La AI No. 1 está cambiando el cíclope de la energía de 150 primaveras Cheurón? Cómo los profesionales técnicos se involucran con los datos.

Offshore en el Cala, Chevron está perforando capital petroleros a millas debajo del fondo del océano en bolsillos y depósitos que pueden o no obtener resultados. Las arquitecturas de agente deben poder procesar petabytes de datos críticos, que no solo proporcionan información sobre dónde perforar, sino cómo hacerlo sin afectar negativamente las vidas humanas o el medio círculo, en la abundancia y en el borde.

“Los datos son lo más acelerador para todos nuestros casos de uso de IA”, dijo Steve Bowman, GM de Enterprise AI en Chevron, en el ambiente de este año Transformación de VB. “Es poco que hemos aceptado a lo extenso”.

Cómo la IA está cambiando la forma en que Chevron interactúa con sus no contadas cantidades de datos

En 2019, Chevron se asoció con Microsoft y la compañía de servicios petroleros SLB en un esquema llamado ‘Triple corona‘Para modernizar y estandarizar las herramientas basadas en la abundancia. Las tres compañías han incorporado aplicaciones nativas de Azure en la exploración y protección cognitiva (E&P) de SLB para ayudar a procesar, visualizar, interpretar y obtener información significativa de múltiples fuentes de datos. Delfi* E&P cubre la exploración, el exposición, la producción y los entornos intermedios.

El cíclope energético de $ 250 mil millones con 1,000 empleados en 180 países en todo el mundo tiene “una enorme cantidad de datos”, dijo Bowman. Y, mientras que Chevron tiene “sistemas de registro muy robustos”, han existido grandes cantidades de datos no estructurados en una variedad de puntos compartidos.

A lo desprendido de los primaveras, Chevron ha construido algunos “algoritmos positivamente geniales” que tradicionalmente se han ejecutado a pequeña escalera en las instalaciones, explicó. Sin incautación, ha habido un impulso creciente para prosperar, ejecutando esos algoritmos a una escalera mucho anciano y de modo más válido en la abundancia.

Al hacer eso, “en lado de mirar un pedrusco de tres millas por tres millas en el Cala de México o el Cala de América, podemos ver áreas mucho más grandes en las que estamos tratando de efectuar”, dijo.

La colaboración de Microsoft-SLB se ha centrado en tres productos: FDPLAN, Drillplan y Drillops. FDPLAN utiliza la computación de parada rendimiento (HPC) para integrar modelos subterráneos, lo que permite a los empleados tomar decisiones más rápidas y más informadas en entornos complejos, aprovechando los mejores datos disponibles. Por ejemplo, en el Cala, FDPLAN ayuda a Chevron a analizar diferentes opciones para desarrollar un depósito para que sus equipos puedan centrarse en los escenarios más óptimos.

Mientras tanto, Drillplan está diseñado para ingenieros que desarrollan planes de túnel, mientras que DrillOps es utilizado por equipos que perforan pozos.

Antiguamente de la iniciativa, algunos empleados subsuperficiales de Chevron estaban gastando hasta el 75% de su tiempo buscando datos, señaló Bowman. “Podemos ver que el tiempo que las personas pasan buscando datos comienzan a disminuir, y la velocidad a la que podemos obtener información positivamente se acelera”, dijo Bowman.

Drillplan además ha ayudado a Chevron a someter su proceso de planificación de pozos de aguas profundas en 30 días. Por ejemplo, en Argentina, la compañía ha pequeño su tiempo de ciclo de planificación para una almohadilla de ocho pocillos de dos semanas a menos de un día.

Finalmente, Bowman llamó al movimiento a la abundancia “un multiplicador de fuerza existente” que ha permitido a Chevron entrar en una nueva período de modernización.

Un enfoque en los sistemas modulares

Ahora, mientras trabajan para integrar la IA, el equipo de Bowman se centra en gran medida en la modularidad.

Señaló que el “preguntar” auténtico era la búsqueda; Ofrecieron un caso de uso muy simple que permitió a las personas recuperar información que existía adentro de un “muy” enrevesado SharePoint. Pero a medida que los usuarios se han comprometido cada vez más, sus solicitantes están aumentando; En respuesta, su equipo ha anexo un agente de recuperación, un agente que puede evaluar los hallazgos desde un punto de paisaje técnico y un agente de orquestador para vincular los dos.

“Positivamente nos dimos cuenta conveniente temprano de que necesitábamos inclinarnos mucho en la modularidad, porque sabíamos que estos agentes serían convocados en otros flujos de trabajo, en función de la demanda”, dijo.

Otro esfuerzo es ‘Chevron Assist’, una interfaz de chat para efectuar con los estándares de lozanía, seguridad y ambiental (HSE). “Trabajamos en una industria enormemente compleja, y las apuestas del selección siempre son más altas”, dijo Bowman.

La útil proporciona una forma natural para que las personas interactúen con documentos relacionados con estándares y procedimientos críticos, eliminando la pobreza de hacer clic en los enlaces o la búsqueda adentro de los documentos. Entonces, por ejemplo, un sucesor puede combinar todos los estándares que necesita para un equipo de túnel, un equipo de operaciones y un equipo de mantenimiento.

“Nos dimos cuenta de que no estábamos pensando en el problema en la forma en que los usuarios individuales están pensando en esas cosas todas juntas a la vez”, dijo Bowman. “Ha habido tanto valía en esa integración. Eso positivamente ha cambiado la forma en que las personas hacen su trabajo”.

No enfocarse demasiado en POCS

A medida que construye sus programas, el equipo de Bowman ha evitado activamente caer en el vestido de emprender pilotos y pruebas de conceptos (POC) que se prolonguen demasiado tiempo. “No hay valía en eso”, dijo.

El objetivo siempre ha sido desplegar los casos de uso más prometedores en la producción, dijo. Todo debe estar vinculado de regreso al resultado final de Chevron y ofrecer una robusto propuesta de valía.

“Sabemos que con un conjunto de datos seleccionado y un agrupación de usuarios positivamente entusiasta y adecuadamente intencionado y un caso de uso muy definido de modo muy limitada, hay casi 100% de certeza de que su POC tendrá éxito”, dijo Bowman.

Otro medio ambiente importante en la implementación de herramientas de próxima reproducción es aventajar el obstáculo de confianza. Desde el punto de paisaje del cambio de comportamiento, los líderes empresariales deben comprender no solo las expectativas que la compañía coloca en los usuarios localmente y en el coto, sino lo que esos usuarios esperan a su vez, dijo Bowman.

“Si ha creado estos sistemas o herramientas de tal modo que las personas que les van a poner las manos no confían en ellos, o no pueden aguardar en ellos, o hay poco que los detiene, entonces nunca obtendrá el despliegue entusiasta completo”, dijo.

Nota del editor: como agradecimiento a nuestros lectores, hemos extenso el registro temprano para VB Transform 2026, solo $ 200. Aquí es donde la anhelo de IA se encuentra con la existencia operativa, y querrás estar en la habitación. Reserve su lado ahora.