مشاريع تحسين الموارد في حقول مثل Belud وSepat وKurma Manis.
• نشاط مستمر في المياه العميقة بما يعني احتياجًا دائمًا لقدرات تحت سطح البحر وتنفيذ المشاريع.
• استثمار استكشافي متواصل لعدم ترك فجوة احتياطيات.
• مبادرات خفض الانبعاثات ضمن محفظة المنبع (Upstream)، بما فيها مجموعة BIGST (Bujang, Inas, Guling, Sepat, Tujoh) لتقليل الانبعاثات التشغيلية.

هذه ليست “خطة ورقية”. هي رسالة لسلسلة الإمداد والخدمات: هناك أعمال حفر، معدات، عقود صيانة، هندسة مكامن… والأهم: قرار استمرارية الإنتاج حتى 2028 سيُختبر كل يوم في التشغيل.

بالنسبة لعُمان، الدرس ليس تقليد الأرقام. الدرس هو: الخطة الناجحة تُبنى حول أصول قائمة تحتاج تحسينًا مستمرًا، مع توسيع محسوب، ومعايير انبعاثات أصعب. وهذه الثلاثية بالذات هي ملعب الذكاء الاصطناعي.

أين يدخل الذكاء الاصطناعي فعليًا في استثمارات المنبع؟

الإجابة المباشرة: الذكاء الاصطناعي يدخل في ثلاثة أماكن “ثقيلة الوزن”: (1) القرارات قبل الحفر، (2) الكفاءة أثناء الحفر والإكمال، (3) الاستمرارية بعد بدء الإنتاج عبر الصيانة والمكامن والانبعاثات.

1) الاستكشاف: تقليل آبار “نصف صحيحة”

في الاستكشاف، أكبر خسارة ليست تكلفة المسح الزلزالي بحد ذاته؛ الخسارة هي قرار حفر مبني على قراءة غير كاملة.

الذكاء الاصطناعي يساعد عبر:

• تفسير زلزالي أسرع وأكثر اتساقًا: نماذج الرؤية الحاسوبية تلتقط faults وchannels وأنماط ترسيبية بسرعة أعلى من العمل اليدوي وحده.
• دمج مصادر متعددة: زلازل + سجلات آبار + بيانات إنتاج تاريخية + جيولوجيا… لإخراج احتمالات أكثر واقعية للنجاح.
• تحسين ترتيب الفرص (Prospect Ranking): بدل “نحفر الأكثر إقناعًا بصريًا”، يتم تقييم الفرص على أساس احتمالات قابلة للقياس.

في سياق عُمان، هذا مهم لأن كثيرًا من قرارات الاستكشاف تُدار تحت ضغط الوقت والميزانية، بينما الذكاء الاصطناعي يجعل القرار أكثر انضباطًا—لا يلغي خبرة الجيولوجي، بل يرفع جودة الاختيار.

2) الحفر والمياه العميقة: دقائق الحفّار تساوي ميزانية

المياه العميقة ليست مكانًا للتجريب. كلفة الوقت عالية، والمخاطر التشغيلية أعلى، وأي توقف ينعكس على السلامة والجدول والمال.

الذكاء الاصطناعي يقدّم قيمة مباشرة في:

• التنبؤ بالـNPT (الوقت غير المنتج) من خلال نماذج تتعلم من بيانات أجهزة الحفر (WITS/WITSML) وحوادث سابقة.
• الكشف المبكر عن مشاكل البئر مثل الانحشار، فقدان الدورة، أو مؤشرات kick عبر تحليل تيارات بيانات لحظية.
• تحسين معلمات الحفر تلقائيًا ضمن حدود السلامة (RPM، WOB، mud parameters) بإشراف هندسي.

جملة واحدة قابلة للاقتباس: إذا كان هدفك الحفاظ على الإنتاج حتى 2028، فأرخص “برميل إضافي” غالبًا يأتي من تقليل وقت التعطل، لا من حفر بئر جديدة.

بالنسبة لعُمان، حتى في البيئات غير العميقة، نفس المنطق ينطبق: تقليل NPT، رفع معدل الاختراق (ROP) بأمان، وتقليل أعطال المعدات الثقيلة.

3) تعزيز استخلاص النفط (EOR): الذكاء الاصطناعي كمدير “حقن” ذكي

PETRONAS ذكرت EOR ضمن أدوات الاستدامة الإنتاجية. وهذا منطقي لأن كثيرًا من حقول المنبع تنخفض طبيعيًا، وEOR يصبح ضرورة وليس ترفًا.

ما الذي يفعله الذكاء الاصطناعي هنا؟

• نمذجة حساسية الحقن: كيف يتغير الإنتاج عند تعديل معدلات حقن الماء/الغاز/البوليمر؟
• كشف المناطق غير المُجتاحة (unswept zones) عبر دمج ضغط/إنتاج/تتبع مواد (tracers) إن وُجد.
• تحديد إعدادات الحقن المثلى لتحقيق هدفين معًا: إنتاج أعلى + ماء مُنتَج أقل (water cut أقل).

في عُمان—حيث تُستخدم تقنيات استخلاص معزز في عدد من البيئات—الفرصة كبيرة لأن EOR ينتج بيانات كثيرة (ضغوط، معدلات، كيميائيات)، والذكاء الاصطناعي ممتاز في تحويلها إلى قرارات تشغيل يومية.

إزالة الكربون في المنبع: لماذا الذكاء الاصطناعي ضروري وليس “زينة ESG”؟

الإجابة المباشرة: لأن خفض الانبعاثات التشغيلية يحتاج قياسًا لحظيًا، وتوقعًا للأعطال/التسربات، وتحسينًا للطاقة—وهذه كلها مسائل بيانات قبل أن تكون شعارات.

