Wintershall Dea siempre mira hacia el futuro, como demuestra su compromiso con la innovación tecnológica, la capacitación de los empleados y la producción de energía respetuosa con el medio ambiente. Los últimos acontecimientos han hecho que esa previsión sea más importante que nunca.

La iteración actual de la corporación se formó en 2019 como resultado de una fusión entre dos empresas heredadas, Wintershall y DEA Deutsche Erdoel AG, cada una de las cuales había estado en el negocio durante más de 120 años.

A medida que las dos empresas unieron fuerzas, se hizo evidente la necesidad de que la IA se conectara y capitalizara los datos de toda la organización. La IA no solo podría proporcionar una mayor eficiencia y ahorro de costes, sino que también podría reforzar la posición de Wintershall Dea como líder de la industria en innovación tecnológica, un factor importante para atraer colaboradores dentro y fuera de la organización. 

En 2020, la empresa recién formada estaba lista para acelerar una iniciativa AI@Scale. Varias unidades internas de negocio y corporativas ya estaban trabajando con la IA en ese momento, pero los proyectos se desarrollaron con propósitos únicos y aislados. Con un enfoque AI@Scale, los proyectos de IA se construyen para la escalabilidad desde el principio. Si tienen éxito, pueden ampliarse y extenderse a otros grupos de forma rápida y sencilla.

El desarrollo de soluciones AI@Scale requiere una plataforma y una metodología centralizadas. "Queremos que se nos considere un socio de confianza", afirma Kathrin Dufour, Vicepresidenta Senior de Digitalización y Tecnología de Wintershall Dea. "Si tiene un entorno estandarizado a través del cual puede acceder a sus datos y conceder acceso a otros, es mucho más fácil colaborar dentro de su ecosistema de socios. Esto es cada vez más importante hoy en día, porque intercambiamos datos tanto interna como externamente mucho más que en el pasado".

Con ese objetivo en mente, la compañía ha establecido un centro de competencia (CoC) para la inteligencia artificial y la ciencia de datos bajo el liderazgo de Ulrich Lorang, quien se desempeña como vicepresidente de ciencia de datos, gobierno de datos y centro de datos. Para planificar, desarrollar y poner en marcha su plataforma y CoC de IA, Wintershall Dea necesitaba asociarse con un socio que pudiera proporcionarle acceso a una reserva mayor y más amplia de conocimientos y experiencia en IA.

En la búsqueda de ese socio, IBM Consulting destacó entre sus competidores: tenía un historial probado de trabajo con Wintershall Dea en proyectos anteriores, así como una amplia experiencia ayudando a otros clientes a desarrollar sus capacidades de IA a escala.

Además, IBM había formado una alianza estratégica con Microsoft, y Wintershall Dea ya estaba utilizando Microsoft Azure para su plataforma de datos. IBM pudo adaptar su metodología IBM AI@Scale para adaptarse a la plataforma existente y aportar experiencia en Microsoft según sea necesario.

Desde el principio, la colaboración entre IBM y Wintershall Dea fue perfecta. "En realidad, el proceso fue muy sencillo", dice Lorang. "Construimos un equipo. Nunca hubo una gran diferencia entre las dos empresas. Teníamos un objetivo común y trabajamos juntos para cumplirlo".

En la implementación de IBM AI@Scale, el equipo se centró en tres áreas estratégicas: la arquitectura técnica de la plataforma, el modelo operativo del CoC y la cultura corporativa.

La oferta IBM AI @Scale incluye evaluaciones estandarizadas que cubren áreas como el estado actual de la IA en una empresa, la visión futura de la IA, las partes interesadas clave y los recursos necesarios. IBM personalizó las evaluaciones para Wintershall Dea para cubrir cada una de las tres áreas estratégicas. Posteriormente, IBM y Wintershall Dea trabajaron juntos para utilizar los resultados de la evaluación para desarrollar una hoja de ruta tecnológica y organizacional para la ciencia de datos dentro de la empresa.

Para la base técnica, el equipo desarrolló una arquitectura basada en componentes utilizando la plataforma y los servicios de Microsoft Azure. Al diseñar esta base, el equipo adoptó una metodología de operaciones de machine learning (MLOps), un enfoque integral que aprovecha a los científicos e ingenieros de datos para planificar, desarrollar, construir, probar y mantener sistemas de IA.

Desde el punto de vista operativo, el equipo estableció cómo debería funcionar el CoC, así como los tipos de roles y habilidades que ampliarían las capacidades de la ciencia de datos en toda la organización. Además de los científicos de datos en el CoC, esa comunidad incluía científicos de datos ciudadanos de las unidades de negocios y corporativas (geocientíficos, ingenieros, economistas y otros con una sólida formación en programación matemática) que podrían ayudar a impulsar proyectos de ciencia de datos dentro de sus respectivos equipos.

