الذكاء الاصطناعي في الطاقة بالسعودية: من السحابة للعمليات

أكثر شيء يحدد سرعة تبنّي الذكاء الاصطناعي في قطاع الطاقة والنفط والغاز في السعودية ليس الخوارزميات نفسها… بل البنية التي تستوعبها: سحابة موطّنة، حوكمة بيانات صارمة، ومنصات تشغيل قادرة على التعامل مع “بيئات حرجة” لا تحتمل التوقف. لهذا السبب ترى المملكة في 2025 ضغطًا متزايدًا على مزوّدي التقنية ليقدّموا حلولًا مُوَطَّنة وقابلة للتوسع وتتماشى مع متطلبات سيادة البيانات.

من زاوية شركات الطاقة، الموضوع عملي جدًا: الأعطال المكلفة، تعقيد سلاسل الإمداد، تذبذب الطلب، ومتطلبات الامتثال، كلها تحديات تحتاج ذكاءً يعمل داخل التشغيل اليومي لا في العروض التقديمية. الخبر الذي يتحدث عن قفزة المملكة الرقمية (وتوطين السحابة وتوسيع تبنّي الذكاء الاصطناعي) يعطينا سياقًا مهمًا: السعودية تبني “الأرضية” التي تجعل الذكاء الاصطناعي جزءًا من عمليات الحقول والمصافي والشبكات—وليس مجرد تجارب معزولة.

في هذه المقالة ضمن سلسلة «كيف تُحوّل الذكاء الاصطناعي قطاع الطاقة والنفط والغاز في المملكة العربية السعودية»، سأربط بين التحول الرقمي الوطني وبين ما يهم مديري التقنية والعمليات في الطاقة: كيف تنتقل من مراقبة تقليدية إلى تشغيل تنبؤي، وكيف تبني حالة استخدام قابلة للقياس، وما الذي يمنع 80% من المبادرات من الوصول للإنتاج.

السيادة الرقمية ليست شعارًا… هي شرط تشغيل للطاقة

الجواب المباشر: في قطاع النفط والغاز، توطين السحابة وحفظ البيانات داخل المملكة أصبح شرطًا لتشغيل الذكاء الاصطناعي على نطاق واسع، لأن البيانات التشغيلية حساسة وتنظيمها صارم.

الحديث المتكرر عن “سيادة البيانات” قد يبدو إداريًا، لكنه في الطاقة يرتبط مباشرة بسلامة المنشأة واستمرارية الإنتاج. بيانات مثل قراءات الضغط والاهتزاز، سجلات الصيانة، خرائط الأصول، وسجلات الحوادث، ليست مجرد ملفات—هي “ذاكرة التشغيل”. عندما تكون هذه البيانات مُدارة داخل أطر إقامة البيانات وتوافقًا مع متطلبات الجهات التنظيمية، يصبح إدخال الذكاء الاصطناعي أسهل وأسرع وأقل مخاطرة.

ما يهم هنا هو أن منصات التقنية العالمية بدأت تتعامل مع المملكة كبيئة تشغيل كاملة، لا كسوق بيع تراخيص فقط: توطين السحابة، توفير نشر داخل المملكة، وبناء خارطة طريق تقودها احتياجات القطاعات المنظمة (ومنها الطاقة). هذا النوع من التوطين يزيل عائقًا شائعًا في مشاريع الذكاء الاصطناعي لدى شركات الطاقة: “لا يمكننا نقل البيانات إلى الخارج”، أو “لا يمكننا تدريب النماذج على بيئة غير معتمدة”.

ماذا يعني ذلك عمليًا لشركات النفط والغاز؟

• قدرة أعلى على دمج بيانات التشغيل (OT) مع بيانات الأعمال (IT) ضمن بيئة واحدة.
• تسريع اعتماد نماذج التنبؤ بالأعطال لأن البيانات لا تغادر حدود الامتثال.
• تقليل زمن مراجعات الأمن السيبراني، لأن التصميم يبدأ من متطلبات السيادة.

من “إطفاء الحرائق” إلى التشغيل التنبؤي عبر AIOps

الجواب المباشر: قيمة الذكاء الاصطناعي في الطاقة تظهر عندما يتحول العمل من ردّ الفعل إلى التنبؤ، عبر منصات AIOps التي تربط المراقبة، إدارة الخدمة، والأتمتة.

في عمليات الطاقة، أكثر تكلفة خفية هي “العمل التفاعلي”: تنبيه يتأخر، حادثة تُحل يدويًا، فريق يضيّع ساعات في تحديد السبب الجذري، أو تذاكر دعم تتكرر لأن المعرفة لا تُعاد إلى النظام. هنا يأتي دور AIOps: ليس كلوحة جميلة، بل كنظام يلتقط الإشارات المبكرة من الأنظمة والشبكات والأصول، ثم يربطها بالحوادث والتغييرات، ويقترح (وأحيانًا ينفّذ) إجراءات معالجة.

