كيف تستفيد الشركة الكويتية لنفط الخليج من تجارب أرامكو وشل في توظيف الذكاء الاصطناعي لتحويل قطاع الاستكشاف والإنتاج؟

 

 المقال الثاني — قطاع الاستكشاف والإنتاج (Upstream)

 الجزء الثاني: دراسات حالة حقيقية وقصص نجاح — خارطة طريق عملية للتحول الذكي

 

**بقلم — م. محمد عباس**

مسؤول إقليمي سابق لنظم المعلومات بالبنك الدولي والأمم المتحدة

ومستشار الذكاء الاصطناعي

moh148@gmail.com

 

 مقدمة: القلب النابض لصناعة النفط والغاز

يُمثّل قطاع الاستكشاف والإنتاج (Upstream) القلبَ النابض لصناعة النفط والغاز العالمية. فهو القطاع الذي تبدأ منه رحلة كل برميل نفط — من أعماق الأرض إلى السطح — عبر سلسلة معقدة من العمليات تشمل المسوحات الجيولوجية والزلزالية، وتقييم المكامن، وحفر الآبار، وإدارة الإنتاج، وتقنيات الاستخلاص المُعزَّز. وإذا كان المقال الأول من هذه السلسلة قد تناول قطاع النقل والتخزين النفطي (Midstream) باعتباره «العمود الفقري الصامت» لسلسلة القيمة النفطية، فإن قطاع الاستكشاف والإنتاج هو — بلا مبالغة — «المحرك الأول» الذي بدونه لا تبدأ السلسلة أصلاً.

في هذا المقال الثاني من السلسلة، نُسلّط الضوء على كيفية قيام الذكاء الاصطناعي بإعادة تعريف عمليات الاستكشاف والإنتاج، مع التركيز على ثلاث شركات محورية: **الشركة الكويتية لنفط الخليج (KGOC)** التي تُدير مصالح الكويت في المنطقة المقسومة (Partitioned Zone)، و**أرامكو السعودية (Saudi Aramco)** أكبر شركة طاقة متكاملة في العالم، و**شركة شل (Shell)** إحدى أعرق شركات النفط والغاز الدولية. كما نُبرز في هذا المقال الدور المتنامي لشركة **أوراكل (Oracle)** في دعم التحول الرقمي لقطاع النفط والغاز، ونُعلن عن مقابلة حصرية قادمة مع ممثل الشركة في الكويت.

 أولاً: الشركة الكويتية لنفط الخليج (KGOC) — الواقع والفرصة الاستراتيجية

 تمهيد

تُعدّ الشركة الكويتية لنفط الخليج (KGOC) إحدى الشركات التابعة لمؤسسة البترول الكويتية (KPC)، وتتولى مسؤولية إدارة مصالح الكويت في عمليات الاستكشاف والإنتاج بالمنطقة المقسومة (Partitioned Zone) التي تتقاسمها الكويت والمملكة العربية السعودية. تُشغّل الشركة حقلين رئيسيين:

– **حقل الوفرة (Wafra)** البري: يتميز بظروف صحراوية قاسية وخصائص حقل ناضج (Mature Field)، مما يجعله مرشحاً مثالياً لتطبيقات تحسين الإنتاج والصيانة التنبؤية المدعومة بالذكاء الاصطناعي.

– **حقل الخفجي (Khafji)** البحري: يتسم بتعقيدات اللوجستيات البحرية ومتطلبات السلامة البحرية العالية، مما يُرشّحه لتطبيقات الذكاء الاصطناعي الطرفي (Edge AI) والمراقبة عن بُعد والتنبؤ بالتآكل.

يبلغ الإنتاج المشترك من المنطقة المقسومة أكثر من **300,000 برميل يومياً**، وتعمل الشركة بموجب ترتيبات تشغيلية مشتركة مع الجانب السعودي عبر شركة العمليات المشتركة للمنطقة المحايدة (AGOC).