En última instancia, Wintershall Dea quería hacer crecer esta comunidad, formando a los empleados de toda la empresa para que pudieran desarrollar sus propios proyectos de IA. El interés por la ciencia de datos era grande y la dirección creía que la mayor parte del valor para la empresa empezaba a nivel de negocio y de unidad corporativa. Para ello, la hoja de ruta incluía sesiones de capacitación técnica para el CdC y los científicos de datos ciudadanos sobre cómo utilizar la nueva plataforma y las plantillas.

Desde el punto de vista de la cultura y la comunicación de la empresa, el equipo planificó una variedad de sesiones y talleres educativos para las unidades comerciales y corporativas de toda la empresa. Estas actividades se centraron en el valor empresarial que la IA podría proporcionar a los empleados en sus trabajos diarios y en las formas en que podrían trabajar con el CoC para capitalizar ese valor.

En 2021, IBM y Wintershall Dea estaban listas para empezar a sentar las bases para la implementación de AI @Scale basándose en la hoja de ruta que habían creado conjuntamente. La configuración del entorno técnico, las conversaciones con las unidades de negocio, la identificación de posibles casos de uso, la promoción del concepto del CoC y la participación y la capacitación de los empleados formaron parte de ese proceso.

En el frente tecnológico, el equipo procedió a aprovisionar los servicios necesarios a partir de la plataforma Azure y a personalizar las plantillas de IBM AI@Scale según las necesidades y el entorno de Wintershall Dea. Desde una perspectiva operativa, el equipo llevó a cabo sesiones de capacitación técnica para capacitar al CdC y a los científicos de datos ciudadanos de las unidades de negocio para crear sus propios proyectos de IA en el futuro.

Para concienciar a los empleados sobre el valor de la ciencia de datos y el CdC, tanto desde el punto de vista tecnológico como empresarial, el equipo se reunió con las unidades de negocio de forma individual, celebró sesiones educativas y desarrolló una campaña interna para promover los beneficios potenciales de la IA y explicar cómo podría ayudar el CdC.

En 2022, el equipo comenzó la siguiente fase de su viaje hacia la IA: desarrollar casos de uso en soluciones completas. El proceso para seleccionar y desarrollar casos de uso seguido de las líneas de la metodología IBM Garage. IBM y Wintershall Dea trabajaron codo con codo, con IBM proporcionando orientación durante todo el proceso, educando y capacitando a los empleados de Wintershall Dea para que pudieran duplicar la metodología en proyectos futuros.

El proceso de calificación implicó una estrecha colaboración con las unidades de negocio para comprender sus problemas. "Trabajamos estrechamente con expertos en el campo para asegurarnos de que no estábamos automatizando algo sólo porque podíamos, sino que realmente manteníamos el problema empresarial enfocado", dice Max Schemmer, consultor de inteligencia artificial orientado a la investigación de IBM Consulting.

Lorang coincide: “Debe tener un problema comercial. Y debe entender los retos de la zona y asegurarse de tener acceso a datos pertinentes y de alta calidad, y luego preparar los datos para poder hacer algo con ellos".

Wintershall Dea realiza principalmente dos tipos de proyectos de IA: proyectos tradicionales a gran escala y pequeños "luciérnagas" fáciles de implementar. Una luciérnaga es un concepto de Wintershall Dea para llevar a cabo un proyecto de IA rápido y escalable para resolver un problema simple. Dado que hay empleados capacitados en ciencia de datos en toda la empresa, las unidades de negocio pueden desarrollar y codificar luciérnagas de forma independiente y recurrir al CoC para obtener asistencia cuando sea necesario.

Las luciérnagas comienzan siendo pequeñas, y a veces se incendian. Cuando lo hacen, están diseñados para escalar rápidamente. Por ejemplo, a un empleado de un departamento de ingeniería se le encargó extraer manualmente valores clave de más de 2000 documentos PDF e introducir esos datos en una hoja de cálculo. El proceso era tedioso y quitaba tiempo al empleado para realizar un trabajo más creativo y significativo.

Al aplicar la IA, el equipo de ingeniería pudo automatizar el proceso, lo que permitió al empleado trabajar en proyectos más desafiantes y brindar un mayor valor general a la empresa. Pronto se hizo evidente que el mismo modelo para extraer datos en tiempo real de fuentes internas y externas podría ser valioso para otras partes del negocio y más allá. Hoy en día, la solución escalable se aplica en varias unidades de negocio y corporativas para una variedad de propósitos.