الخبر يذكر نقاطًا عملية: مراقبة شاملة، إدارة خدمة، وأتمتة موحدة على منصة واحدة، مع اتجاه واضح نحو الذكاء الاصطناعي الوكيلي (Agentic AI). في الطاقة، “منصة واحدة” ليست رفاهية. تعدد الأدوات يعني تعدد مصادر الحقيقة، وهذا يقتل سرعة الاستجابة.

حالات استخدام واضحة في الطاقة

1. التنبؤ بانقطاعات الأنظمة الحرجة: ربط مؤشرات الأداء (Latency/Errors) بسجل تغييرات التهيئة لتحديد سبب الأعطال قبل أن تؤثر على الإنتاج.
2. تقليل زمن معالجة الحوادث (MTTR): تصنيف الحوادث تلقائيًا، توجيهها للفريق المناسب، وتقديم ملخص فوري لما حدث وما الذي تغيّر.
3. أتمتة إجراءات الاستعادة: تشغيل Runbooks تلقائيًا بعد تحقق شروط واضحة (مثلاً إعادة تشغيل خدمة مراقبة، أو تحويل مسار الاتصالات).

جملة أحب تكرارها مع فرق التشغيل: لا تحتاج ذكاءً اصطناعيًا “أذكى”… تحتاج ذكاءً اصطناعيًا “أقرب للتشغيل”.

الذكاء الوكيلي: ما بعد الشات بوت في غرف التحكم

الجواب المباشر: الذكاء الوكيلي في الطاقة يعني وكلاء قادرين على التخطيط والتنفيذ ضمن حدود حوكمة صارمة، بدل محادثات عامة لا تنهي العمل.

كثير من المؤسسات بدأت بالشات بوت لأنها أسهل للعرض، لكنها نادرًا ما تغيّر التشغيل. الذكاء الوكيلي مختلف: “وكيل” لا يكتفي بالإجابة، بل يتعامل مع مهمة كاملة ضمن صلاحيات محددة: يجمع بيانات، يحلل، يقترح إجراء، ينفّذ، ثم يوثّق.

الخبر يذكر أمثلة لوكلاء داخل منصات العمليات والخدمة (مثل تصنيف الحوادث، توجيهها، “swarming” للحوادث، تلخيص بيانات معقدة، والحفاظ على وعي لحظي بالوضع). لو نقلنا ذلك إلى سياق النفط والغاز، فهذه أمثلة قريبة جدًا من الواقع:

• وكيل صيانة يقرأ تنبيهات الاهتزاز، يقارنها بسجل الأعطال السابقة، ثم يفتح طلب عمل في نظام الصيانة ويقترح قطع الغيار.
• وكيل امتثال يراجع التغييرات عالية الخطورة ويطلب موافقات إضافية تلقائيًا قبل تنفيذها.
• وكيل مركز عمليات يحدد ارتباط حادثة شبكة OT بتغيير حديث في سياسات الجدار الناري ويقترح تراجعًا آمنًا.

الشرط هنا واضح: لا وكلاء بلا حوكمة. الوكيل يجب أن يعمل داخل سياسات وصول، سجلات تدقيق، ومسارات موافقة (خصوصًا في القطاعات المنظمة). هذه هي النقطة التي تجعل السعودية بيئة خصبة للذكاء الوكيلي: الإطار التنظيمي يدفع نحو “مسؤولية التشغيل” بدل الفوضى التقنية.

تحديات تبنّي الذكاء الاصطناعي في السعودية… وكيف تتجاوزها في الطاقة

الجواب المباشر: أكبر ثلاثة عوائق هي جودة البيانات، نقص المواهب، والحَوْكَمة—والحل يبدأ بتصميم التشغيل قبل اختيار النموذج.

الخبر يذكر تحديات مألوفة: جودة البيانات، نقص مواهب الذكاء الاصطناعي، والحاجة لحوكمة قوية. في الطاقة، هذه التحديات تتضخم لأن البيانات تأتي من مصادر OT قديمة، وأنظمة SCADA، وبيئات موزعة جغرافيًا.

1) جودة البيانات: لا تبنِ نموذجًا قبل أن تبنِ “مسار بيانات”

بدل البدء بمشروع “نموذج تنبؤي” مباشر، ابدأ بـ:

• قاموس بيانات للأصول (Asset Dictionary) موحد.
• ربط الأحداث (Events) بالحوادث (Incidents) وبطلبات العمل (Work Orders).
• قواعد تنظيف: تكرار، قيم مفقودة، أجهزة حسّاس غير معايرة.

