Teknologidagen, AI og veien videre på norsk sokkel

Teknologi er helt avgjørende – nå handler det om AI i praksis

Mens julelysene snart tennes langs kysten og produksjonstallene for 2025 tikker inn, står én erkjennelse igjen som krystallklar i norsk olje og gass: uten målrettet teknologiutvikling – og uten kunstig intelligens (AI) i sentrum – vil vi ikke realisere verdiene på sokkelen.

Teknologidagen 2024 i Sokkeldirektoratet viste nettopp dette. Fagfolk fra hele norsk sokkel møttes for å diskutere tre nøkkeltemaer:

• innsamling av undergrunnsdata
• «utfordrende fat» (de vanskeligste ressursene)
• neste generasjons produksjonssystemer

I denne artikkelen – som del av serien «AI i Norsk Olje og Gass: Digital Transformasjon» – ser vi på hvordan disse temaene henger direkte sammen med AI, digital transformasjon og konkurransekraft inn i 2030-tallet.

Hvorfor teknologi og AI nå er helt avgjørende

Underdirektør for undergrunn og teknologi, Arne Jacobsen, formulerer det treffende:

«Vi er helt avhengig av teknologiutvikling og implementering for å realisere verdiene på sokkelen.»

Tre utviklingstrekk forklarer hvorfor dette haster mer enn noen gang:

1. Modne felt og fallende trykk – de store, enkle funnene er for lengst satt i produksjon. Verdiene som gjenstår er mer komplekse, mindre strukturer og «utfordrende fat».
2. Strengere klimakrav og utslippsmål – bransjen må samtidig kutte utslipp per fat, utnytte kraft fra land og se på CO₂-lagring og havvind som del av helheten.
3. Global konkurranse om kapital – norske prosjekter konkurrerer med investeringer globalt. Bare felt med dokumentert høy lønnsomhet og lav risiko vil få gjennomslag.

Teknologidagen 2024 viste hvordan AI og data er blitt den røde tråden som binder disse utfordringene sammen. Der man før snakket om enkeltautomatisering, snakker man nå om datadrevne felt, prediktivt vedlikehold, digitale tvillinger og intelligente produksjonssystemer.

1. Innsamling av undergrunnsdata – fundamentet for AI

Skal AI gi verdi i norsk olje og gass, må datastrømmen fra sokkelen være rik, strukturert og tilgjengelig. Det var et tydelig budskap på Teknologidagen.

Fra seismikk og brønnlogger til treningsdata

Tradisjonelt har undergrunnsdata vært brukt av et fåtall spesialister. I dag er de også treningsdata for AI-modeller:

• Seismikk brukes til å trene dype nevrale nettverk til å identifisere prospekter raskere.
• Brønnlogger og kjernebeskrivelser brukes til å predikere reservoaregenskaper der man ikke har data.
• Produksjonsdata fra brønner brukes til å bygge modeller for produksjonsoptimalisering i sanntid.

For å lykkes med dette må selskapene på norsk sokkel:

• rydde opp i datakvalitet og metadata
• sørge for god datastyring og klare eierskapslinjer
• bygge robuste dataplattformer der geologer, reservoaringeniører og data scientists kan jobbe sammen

Åpne data – en norsk konkurransefordel

Norge har en unik posisjon gjennom omfattende åpne data og nasjonale datalagre. For AI-utvikling betyr dette:

• tilgang til store mengder historiske data som kan brukes til å trene og validere modeller
• bedre sammenligningsgrunnlag på tvers av felt og lisenser
• raskere innovasjon, også for nye og mindre aktører på sokkelen

I en digital transformasjon der AI står sentralt, er dette en enorm fordel – så lenge bransjen faktisk tar dataene i bruk og ikke lar dem bli liggende i arkiver og gamle formater.

