AI på norsk sokkel hva olje- og gassbransjen faktisk bruker teknologien til

AI på norsk sokkel — hva olje- og gassbransjen faktisk bruker teknologien til

Norsk olje- og gassnæring er kapitalintensiv, sikkerhetsregulert og datamoden. Det gjør den til ett av de mer interessante sporene for industriell AI i Norge — og til en sektor der investeringer i maskinlæring har pågått siden midten av 2010-tallet, lenge før det ble moteriktig. Statusen sommeren 2026 er at teknologien er i bred driftsfase i noen selskaper, mens andre fortsatt er i pilotprosjekter.

Prediksjon av utstyrssvikt er kjernebruken

Den mest dokumenterte og utbredte bruken av AI i bransjen er prediktivt vedlikehold. Sensorer på kompressorer, pumper og rørledninger genererer kontinuerlige datastrømmer. Maskinlæringsmodeller analyserer disse og varsler om avvik som indikerer kommende svikt — typisk dager eller uker før et tradisjonelt regime ville oppdaget problemet.

Equinor har omtalt prediktivt vedlikehold som et område der de har gjort substansielle investeringer. Eksakte besparingstall er ikke offentliggjort, men selskapet har beskrevet det som ett av de tiltakene som gir størst operasjonell effekt av AI-porteføljen.

Aker BP bruker liknende teknologi og har integrert vedlikeholdspredikasjon i driftssystemene på flere av sine plattformer.

Seismisk tolkning og letevirksomhet

Tolkning av seismiske data er en kompetansekrevende oppgave som tradisjonelt krever erfarne geologer over lang tid. AI-baserte bildetolkningsmodeller kan i dag gjennomgå store seismiske datasett raskere og flagge anomalier som geologene deretter vurderer manuelt.

Dette erstatter ikke geologer, men det endrer arbeidsflytene. Effekten er at det er mulig å gå gjennom et større antall kandidatområder i løpet av en letekampanje, og at noen rutineoppgaver i tolkningsprosessen flyttes over på maskin.

Schlumberger (nå SLB) og Halliburton leverer begge AI-moduler for seismisk analyse til norske operatører. Equinor har i tillegg egenutviklede modeller fra FoU-avdelingen.

Produksjonsoptimering i sanntid

AI brukes i voksende grad til sanntids produksjonsoptimering: å justere brønnparametere, separatortrykk og injeksjonsrater for å maksimere oljeutvinning per enhet energi. Dette er teknisk komplekst og krever integrasjon med eksisterende prosesskontrollsystemer (SCADA og DCS), noe som fortsatt er en flaskehals for mange operatører.

«Potensialet for AI i produksjonsoptimering er stort, men integrasjon mot eldre kontrollsystemer gjør at utbredelsen går langsommere enn mange hadde sett for seg.» — presentasjon fra ONS Digital 2025, gjengitt i Teknisk Ukeblad

HMS-dokumentasjon og arbeidstillatelser

Et mer hverdagslig, men praktisk viktig bruksområde er AI-assistert HMS-dokumentasjon og håndtering av arbeidstillatelser (PTW — permit to work). Disse prosessene genererer store mengder tekst og skjemaer. AI-verktøy som leser, strukturerer og flagger mangelfulle tillatelser er tatt i bruk av noen operatører.

Det reduserer saksbehandlingstiden for arbeidstillatelser og senker risikoen for at viktige sikkerhetsbetingelser glemmes i dokumentflyten.

Hva er ikke på plass ennå

Det er to store områder der ambisjonene til nå er større enn realitetene:

Autonom brønnboring: AI-styrt boring uten kontinuerlig menneskelig overvåking er teknisk mulig i kontrollerte sammenhenger, men er ikke i kommersiell drift på norsk sokkel i 2026. Sikkerhetskrav og regulatoriske krav fra Petroleumstilsynet setter høye terskler for autonome systemer i sikkerhetsklassifiserte omgivelser.

Generativ AI i ingeniørarbeid: Bruk av store språkmodeller til teknisk dokumentasjon, revisjon av prosedyrer og konfigurasjonsgjennomganger er i utprøving hos flere selskaper, men rulles ut forsiktig. Feilaktig informasjon i sikkerhetsrelaterte dokumenter er en reell risiko.

Hva det betyr for leverandørkjeden

Norske teknologileverandører til olje- og gassektoren — Kongsberg Digital, ABB og Aibel blant andre — integrerer AI i egne produkter og tjenester. Det skaper muligheter for norske softwareselskaper med relevant domenekunnskap, men krever høy terskel for sertifisering og sikkerhetsvalidering.

For mellomstore og små leverandørbedrifter i bransjen er den praktiske konsekvensen at kunder i stadig større grad etterspør digitale grensesnitt og datastøttede leveranser — ikke bare fysisk materiell og tjenester.

Ofte stilte spørsmål