Michael O’Donnell Photography
¿Qué pasaría si se pudiera comprimir un ciclo de planificación de un mes en menos de un día? No se trata de una hipótesis de una startup tecnológica; es el retorno de la inversión real que Chevron, el gigante energético de 150 años de antigüedad, está logrando actualmente. Al modernizar su conjunto de datos e implementar herramientas generativas, Chevron está transformando radicalmente su velocidad operativa. ¿Cómo lo lograron y qué lecciones pueden aprender todas las empresas de su estrategia?
por Taryn Plumb
- Cómo la IA está cambiando la forma en que Chevron interactúa con sus incalculables cantidades de datos
- Un enfoque en sistemas modulares
- Cómo la IA está cambiando la forma en que Chevron interactúa con sus incalculables cantidades de datos
- Un enfoque en sistemas modulares
- A medida que desarrolla sus programas, el equipo de Bowman ha evitado activamente caer en el hábito de realizar pruebas piloto y de concepto (POC) que se prolongan demasiado. “Eso no tiene ningún valor”, afirmó.
La principal forma en que la IA está transformando a Chevron, el gigante energético de 150 años , es cómo los profesionales técnicos interactúan con los datos.
En alta mar, en el Golfo de México, Chevron está perforando en busca de recursos petroleros a kilómetros de profundidad, en yacimientos y depósitos que podrían o no producir resultados. Las arquitecturas de agentes deben ser capaces de procesar petabytes de datos críticos, lo que no solo proporciona información sobre dónde perforar, sino también cómo hacerlo sin afectar negativamente la vida humana ni el medio ambiente, tanto en la nube como en el borde.
“Los datos son el acelerador definitivo para todos nuestros casos de uso de IA”, declaró Steve Bowman, director general de IA empresarial en Chevron, en el escenario de VB Transform de este año . “Es algo que hemos adoptado con entusiasmo”.
Cómo la IA está cambiando la forma en que Chevron interactúa con sus incalculables cantidades de datos
En 2019, Chevron se asoció con Microsoft y la empresa de servicios petrolíferos SLB en un proyecto denominado ” Triple Corona ” para modernizar y estandarizar las herramientas basadas en la nube. Las tres empresas integraron aplicaciones nativas de Azure en el sistema de exploración y protección cognitiva (E&P) DELFI* de SLB para ayudar a Chevron a procesar, visualizar, interpretar y obtener información valiosa de múltiples fuentes de datos. DELFI* E&P abarca entornos de exploración, desarrollo, producción y midstream.
El gigante energético de 250.000 millones de dólares, con miles de empleados en 180 países de todo el mundo, tiene una enorme cantidad de datos disponibles, afirmó Bowman. Y, si bien Chevron cuenta con sistemas de registro muy robustos, ha existido una gran cantidad de datos no estructurados en diversos puntos de intercambio.
A lo largo de los años, Chevron ha desarrollado algoritmos realmente excelentes que tradicionalmente se ejecutaban a pequeña escala localmente, explicó. Sin embargo, ha habido un creciente impulso para escalar, ejecutando esos algoritmos a una escala mucho mayor y de forma más eficiente en la nube.
Al hacer eso, “en lugar de mirar un bloque de tres millas por tres millas en el Golfo de México o el Golfo de América, podemos mirar áreas mucho más grandes en las que estamos tratando de operar”, dijo.
La colaboración entre Microsoft y SLB se ha centrado en tres productos: FDPlan, DrillPlan y DrillOps. FDPlan utiliza computación de alto rendimiento (HPC) para integrar modelos del subsuelo, lo que permite a los empleados tomar decisiones más rápidas e informadas en entornos complejos, aprovechando la mejor información disponible. Por ejemplo, en el Golfo de México, FDPlan ayuda a Chevron a analizar diferentes opciones para el desarrollo de un yacimiento, de modo que sus equipos puedan centrarse en los escenarios más óptimos.
Mientras tanto, DrillPlan está diseñado para ingenieros que desarrollan planes de perforación, mientras que DrillOps es utilizado por equipos que perforan pozos.
Antes de la iniciativa, algunos empleados de Chevron dedicados al subsuelo dedicaban hasta el 75 % de su tiempo a la búsqueda de datos, señaló Bowman. «Observamos que el tiempo que la gente dedica a la búsqueda de datos está disminuyendo, y la velocidad a la que podemos obtener información se está acelerando», afirmó Bowman.
DrillPlan también ha ayudado a Chevron a reducir su proceso de planificación de pozos en aguas profundas en 30 días. Por ejemplo, en Argentina, la compañía redujo el tiempo de su ciclo de planificación para una plataforma de ocho pozos de dos semanas a menos de un día.
Finalmente, Bowman calificó la transición a la nube como “un verdadero multiplicador de fuerza” que ha permitido a Chevron entrar en una nueva fase de modernización.
Un enfoque en sistemas modulares
Ahora, mientras trabajan para integrar la IA, el equipo de Bowman se está centrando principalmente en la modularidad. “Los datos son el acelerador definitivo para todos nuestros casos de uso de IA”, declaró Steve Bowman, director general de IA empresarial en Chevron, en el escenario de VB Transform de este año . “Es algo que hemos adoptado con entusiasmo”.
