به گزارش خبرگزاری آنا، هوش مصنوعی در سال‌های اخیر به‌عنوان یکی از مهم‌ترین فناوری‌های نوظهور، تأثیر چشم‌گیری بر صنایع مختلف داشته است. در صنعت نفت، به‌ویژه بخش بالادستی، این فناوری قادر است منجر به کارایی عملیات، بهبود تصمیم‌گیری‌ها و کاهش هزینه‌ها شود. با توجه به این امر و همچنین اهمیت راهبردی صنعت نفت در اقتصاد ایران، این پژوهش با هدف سنجش شاخص‌های آمادگی سازمانی صنایع بالادستی نفت ایران برای پذیرش فناوری هوش مصنوعی صورت گرفت.

پژوهشگران در مقاله‌ای با عنوان «سنجش و تحلیل آمادگی بخش بالادستی صنعت نفت برای پذیرش هوش مصنوعی» به این موضوع پرداخته‌ است که هوش مصنوعی به عنوان یک فناوری چندمنظوره، امکانات متعددی برای بهبود عملکرد سازمان‌ها و ایجاد فرصت‌های کسب وکار جدید فراهم می‌آورد.

این فناوری با قابلیت‌های منحصر‌به‌فرد خود در یادگیر ی، توانسته است تحولات عظیمی را در بسیاری از حوزه ها‌ی کاربردی ایجاد کند و در سطح وظایف، فرآیند‌ها و مدل‌های کسب وکار تغییرات چشمگیری را رقم بزند.

* هوش مصنوعی در صنایع بالادستی نفت

یافته‌های این پژوهش تأکید می‌کنند که پذیرش هوش مصنوعی در صنایع بالادستی نفت نیازمند یک رویکرد یکپارچه است که شامل بهینه‌سازی راهبردها، تقویت فرهنگ داده‌محور، سرمایه‌گذاری در منابع انسانی و بهبود کیفیت داده‌ها باشد.

در این پژوهش پیشنهاد می‌شود که سازمان‌ها هماهنگی راهبردی خود را بهبود دهند و راهبرد‌های خود را به طور مستمر با فناوری‌های نوین تطبیق دهند. همچنین تخصیص منابع مالی بیشتر و تمرکز بر توسعه مهارت‌های انسانی و فرهنگ داده‌محور ضروری است تا زیرساخت توسعه مدل‌های هوش مصنوعی در سازمان‌ها فراهم و کارکنان آمادگی لازم برای تعامل با فناوری‌های جدید را داشته باشند.

به گفته این پژوهش داده‌های مربوط به فعالیت‌های صنایع بالادستی نفت اغلب تحت عنوان داده‌های محرمانه تلقی می‌شوند که همین موضوع منجر به ایجاد چالش‌های بزرگ برای دسترسی به داده‌ها و توسعه مدل‌های هوش مصنوعی و یا یادگیری ماشین بر روی داده‌های نفتی در کشور می‌شود و  توسعه چنین پروژه‌هایی را غیر ممکن می‌سازد.

{$sepehr_key_6097}

از طرفی قدیمی بودن زیرساخت‌های فناوری اطالعات خود یکی دیگر از عواملی است که منجر به جلوگیری از توسعه مدل‌های پیشرفته هوش مصنوعی و استفاده از آنها در فرایند‌های صنایع بالادستی نفت می‌گردد. علاوه بر این‌ها، کمبود منابع مالی و انسانی برای اجرای پروژه‌های مبتنی بر هوش مصنوعی می‌تواند یکی از موانع کلیدی در مسیر دیجیتالی‌سازی باشد.

* توصیه‌های سیاستی جهت ارتقای آمادگی صنایع بالادستی نفت ایران

با توجه به نتایج به دست آمده از این پژوهش و برمبنای شاخص‌های کلیدی چارچوب نظری انتخاب شده، برخی سیاست گذاری‌های کلیدی برای ارتقای آمادگی صنایع بالادستی نفت ایران در پذیرش هوش مصنوعی و هم‌راستایی با تحولات دیجیتال به شرح زیر پیشنهاد می‌شود:

• هماهنگی راهبردی: ایجاد مرکز ملی مدیریت هوش مصنوعی در صنعت نفت که متولی طراحی و اجرای سیاست‌های هماهنگ در راستای پذیرش فناوری‌های نوین بوده و مدل‌های تطبیقی را برای سازمان‌های دارای سطوح مختلف آمادگی توسعه دهد این مرکز می‌تواند همچنین اقدام به برگزاری دوره‌های آموزشی به منظور بهبود درک مدیران ارشد مجموعه‌های نفتی به خصوص در بخش بالادستی کند.
• مدیریت منابع: تأسیس صندوق توسعه هوش مصنوعی توسط دولت در صنعت نفت به خصوص بخش بالادستی به منظور سرمایه‌گذاری بر روی پروژه‌های تحقیقاتی و نوآوری‌های مبتنی بر داده و الگوریتم‌های پیشرفته هوش مصنوعی و ایجاد زیرساخت فناوری اطلاعات و پردازشی می‌تواند گامی بزرگ در جهت توسعه هوش مصنوعی در این صنعت باشد.

{$sepehr_key_6098}

•  توسعه دانش: راه‌اندازی برنامه جامع ارتقای مهارت‌های دیجیتال که شامل برگزاری دوره‌های تخصصی، اعطای گواهینامه صلاحیت فنی در حوزه هوش مصنوعی و ایجاد شبکه‌های دانش‌محور برای تسهیل تبادل اطلاعات میان صنعت و دانشگاه است.
• فرهنگ سازمانی: پیاده‌سازی مدل انگیزشی پذیرش هوش مصنوعی که به صورت نظام‌مند، منافع و مشوق‌هایی را برای کارکنانی که در فرآیند‌های خود از راهکار‌های هوش مصنوعی استفاده می‌کنند، تعریف کند.
• مدیریت داده‌ها: ایجاد مرکز اعتبارسنجی و حفظ امنیت داده‌های نفتی جهت حفظ محرمانگی، ارزیابی و استانداردسازی داده‌های عملیاتی و فراهم‌سازی بستر‌های لازم برای یکپارچه‌سازی داده‌ها در سطوح مختلف صنعت.

در پایان این پژوهش به این مهم اشاره شده است که لازم است مدیران ارشد این صنعت، با بازنگری در سیاست‌های مدیریت داده، اقداماتی اساسی برای بهبود کیفیت، دسترس‌پذیری و امنیت داده‌ها اتخاذ کنند. بدون چنین تغییراتی، بهره‌گیری از سیستم‌های هوش مصنوعی در این حوزه نه تنها با چالش‌های جدی مواجه خواهد شد، بلکه عملا غیرممکن خواهد بود.

این پژوهش به کوشش سیدمحمدجواد طغرایی و فاطمه آذری (دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه شهید بهشتی) و هادی نیل‌فروشان (استادی ار، گروه سیاستگذاری علم و فناوری پژوهشکده مطالعات بنیادین علم و فناوری دانشگاه شهید بهشتی) انجام شده است.