GCC 的国家石油公司（NOCs）必须利用人工智能（AI）来维持其全球最低成本和最低碳足迹的石油生产。为此，NOCs 需要能够快速开发众多小型、高影响力 AI 应用的组织文化。
AI 驱动的解决方案是石油和天然气行业成本和效率的下一个前沿。领先的石油巨头已使用 AI 加速石油生产，降低成本和资源强度。例如，Shell 与 Avathon 合作，使用 AI 深度学习将地震拍摄次数减少 99%，同时保持图像精度并将勘探时间从九个月缩短至九天。ExxonMobil 与 IBM 合作，使用 AI 将井规划设计时间从九个月缩短至七个月，并将数据准备时间缩短 40%。ConocoPhillips 使用三年钻井数据开发的机器学习模型将垂直钻井速度提高 20%，并将过早钻机故障率降低 65%。Chevron 部署 AI 优化上游作业的甲烷排放减少，帮助将甲烷排放强度降低 60%。
GCC 的 NOCs 可以开发一个广泛的 AI 解决方案组合，以实现即时增量收益并降低在 AI 竞赛中落后的风险。这些解决方案可以降低成本，支持更好的勘探和投资决策，加速油田开发，优化钻井效率，并在不减少产量的情况下减少排放。据估计，AI 应用可将 GCC NOCs 的上游运营成本降低 10-15%，即每年约 3-4.5 亿美元。
GCC 的 NOCs 需要采取新方法。过去，它们采用大规模数字计划，缓慢而稳定。这意味着一个强大的需求定义、供应商选择和大规模实施的周期，需要数年才能实现。相反，GCC NOCs 需要分布式 AI 能力和文化转变。文化转变鼓励和使人们能够快速从同行那里学习、尝试应用程序并快速部署有效的内容。这允许在 NOCs 的业务和职能中同时开发 AI 解决方案。每个解决方案产生的增量收益将随着时间的推移而累积。
NOCs 可以通过战略合作伙伴关系与 AI 初创公司合作、与技术提供商合作以及投资自身专业知识来建立其 AI 能力。这项工作应由业务领导，而不是 IT 领导。它应教会工程师和分析人员有效地使用 AI 工具，并将他们汇集到包含业务和技术知识的小型跨职能团队中，以推动改进。
这些团队需要一个三步、敏捷的 AI 实验方法。首先，快速审查以确定传统方法已达到其极限的初始高优先级低效领域，AI 可以以最小的复杂性解锁生产力收益。其次，用例选择，根据其影响和实施简易性评估 AI 解决方案，并优先考虑高价值、快速获胜。第三，快速原型设计和扩展，以确保最有效的解决方案实现企业范围的采用。
要成功，这种方法需要文化转变。这种变化将重视速度而不是完美，接受实验，并容忍早期阶段的失败。它还需要领导者授权团队在最小的监督和官僚主义下进行测试、学习和扩展。
