الذكاء الاصطناعي ومقرات الشركات: دروس لقطاع الطاقة السعودي

في 19/11/2025 وقّعت «دار وإعمار» اتفاقية تصميم مقرّها الرئيسي الجديد في الخبر مع شركة Michael Graves العالمية. خبرٌ عقاري في ظاهره، لكنه يلمس سؤالًا أكبر يشغل كل مدير في السعودية الآن: كيف نبني “منظومة عمل” جاهزة للمستقبل، لا مجرد مبنى جميل أو نظام رقمي جديد؟

أنا أميل لاعتبار المقرّات الجديدة مرآة لطريقة تفكير الشركة. حين تختار جهةٌ ما شريكًا عالميًا لتصميم مقرّ حديث يركّز على الإنسان والتعاون والتميّز التشغيلي، فهي عمليًا تقول: «نريد طريقة عمل مختلفة». والدرس الأهم لقطاع الطاقة والنفط والغاز في المملكة: الذكاء الاصطناعي لن ينجح كأداة منعزلة؛ ينجح حين يُصمَّم حول الإنسان والعمليات والبيانات مثلما يُصمَّم المقر حول فرق العمل وتدفقهم اليومي.

المقرّ الذكي ليس مبنى “أكثر أجهزة”، بل مكان يدفع القرارات الصحيحة للحدوث بسرعة أكبر.

لماذا خبر مقرّ «دار وإعمار» مهم لمديري الطاقة؟

الجواب المباشر: لأن الفكرة ليست “هندسة معمارية” فقط، بل هندسة قرار—وهذا بالضبط ما يحاول الذكاء الاصطناعي فعله داخل شركات الطاقة.

في الخبر، تكرر في التصريحات تركيز واضح على ثلاثة محاور: بيئة عمل إنسانية، تعاون وابتكار، وتميّز تشغيلي. هذه المحاور نفسها تُعاد صياغتها اليوم داخل شركات الطاقة تحت عناوين مثل: التحول الرقمي، التشغيل الذكي، إدارة الأصول، ورفع الاعتمادية.

في قطاع النفط والغاز تحديدًا، التحدي ليس نقص الحلول، بل ازدحامها. أنظمة إدارة الصيانة، منصات البيانات، غرف التحكم، تطبيقات السلامة… ثم يأتي الذكاء الاصطناعي ليضيف طبقة جديدة. النتيجة المتكررة: أدوات كثيرة، أثر محدود.

الطريقة الأفضل؟ التعامل مع الذكاء الاصطناعي كما تتعامل مع مشروع مقرّ رئيسي جديد: رؤية، شريك مناسب، تصميم قائم على تجربة المستخدم، ثم تشغيل مستمر وتحسين.

الشراكات العالمية: من “تصميم مبنى” إلى “تصميم ذكاء”

الجواب المباشر: الشراكات القوية تختصر سنوات من التجربة والخطأ—سواء كنت تبني مقرًا أو تبني قدرات ذكاء اصطناعي.

اختيار «دار وإعمار» لشركة تصميم عالمية ليس قرار شكل؛ هو قرار “قدرات”. في الطاقة، الشيء نفسه ينطبق على اختيار شركاء الذكاء الاصطناعي: مزود منصة بيانات، شركة نماذج تعلم آلي، استشاري هندسة عمليات، أو شريك أمن سيبراني.

كيف تختار الشريك المناسب لمبادرات الذكاء الاصطناعي في الطاقة؟

بدلًا من سؤال: “هل لديهم تقنية قوية؟” اسأل:

1. هل لديهم خبرة صناعية في الطاقة والنفط والغاز؟ نماذج الأعطال في المضخات ليست مثل نماذج تجارة التجزئة.
2. هل يستطيعون العمل داخل قيود الامتثال والسلامة؟ الذكاء الاصطناعي في المواقع الصناعية يجب أن يخضع لحوكمة صارمة.
3. هل يلتزمون بنقل المعرفة؟ أنت لا تريد مشروعًا ينتهي بتقرير؛ تريد فريقًا داخليًا يصبح أقوى.
4. هل لديهم منهجية تشغيل (MLOps) واضحة؟ النموذج الذي لا يُراقَب ولا يُحدَّث يتحول إلى عبء.