 التحدي والفرصة

تقف KGOC اليوم أمام فرصة استراتيجية استثنائية. فالحقول التي تُديرها تشترك في خصائص جيولوجية وبيئية متطابقة تقريباً مع الحقول التي نجحت فيها أرامكو وشل في تطبيق الذكاء الاصطناعي — مكامن كربوناتية متشابهة، وبيئات تشغيلية قاسية، ومعدات دوّارة حرجة، وأنظمة بيانات قديمة. هذا التشابه التشغيلي الذي يصل إلى **85-90%** وفقاً للتحليلات المقارنة، يعني أن نماذج الذكاء الاصطناعي التي أثبتت نجاحها في أرامكو وشل مُهيَّأة مسبقاً لمواجهة تحديات KGOC الجيولوجية والبيئية المحددة.

والأهم من ذلك، أن الشراكة التشغيلية القائمة مع أرامكو في المنطقة المقسومة توفر **قناة نقل تقنية طبيعية وخالية من الاحتكاك** (Friction-Free Conduit for Technology Transfer)، تُمكّن KGOC من تجاوز مراحل التجريب المبكرة والانتقال مباشرة إلى تطبيق حلول ذكاء اصطناعي مُجرَّبة وعالية العائد في حقول الوفرة والخفجي.

 ثانياً: أرامكو السعودية (Saudi Aramco) — المعيار الذهبي في التحول الرقمي للاستكشاف والإنتاج

 البُعد الاستراتيجي للتحول

استثمرت أرامكو السعودية أكثر من **1.5 مليار دولار** في برنامجها للتحول الرقمي، ونشرت أكثر من **50 حالة استخدام (Use Case)** للذكاء الاصطناعي عبر عملياتها، محوِّلةً التقنية من مجرد وظيفة دعم تكنولوجيا المعلومات التقليدية إلى **ميزة تنافسية جوهرية** تُرسّخ مكانتها كأقل مُنتج تكلفة في العالم.

 محرك الذكاء الاصطناعي: إطار مركز الثورة الصناعية الرابعة (4IRC)

أنشأت أرامكو مركز الثورة الصناعية الرابعة (Fourth Industrial Revolution Center — 4IRC) كـ «مركز عصبي» لعمليات الذكاء الاصطناعي، ويضم ثلاثة مختبرات متخصصة:

1- مختبر الذكاء الاصطناعي وعلوم البيانات**: يضم أكثر من **200 عالم بيانات** يُديرون أكثر من **500 نموذج تعلم آلي** قيد الإنتاج الفعلي.

2- مختبر التوأم الرقمي (Digital Twin Lab)**: يُنتج محاكاة فيزيائية عالية الدقة للمكامن والمرافق.

3- مختبر إنترنت الأشياء والحوسبة الطرفية (IoT & Edge Computing)**: يُعالج بيتابايتات من البيانات المتدفقة من أكثر من **100,000 جهاز استشعار متصل**.

هذا الإطار المؤسسي هو ما حوّل الذكاء الاصطناعي في أرامكو من مفاهيم معزولة إلى **أنظمة إنتاجية متكاملة**، ممكّناً الانتقال الكامل من العمليات التفاعلية (Reactive) إلى الاستخراج التنبؤي المستقل (Autonomous Predictive Energy Extraction).

 دورة التحول: أربع مراحل من الذكاء الاصطناعي في الاستكشاف والإنتاج

المرحلة الأولى: الاستكشاف الذكي — التفسير الزلزالي المدعوم بالذكاء الاصطناعي (AI-Powered Seismic Interpretation)

 قصة نجاح أرامكو

طوّرت أرامكو أنظمة ذكاء اصطناعي تستخدم **الشبكات العصبية التلافيفية (CNNs)** و**الشبكات التوليدية التنافسية (GANs)** لتصنيف السحنات الزلزالية (Seismic Facies) وكشف الصدوع الجيولوجية تلقائياً. العملية تبدأ من قراءات الموجات الزلزالية الخام، تمر عبر معالجة الشبكات العصبية، وتنتهي بخرائط طبقية جيولوجية نظيفة وعالية الدقة.