Cómo la IA está cambiando la forma en que Chevron interactúa con sus incalculables cantidades de datos
En 2019, Chevron se asoció con Microsoft y la empresa de servicios petrolíferos SLB en un proyecto denominado ” Triple Corona ” para modernizar y estandarizar las herramientas basadas en la nube. Las tres empresas integraron aplicaciones nativas de Azure en el sistema de exploración y protección cognitiva (E&P) DELFI* de SLB para ayudar a Chevron a procesar, visualizar, interpretar y obtener información valiosa de múltiples fuentes de datos. DELFI* E&P abarca entornos de exploración, desarrollo, producción y midstream.
El gigante energético de 250.000 millones de dólares, con miles de empleados en 180 países de todo el mundo, tiene una enorme cantidad de datos disponibles, afirmó Bowman. Y, si bien Chevron cuenta con sistemas de registro muy robustos, ha existido una gran cantidad de datos no estructurados en diversos puntos de intercambio.
A lo largo de los años, Chevron ha desarrollado algoritmos realmente excelentes que tradicionalmente se ejecutaban a pequeña escala localmente, explicó. Sin embargo, ha habido un creciente impulso para escalar, ejecutando esos algoritmos a una escala mucho mayor y de forma más eficiente en la nube.
Al hacer eso, “en lugar de mirar un bloque de tres millas por tres millas en el Golfo de México o el Golfo de América, podemos mirar áreas mucho más grandes en las que estamos tratando de operar”, dijo.
La colaboración entre Microsoft y SLB se ha centrado en tres productos: FDPlan, DrillPlan y DrillOps. FDPlan utiliza computación de alto rendimiento (HPC) para integrar modelos del subsuelo, lo que permite a los empleados tomar decisiones más rápidas e informadas en entornos complejos, aprovechando la mejor información disponible. Por ejemplo, en el Golfo de México, FDPlan ayuda a Chevron a analizar diferentes opciones para el desarrollo de un yacimiento, de modo que sus equipos puedan centrarse en los escenarios más óptimos.
Mientras tanto, DrillPlan está diseñado para ingenieros que desarrollan planes de perforación, mientras que DrillOps es utilizado por equipos que perforan pozos.
Antes de la iniciativa, algunos empleados de Chevron dedicados al subsuelo dedicaban hasta el 75 % de su tiempo a la búsqueda de datos, señaló Bowman. «Observamos que el tiempo que la gente dedica a la búsqueda de datos está disminuyendo, y la velocidad a la que podemos obtener información se está acelerando», afirmó Bowman.
DrillPlan también ha ayudado a Chevron a reducir su proceso de planificación de pozos en aguas profundas en 30 días. Por ejemplo, en Argentina, la compañía redujo el tiempo de su ciclo de planificación para una plataforma de ocho pozos de dos semanas a menos de un día.
Finalmente, Bowman calificó la transición a la nube como “un verdadero multiplicador de fuerza” que ha permitido a Chevron entrar en una nueva fase de modernización.
Un enfoque en sistemas modulares
Ahora, mientras trabajan para integrar la IA, el equipo de Bowman se está centrando principalmente en la modularidad.
Señaló que la solicitud inicial era la búsqueda; ofrecieron un caso práctico muy sencillo que permitía recuperar información existente en un SharePoint muy complejo. Sin embargo, a medida que los usuarios se involucran más, sus solicitudes aumentan; en respuesta, su equipo ha añadido un agente de recuperación, un agente que puede evaluar los hallazgos desde un punto de vista técnico y un agente orquestador para vincularlos.
“Nos dimos cuenta muy pronto de que necesitábamos apostar fuertemente por la modularidad, porque sabíamos que estos agentes serían requeridos en otros flujos de trabajo, según la demanda”, afirmó.
Otra iniciativa es ‘Chevron Assist’, una interfaz de chat para operar según los estándares de salud, seguridad y medio ambiente (HSE). “Trabajamos en una industria enormemente compleja, y lo que está en juego siempre es mayor”, afirmó Bowman.
La herramienta ofrece una forma natural de interactuar con documentos relacionados con normas y procedimientos críticos, eliminando la necesidad de hacer clic en enlaces o buscar dentro de los documentos. Así, por ejemplo, un usuario puede combinar todas las normas que necesita para un equipo de perforación, un equipo de operaciones y un equipo de mantenimiento.
“Nos dimos cuenta de que no estábamos considerando el problema como lo hacen los usuarios individuales”, dijo Bowman. “Esa integración ha sido muy valiosa. Ha cambiado realmente la forma en que la gente trabaja”.
A medida que desarrolla sus programas, el equipo de Bowman ha evitado activamente caer en el hábito de realizar pruebas piloto y de concepto (POC) que se prolongan demasiado. “Eso no tiene ningún valor”, afirmó.
El objetivo siempre ha sido implementar los casos de uso más prometedores en producción, afirmó. Todo debe estar vinculado a los resultados de Chevron y ofrecer una sólida propuesta de valor.
“Sabemos que con un conjunto de datos cuidadosamente seleccionados, un grupo de usuarios realmente entusiasta y bien intencionado, y un caso de uso definido con precisión, hay casi un 100 % de certeza de que su prueba de concepto (POC) tendrá éxito”, afirmó Bowman.
Otro elemento importante en la implementación de herramientas de última generación es superar el obstáculo de la confianza. Desde la perspectiva del cambio de comportamiento, los líderes empresariales deben comprender no solo las expectativas que la empresa tiene sobre los usuarios locales y en el borde, sino también qué esperan esos usuarios a su vez, afirmó Bowman.
“Si has desarrollado estos sistemas o herramientas de tal manera que quienes los van a utilizar no confían en ellos, o no pueden confiar en ellos, o hay algo que los frena, entonces nunca conseguirás una implementación completamente entusiasta”, dijo.