مؤشر عملي: “زمن القيمة”

في مشاريع الذكاء الاصطناعي داخل الطاقة، معيار النجاح المبكر هو زمن الوصول لأول قيمة. إذا لم تُحقق استخدامًا تشغيليًا ملموسًا خلال 8–12 أسبوعًا في حالة واحدة محددة، فهناك مشكلة في النطاق أو البيانات أو الحوكمة.

تصميم “بيئة عمل إنسانية” يعني تصميم ذكاء اصطناعي قابل للاستخدام

الجواب المباشر: الذكاء الاصطناعي الذي لا يحترم تجربة المستخدم في الميدان لن يُستخدم، حتى لو كانت دقته عالية.

الخبر يذكر أن مقر «دار وإعمار» سيعكس بيئة حديثة “متمحورة حول الإنسان” تدعم التعاون والابتكار. في قطاع الطاقة، المقابل المباشر هو: أدوات ذكاء اصطناعي تفهم سياق العاملين—المهندس في غرفة التحكم، فني الصيانة في الموقع، مدير الاعتمادية، ومدير السلامة.

مثال تطبيقي: تنبيهات الأعطال بدل “لوحات معقدة”

أكثر ما رأيته ينجح على أرض الواقع ليس لوحة بيانات ضخمة، بل سيناريو بسيط:

• النموذج يتوقع احتمال فشل معدة حرجة خلال 14 يومًا.
• النظام يرسل تنبيهًا قابلًا للتنفيذ يتضمن: سبب الترجيح، القراءات الأكثر تأثيرًا، توصية إجراء، ودرجة ثقة.
• المدير يوافق/يرفض مع سبب.
• هذا القرار يعود كبيانات تدريب لتحسين النموذج.

هنا “الإنسان في الحلقة” ليس شعارًا؛ هو طريقة لضمان الجودة والسلامة وتقليل الأخطاء.

ذكاء اصطناعي يحسن التعاون، لا يخلق صوامع جديدة

إذا كانت الفكرة من المقر الجديد “مركزًا للتعاون”، فالذكاء الاصطناعي يجب أن يدعم ذلك عبر:

• مصدر بيانات موحّد (Single Source of Truth) للأصول والقراءات والأعمال.
• لغة مشتركة بين التشغيل والصيانة والهندسة (قاموس بيانات ومعايير تسمية).
• سجل قرارات يوضح من قرر ماذا ولماذا، لتقليل النزاع بين الفرق.

التميّز التشغيلي: ما الذي يفعله الذكاء الاصطناعي فعليًا في النفط والغاز؟

الجواب المباشر: أفضل حالات الاستخدام هي التي تقلل التوقفات، ترفع كفاءة الطاقة، وتُحسن السلامة عبر قرارات أسرع وأكثر دقة.

لجعل الحديث عمليًا، هذه حالات استخدام أثبتت قيمتها في قطاع الطاقة عالميًا ويمكن تكييفها داخل السعودية:

1) الصيانة التنبؤية للأصول الحرجة

• التنبؤ بالأعطال في الضواغط، المضخات، التوربينات.
• تقليل التوقفات غير المخطط لها.
• تحسين جدولة قطع الغيار والفرق.

2) تحسين استهلاك الطاقة في المرافق والمعامل

• نماذج تتحكم في نقاط تشغيل (Setpoints) لتقليل الاستهلاك مع الحفاظ على الجودة.
• هذا مهم خصوصًا مع ارتفاع متطلبات الكفاءة وخفض الانبعاثات.

3) التفتيش الذكي بالتصوير والرؤية الحاسوبية

• كشف التآكل، التسربات، تشققات البنية، أو مخالفات السلامة.
• تسريع التفتيش وتقليل تعرض الأفراد للمخاطر.

4) مساعد معرفي للمشغلين والمهندسين

• تلخيص إجراءات التشغيل القياسية SOPs.
• البحث في تقارير الحوادث السابقة والدروس المستفادة.
• كتابة تقارير الصيانة الأولية بسرعة مع مراجعة بشرية.