**النتيجة**: تقليل زمن التفسير الجيولوجي بنسبة **70%**. تحوّل الجيوفيزيائيون من معالجة البيانات يدوياً إلى التفسير العالي القيمة، مما سرّع دورات اتخاذ القرار الاستكشافي بشكل جذري.

 الأثر المحتمل على KGOC

تملك KGOC مجموعات بيانات زلزالية تاريخية واسعة لحقلي الوفرة والخفجي. تطبيق خوارزميات التفسير الزلزالي الذكي على هذه البيانات يمكن أن يكشف عن **مناطق مكمنية غير مستغلة** ويُعيد تقييم الإمكانات الهيدروكربونية للمنطقة المقسومة بمنهجية أكثر دقة وسرعة.

—

 المرحلة الثانية: إدارة المكامن الذكية — منصة TeraPOWERS والتوأم الرقمي مليار الخلية

 قصة نجاح أرامكو

طوّرت أرامكو منصة **TeraPOWERS** التي تستخدم **شبكات عصبية مُوجَّهة بالفيزياء (Physics-Informed Neural Networks)** لمحاكاة أكبر المكامن الكربوناتية في العالم في الوقت الفعلي. هذا «التوأم الرقمي مليار الخلية» (Billion-Cell Digital Twin) أحدث ثورة في إدارة المكامن:

– **تسريع دورات المحاكاة بمقدار 1000 ضعف**: ما كان يستغرق أسابيع أصبح يتم في ساعات، مما يُمكّن تحسين عمليات الحقن المائي (Water Flooding) وتحديد مواقع الآبار بسرعة غير مسبوقة.

– **تحسين معامل الاستخلاص بنسبة 1-3%**: قد يبدو هذا الرقم متواضعاً، لكنه يُترجم إلى **مليارات البراميل** من الاحتياطيات الجديدة القابلة للاستخلاص عبر حقول التطوير الكبرى.

 الأثر المحتمل على KGOC

حقل الوفرة البري، بخصائصه الكربوناتية المشابهة لحقول أرامكو الكبرى كالغوار، هو مرشح مباشر لتطبيق تقنية التوأم الرقمي للمكامن. تحسين معامل الاستخلاص بنسبة 1% فقط من حصة KGOC يمكن أن يُضيف **ملايين البراميل** إلى الاحتياطيات القابلة للإنتاج، بقيمة اقتصادية تُقدَّر بمئات الملايين من الدولارات.

—

 المرحلة الثالثة: الحفر الذكي — مركز العمليات اللحظية (RTOC)

 قصة نجاح أرامكو

أنشأت أرامكو **مركز العمليات اللحظية (Real-Time Operations Center — RTOC)** الذي يُمثّل القفزة النوعية في عمليات الحفر. يجمع المركز بيانات لحظية من جميع أبراج الحفر ويُشغّل ثلاثة أنظمة ذكية متكاملة:

– **التنبؤ بالتكوينات الصخرية (ML Lithology Prediction)**: خوارزميات تعلم آلي تتنبأ بنوع التكوين الصخري قبل الوصول إليه، مما يُمكّن الحفّارين من إعداد المعدات المناسبة مسبقاً.

– **تحسين خصائص سوائل الحفر بالذكاء الاصطناعي (AI-Optimized Mud Properties)**: أنظمة ذكية تُعدّل تركيبة سوائل الحفر في الوقت الفعلي بناءً على ظروف البئر المتغيرة.

– **التحكم الآلي في مسار الحفر (Automated Trajectory Control)**: خوارزميات توجيه ذكية تضمن دقة المسار وتُقلّل الحاجة للتصحيحات.

**الميزة الحاسمة**: النماذج التنبؤية تُنبّه الحفّارين لمخاطر انحشار أنابيب الحفر (Stuck Pipe) قبل **30-60 دقيقة** من ظهور المؤشرات الفعلية.

