إيرادات الضرائب في عمان 2025: بوابة لذكاء الطاقة

في 2025 تجاوزت إيرادات الضرائب في عُمان 1.3 مليار ريال عُماني. الرقم بحد ذاته مهم، لكن الأهم منه هو ما يكشفه عن نضج رقمي في إدارة الدولة والامتثال لدى الشركات—وهو الشرط الذي غالبًا ما يُهمل عندما نتحدث عن الذكاء الاصطناعي في قطاع الطاقة والنفط والغاز.

الواقع؟ التحوّل بالذكاء الاصطناعي لا يبدأ من غرفة التحكم في الحقول ولا من خوارزميات التنبؤ بالأعطال فقط. يبدأ من البيانات، والانضباط التشغيلي، والحوكمة، والقدرة على القياس. وعندما تُظهر منظومة الضرائب هذا القدر من الكفاءة والاتساع، فهذا يعني أن البيئة ككل أصبحت أكثر استعدادًا لالتقاط مكاسب الذكاء الاصطناعي في القطاعات الاستراتيجية—وخاصة الطاقة.

هذه المقالة جزء من سلسلة «كيف يُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في عمان»، ونستخدم خبر نمو الإيرادات الضريبية كعدسة لفهم: كيف يمهّد التحوّل المالي والرقمي الطريق لاستثمارات أعمق في الأتمتة والتحليلات والذكاء الاصطناعي داخل الطاقة.

ماذا تقول أرقام الضرائب عن نضج الاقتصاد الرقمي في عُمان؟

الرسالة الأساسية من الأرقام: اتساع قاعدة المكلفين وتحسّن أدوات التحصيل يعنيان أن الامتثال الرقمي صار سلوكًا عامًا وليس استثناءً. وفق ما أعلنته هيئة الضرائب، ارتفع تسجيل دافعي ضريبة الدخل بنسبة 88% مقارنة بعام 2021، بينما قفزت تسجيلات ضريبة القيمة المضافة بنسبة 120%، وسجلات الضريبة الانتقائية بنسبة 222% خلال أربع سنوات.

وعلى مستوى الإيرادات في 2025:

• ضريبة الدخل: 658 مليون ريال عُماني
• ضريبة القيمة المضافة: 631 مليون ريال عُماني
• الضريبة الانتقائية: 84 مليون ريال عُماني

هذه الأرقام تعني شيئًا عمليًا جدًا للشركات: المزيد من العمليات انتقلت من الورق والاجتهاد الشخصي إلى أنظمة وسجلات وتدفقات بيانات يمكن تدقيقها وتتبعها. وهذا بالضبط ما يحتاجه الذكاء الاصطناعي ليعمل: بيانات موثوقة، موحدة نسبيًا، وقابلة للاستخدام.

من التحصيل إلى القدرة على القياس

الذكاء الاصطناعي في الطاقة لا ينجح مع بيانات مشتتة وغير متناسقة. عندما تتوسع منظومات الامتثال الضريبي (خصوصًا مع انتشار الفوترة الإلكترونية والرقمنة)، فهي تخلق ثقافة “القياس أولًا” داخل الشركات: كل فاتورة، كل أصل، كل خدمة، وكل سلسلة توريد تصبح أوضح.

جملة قابلة للاقتباس: عندما تصبح الفاتورة رقمية، يصبح القرار قابلًا للأتمتة.

لماذا يهم هذا لقطاع الطاقة والنفط والغاز؟

لأن الطاقة هي القطاع الأكثر استفادة من الذكاء الاصطناعي عندما تتوفر ثلاث ركائز: بيانات دقيقة، حوكمة قوية، واستثمار مستدام. نمو الإيرادات الضريبية يشير إلى توسع اقتصادي وإدارة مالية أكثر فاعلية؛ وهذا ينعكس بطريقتين مباشرتين على الطاقة في عُمان:

1. قدرة أعلى على تمويل التحوّل الرقمي: عندما تتحسن الإيرادات غير النفطية، يصبح تمويل البنية التحتية الرقمية—من مراكز البيانات إلى الأمن السيبراني—أكثر واقعية واستقرارًا.
2. ضغط إيجابي على الكفاءة والشفافية: الامتثال لا يعني “ضرائب فقط”، بل يعني أن الشركة تطور أنظمتها المحاسبية، وسلاسل التوريد، وإجراءاتها؛ وهذه نفس المناطق التي يبنى عليها الذكاء الاصطناعي في العمليات.