إذا لم يُترجم الذكاء الاصطناعي إلى “قرار تشغيلي” واضح، فغالبًا لن يغير شيئًا.

من مقرّ رئيسي إلى “مقرّ رقمي”: نموذج عمل من 5 خطوات

الجواب المباشر: ابدأ بالنطاق الصحيح، ثم ابنِ الحوكمة والبيانات، وبعدها النماذج، ثم التبني، ثم القياس.

كما أن بناء مقرّ جديد يمر بمراحل واضحة، مبادرات الذكاء الاصطناعي في الطاقة تحتاج خارطة طريق متماسكة:

1. حالة استخدام واحدة عالية الأثر

   • اختر أصلًا/عملية حرجة، وعرّف مؤشرات نجاح واضحة: وقت توقف، تكلفة صيانة، حوادث، استهلاك طاقة.

2. جاهزية البيانات قبل النموذج

   • توحيد مصادر SCADA/PI/CMMS، تنظيف البيانات، وإدارة جودة القياس.

3. حوكمة وأمن سيبراني من البداية

   • صلاحيات، تدقيق، تتبع قرارات، وضوابط على نماذج التوليد النصي داخل بيئات حساسة.

4. تصميم التجربة للمستخدمين في الميدان

   • واجهات بسيطة، تنبيهات قابلة للتنفيذ، وشرح واضح لسبب التوصية.

5. قياس الأثر شهريًا وإعادة الضبط

   • لا يكفي “نشر النموذج”. راقب الانحراف (Drift)، معدلات الاستخدام، ودقة التوصيات.

أسئلة شائعة يطرحها قادة الطاقة في السعودية

هل نحتاج ذكاء اصطناعي توليدي أم تعلم آلي تقليدي؟

الجواب المباشر: تحتاج الاثنين، لكن لكل واحد دور. التعلم الآلي مناسب للتنبؤ والتحكم. التوليدي ممتاز للمعرفة، التقارير، ودعم القرار—مع حوكمة صارمة.

ما أكبر سبب لفشل مشاريع الذكاء الاصطناعي؟

الجواب المباشر: البدء من التقنية بدل المشكلة. كثير من المبادرات تنطلق من “نريد نموذجًا” بدل “نريد خفض التوقفات بنسبة X خلال 6 أشهر”.

كيف نقنع الفرق التشغيلية بالتبني؟

الجواب المباشر: قدّم قيمة سريعة وشاركهم في التصميم. اجعل النموذج يشرح نفسه، واحترم خبرتهم بدل أن يتجاهلها.

أين يلتقي التصميم المعماري مع التحول بالذكاء الاصطناعي؟

المقر الجديد لـ«دار وإعمار» قيل عنه إنه سيكون “أكثر من مساحة مكتبية”—مركز تعاون ونمو. هذا التعبير ينطبق على الذكاء الاصطناعي داخل الطاقة: ليس مشروع IT، بل بنية تحتية للقرار.

إذا كنت تقود مبادرة ذكاء اصطناعي في شركة طاقة أو نفط وغاز في السعودية خلال موسم التخطيط السنوي (نهاية ديسمبر 2025)، فهذه لحظة مناسبة لتغيير السؤال من: “ما النموذج الذي سنبنيه؟” إلى: “ما القرار الذي نريد تحسينه، ومن سيتخذه، وبأي بيانات، وبأي مسؤولية؟”.

الخطوة التالية التي أنصح بها: اختر حالة استخدام واحدة، واجمع فريقًا صغيرًا متعدد التخصصات (تشغيل + صيانة + بيانات + أمن)، وحدد خلال 30 يومًا: البيانات المطلوبة، نافذة القيمة، ومؤشرات النجاح. ثم ابدأ.

وإذا كان بناء مقرّ ناجح يبدأ بتصميم تجربة البشر داخله، فبناء ذكاء اصطناعي ناجح يبدأ بتصميم تجربة البشر حوله. السؤال الذي يهمني طرحه عليك: أي قرار تشغيلي واحد لو أصبح أسرع وأدقّ في شركتك، سيغيّر نتائج السنة كلها؟