核心观点： 石油和天然气行业正面临快速变化的市场和技术环境，传统的基于长期资产、规划和资本配置的优势已不再决定竞争劣势。为了在当前环境下保持领先地位，企业需要具备快速适应变化的能力，通过实时、集成的 IT、OT 和商业决策来提高运营效率、资产利用率和能源强度。
关键数据：
- 2030 年，电动汽车将使石油需求减少约 540 万桶/天。
- 40% 的石油和天然气公司表示，他们计划在 2028 年之前利用 AI 开发新的商业模式。
- 67% 的石油和天然气高管表示，他们正在积极重新设计他们的工作方式，以充分利用 AI 的潜力。
研究结论：
- 执行能力： 执行速度，而非规划能力，决定了企业快速检测变化、协调决策以及在不影响安全、可靠性和回报的情况下采取行动的能力。
- 战略灵活性： 企业需要将选择权、数据和执行从规划周期转移到运营中，以建立应对市场变化的选项，并通过跨职能协作和决策协调来利用这些选项。
- 运营效率： 通过将数据、工作流程和决策支持嵌入到运营模型中，企业可以提高运营效率，减少运营损失，并提高决策速度。
- AI 适用的运营和工作模型： 企业需要重新设计工作流程，以便 AI 可以支持决策准备、约束检查、程序访问、选项比较和后续行动。
- 可持续发展和能源转型： 石油和天然气企业需要将减排纳入资产和运营决策中，并建立可信的碳排放数据和 AI 驱动的决策支持。
转型技术：
- 混合云设计： 支持跨分布式、始终在线的运营，支持峰值需求、本地执行和数字、存储和供应链环境中的持续可用性。
- 安全设计： 保护运营，而不仅仅是基础设施，从控制系统和边缘设备到企业平台和云分析。
- 数据和自动化： 帮助石油和天然气企业减少信号和执行之间的延迟，提高运营效率、资产可靠性和能源效率。
- 传统和生成式 AI： 通过改进运营、维护、规划、供应、交易和可持续性工作流程中的决策质量来提高执行能力。
- 自主 AI： 将 AI 从决策支持扩展到工作协调，通过监控条件、检查约束、建议下一步操作、触发工作流程和跟踪结果来支持执行。
- 量子计算： 针对石油和天然气中具有挑战性的优化和模拟问题，包括复杂优化、分子建模、材料发现和先进的能源系统模拟。
- 数字主权和弹性： 设计主权就绪的架构，将关键工作负载放置在边缘，并确保跨 OT 和 IT 保持一致的数据治理。
案例研究： 研报还提供了多个案例研究，展示了 IBM 如何帮助石油和天然气企业利用 AI 和其他转型技术来提高运营效率、降低成本和增强弹性。