Los proyectos a gran escala apuntan alto desde el principio. En 2021, Wintershall Dea investigó la aplicación de la IA para mantener la integridad de sus pozos de gas y petróleo en Noruega. Ese mantenimiento es particularmente importante para los pozos en operación, especialmente los pozos submarinos. Con kilómetros de enormes tuberías encapsuladas en múltiples capas de acero y hormigón que se adentran profundamente en el lecho marino, las pequeñas fugas podrían ser imperceptibles durante largos periodos de tiempo, incluso en presencia de un sistema de vigilancia de pozos de última generación, hasta que se hicieran lo suficientemente grandes como para causar problemas graves en el peor de los casos. Por lo tanto, la detección temprana es esencial.

Anteriormente, los ingenieros de Wintershall Dea habían estado monitorizando los datos de los sensores de los pozos de forma continua. Pero incluso con el análisis cotidiano, algunos problemas eran prácticamente indetectables para el ser humano.

Al utilizar la IA, el equipo desarrolló un caso de uso para analizar los datos de los sensores existentes de forma mucho más intensiva y precisa de lo que era posible anteriormente. "En primer lugar, intentamos validar la hipótesis de que podíamos usar la inteligencia artificial para detectar un incidente de fuga histórico", afirma Prihandono Aditama, gerente de producto de Wintershall Dea. “Una vez que pudimos confirmar que teníamos el modelo correcto, lo conectamos con datos en vivo de los sensores del pozo.

“Actualmente, si la IA detecta una anomalía, envía un correo electrónico a nuestros ingenieros”, continúa. "Estamos en el proceso de crear una interfaz de usuario para los ingenieros, que estará disponible en la primera versión del producto".

Las herramientas y metodología de IBM AI@Scale han sido fundamentales durante todo el proceso. "Una de las principales contribuciones de IBM es cómo llevar la prueba de concepto a la producción", dice Aditama. "Las plantillas que proporciona IBM nos permiten hacer un escalado rápido y realizar tests, pruebas de concepto y desarrollo en paralelo".

En la actualidad, Wintershall Dea, junto con IBM, ha identificado más de 80 posibles casos de uso de inteligencia artificial y ciencia de datos, 20 de los cuales está investigando activamente. Los casos de uso abarcan desde áreas técnicas, como operaciones, ingeniería y geociencias, hasta áreas no técnicas, como comerciales y de ventas. IBM participa activamente en varias de ellas, pero las demás se gestionan de forma independiente dentro de las unidades empresariales y corporativas de la empresa y del CoC.

Los proyectos existentes están avanzando. El equipo de Wintershall Dea está trabajando en la ampliación del modelo de extractor de PDF a otras partes de la empresa, extrayendo y aplicando datos de bases de datos internas y externas. El proyecto de integridad del pozo se ha puesto en marcha a finales de 2022. Después del lanzamiento, el equipo tiene planes preliminares para escalarlo tanto verticalmente, agregando nuevas características y capacidades, como horizontalmente, aplicando el modelo a pozos adicionales en Noruega y otros países.

El entusiasmo en toda la empresa por la iniciativa de ciencia de datos es alto, tanto en términos de su potencial para resolver problemas comerciales como de oportunidades para la innovación y el crecimiento de habilidades. Más de 100 empleados de Wintershall Dea han recibido formación en IA y ciencia de datos, incluidos 60 empleados que asistieron recientemente a un taller de ciencia de datos de seis días.

"Definitivamente hemos inspirado a la organización", dice Lorang. "Hemos construido una comunidad ciudadana de ciencia de datos que está comprometida y trabajando para usar la IA para resolver problemas con nuestra ayuda".

La relación con IBM sigue siendo sólida. "Mantenemos una fructífera colaboración con IBM Consulting. Nuestros esfuerzos conjuntos han generado un impulso significativo, lo que nos ha permitido alcanzar hitos cruciales y ofrecer valor en un plazo relativamente condensado", afirma Hugo Dijkgraaf, Director de tecnología de Wintershall Dea. "No sólo han aportado habilidades y experiencia en IA, sino que también el equipo tiene personalidades que coinciden con las nuestras".

Wintershall Dea (enlace externo a ibm.com) es una de las principales compañías de gas y petróleo independientes de Europa con sede en Alemania. Formada en 2019 a partir de la fusión de Wintershall Holding GmbH y DEA Deutsche Erdoel AG, la empresa opera en 11 países y cuenta con aproximadamente 2000 empleados.