EspañolÚnase a nuestros boletines diarios y semanales para recibir las últimas actualizaciones y contenido exclusivo sobre la cobertura de IA líder en la industria. Más información Las operaciones de petróleo y gas generan una enorme cantidad de datos: un estudio sísmico en Nuevo México, por ejemplo, puede proporcionar un archivo que es un petabyte por sí solo. «Convertir eso en una imagen con la que se puede tomar una decisión es una operación de 100 exaflops», dijo Bill Braun, director de TI de Chevron, a la audiencia en VB Transform de este año. «Es una cantidad increíble de computación». Para respaldar ese procesamiento de datos, la empresa multinacional de petróleo y gas ha estado trabajando con GPU desde 2008, mucho antes de que muchas otras industrias requirieran, o incluso consideraran, ese tipo de potencia de procesamiento para cargas de trabajo complejas. Ahora, Chevron está aprovechando las últimas herramientas de IA generativa para derivar aún más información y valor de sus conjuntos de datos masivos. «La IA es una combinación perfecta para la empresa establecida a gran escala con enormes conjuntos de datos: esa es exactamente la herramienta que necesitamos», dijo Braun. EspañolObteniendo información de los datos de la Cuenca Pérmica Pero no son solo las empresas individuales las que tienen enormes (y cada vez mayores) tesoros de datos: Braun señaló el Proyecto de Petróleo y Gas de la Cuenca Pérmica en el oeste de Texas y el sureste de Nuevo México. Chevron es uno de los mayores terratenientes de la Cuenca, que tiene aproximadamente 250 millas de ancho y 300 millas de largo. Con un estimado de 20 mil millones de barriles restantes, comprende aproximadamente el 40% de la producción de petróleo y el 15% de la producción de gas natural en los EE. UU. «Han sido una gran parte de la historia de la producción de EE. UU. durante la última década aproximadamente», dijo Braun. Señaló que la «verdadera joya» es que la Comisión de Ferrocarriles de Texas requiere que todos los operadores publiquen todo lo que están haciendo en el sitio. «Todo es un registro público», dijo Braun. «Está disponible para usted, está disponible para su competencia». Gen AI puede ser beneficiosa aquí, ya que puede analizar enormes cantidades de datos y brindar información rápidamente. En general, los conjuntos de datos disponibles públicamente «se convirtieron en una oportunidad para aprender de la competencia, y si no lo estás haciendo, ellos están aprendiendo de ti», dijo Braun. «Es un enorme acelerador de la forma en que todos aprendieron unos de otros». Permitir la colaboración proactiva, mantener a los humanos seguros Chevron opera en un área grande y distribuida, y si bien hay buenos datos en ciertos lugares, «no los tienes en toda la extensión», señaló Braun. Pero gen AI se puede superponer sobre esos diversos puntos de datos para llenar los vacíos en la geología entre ellos. «Es la aplicación perfecta para completar el resto del modelo», dijo. Esto puede ser útil, por ejemplo, con longitudes de pozos, que tienen varios kilómetros de largo. Otras empresas podrían estar trabajando en áreas alrededor de esos pozos, y gen AI podría alertar sobre interferencias para que los usuarios humanos puedan comunicarse de manera proactiva para evitar interrupciones para cualquiera de las partes, explicó Braun. Chevron también utiliza modelos de lenguaje extenso (LLM, por sus siglas en inglés) para elaborar estándares de ingeniería, especificaciones y boletines de seguridad y otras alertas, dijo, y los científicos de IA están constantemente afinando los modelos. “Si se supone que deben ser seis construcciones exactas, no queremos que nuestra IA generativa se ponga creativa y presente 12”, dijo. “Esas tienen que estar muy ajustadas”. El equipo de Braun también está evaluando las mejores formas de informar a los modelos cuando se trata de geología y equipo para que, por ejemplo, la IA pueda generar una suposición sobre dónde podría estar la próxima cuenca. La compañía también está comenzando a utilizar modelos robóticos, y Braun ve una “tremenda aplicación” cuando se trata de seguridad. “La idea es que los robots hagan el trabajo peligroso, y los humanos se mantengan alejados de manera segura y se aseguren de que la tarea se realice bien”, dijo. “De hecho, puede resultar más económico y menos responsable si lo hace el robot”. Desdibujando las líneas entre equipos previamente dispares Los equipos en el terreno y los equipos en la oficina a menudo han estado aislados en el sector energético, tanto física como digitalmente. Chevron ha trabajado duro para tratar de cerrar esta brecha, explicó Braun. La empresa ha integrado equipos para difuminar las líneas. «Para mí, esos son los equipos de mayor rendimiento, es cuando el ingeniero de aprendizaje automático habla de un problema con una bomba y el ingeniero mecánico habla de un problema con el algoritmo y la API, no se puede saber quién es quién», dijo. Hace unos años, la empresa también comenzó a enviar ingenieros de regreso a la escuela para obtener títulos avanzados en ciencia de datos e ingeniería de sistemas para refrescar y actualizar sus habilidades. Los científicos de datos, o «eruditos digitales», siempre están integrados en los equipos de trabajo «para actuar como un catalizador para trabajar de manera diferente». «Cruzamos esa travesía en términos de nuestra madurez», dijo Braun. «Comenzamos con pequeñas victorias y seguimos adelante». Datos sintéticos, gemelos digitales que ayudan a reducir las emisiones de carbono Por supuesto, en la energía, como en todos los sectores, existe una gran preocupación en torno al impacto ambiental. El secuestro de carbono, o el proceso de capturar, eliminar y almacenar permanentemente CO2, está cobrando cada vez más importancia en este ámbito, explicó Braun. Chevron tiene algunas de las mayores instalaciones de secuestro de carbono del planeta, afirmó Braun. Sin embargo, el proceso aún está evolucionando y la industria no sabe por completo cómo se comportarán con el tiempo los depósitos que contienen el carbono capturado. Chevron ha estado realizando simulaciones de gemelos digitales para ayudar a garantizar que el carbono se quede donde se supone que debe hacerlo y generando datos sintéticos para hacer esas predicciones. La increíble cantidad de energía que utilizan los centros de datos y la IA también es una consideración importante, señaló Braun. Cómo gestionar esas ubicaciones a menudo remotas «de la forma más limpia posible es siempre el punto de partida de la conversación», dijo. VB Daily ¡Manténgase informado! Reciba las últimas noticias en su bandeja de entrada todos los días Al suscribirse, acepta los Términos de servicio de VentureBeat. Gracias por suscribirse. Consulte más boletines de VB aquí. Se produjo un error.