Praktisk takeaway:

• Start AI-reisen med et dedikert prosjekt for datastrategi: hvilke undergrunnsdata har vi, hva er kvaliteten, og hvordan kan de gjøres tilgjengelige for analyse og modellering på tvers av fag?

2. «Utfordrende fat» – der AI virkelig viser verdien sin

Begrepet «utfordrende fat» handler om de fatene som er teknisk eller økonomisk krevende å få ut – men som representerer store verdier hvis man lykkes. På Teknologidagen ble det tydelig at AI nå er et nøkkelverktøy i dette arbeidet.

AI-drevet reservoaranalyse

For å hente ut mer fra modne felt må man forstå reservoaret bedre enn noen gang før. Her ser vi flere modne brukstilfeller av AI:

• Automatisert tolking av seismikk for å identifisere nye lommer og bypassed oil.
• Maskinlæring på produksjonsdata for å oppdage mønstre som indikerer dårlig drenering.
• Optimalisering av injeksjon (vann, gass, WAG) ved å bruke AI-modeller som kontinuerlig lærer av reservoarrespons.

Slik kan man identifisere nye plasseringer for tilleggsbrønner, justere injeksjonsstrategier og utforme IOR- og EOR-programmer som gir bedre uttelling.

Prediktivt vedlikehold og brønnintegritet

En stadig større del av kostnadsbildet på modne felt handler om vedlikehold og brønnintegritet, inkludert plugging og stenging. Her gir AI konkrete gevinster:

• Prediktive modeller kan forutse feil på kritisk utstyr før det svikter.
• Analyser av historiske brønndata kan identifisere hvilke brønner som har størst risiko, og når det lønner seg å gripe inn.
• Optimalisering av P&A-kampanjer kan gi store besparelser på sikt.

I en tid der tusenvis av brønnbaner skal plugges og stenges, er dette ikke bare «kjekt å ha», men god butikk – både for selskapene og for samfunnet.

Praktisk takeaway:

• Begynn med ett pilotfelt der du kombinerer reservoar- og produksjonsdata i en AI-modell for enten produksjonsoptimalisering eller prediktivt vedlikehold. Bruk resultatene til å bygge business case for skalering.

3. Neste generasjons produksjonssystemer – digitalt og autonomt

Teknologidagen 2024 satte også søkelyset på neste generasjons produksjonssystemer. Her er AI og automatisering selve motoren.

Fra fjernstyring til autonome systemer

Mange felt på norsk sokkel er allerede høyt automatiserte og fjernstyrte. Neste steg er systemer som:

• kontinuerlig justerer chokes, pumpehastigheter og injeksjon basert på AI-anbefalinger
• oppdager avvik tidlig gjennom avansert prosessovervåkning
• kobler sammen reservoarmodeller, prosessanlegg og kraftsystemer i én digital tvilling

Slik kan operatørene kjøre kontinuerlig optimalisering av:

• produksjon (maksimere verdi per fat)
• energieffektivitet (minimere energibruk og utslipp)
• regularitet (minimere nedetid)

AI som klimaverktøy på sokkelen

I en norsk kontekst er AI ikke bare et lønnsomhetsverktøy, men også et klimaverktøy:

• Optimalisering av energibruk på plattformen kan redusere CO₂-utslipp betydelig.
• Bedre reservoarforståelse kan redusere behovet for nye brønner og seismikkinnsamling.
• AI-baserte modeller for CO₂-lagring kan gjøre det tryggere og mer kostnadseffektivt å bruke sokkelen som lagringshub.

Dette passer direkte inn i seriens hovedtema: AI i Norsk Olje og Gass: Digital Transformasjon – der målet er både lønnsomhet og bærekraft.

Praktisk takeaway:

• Kartlegg hvilke produksjonsbeslutninger som i dag tas manuelt, men som er datadrevne nok til å kunne støttes eller delvis automatiseres av AI. Det er ofte her gevinstene kommer først.