 

**النتائج المُعلنة**:

– تقليل الوقت غير المنتج (Non-Productive Time — NPT) بأكثر من **50%**

– تسريع أزمنة الحفر بنسبة **20-30%** عبر برامج الآبار

 الأثر المحتمل على KGOC

برنامج حفر KGOC في حقلي الوفرة والخفجي يواجه تحديات مشابهة — تكوينات كربوناتية معقدة وظروف تشغيلية صعبة. تطبيق نظام RTOC مصغّر مُخصص لعمليات KGOC يمكن أن يُحقق وفورات سنوية تتراوح بين **10-30 مليون دولار** من تقليل الوقت غير المنتج وتسريع عمليات الحفر.

—

 المرحلة الرابعة: تحسين الإنتاج — القياس الافتراضي للتدفق والرفع الصناعي الذكي

 قصة نجاح أرامكو

طبّقت أرامكو تقنيتين ثوريتين في تحسين الإنتاج:

1- **القياس الافتراضي للتدفق (Virtual Flow Metering — VFM) **: نماذج تعلم آلي تُقدّر معدلات تدفق الآبار الفردية مباشرة من بيانات أجهزة الاستشعار، مُلغيةً الاعتماد على فواصل الاختبار الفيزيائية (Physical Test Separators) المُكلفة والمُعطّلة للإنتاج.

2- **تحسين الرفع الصناعي (Artificial Lift Optimization) **: تحليلات تنبؤية تُحسّن أداء مضخات الغاطسة الكهربائية (ESP) وأنظمة الرفع بالغاز لمنع الأعطال وتعظيم الإنتاج.

**النتيجة**: زيادة الإنتاج بنسبة **5-10%** مع فوائد ثانوية تشمل تقليل تكرار اختبارات الآبار والكشف المبكر عن مشاكل سلامة الآبار.

الأثر المحتمل على KGOC

تقنية VFM والصيانة التنبؤية لمضخات ESP تُمثّلان **«الثمار الدانية» (Quick Wins)** التي يمكن لـ KGOC البدء بها فوراً. حقل الوفرة يعتمد بكثافة على مضخات ESP التي يُكلّف عطلها المفاجئ ملايين الدولارات — إن التنبؤ بأعطال هذه المضخات قبل **7-50 يوماً** من وقوعها يُحقق عائداً استثمارياً سريعاً وملموساً.

—

 القيمة المالية الإجمالية: أرقام تتحدث

أعلنت أرامكو أن التكامل المؤسسي للذكاء الاصطناعي يُولّد قيمة سنوية تُقدَّر بـ **1-2 مليار دولار** في قطاع الاستكشاف والإنتاج وحده، موزّعة كالتالي:

المجال	القيمة السنوية
الحفر الذكي	200-400 مليون دولار (تجنب التكاليف عبر التنبؤ بانحشار الأنابيب وتحسين المسارات)
الصيانة التنبؤية	150-300 مليون دولار (التدخل قبل الأعطال الكارثية للمعدات الدوّارة)
تحسين الإنتاج	+500 مليون دولار (الزيادة التدريجية في الإنتاج عبر الحقول الناضجة)

 

هذه الأرقام تؤكد أن الذكاء الاصطناعي هو **حامي هوامش الربح** (Margin Protector) الذي يُحافظ مباشرة على مكانة أرامكو كأقل مُنتج تكلفة في العالم.

 

ثالثاً: شركة شل (Shell) — النموذج المؤسسي في الذكاء الاصطناعي المؤسسي

 التحول من الصيانة التفاعلية إلى الاستخبارات المؤسسية الاستباقية

اختارت شل مساراً مختلفاً لكنه مكمّل لنهج أرامكو. فبدلاً من بناء مختبرات ذكاء اصطناعي داخلية ضخمة، تبنّت شل **منصة ذكاء اصطناعي مؤسسية متكاملة** من خلال شراكتها الاستراتيجية مع شركة **C3.AI**، وحقّقت نتائج مذهلة:

 الأرقام الرئيسية لتجربة شل:

– **النطاق**: أكثر من **2,000 أصل** تتم مراقبتها بالذكاء الاصطناعي، تم نشرها في **أسابيع وليس أشهراً** عبر العمليات العالمية.

