AI wygenerowało znaczne oszczędności dla Equinora

130 mln dolarów – na tyle koncern Equinor szacuje oszczędności, jakie udało się uzyskać dzięki implementacji sztucznej inteligencji na platformach offshore oraz w placówkach lądowych.

Norweski koncern Equinor obliczył, że spółka oraz jej partnerzy zaoszczędzili w 2025 roku około 130 mln dolarów dzięki wdrożeniu rozwiązań opartych na sztucznej inteligencji na platformach offshore oraz instalacjach lądowych. 

Firma podała, że wykorzystuje sztuczną inteligencję m.in. do bieżącego monitorowania 700 maszyn za pomocą 24 tys. czujników w instalacjach. Dzięki analizie tych danych jest w stanie ustalić potrzeby serwisowe i wyprzedzić potencjalne awarie wynikające np. ze zużycia podzespołów. To z kolei ogranicza ryzyko przestoju, który mógłby prowadzić do spalania gazy w pochodniach i wzrostu emisji CO2. Według Equinora od 2020 roku, kiedy rozpoczęto wdrażanie tych rozwiązań w tym sektorze, spółka zaoszczędziła już 120 mln dolarów. 

Kolejne oszczędności przyniosło zastosowanie wsparcia AI w planowaniu odwiertów i rozwoju złóż. Equinor podał, że tworzone są tysiące wariantów, a eksperci mogą skupić się na najlepszych propozycjach. Spółka dodaje, że w trzeciej fazie projektu Johan Sverdrup sztuczna inteligencja wskazała rozwiązanie, którego nikt wcześniej nie brał pod uwagę. Sam ten fakt pozwolił zaoszczędzić około 12 mln dolarów. 

AI jest również wykorzystywana na najbardziej oczywistym polu – do szybkiej analizy dużych ilości danych. W przypadku Equinora są to w dużej mierze informacje dotyczące aktyuwności sejsmicznej. Dzięki temu koncern dysponuje dobrym rozpoznaniem geologicznym terenów – w 2025 w ten sposób zinterpretowano dane z obszaru 2 mln km2. 

– Sztuczna inteligencja jest centralnym elementem naszej działalności. W przyszłości AI będzie jeszcze ważniejsza w bezpiecznym, szybszym, bardziej rentownym i skalowalnym rozwiązywaniu zadań przemysłowych. Dzięki AI możemy analizować dane sejsmiczne dziesięć razy szybciej, planować odwierty oraz rozwój złóż w nowy i lepszy sposób, a także efektywniej eksploatować nasze instalacje. Procesy przemysłowe generują ogromne ilości danych, a my możemy wykorzystać AI do "produkcji" wiedzy z tych danych. To już okazało się przełomowe i opłacalne, mimo że wciąż jesteśmy na wczesnym etapie rewolucji AI – mówi Hege Skryseth, wiceprezes wykonawcza ds. technologii, cyfryzacji i innowacji w Equinorze.

Implementacje w kolejnych obszarach trwają. Equinor wskazał ponad 100 zastosowań dla sztucznej inteligencji w swojej działalności. Łączne oszczędności od początku wykorzystania AI w spółce, czyli od 2020 roku, sięgają 330 mln dolarów, a rok 2025 był pod tym względem rekordowy. 

Inne koncerny naftowe również wykorzystują sztuczną inteligencję w coraz większym stopniu. W ostatnich latach Aker BP wdrożył wraz z firmą SparkCognition system oparty na AI, którego zadaniem jest predykcja awarii pomp na bezzałogowej platformie Tambar. Przekazano, że system się sprawdza, bo już wykrył potencjalne problemy, których nie wskazywały inne metody analityczne. Shell z kolei buduje przy pomocy AI wirtualne bliźniaki swoich platform, dzięki czemu sprawniej monitoruje ich pracę i zachowanie, a to pomaga mu zmniejszyć koszty konserwacji. ExxonMobil, Chevron, BP przyglądają się dzięki AI zachowaniom zbiorników i symulują proces wydobycia by wychwycić potencjalne problemy i niedociągnięcia. W zasadzie wszystkie firmy korzystają ze sztucznej inteligencji do szybkiej analizy danych, nie tylko sejsmicznych, co poprawia dokładność poszukiwań, ale przede wszystkim znacznie skraca potrzebny na przedarcie się przez petabajty danych czas. 

Dla firm z sektora AI energetyka i przemysł naftowy są dobrymi klientami: w zasadzie w każdej sekundzie generują gigantyczne ilości danych, które mogą potencjalnie zawierać informacje przekładające się na efektywność, ale dotarcie do nich przy wykorzystaniu bardziej tradycyjnych metod jest często niemożliwe, a na pewno czasochłonne. Jednocześnie coraz więcej spółek oferuje rozwiązania łączące AI i robotykę nie tylko do przetwarzania danych, ale także do nadzorowania brudnej roboty – ekstrakcji, tworzenia odwiertów, wykopów, a także wdrażania odpowiednich reakcji systemów w przypadku wycieków czy innych zagrożeń.