Intervista a Tim Custer su Apache

Nei settori in cui i dati sono fondamentali per ottenere un vantaggio competitivo, l’intelligenza artificiale e l’apprendimento automatico sono diventati una necessità. Questo è sicuramente il caso delle industrie petrolifere e del gas che fluiscono e fluiscono nel tempo mentre il mercato richiede la crescita e diminuisce per le risorse critiche su cui siamo arrivati ​​a dipendere.

In un recente Episodio podcast di AI Today, Tim Custer, Vicepresidente senior

della terra del Nord America, lo sviluppo del business e il settore immobiliare con Apache, una grande azienda energetica, condivide l’impatto dell’IA sul modo in cui opera il business dell’energia. Dopo aver assunto il ruolo di direttore del territorio negli ultimi dieci anni, Custer ha condiviso quanto legato le attività immobiliari e tradizionali non energetiche sono il settore petrolifero e del gas e il ruolo svolto dall’apprendimento automatico e dall’IA per cambiare notevolmente il modo in cui l’industria dell’energia tratta i documenti.

Secondo Custer, l’intelligenza artificiale e l’apprendimento automatico stanno estraendo dati preziosi da dati non strutturati. L’industria petrolifera e del gas dipende in particolare da una complessa serie di processi e da esigenze incentrate sui documenti per i contratti di locazione di terreni. Gas

i contratti di locazione sono di vitale importanza per l’industria energetica in quanto determinano i diritti legali e rivendicano un deposito di petrolio o gas mentre regolano il commercio e l’estrazione di tali risorse. In Apache, Custer osserva di avere circa 60.000 contratti di locazione cartacei e incentrati sui documenti che possono variare in lunghezza da sole due pagine a oltre cinquanta. Inoltre, ci sono disposizioni contenute in ogni pagina che devono essere individuate e interpretate ogni volta che viene effettuata una richiesta di locazione. Questo compito può rivelarsi piuttosto laborioso con il compito aggiuntivo di trovare il contratto di locazione cartaceo corretto per cominciare.

Il primo passo per combattere il controllo di questi contratti di locazione è quello di digitalizzare i documenti in modo che le macchine possano capirle. Apache è riuscita a digitalizzare la maggior parte dei contratti di noleggio del gas utilizzando il riconoscimento ottico dei caratteri (OCR) e l’elaborazione del linguaggio naturale (NLP). Sono in grado di cercare in questi documenti non solo il contratto di locazione richiesto ma la fornitura al suo interno in pochi secondi. Ciò non solo accelera i processi di ricerca in Apache, ma consente anche di risparmiare tempo per i team che necessitano di disposizioni specifiche per i loro progetti. Custer continua descrivendo l’ottimizzazione del processo come raggruppamento di disposizioni con “formulazione simile” su vaste quantità di dati. Questi sistemi di digitalizzazione e NLP assicurano una maggiore integrità dei dati aumentando l’accuratezza e rimuovendo l’interpretazione umana.

Una curiosità particolare di questi contratti di locazione è che sono spesso vecchi, con i documenti scritti a mano, di solito con stili calligrafici e scritti a mano datati. Alcuni dei documenti successivi furono scritti a mano. Come tale c’è molta variabilità di leggibilità, caratteri, spaziatura e qualità generale del documento. Apache ha applicato l’apprendimento automatico per completare i processi di organizzazione e ricerca dei dati in modo più efficace e rapido di quanto altrimenti sarebbe possibile con gli umani che devono leggere ed elaborare ciascun documento. Custer nota che esistono diversi approfondimenti sui documenti che devono essere considerati come lettere, corrispondenza o promemoria interni allegati al contratto di locazione del gas stesso. I sistemi abilitati all’IA consentono di migliorare significativamente l’organizzazione di queste informazioni aggiuntive grazie alla sua capacità di classificare e classificare i documenti. Oltre a una maggiore efficienza ed efficacia, l’utilizzo di un approccio di digitalizzazione e basato su ML qui elimina anche la necessità di archiviare i documenti disponibili negli archivi. Al contrario, questi documenti, una volta scansionati, possono essere spostati nell’archivio di archiviazione a lungo termine per essere utilizzati solo quando necessario come backup.

L’energia è fortemente regolata e ciò può rappresentare una sfida quando si tenta di implementare la tecnologia. Custer, tuttavia, vede l’IA realisticamente applicata all’industria energetica a molti casi d’uso unici che prevede per il futuro. In particolare, Custer rileva la relativa inefficienza della logistica e della gestione del settore energetico. Nota che i progressi tecnologici sono già stati fatti nel settore e forniscono esempi come l’imaging sismico in grado di scansionare serbatoi sotterranei e trapani che possono perforare sia verticalmente che orizzontalmente nel terreno. Custer riconosce queste applicazioni come enormi progressi tecnologici nel settore. Tuttavia, Custer osserva che nel corso degli anni c’è stato un minimo progresso nel suo dominio della gestione del territorio e dello sviluppo del business, riferendosi a come le persone erano inizialmente preoccupate ma si sono lentamente riscaldate all’idea dell’IA nel settore energetico. Aggiunge che questa accettazione è particolarmente importante quando sono coinvolti disposizioni e contratti di locazione a causa delle sue capacità di risparmio di tempo e di organizzazione dei file. Apache e altre aziende energetiche accolgono sempre più i continui progressi tecnologici godendo dei vantaggi in termini di costi e di risparmio di tempo.

Custer elabora anche l’aspetto che fa risparmiare tempo a questi sistemi di intelligenza artificiale, in particolare quando applicato a una disposizione nota come “consenso all’assegnazione”. Questa disposizione è implicata in un obbligo contrattuale che decide se la proprietà può essere trasferita o meno. Custer osserva che un consenso per assegnare la fornitura può richiedere ore per la revisione manuale, mentre i sistemi abilitati per l’IA possono abbreviare il processo in pochi minuti.

In generale, Custer ritiene che questa sia solo la punta dell’iceberg per quanto riguarda i modi in cui l’IA può avere un impatto drammatico sul settore energetico. Afferma che ci sono molti possibili progressi nel settore che possono essere appresi da altri settori come finanza, sanità e produzione, esaminando casi d’uso simili in cui documenti, processi e dati possono essere effettivamente sfruttati e ottimizzati. Custer nota quanto diventerà molto più efficiente l’analisi dei dati e che la nostra capacità di estrarre informazioni preziose dai dati sarà migliorata solo col passare del tempo.