シェブロンが生成AIを活用して石油探査と生産を強化する方法

データの活用による石油・ガス業務の効率化

石油・ガス業務では巨大な量のデータが生成されており、ニューメキシコの地震探査ではペタバイトに達するデータファイルが生産されます。シェブロンのCIOビル・ブラウンは、意思決定のための画像化には「100エクサフロップの計算能力が必要」と、そのデータ処理の規模を強調しました。シェブロンは2008年からGPUを利用しており、他の多くの業界がこのような処理能力の必要性に気づく前から先駆的に取り組んでいました。現在、同社は最先端の生成AIツールを活用し、大規模なデータセットからより深い洞察と価値を引き出しています。「AIは、大規模なデータセットを持つ企業にとって理想的なツールです」とブラウンは述べています。

パーミアン盆地からの洞察

この課題はシェブロン独自のものではなく、業界全体に広がっています。ブラウンは、シェブロンが大規模な土地を所有する西テキサスとニューメキシコの南東に位置するパーミアン盆地について言及しました。この広大な地域はおよそ250マイルの幅、300マイルの長さを持ち、約200億バレルの石油が埋蔵されており、米国全体の石油生産の40%、天然ガスの15%を占めています。「この10年間、彼らは米国の生産物語にとって重要な存在でした」とブラウンは語ります。一つの特異な利点として、テキサス州鉄道委員会の規定により、すべてのオペレーターが現場活動を公表する必要がある点を挙げました。「すべてが公的記録です」とブラウンは強調し、この透明性の戦略的な利点を指摘しました。「競合から学ぶ機会を提供し、そうしないと彼らがあなたから学んでいく。これは業界の学びを加速させる巨大な要素です。」

積極的なコラボレーションと安全性の推進

シェブロンの業務は広範囲にわたり、データの品質は様々です。ブラウンは、生成AIが地質データのギャップを解消するために重要であると指摘しました。「モデルを完成させるには最適なアプリケーションです」と述べています。たとえば、全長数マイルのウェルにおいて、AIが近隣のオペレーションとの潜在的な干渉を警告し、事前にコミュニケーションをとることで混乱を防ぎます。さらに、シェブロンは大規模な言語モデル（LLM）を活用し、エンジニアリング基準や安全に関する公表を開発するなど、これらのモデルを最適な精度に向けて常に改良しています。「正確な構造が求められる場合、生成AIに創造的な提案をさせたくありません」とブラウンは説明しました。「それらは非常に厳密に調整されなければなりません。」

同社はまた、安全性を高めるためにロボットモデルの導入を模索しています。「ロボットが危険な作業を担い、人間は安全な距離からオペレーションを監視することが目標です」と述べ、このアプローチがコストと責任を減少させる可能性を提示しました。

チーム間のコラボレーション促進

従来、エネルギー分野のチームは物理的にもデジタル的にも孤立して業務を行ってきました。シェブロンはこのギャップを埋めることに注力し、チームを統合しています。「機械学習エンジニアと機械エンジニアが共通の課題に取り組むとき、高いパフォーマンスを発揮します」とブラウンは述べています。また、シェブロンはエンジニアを再教育し、データサイエンスやシステムエンジニアリングの高度な学位を取得させることに投資しており、データサイエンティスト、すなわち「デジタル学者」をオペレーションチームに統合し、革新的なアプローチを促進しています。「小さな成功から始めて、それを積み重ねることで私たちは成長してきました」とブラウンは締めくくりました。

環境問題への取り組みと技術の役割

すべての業界同様、エネルギー産業においても環境への影響は重要な懸念事項です。二酸化炭素を捕捉し永久に貯蔵する「炭素隔離」が重要性を増しています。ブラウンは、シェブロンが世界で最大級の炭素隔離施設を運営していると述べつつ、貯留性能に関する不確実性も残っていると認めました。この不確実性に対処するため、シェブロンはデジタルツインシミュレーションを活用し、炭素が確実に保持されるようにし、予測分析のために合成データを生成しています。また、データセンターやAIアプリケーションのエネルギー消費を管理し、クリーンな操業を維持することの重要性を強調し、「これらの多くは遠隔地にあるため、可能な限りクリーンに管理する方法が常に議論の出発点です」と述べました。