– **الموثوقية**: تقليل فترات التوقف غير المخططة بنسبة **20-30%**، وخفض الإنذارات الكاذبة بأكثر من **50%** مقارنة بأنظمة المراقبة التقليدية.

– **الأثر المالي**: قيمة مُلتقطة تتراوح بين **200-400 مليون دولار**، بعائد استثمار يتجاوز **300-500%**، وأكثر من **100 مليون دولار** في تكاليف صيانة مُتجنَّبة.

من أهم الدروس المستفادة من تجربة شل هو مبدأ **«المنصة فوق الحلول المنفردة» (Platform Over Point Solutions)**. فالعديد من شركات النفط والغاز تقع في **«فخ الحلول المنفردة»** حيث تتراكم أنظمة ذكاء اصطناعي متفرقة وغير متكاملة، مما يُنتج:

– تكلفة عالية وتوسع بطيء

– كوابيس تكامل بين الأنظمة

– إرهاق من الإنذارات (Alert Fatigue)

– ارتهان للموردين (Vendor Lock-in)

في المقابل، اختيار منصة ذكاء اصطناعي مؤسسية موحّدة — كمنصة C3.AI التي تتضمن أكثر من **100 نموذج تعلم آلي جاهز ومُخصص لقطاع النفط والغاز** — يوفر:

– نموذج بيانات موحّد (Unified Data Model)

– تطبيقات نفط وغاز جاهزة ومُسبقة البناء

– نشر سريع وقابلية توسع مؤسسية

– مرونة سحابية (متوافقة مع AWS وAzure والبنية المحلية)

رابعاً: خارطة طريق استراتيجية مقترحة لـ KGOC

بناءً على تحليل تجربتي أرامكو وشل، نقترح خارطة طريق من ثلاث مراحل:

المرحلة الأولى — التأسيس والمكاسب السريعة (السنة الأولى):

– إنشاء **بحيرة بيانات تشغيلية موحّدة** (Unified Operational Data Lake) تجمع بيانات PI Historian وSAP PM وSCADA من حقلي الوفرة والخفجي.

– إطلاق مشاريع تجريبية في **القياس الافتراضي للتدفق (VFM)** على مجموعة مختارة من الآبار.

– بدء برنامج **الصيانة التنبؤية لمضخات ESP** في حقل الوفرة (50-100 أصل دوّار حرج).

– استثمار أولي مُقدَّر: **2-4 ملايين دولار**، مع عائد متوقع خلال **6-9 أشهر**.

المرحلة الثانية — التوسع والنضج (السنة الثانية):

– تطوير **توأم رقمي أولي** لحقلي الوفرة والخفجي.

– توسيع تحليلات الحفر الذكي عبر برامج الحفر.

– إنشاء **إطار حوكمة ذكاء اصطناعي** (AI Governance Framework) مؤسسي.

– التوسع لمراقبة أكثر من **500 أصل** مع التوسع في العمليات البحرية.

المرحلة الثالثة — التحول الشامل (السنة الثالثة):

– إطلاق **مركز عمليات متكامل (Integrated Operations Center — IOC)** على غرار RTOC في أرامكو لإدارة عمليات المنطقة المقسومة استباقياً.

– نشر **المراقبة المستقلة عن بُعد** (Autonomous Remote Monitoring).

– تطبيق **تحسين المكامن المتقدم بالتعلم الآلي** (Advanced ML Reservoir Optimization).

القيمة المالية المُقدَّرة لـ KGOC:

– **قيمة إجمالية على 5 سنوات**: 200-650 مليون دولار

– **عائد استثمار مُقدَّر على 5 سنوات**: 500%-1,600%

– **فترة استرداد الاستثمار**: 6-12 شهراً من النشر الكامل

والأهم: **تكلفة عدم التحرك** (Cost of Inaction) تتراوح بين **65-145 مليون دولار سنوياً** في إنتاج مفقود وصيانة طارئة وإنتاج دون المستوى الأمثل — مقابل استثمار مطلوب لا يتجاوز **4.8-12 مليون دولار سنوياً** شاملاً تراخيص المنصة ورواتب الفريق والبنية التحتية.

