AI Việt giải bài toán trăm triệu USD ngành dầu khí

Tại tập đoàn dịch vụ dầu khí top đầu thế giới, có trụ sở tại Hoa Kỳ, chỉ một sai sót trong quá trình trám xi măng giếng khoan cũng có thể khiến doanh nghiệp "mất trắng" hàng trăm triệu USD. Vì vậy trong suốt nhiều thập kỷ, cách duy nhất để giảm rủi ro là thử nghiệm trong phòng lab.

Mỗi tháng, các chuyên gia phải thực hiện hàng nghìn thí nghiệm. Nhưng chính sự thận trọng lại tạo ra một nghịch lý: càng thử nhiều, chi phí càng tăng, thời gian càng kéo dài. Khi quy mô vận hành mở rộng, cách làm này dần trở thành một nút thắt.

Trước áp lực đó, đội ngũ kỹ sư của tập đoàn dầu khí bắt đầu ứng dụng AI nhằm khai thác hơn 2,2 triệu kết quả thử nghiệm được tích lũy qua nhiều năm để xây dựng mô hình dự đoán hiệu quả của các công thức xi măng. Tuy nhiên, sau nhiều nỗ lực, độ chính xác của mô hình chỉ dừng ở khoảng 60% – mức có thể chấp nhận trong nhiều lĩnh vực, nhưng không đủ với ngành dầu khí, khi chỉ một sai lệch nhỏ cũng có thể kéo theo tổn thất rất lớn.

Bài toán tiếp tục rơi vào bế tắc: dữ liệu ngày càng nhiều, nhưng vẫn chưa thể chuyển hóa thành giá trị thực tế.

Xử lý điểm nghẽn từ dữ liệu

Khi tiếp cận bài toán, đội ngũ kỹ sư FPT không bắt đầu từ thuật toán, mà từ dữ liệu.

"Sau khi phân tích hơn 45 triệu bản ghi dữ liệu thô, chúng tôi nhận ra vấn đề cốt lõi không nằm ở thuật toán mà ở chất lượng dữ liệu. Các mô hình trước đó được xây dựng trên nền dữ liệu phân mảnh, thiếu nhất quán, khiến độ chính xác của AI khó vượt qua ngưỡng nhất định", anh Đinh Vũ Quốc Trung, đại diện đội ngũ kỹ sư AI của FPT, chia sẻ.

Từ góc nhìn này, nhóm kỹ sư bắt đầu bằng việc làm sạch, chuẩn hóa và tái cấu trúc dữ liệu. Sau 3 tháng, khoảng 9 triệu bản ghi chất lượng cao được xây dựng, tạo nền tảng đủ tin cậy cho việc huấn luyện mô hình.

Khi nút thắt dữ liệu được tháo gỡ, mô hình nhanh chóng đạt độ chính xác 79%, vượt xa ngưỡng yêu cầu của đối tác và được đưa vào vận hành thực tế. Thay vì phải thử hàng nghìn phương án trong phòng lab, hệ thống AI giúp sàng lọc trước các công thức ít khả năng thành công, để kỹ sư tập trung vào những phương án triển vọng nhất.

Tham vọng "bài toán ngược": AI trực tiếp thiết kế giải pháp

Khi mô hình AI được đưa vào vận hành, bài toán tưởng chừng đã khép lại. Nhưng trên thực tế đó mới chỉ là điểm khởi đầu.

Chính lúc này, đối tác đưa ra một yêu cầu mới, và thách thức hơn nhiều. Nếu trước đây, kỹ sư xác lập công thức để AI dự đoán kết quả, thì nay bài toán được đảo chiều: từ các điều kiện vận hành, yêu cầu kỹ thuật và giới hạn chi phí, hệ thống phải xác định những cấu hình vật liệu đáng để thử nghiệm nhất. Nói cách khác, AI đã tham gia trực tiếp vào quá trình thiết kế giải pháp.