2) المواهب: لا تبحث عن “باحث خارق”… ابنِ فريقًا هجينًا

أفضل فرق الطاقة ليست الأكثر خبرة في التعلم العميق؛ بل الأكثر فهمًا للتشغيل. التشكيلة الفعالة غالبًا:

• مهندس موثوقية/صيانة (يعرف أنماط الأعطال)
• مهندس بيانات (يبني خطوط البيانات)
• مختص منصات عمليات وخدمة (ServiceOps/AIOps)
• مسؤول أمن وحوكمة (يعرف خطوط المنع المسموح)

3) الحوكمة: اجعلها مسرّعًا لا فرامل

حوكمة الذكاء الاصطناعي في الطاقة يجب أن تكون “عملية”:

• ما الذي يحق للوكيل تنفيذه دون موافقة؟
• ما الذي يتطلب موافقة مشرف؟
• كيف تُحفظ سجلات القرارات؟
• كيف نختبر “سلامة” الأتمتة قبل نشرها في الإنتاج؟

خارطة طريق واقعية خلال 12–24 شهرًا لشركات الطاقة

الجواب المباشر: ابدأ بمنصات التشغيل (المراقبة + الخدمة + الأتمتة)، ثم طبّق الذكاء الوكيلي تدريجيًا على حالات استخدام عالية العائد منخفضة المخاطر.

هناك تفاؤل بأن الشركات تتجه لاستقلالية أعلى خلال 12–24 شهرًا، خصوصًا في القطاعات المنظمة التي تتطلب اعتمادية على نطاق كبير. أنا أتفق—لكن بشرط: أن تكون الاستقلالية “متدرجة” ومقاسة.

المرحلة 1 (0–3 أشهر): توحيد الرؤية التشغيلية

• توحيد التنبيهات وإزالة الضجيج (Alert Noise Reduction)
• ربط المراقبة بإدارة الخدمة
• تعريف مقاييس أساسية: MTTR، عدد الحوادث المتكررة، نسبة الأتمتة

المرحلة 2 (3–9 أشهر): أتمتة محسوبة

• تشغيل Runbooks لأكثر 10 سيناريوهات تكرارًا
• تلخيص تلقائي للحوادث وتوثيق السبب الجذري
• بناء لوحة قيادة تنفيذية تُظهر المخاطر والتقدم بلغة الأعمال

المرحلة 3 (9–24 شهرًا): وكلاء بحدود واضحة

• وكلاء تصنيف وتوجيه + جمع أدلة (Evidence Gathering)
• وكلاء تنفيذ في نطاقات منخفضة المخاطر (إعادة تشغيل خدمة، تعديل مسار، إعادة تهيئة محدودة)
• توسيع الصلاحيات بعد إثبات الأداء (SLA + Audit)

مؤشر نجاح عملي: إذا لم تُقلّل الحوادث المتكررة، ولم ينخفض MTTR، ولم ترتفع نسبة الأتمتة القابلة للتدقيق—فالمشروع ما زال “عرضًا” لا “تشغيلًا”.

ماذا يعني هذا للتحول الوطني ولمشاريع المدن الذكية؟

الجواب المباشر: نفس بنية التحول الرقمي التي تخدم المشاريع العملاقة والمدن الذكية، هي التي تمكّن “الشبكات الذكية” وخطوط الأنابيب الذكية وإدارة الطاقة على نطاق وطني.

المشاريع العملاقة والمدن الذكية تحتاج إدارة خدمة وتشغيل متقدمة، والطاقة هي العمود الفقري لها: كهرباء، تبريد، هيدروجين، وقود، لوجستيات. عندما تتبنى المملكة منصات موطّنة وقادرة على تشغيل الذكاء الاصطناعي ضمن أطر سيادة البيانات، فأنت عمليًا تبني قدرة وطنية على:

• إدارة الطلب على الطاقة بشكل أدق عبر التنبؤ والاستخدام الأمثل.
• رفع اعتمادية الشبكات وتقليل الانقطاعات عبر الصيانة الاستباقية.
• تعزيز السلامة بتقليل الأخطاء البشرية في الاستجابة للحوادث.

الخطوة التالية: أين تبدأ إذا كنت مسؤولًا في الطاقة؟

إذا كنت تقود التحول الرقمي أو التشغيل في شركة طاقة، ابدأ بسؤالين بسيطين:

1. ما أعلى 5 أنواع حوادث تكرارًا التي تستهلك وقت الفريق؟
2. ما البيانات التي نملكها فعلًا داخل حدود الامتثال، وما الذي ينقصنا لربطها بالتشغيل؟

أنا منحاز لفكرة واحدة هنا: ابدأ من التشغيل وليس من النموذج. عندما تُرتَّب المراقبة وإدارة الخدمة والأتمتة على منصة منضبطة ومُوَطَّنة، يصبح إدخال الذكاء الاصطناعي—ومن ثم الذكاء الوكيلي—خطوة طبيعية وليست مغامرة.

السؤال الذي يستحق التفكير مع بداية 2026: هل ستتعامل شركات النفط والغاز في السعودية مع الذكاء الاصطناعي كأداة تجميلية… أم كنظام تشغيل يومي يُقاس بالأعطال التي منعها قبل حدوثها؟