خامسا : التوصيات الاستراتيجية الأربع

1- **بناء أساس البيانات أولاً**: الذكاء الاصطناعي لا يمكن أن يتفوق على بيانات رديئة. الأولوية لزيادة كثافة أجهزة الاستشعار وإنشاء بحيرة بيانات تشغيلية موحّدة قبل التوسع.

2- **استهداف المكاسب السريعة في الاستكشاف والإنتاج**: لا تحاول «غلي المحيط». ابدأ بمشاريع تجريبية عالية العائد ومُثبتة النجاح، كالصيانة التنبؤية لمضخات ESP والقياس الافتراضي للتدفق.

3- **وضع مخطط لمركز عمليات متكامل**: البدء في تصميم مركز استخبارات مركزي على غرار RTOC لإدارة عمليات المنطقة المقسومة استباقياً.

4- **الاستفادة من الشراكة**: توظيف قناة AGOC للمقارنة المعيارية المباشرة مع نماذج أرامكو التشغيلية المُثبتة، وتجنب مخاطر المراحل التجريبية المبكرة.

—

 سادسا: Oracle — الشريك التقني الاستراتيجي لقطاع النفط والغاز

لا يمكن الحديث عن التحول الرقمي في قطاع النفط والغاز دون الإشارة إلى الدور المحوري الذي تلعبه شركة **أوراكل (Oracle)** كواحدة من أكبر شركات التقنية في العالم. تُقدّم Oracle مجموعة متكاملة من الحلول المُصمَّمة خصيصاً لتلبية احتياجات قطاع الطاقة، تشمل:

– **Oracle Cloud Infrastructure (OCI)**: بنية سحابية عالية الأداء مُصمَّمة لتشغيل أحمال العمل الحرجة في قطاع النفط والغاز، بما فيها تطبيقات الذكاء الاصطناعي وتحليلات البيانات الضخمة ومحاكاة المكامن.

– **Oracle Fusion Cloud ERP**: أنظمة تخطيط موارد المؤسسات السحابية التي تُدير سلسلة التوريد وعمليات الشراء والمالية والأصول في شركات النفط الكبرى.

– **Oracle Autonomous Database**: قواعد بيانات ذاتية الإدارة تُقلّل التكاليف التشغيلية وتُعزّز الأمان، وهي مثالية لتخزين وتحليل الكميات الهائلة من البيانات التشغيلية في حقول النفط.

– **Oracle AI and Machine Learning Services**: خدمات ذكاء اصطناعي وتعلم آلي مدمجة في البنية السحابية، تُمكّن شركات النفط من بناء ونشر نماذج تنبؤية دون الحاجة لبنية تحتية منفصلة.

– **Oracle IoT Cloud**: منصة إنترنت الأشياء الصناعية التي تربط أجهزة الاستشعار في الحقول بأنظمة التحليل المركزية، مما يُمكّن المراقبة اللحظية والصيانة التنبؤية.

تتعاون Oracle مع العديد من شركات النفط والغاز الكبرى حول العالم في مشاريع التحول الرقمي و من بينها KGOC ، وتمتلك خبرة عميقة في التعامل مع التحديات الفريدة لهذا القطاع — من متطلبات الأمان الصارمة والامتثال التنظيمي إلى الحاجة لمعالجة بيانات ضخمة في الوقت الفعلي من مواقع نائية.

في منطقة الخليج العربي، تحظى Oracle بحضور قوي ومتنامٍ، وتعمل مع مؤسسات نفطية إقليمية في مشاريع تحويلية تشمل رقمنة سلاسل التوريد وتحديث أنظمة تخطيط الموارد المؤسسية وبناء بحيرات بيانات مؤسسية ونشر حلول ذكاء اصطناعي متخصصة.