مثال عملي: من ضريبة القيمة المضافة إلى تحسين سلسلة التوريد

الكثير من شركات النفط والغاز تعمل عبر سلاسل توريد ضخمة (مقاولون، نقل، قطع غيار، خدمات بحرية، خدمات حقول). عندما تكون بيانات المشتريات والفواتير أكثر تنظيمًا—وهو أمر تدفع إليه ضريبة القيمة المضافة—يمكن تطبيق نماذج ذكاء اصطناعي لتحسين:

• توقع الطلب على قطع الغيار وتخفيض المخزون الراكد
• اكتشاف الشذوذ في الفواتير (Overbilling) أو الازدواجية
• بناء “خريطة إنفاق” تساعد على إعادة التفاوض مع الموردين

الربح هنا ليس نظريًا: الشركات التي تربط بيانات الإنفاق مع بيانات الصيانة والإنتاج تستطيع تحديد أين يتسرب المال وأين تتكرر الأعطال.

كيف تُترجم الرقمنة المالية إلى تطبيقات ذكاء اصطناعي داخل الطاقة؟

الفكرة الأساسية: الرقمنة المالية تنتج بيانات عالية الاعتمادية، والذكاء الاصطناعي يحولها إلى قرارات تشغيلية أسرع وأدق. هذا الربط يحصل عبر حالات استخدام واضحة في قطاع الطاقة:

1) الذكاء الاصطناعي في التخطيط والإنتاج: جودة البيانات أولًا

عندما تتحسن جودة البيانات عبر أنظمة الموارد ERP، والفوترة، والتقارير، يصبح من الأسهل دمجها مع بيانات التشغيل OT (الحساسات، SCADA، قياسات الآبار). النتيجة:

• نماذج أدق لتوقع الإنتاج
• تقليل الفجوة بين “خطة الإنتاج” و“الواقع”
• تحسين قرارات الاختناق (choke management) وجدولة الرفع الصناعي

ملاحظة مهمة من واقع المشاريع: أكثر أسباب فشل مشاريع الذكاء الاصطناعي في الصناعة ليس الخوارزمية—بل فوضى البيانات وتعارض التعاريف بين الإدارات.

2) الصيانة التنبؤية وتقليل التوقفات

الطاقة تدفع ثمن الدقائق. الصيانة التنبؤية باستخدام تعلم الآلة تساعد على اكتشاف بوادر الأعطال في المضخات، الضواغط، التوربينات، ومعدات الحفر. لكن نجاحها يتطلب:

• سجلات صيانة رقمية منظمة
• تاريخ أعطال واضح وربط مع قطع الغيار
• تصنيف موحد للأصول (Asset taxonomy)

وهنا يظهر أثر “النضج الإداري” الذي تعكسه الرقمنة والامتثال: عندما تكون السجلات والعمليات أكثر انضباطًا، يصبح بناء نموذج تنبؤي مجديًا وقابلًا للتعميم.

3) الامتثال، المخاطر، ومكافحة الهدر

كما تحسّن أنظمة الضرائب قدرة الدولة على التحصيل، يمكن للذكاء الاصطناعي داخل الشركات أن يحسن:

• اكتشاف الاحتيال الداخلي أو تضارب المصالح عبر أنماط إنفاق غير طبيعية
• تقييم مخاطر الموردين (تأخير، جودة، سلامة)
• تعزيز الامتثال للحوكمة البيئية والاجتماعية والحوكمة ESG عبر تتبع أفضل للبيانات

جملة قابلة للاقتباس: الذكاء الاصطناعي لا “يخلق” انضباطًا… لكنه يكافئه بعائد أعلى.

ما الذي ينبغي على شركات الطاقة في عُمان فعله الآن؟ (خطة 90 يومًا)

الإجراء الأقصر طريقًا هو بناء أساس بيانات “جاهز للذكاء الاصطناعي” بدل القفز مباشرة إلى نماذج معقدة. إذا كنت تعمل في شركة طاقة أو مقاول رئيسي في النفط والغاز، فهذه خطوات عملية خلال 90 يومًا:

1) تدقيق بيانات الفواتير والمشتريات وربطها بالتشغيل

• اجمع بيانات 12 شهرًا من: الفواتير، أوامر الشراء، الموردين، التصنيفات
• طابقها مع بيانات الأصول والصيانة (CMMS)
• حدد أعلى 20 بند إنفاق مرتبط بتوقفات أو أعطال متكررة

الناتج المتوقع: قائمة أولويات لحالات استخدام ذكاء اصطناعي ذات عائد واضح (خفض هدر/توقفات/مخزون).