4. Mennesker, kompetanse og regulering – den virkelige nøkkelen

Selv med verdens beste algoritmer kommer man ingen vei uten mennesker, kompetanse og godt rammeverk. Dette ble tydelig på Teknologidagen gjennom engasjerte diskusjoner og ønske om fortsatt sterkt teknologipådriv fra myndighetene.

Tverrfaglige team: geolog + ingeniør + data scientist

De mest vellykkede AI-prosjektene i olje og gass kjennetegnes av én ting:

• geologer og reservoaringeniører bidrar med domeneforståelse
• data scientists og utviklere bygger modellene
• driftspersonell og ledelse sikrer operasjonell forankring

Dette krever nye arbeidsformer, nye samarbeidsarenaer og ofte nye insentiver. Mange norske selskaper etablerer nå tverrfaglige «digital hubs» som jobber tett med feltene.

Regulering som muliggjører

Norsk sokkel er sterkt regulert – og nettopp derfor relativt forutsigbar. For AI og digital transformasjon betyr det:

• tydelige krav til datasikkerhet, sporbarhet og dokumentasjon
• forventning om at operatører kan forklare og dokumentere AI-baserte beslutninger
• behov for standarder som gjør det enklere å dele og gjenbruke data

Her spiller Sokkeldirektoratet en nøkkelrolle – både som tilsyn og som teknologipådriver som legger til rette for at bransjen kan teste og ta i bruk ny teknologi på en sikker og ansvarlig måte.

Praktisk takeaway:

• Inkluder fagforeninger, vernetjeneste og myndighetskontakt tidlig i AI-prosjekter. Det gir bedre løsninger, raskere implementering og høyere tillit til resultatene.

5. Slik tar du neste steg i den digitale transformasjonen

For selskaper på norsk sokkel – store som små – er spørsmålet nå ikke om man skal satse på AI, men hvordan og hvor man bør starte.

En enkel veikartmodell kan se slik ut:

1. Kartlegg modenhet
   Hvordan ser dagens datastruktur, systemlandskap og kompetanse ut? Hvor brukes AI allerede, om noe?

2. Velg 2–3 tydelige use cases
   For eksempel: prediktivt vedlikehold på en kritisk utstyrsgruppe, AI-støttet produksjonsoptimalisering på ett felt, eller automatisk seismikktolking for ett område.

3. Bygg tverrfaglig team
   Sikre at både domeneeksperter, IT, dataspecialister og driftsrepresentanter er involvert.

4. Mål, lær og skaler
   Definer klare KPI-er (Økt utnyttelse? Reduserte utslipp? Mindre nedetid?), evaluer pilotene og skaler der inntekts- og klimanytten er størst.

5. Forankre i strategi og styre
   AI og teknologiutvikling må være en integrert del av selskapets overordnede strategi for leting, produksjon og bærekraft – ikke et sideprosjekt.

Avslutning: Fra Teknologidagen til helårs teknologidrift

Teknologidagen 2024 ble av deltakerne beskrevet som både inspirerende og konkret – en arena for erfaringsdeling, idéutveksling og faglig påfyll. Men den viktigste effekten kommer ikke fra selve konferansedagen. Den kommer fra det som skjer i månedene og årene etterpå:

• når presentasjoner blir til pilotprosjekter
• når pilotprosjekter blir til standard praksis
• når AI, data og teknologiutvikling blir en naturlig del av alt fra letestrategi til brønnstenging

I denne serien om AI i Norsk Olje og Gass: Digital Transformasjon følger vi nettopp den utviklingen: hvordan datadrevne beslutninger, kunstig intelligens og nye produksjonssystemer endrer norsk sokkel – fra undergrunnsdata til toppside og videre inn i energisystemet.

Spørsmålet er ikke lenger om teknologi er avgjørende, men:

Hvor raskt er din organisasjon villig til å omsette innsikt til handling – og la AI bli en integrert del av hvordan dere leter, produserer og avvikler på norsk sokkel?