生成式AI在油气行业的应用前景如何？

Gartner研究 快问快答：生成式AI在油气行业的应用前景如何？ Rich McAvey 2023年6月19日 Gartner, Inc. | G00795708 第1页，共5页 快问快答：生成式AI在油气行业的应用前景如何？ 发布日期：2023年6月19日 - ID G00795708 - 阅读全文约需4分钟 分析师：Rich McAvey 主题：能源与公用事业行业的数字化转型与创新 油气行业要实现高效运营，离不开智能监控和自动化，而生成式AI是按企业所需的规模和速度为其配备这些能力的关键所在。本研究旨在揭示为何CIO必须立即设法应用生成式AI，以免在竞争中落后。 快问快答 生成式AI（GenAI）在油气行业的应用前景如何？ ■ 快速发展的无悔型用例将迅速证明其业务价值并促使企业发展适配的专业技能。 ■ 潜力无限的颠覆型用例有望激增，进而改变业内竞争格局。 ■ 生成式AI将带来意料之外的风险，需要采取全新的治理流程和控制措施。 更多详情 快速发展的无悔型用例将证明其业务价值，并促使企业发展适配专业技能 油气行业的业务战略越来越重视可提升性能、降低风险和提高效率的技术，如GenAI技术（该技术可以从数据中学习人造物的表征，并在保持与原始数据相似性的同时，使用这些表征生成全新的原创人造物）。 对于大多数企业而言，第一波浪潮中的GenAI初始用例可分为四大类： Gartner, Inc. | G00795708 第2页，共5页 ■ 辅助设计与开发：这类用例可减少繁琐重复的工作，帮助开发人员将更多的时间和精力放在创造性解决方案上。例如： ■ 缩短生成和调试代码的时间。 ■ 自动纠正错误/发现遗漏缺陷并采用统一的标准，修复元数据。 ■ 人工生成数据：在缺少可用数据的情况下，为机器学习（ML）模型提供训练所需的数据。例如： ■ 整合并优化历史数据池，提高发现和描述性能特征的能力。 ■ 根据直接测得的运行数据，确定数据分布，生成缺失数据，创建全新的虚拟传感器（ML模型）。 ■ 图像、文本、视频和音频等媒体素材的创建：用于促进社区关系、协调跨企业团队工作和为现场技术人员提供培训。例如： ■ 整合工厂和设备数据（如操作手册、产品规格、用户指南、维护要求等），取代关键词搜索和自定义编程，直接提供答案。 ■ 生成面向监管机构、社区和投资者的项目推介材料，促进项目审批。 ■ 智能助理部署：提供一致的相关信息，帮助团队快速做出决策，执行低频但复杂的任务；或协调多个部门的工作。例如： ■ 使用大型语言模型（LLM），进行会话式查询，提升客户、员工和合作伙伴对企业知识系统中相关内容的访问权限。 ■ 整合特定业务资产的信息，提高与物流、制造、交易、定价、维护和运营相关的响应速度。 Gartner, Inc. | G00795708 第3页，共5页 潜力无限的颠覆型用例有望激增，进而改变业内竞争格局 上述初级用例有利于企业了解GenAI的业务价值。但GenAI也可提供颠覆性机遇（增加营收、降低成本、提高生产力和优化风险管理），重塑未来的创新投资组合。如图1所示，相关的用例包括： 降低成本和提高生产力： ■ 员工增强——GenAI可以增强员工的能力，使其快速、大规模地创建各种描述型或概念型人造物。例如：起草和编辑文本；创建图像和其他媒体素材；总结、概括和分类内容；生成软件代码；翻译和验证；以及提高聊天机器人的性能。 ■ 完善流程——GenAI可以基于大量的存储内容（如文档、信件和记录）中提取出真实、贴合上下文含义的有价值信息。到目前为止，大量数据一直未被充分利用。 增加营收： ■ 产品研发——制造业（能源、可持续发展、化工和材料科学）、制药业和医疗保健业有可能成为GenAI优先的行业，进而使用GenAI开发能源以及新型催化剂和合金材料的替代。 ■ 新型营收渠道开发——AI成熟度越高，企业获得全新营收的速度可能会越快。油气服务公司可以利用GenAI提供专有数据开放式访问服务，解决“什么样的完井技术对新岩层更有效？”等问题。 优化风险管理： ■ 风险减缓——GenAI可以分析海量数据、提供更广泛且更深入的数据可见性并减少软件代码错误，进而提高企业的模式识别和风险识别能力。 ■ 可持续发展——GenAI可以通过人性化的方式（如故事、绘画等）获取环境专家的知识和经验，并在整个企业内普及知识和经验，从而帮助企业遵守可持续发展法规。 Gartner, Inc. | G00795708 第4页，共5页 图1：油气行业的生成式AI初级用例 生成式AI将带来意料之外的风险，企业需要采取全新的治理流程和控制措施 生成式AI将给油气企业带来新的挑战。油气企业的数字化领导者必须关注的挑战包括： ■ 性能验证挑战：GenAI可自动设计并生成解决方案，但其生成的解决方案可能并不完美。为此，人类员工仍然需要对生成的解决方案进行质量检查、验证和测试，确保解决方案达到预期的效果。 ■ 道德伦理挑战：GenAI模型基于现有数据集进行学习，这可能会在无意中重复训练数据中预先存在的偏见或模式，例如给予某类别客户更高的优先级。 ■ 知识产权与法律合规挑战：生成式AI使用的训练数据可能产生法律问题。为此，企业必须满足相关的许可和知识产权要求。 油气行业的生成式 AI 初级用例 复杂性 可持续发展 风险缓释 新型营收渠道开发 员工增强 虚拟传感器 信息访问 产品研发 流程优化 智能助手 智能性 时间 潜力无限的颠覆型用例 快速发展的无悔型用例 元数据管理 外部媒体创建 计算机代码生成 注：圆形大小表示用例对企业的潜在影响和价值。 来源：Gartner 795708 Gartner, Inc. | G00795708 第5页，共5页 作者推荐 《生成式AI董事会简报》 《生成式AI促进创新，提高业务价值》 《快问快答：什么是智能资产？它们重要的原因是什么？》 © 2023 Gartner, Inc.及/或其关联公司。保留所有权利。Gartner是Gartner, Inc.及其关联公司的注册商标。如无Gartner事前书面许可，不得以任何形式复制或传播本出版物。本出版物中包含Gartner研究部门的观点，不应被理解为事实陈述。本出版物中所含信息取自可靠来源，但Gartner不对此类信息的准确性、完整性和适当性做任何保证。Gartner研究中可能涉及法律及财务问题，但Gartner并不提供法律建议或投资服务，亦不可将Gartner研究成果作此用途。访问和使用本出版物时应遵守《Gartner使用政策》之规定。Gartner以独立客观而蜚声业界，所有研究项目均由公司研究部门独立完成，不受任何第三方影响。如需更多信息，敬请参阅《独立性和客观性指导原则》。Gartner研究不得用作生成式人工智能、机器学习、算法、软件或相关技术的培训或开发知识。 可行的客观洞察 为您的IT部门获得成功做好准备。探寻为CIO提供的其他免费资源和工具： 电子书 哪些重要实践有助于油气公司成功实施数字化战略 了解油气行业成功执行数字化战略的重要实践。 信息图 2024 年 CIO 议程：中国视角 为您 2024 年的数字