2) توحيد التعاريف وبناء “قاموس بيانات”

أكثر خلاف يهدم مشاريع التحليلات هو اختلاف معنى “التوقف” أو “العطل” أو “زمن الإصلاح”.

• عرّف 30–50 مصطلحًا تشغيليًا وماليًا بشكل موحد
• وثّق مصدر كل حقل بيانات ومن يملكه

الناتج المتوقع: تقارير متسقة، ونماذج تعلم آلي أقل أخطاء.

3) اختيار حالة استخدام واحدة قابلة للقياس

ابدأ بمشروع صغير لكن قابل لإثبات القيمة:

• تنبؤ أعطال فئة محددة من المعدات
• اكتشاف ازدواجية الفواتير أو شذوذ الأسعار
• تحسين مخزون قطع الغيار في مستودع واحد

ضع مؤشرات نجاح رقمية (KPIs) من البداية مثل:

• خفض التوقفات غير المخطط لها بنسبة X
• تقليل المخزون الراكد بنسبة X
• تقليل زمن معالجة الفواتير بنسبة X

4) حوكمة وأمن سيبراني من اليوم الأول

في الطاقة، أي دمج بين IT وOT يزيد سطح الهجوم السيبراني. لذلك:

• صنّف البيانات حسب الحساسية
• راجع صلاحيات الوصول
• خطط لكيفية تشغيل النماذج (On-prem / سحابة / هجينة) وفق سياسة المؤسسة

أسئلة شائعة (بنمط “يسأل الناس أيضًا”)

هل زيادة الإيرادات الضريبية تعني بالضرورة نموًا اقتصاديًا حقيقيًا؟

تعني شيئَين معًا: تحسن التحصيل والامتثال (كفاءة إدارية)، وغالبًا اتساع النشاط الرسمي. حتى لو كان جزء من النمو بسبب تحسين الجباية، فهذا بحد ذاته إشارة إلى رقمنة أقوى وبيانات أفضل.

ما علاقة ضريبة القيمة المضافة بالذكاء الاصطناعي في النفط والغاز؟

علاقتها غير مباشرة لكنها قوية: ضريبة القيمة المضافة تدفع الشركات لتوثيق المعاملات بدقة، ما يرفع جودة بيانات الإنفاق وسلسلة التوريد—وهذه بيانات ممتازة لتطبيقات ذكاء اصطناعي مثل اكتشاف الشذوذ وتحسين المخزون.

ما أسرع مكسب ذكاء اصطناعي يمكن تحقيقه في قطاع الطاقة؟

عادةً: اكتشاف الشذوذ في الفواتير والمشتريات أو تحسين المخزون أسرع من بناء نماذج جيولوجية معقدة، لأن البيانات متاحة ومهيكلة أكثر.

ماذا يعني ذلك لمستقبل “ذكاء الطاقة” في عُمان خلال 2026؟

الرسالة التي أقرأها من قفزة الإيرادات الضريبية في 2025 واضحة: عُمان تبني “عضلات” الإدارة الرقمية على مستوى الاقتصاد. وهذا يعزز قدرة قطاع الطاقة والنفط والغاز على الانتقال من مبادرات متفرقة إلى برامج ذكاء اصطناعي مؤسسية تُقاس نتائجها بالأرقام.

شهر فبراير 2026 يسبق رمضان بأيام، وكثير من المؤسسات تدخل دورة تخطيط سنوي جديدة بعد إغلاقات 2025. إذا كنت في موقع قرار، هذا توقيت مناسب لوضع ميزانية التحول الرقمي بحيث لا تُصرف على أدوات فقط، بل على حوكمة البيانات، وتوحيد الأنظمة، وبناء حالات استخدام مرتبطة مباشرة بالإنتاج والسلامة والكلفة.

الخطوة التالية التي تستحق النقاش داخل أي شركة طاقة: أي بيانات نملكها اليوم تشبه “بيانات الضرائب” من حيث الانضباط والاكتمال؟ لأنها ستكون نقطة البداية الأكثر واقعية لبناء ذكاء اصطناعي يعمل في الميدان، لا في العروض التقديمية.