Bergabunglah dengan acara yang dipercaya oleh para pemimpin perusahaan selama hampir dua dekade. VB Transform menyatukan orang -orang yang membangun strategi AI perusahaan nyata. Pelajari lebih lanjut
AI Way No. 1 mengubah raksasa energi berusia 150 tahun Chevron? Bagaimana praktisi teknis terlibat dengan data.
Lepas pantai di Teluk, Chevron mengebor sumber daya minyak di bawah dasar laut di saku dan reservoir yang mungkin atau mungkin tidak menghasilkan hasil. Arsitektur agen harus dapat memproses petabyte data kritis – yang tidak hanya memberikan wawasan tentang di mana harus mengebor, tetapi bagaimana melakukannya tanpa berdampak negatif pada kehidupan manusia atau lingkungan – di awan dan di tepi.
“Data adalah akselerant utama untuk semua kasus penggunaan AI kami,” Steve Bowman, GM untuk AI Enterprise di Chevron, mengatakan di atas panggung di VB Transform tahun ini. “Itu adalah sesuatu yang telah kita peluk secara besar -besaran.”
Bagaimana AI mengubah cara chevron berinteraksi dengan jumlah data yang tak terhitung
Pada tahun 2019, Chevron bekerja sama dengan Microsoft dan Oilfield Services Company SLB dalam sebuah proyek yang disebut 'Triple Crown' untuk memodernisasi dan membakukan alat berbasis cloud. Ketiga perusahaan telah membangun aplikasi asli Azure menjadi eksplorasi dan perlindungan kognitif DELFI* SLB (E&P) untuk membantu memproses Chevron, memvisualisasikan, menafsirkan, dan mendapatkan wawasan yang bermakna dari berbagai sumber data. Delfi* E&P mencakup lingkungan eksplorasi, pengembangan, produksi, dan midstream.
Raksasa energi senilai $ 250 miliar dengan 1.000 karyawan di 180 negara di seluruh dunia memiliki “sejumlah besar data di luar sana,” kata Bowman. Dan, sementara Chevron memiliki “sistem catatan yang sangat kuat,” sejumlah besar data tidak terstruktur telah ada di berbagai titik saham.
Selama bertahun-tahun, Chevron telah membangun beberapa “algoritma yang sangat hebat” yang secara tradisional telah dijalankan dalam skala kecil di tempat, jelasnya. Namun, ada peningkatan dorongan untuk meningkatkan, menjalankan algoritma tersebut pada skala yang jauh lebih besar dan lebih efisien di cloud.
Dengan melakukan itu, “alih-alih melihat satu blok tiga mil demi tiga mil di Teluk Meksiko atau Teluk Amerika, kita dapat melihat daerah yang jauh lebih besar yang sedang kita beroperasi,” katanya.
Kolaborasi Microsoft-SLB telah berfokus pada tiga produk: FDPLAN, DRILLPLAN, dan Drillops. FDPLAN menggunakan komputasi kinerja tinggi (HPC) untuk mengintegrasikan model bawah permukaan, memungkinkan karyawan untuk membuat keputusan yang lebih cepat dan lebih terinformasi dalam lingkungan yang kompleks, memanfaatkan data terbaik yang tersedia. Misalnya, di Teluk, FDPLAN membantu Chevron menganalisis berbagai opsi untuk mengembangkan reservoir sehingga timnya dapat fokus pada skenario paling optimal.
Sementara itu, DrillPlan dirancang untuk insinyur yang mengembangkan rencana pengeboran, sementara drillop digunakan oleh tim yang mengebor sumur.
Sebelum inisiatif, beberapa karyawan Chevron bawah permukaan menghabiskan sebanyak 75% dari waktu mereka mencari data, kata Bowman. “Kita dapat melihat bahwa waktu yang dihabiskan orang mencari data mulai berkurang, dan kecepatan di mana kita bisa mendapatkan wawasan benar -benar semakin cepat,” kata Bowman.
Drillplan juga telah membantu Chevron mengurangi proses perencanaan sumur air dalamnya selama 30 hari. Misalnya, di Argentina, perusahaan telah mengurangi waktu siklus perencanaannya untuk bantalan delapan sumur dari dua minggu menjadi kurang dari sehari.