Đây là bài toán phức tạp hơn nhiều, khi số lượng tổ hợp vật liệu có thể lên tới hàng chục nghìn phương án.

Thay vì kiểm tra tuần tự từng khả năng theo cách truyền thống, đội ngũ FPT khai thác dữ liệu lịch sử tích lũy qua nhiều năm để huấn luyện mô hình AI. Từ các kết quả trước đó, hệ thống có thể nhận diện những quy luật khó thấy bằng mắt thường và nhanh chóng khoanh vùng các phương án có xác suất thành công cao.

Những vòng đánh giá từng kéo dài từ vài ngày đến vài tuần nay được rút ngắn xuống chỉ còn vài phút – yếu tố đặc biệt quan trọng khi mỗi ngày vận hành ngoài khơi có thể tiêu tốn tới hàng triệu USD.

Ở một góc độ khác, AI cũng giúp tăng tính nhất quán trong quá trình ra quyết định kỹ thuật. Thay vì phụ thuộc hoàn toàn vào kinh nghiệm cá nhân hay các giả định mang tính trực giác, hệ thống có thể phân tích đồng thời khối lượng lớn dữ liệu để phát hiện những tương tác phức tạp giữa các thành phần vật liệu – các yếu tố vốn dễ bị bỏ sót trong điều kiện áp lực cao hoặc thời gian xử lý gấp rút.

Quan trọng hơn, xây dựng mô hình AI cũng là quá trình số hóa kinh nghiệm và phương pháp ra quyết định của các thế hệ chuyên gia dầu khí, được tích lũy qua hàng chục nghìn giếng khoan. Điều này đặc biệt có giá trị trong bối cảnh ngành dầu khí đang đối mặt với làn sóng nghỉ hưu của lớp chuyên gia kỳ cựu và tình trạng thiếu hụt nhân lực chất lượng cao. Việc tích hợp tri thức vào mô hình không chỉ giúp giảm nguy cơ thất thoát kinh nghiệm vận hành, mà còn tạo nền tảng để thế hệ kỹ sư tiếp theo kế thừa và phát triển.

Tiến sâu vào "lõi" các ngành kỹ thuật phức tạp

Từ các dự án cho những doanh nghiệp năng lượng hàng đầu thế giới, FPT đã từng bước chuẩn hóa kinh nghiệm triển khai thành bộ giải pháp AI chuyên biệt "Flezi Nergy".

Ông Lê Hoài Bảo, Giám đốc Đơn vị Phát triển Phần mềm Chuyên ngành Năng lượng & Tiện ích Toàn cầu FPT Software, Tập đoàn FPT, chia sẻ: "Trong ngành năng lượng, giá trị của AI không nằm ở việc thay thế chuyên gia, mà ở khả năng giúp kỹ sư ra quyết định tốt hơn trong những bài toán có quá nhiều biến số và chi phí thử sai rất cao".

"Hơn 25 năm làm việc cùng các doanh nghiệp năng lượng hàng đầu thế giới đã giúp FPT tích lũy nền tảng hiểu biết ngành đủ sâu để không chỉ triển khai công nghệ, mà còn phát triển các mô hình AI cho những bài toán nằm ở phần lõi của vận hành và khai thác", đại diện FPT cho biết.

Ở góc độ rộng hơn, đây cũng là một lát cắt cho thấy hành trình trưởng thành AI của doanh nghiệp theo khung năng lực AI-Native (CASAN) do FPT phát triển nhằm đánh giá và dẫn dắt quá trình chuyển đổi AI. Theo cách tiếp cận này, AI không chỉ được ứng dụng cho từng bài toán riêng lẻ, mà dần trở thành năng lực nền tảng để xây dựng giải pháp mới, hỗ trợ chuyên gia trong các quyết định kỹ thuật phức tạp và tham gia sâu hơn vào vận hành cốt lõi của doanh nghiệp.