 

📰 إعلان حصري: مقابلة قادمة مع ممثل Oracle في الكويت

**يسرّنا أن نُعلن لقرّاء صحيفتنا أننا سنُجري قريباً مقابلة صحفية حصرية مع ممثل شركة Oracle في الكويت والمنطقة ( السيد/ عبد الرحيم المزينى).

—

 خاتمة: المستقبل تنبؤي — والخارطة مرسومة

تُثبت تجربتا أرامكو السعودية وشل أن الذكاء الاصطناعي في قطاع الاستكشاف والإنتاج ليس ترفاً تقنياً ولا مبادرة هامشية — بل هو **ضرورة استراتيجية** تُحدد مَن يبقى في صدارة المنافسة ومَن يتخلّف عنها. أرامكو حققت مليارات الدولارات من القيمة المُضافة، وشل أثبتت أن التحول يمكن أن يتم بسرعة ونطاق واسع عبر منصة مؤسسية موحّدة.

الشركة الكويتية لنفط الخليج (KGOC) تمتلك ميزة فريدة لا تتوفر لكثير من الشركات: **شراكة تشغيلية مباشرة** مع أرامكو في المنطقة المقسومة، و**تشابه تشغيلي عالٍ** مع بيئات شل التي حققت فيها أعلى عوائد للذكاء الاصطناعي. هذه ليست فرصة نظرية — بل هي **خارطة طريق مرسومة ومُجرَّبة ومُثبتة النتائج**، تنتظر قرار التنفيذ.

مستقبل KGOC تنبؤي. والخارطة مرسومة. والوقت هو الآن.

 

 ملاحظة للقرّاء

في المقال الثالث والأخير من هذه السلسلة، سننتقل إلى قطاع **التكرير والتوزيع (Downstream)** لنستكشف كيف يُعيد الذكاء الاصطناعي تعريف عمليات التكرير والبتروكيماويات وتوزيع المنتجات النفطية، مع استعراض تجارب محلية وإقليمية ودولية رائدة. وعقب الانتهاء من نشر المقال الثالث، ستُنشر المقابلة الحصرية مع ممثل Oracle في الكويت على موقع الصحيفة. ترقبوا!

—

*هذا المقال هو الجزء الثاني من سلسلة مكونة من ثلاثة أجزاء حول تحول قطاع النفط والغاز نحو «المنشآت الذكية» بالذكاء الاصطناعي. *

—

 حول الكاتب:

**م. محمد عباس**: مستشار دولي في الذكاء الاصطناعي، يمتلك خبرة واسعة كمسؤول إقليمي سابق لنظم المعلومات في البنك الدولي والأمم المتحدة. يركز في كتاباته على تحليل الفجوات الرقمية واستراتيجيات البنية التحتية التكنولوجية في منطقة الشرق الأوسط وأفريقيا.

—

 المراجع والمصادر الرئيسية:

– **الشركة الكويتية لنفط الخليج (KGOC — www.kgoc.com)**: البيانات التشغيلية والتقارير السنوية.

– **مؤسسة البترول الكويتية (KPC — www.kpc.com.kw)**: الإحصاءات الرسمية لقطاع النفط الكويتي.

– **أرامكو السعودية (Saudi Aramco)**: تقارير التحول الرقمي ومبادرة «أرامكو الرقمية» ومنصة TeraPOWERS ومركز 4IRC.

– **شل (Shell)**: دراسات حالة التحول المؤسسي للذكاء الاصطناعي وشراكة C3.AI.

– **C3.AI — Enterprise AI for Energy**: وثائق المنصة ودراسات الحالة في قطاع النفط والغاز.

– **Oracle**: حلول Oracle Cloud لقطاع الطاقة والتقارير التقنية المتخصصة.

– **الوكالة الدولية للطاقة (IEA)**: تقارير رقمنة قطاع النفط والغاز.

– **McKinsey وBoston Consulting Group**: الدراسات المتعلقة بالذكاء الاصطناعي في قطاع النفط والغاز.