Pada akhirnya, Bowman menyebut pindah ke cloud “pengali kekuatan nyata” yang memungkinkan Chevron masuk ke fase baru modernisasi.
Fokus pada sistem modular
Sekarang, ketika mereka bekerja untuk mengintegrasikan AI, tim Bowman sangat fokus pada modularitas.
Dia menunjukkan bahwa 'tanya' awal adalah pencarian; Mereka menawarkan kasus penggunaan yang sangat sederhana yang memungkinkan orang untuk mengambil informasi yang ada dalam SharePoint yang “sangat, sangat”. Tetapi karena pengguna telah lebih banyak terlibat, permintaan mereka meningkat; Sebagai tanggapan, timnya telah menambahkan agen pengambilan, agen yang dapat mengevaluasi temuan dari sudut pandang teknis dan agen orkestra untuk menautkan keduanya.
“Kami benar -benar menyadari cukup awal bahwa kami perlu bersandar pada modularitas, karena kami tahu bahwa agen -agen ini akan dipanggil dalam alur kerja lain, berdasarkan permintaan,” katanya.
Upaya lain adalah 'Chevron Assist,' antarmuka obrolan untuk beroperasi berdasarkan standar kesehatan, keselamatan dan lingkungan (HSE). “Kami bekerja di industri yang sangat kompleks, dan taruhan permainan selalu lebih tinggi,” kata Bowman.
Alat ini menyediakan cara alami bagi orang untuk berinteraksi dengan dokumen yang terkait dengan standar dan prosedur kritis, menghilangkan kebutuhan untuk mengklik melalui tautan atau mencari di dalam dokumen. Jadi, misalnya, pengguna dapat menggabungkan semua standar yang mereka butuhkan untuk kru pengeboran, kru operasi dan kru pemeliharaan.
“Kami menyadari bahwa kami tidak memikirkan masalah dengan cara yang dipikirkan oleh pengguna individu tentang hal -hal itu secara bersamaan,” kata Bowman. “Ada begitu banyak nilai dalam integrasi itu. Itu benar -benar mengubah cara orang melakukan pekerjaan mereka.”
Tidak terlalu fokus pada POC
Saat membangun programnya, tim Bowman secara aktif menghindari jatuh ke dalam kebiasaan melakukan pilot dan bukti konsep (POC) yang terlalu lama berlarut -larut. “Tidak ada nilai dalam hal itu,” katanya.
Tujuannya selalu untuk menggunakan kasus penggunaan yang paling menjanjikan ke dalam produksi, katanya. Semuanya harus dihubungkan kembali ke garis bawah Chevron dan menawarkan proposisi nilai yang kuat.
“Kami tahu bahwa dengan kumpulan data yang dikuratori dan kelompok pengguna yang sangat antusias dan bermaksud baik dan kasus penggunaan yang sangat sempit, ada hampir 100% kepastian bahwa POC Anda akan berhasil,” kata Bowman.
Elemen penting lainnya dalam menggunakan alat generasi berikutnya adalah mengatasi trust Hurdle. Dari sudut pandang perubahan perilaku, para pemimpin perusahaan harus memahami tidak hanya harapan yang ditempatkan perusahaan pada pengguna secara lokal dan di tepi, tetapi apa yang diharapkan pengguna pada gilirannya, kata Bowman.
“Jika Anda telah membangun sistem atau alat -alat ini sedemikian rupa sehingga orang -orang yang akan menaruhnya tidak mempercayai mereka, atau tidak dapat mempercayai mereka, atau ada sesuatu yang menahannya, maka Anda tidak pernah benar -benar mendapatkan penyebaran penuh antusias,” katanya.
Catatan Editor: Sebagai ucapan terima kasih kepada pembaca kami, kami telah membuka pendaftaran burung awal untuk VB Transform 2026-hanya $ 200. Di sinilah AI Ambition memenuhi realitas operasional, dan Anda akan ingin berada di dalam ruangan. Pesan tempat Anda sekarang.
About the Author