PETRONAS أشارت لمبادرات تقليل الانبعاثات ضمن محفظة المنبع (ومنها مجموعة BIGST). هذا يتقاطع مباشرة مع ما يهم عُمان: الحفاظ على تنافسية البرميل في أسواق تُسعّر الكربون ضمنيًا أو صراحة.

أمثلة تطبيقية للذكاء الاصطناعي في الانبعاثات:

• كشف تسربات الميثان عبر تحليل بيانات حساسات، صور حرارية، أو قراءات ضغط/تدفق غير طبيعية.
• تحسين استهلاك الطاقة في الضواغط والمضخات عبر نماذج تحكم تنبؤية تقلل الهدر.
• الصيانة التنبؤية لتقليل الحرق (flaring) الناتج عن أعطال مفاجئة أو اختناقات تشغيل.

وهنا موقف واضح: أي شركة تتعامل مع إزالة الكربون كملف تقارير فقط ستدفع لاحقًا—في التكلفة، وفي صعوبة التمويل، وفي السمعة. الذكاء الاصطناعي يجعل إزالة الكربون ملف تشغيل يومي يمكن قياسه وتحسينه.

خارطة طريق واقعية لشركات النفط والغاز في عُمان (90 يومًا إلى 12 شهرًا)

الإجابة المباشرة: ابدأ بحالتين استخدام تلمسان المال مباشرة (NPT والصيانة التنبؤية)، ثم وسّع نحو المكامن والانبعاثات، مع حوكمة بيانات صارمة.

خلال 90 يومًا: مشروعان صغيران بعائد واضح

1. لوحة NPT ذكية للحفر/الصيانة

   • المدخلات: بيانات الحفارات/التوقفات/الأسباب.
   • المخرجات: تنبؤ مبكر بمخاطر التعطل + توصيات تشغيل.

2. الصيانة التنبؤية لمعدة حرجة (مضخة، ضاغط، مولد)

   • المدخلات: اهتزاز/حرارة/تيار كهربائي/ساعات تشغيل.
   • المخرجات: إنذارات مبكرة + جدولة صيانة تُقلل التوقف.

خلال 6 أشهر: توسعة على مستوى الأصل

• توأم رقمي (Digital Twin) لقطعة من منظومة الإنتاج (محطة معالجة، شبكة تجميع).
• تحليلات جودة البيانات (Data Quality) لأن معظم فشل مشاريع الذكاء الاصطناعي سببه بيانات غير مُهيأة.

خلال 12 شهرًا: قرارات مكامن وانبعاثات قابلة للتدقيق

• تحسين استراتيجيات الحقن (water/gas) بنماذج تتعلم من تاريخ الحقل.
• قياس انبعاثات تشغيلية أقرب للواقع + اكتشاف شذوذات الميثان/الحرق.

قاعدة عملية: لا تبدأ بـ“منصة ذكاء اصطناعي”. ابدأ بـقرار تشغيلي واحد تريد تحسينه، ثم ابنِ حوله البيانات والحَوْكَمة.

أسئلة شائعة يطرحها التنفيذيون في النفط والغاز (وإجابات قصيرة)

هل الذكاء الاصطناعي يعني استبدال المهندسين؟

لا. المعادلة الصحيحة: الذكاء الاصطناعي يرفع إنتاجية المهندس ويقلل الأخطاء المتكررة، بينما يبقى قرار المخاطر والسلامة بيد البشر.

ما أكبر عائق أمام نجاح مشاريع الذكاء الاصطناعي؟

جودة البيانات وتكاملها. إذا كانت بيانات التوقفات غير موحّدة، أو حساسات غير مُعايرة، فالنموذج سيتعلم أخطاءك.

هل نحتاج بيانات ضخمة لبدء المشروع؟

تحتاج بيانات كافية ونظيفة أكثر مما تحتاج “كمية هائلة”. كثير من المشاريع الناجحة تبدأ من معدّة واحدة أو حقل واحد.

ما الذي يجعل 2026 توقيتًا مناسبًا لعُمان؟

الإجابة المباشرة: لأن دورة الاستثمار في المنبع (2026–2028) عالميًا تُدار الآن بعين على الكفاءة والكربون، وأي تأخير في تبني الذكاء الاصطناعي يعني تكلفة أعلى لاحقًا.

خبر PETRONAS يوضح اتجاهًا: الاستثمارات مستمرة، لكن مع توقعات أعلى من حيث الانضباط التشغيلي وخفض الانبعاثات. في عُمان، نفس الضغوط موجودة: الحفاظ على الإنتاج، تطوير الحقول، ورفع الكفاءة—وفي الوقت نفسه بناء صورة تنافسية للبرميل العُماني في سلاسل توريد أكثر حساسية للكربون.

إذا كنت تقرأ هذا ضمن سلسلتنا عن تحول الذكاء الاصطناعي في قطاع الطاقة والنفط والغاز في عمان، فاعتبره تذكيرًا عمليًا: الخطط لسنوات قادمة تُكسب أو تُخسر على مستوى التشغيل اليومي.

الخطوة التالية التي أنصح بها: اختَر أصلًا واحدًا (حقل/محطة/حفار) وحدّد قرارًا مكلفًا يتكرر أسبوعيًا، ثم اختبر نموذجًا بسيطًا خلال 6–8 أسابيع. بعدها فقط وسّع.

السؤال الذي يستحق التفكير: عندما نصل إلى 2028، هل ستكون بياناتك جاهزة لتبرير كل ريال استثمار… أم ستظل القرارات تعتمد على “خبرة ممتازة” بلا قياس؟