Wintershall Dea siempre mira hacia el futuro, como lo demuestra su compromiso con la innovación tecnológica, el empoderamiento de los empleados y la producción de energía ambientalmente responsable. Los acontecimientos recientes han hecho que esa previsión sea más importante que nunca.

La iteración actual de la corporación se formó en 2019 como resultado de la 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 conecte y capitalice los datos de toda la organización. La IA no solo podría proporcionar una mayor eficiencia y ahorro de costos, 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 negocios y corporativas ya estaban trabajando con IA en ese momento, pero los proyectos se desarrollaron para propósitos únicos y aislados. Con un enfoque AI@Scale, los proyectos de IA se crean para la escalabilidad desde el principio. Si tienen éxito, podrán 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 nos vean como un asociado de elección”, dice Kathrin Dufour, vicepresidenta sénior de digitalización y tecnología de Wintershall Dea. “Si tiene un entorno estandarizado a través del cual puede acceder a sus datos y otorgar acceso a otros, es mucho más fácil colaborar dentro de su ecosistema de asociados. Esto es cada vez más importante hoy en día, porque intercambiamos datos tanto interna como externamente mucho más que antes”.

Con ese objetivo en mente, la empresa ha establecido un centro de competencia (CoC) para IA y ciencia de datos bajo el liderazgo de Ulrich Lorang, quien se desempeña como vicepresidente de Ciencia de Datos, Gobernanza de Datos y Hub de Datos. Para planificar, desarrollar y entregar su CoC y plataforma de IA, Wintershall Dea necesitaba asociarse con alguien que pudiera proporcionar acceso a una reserva más grande y más amplia de conocimientos y experiencia en IA.

En la búsqueda de ese asociado, IBM Consulting se destacó de la competencia: tenía un historial comprobado 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 fue capaz de adaptar su metodología IBM® AI@Scale para ajustarse a la plataforma existente y aportar la experiencia de Microsoft según fuera necesario.

Desde el principio, la colaboración entre IBM y Wintershall Dea fue perfecta. “El proceso fue realmente muy simple”, dice Lorang. “Construimos un equipo. Nunca hubo una gran diferenciación 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 de IBM AI@Scale incluye evaluaciones estandarizadas que cubren áreas, como el estado actual de la IA dentro de una empresa, la visión futura de la IA, los stakeholders clave y los recursos necesarios. IBM personalizó las evaluaciones de Wintershall Dea para cubrir cada una de las tres áreas estratégicas. IBM y Wintershall Dea trabajaron en conjunto para utilizar los resultados de la evaluación con el fin de desarrollar una hoja de ruta tecnológica y organizativa para la ciencia de datos dentro de la empresa.

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

A nivel operativo, el equipo expuso cómo debería funcionar el CoC, así como los tipos de roles y habilidades que extenderían las capacidades de ciencia de datos en toda la organización. Además de los científicos de datos del CoC, esa comunidad incluía científicos de datos ciudadanos de las unidades empresariales y corporativas —geocientíficos, ingenieros, economistas y otros con sólidos antecedentes 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, mejorando las habilidades de los empleados de toda la empresa para que pudieran desarrollar sus propios proyectos de IA. El interés en la ciencia de datos era fuerte, y la gerencia creía que la mayor parte del valor para la empresa comenzaba a nivel de unidad de negocio y corporativa. Con ese fin, la hoja de ruta incluyó sesiones de habilitación técnica para el CoC y los científicos de datos ciudadanos sobre cómo usar las nuevas plantillas y plataforma.

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 su trabajo diario y en las formas en que podrían trabajar con el CoC para capitalizar ese valor.

En 2021, IBM y Wintershall Dea estaban listos para comenzar a sentar las bases para la implementación de AI@Scale basada en la hoja de ruta que habían creado conjuntamente. Configurar el entorno técnico, hablar con las unidades de negocio, identificar posibles casos de uso, promover el concepto de CoC e involucrar y capacitar a los empleados fueron parte de ese proceso.

En cuanto a la tecnología, el equipo procedió a aprovisionar los servicios necesarios fuera de la plataforma Azure y a personalizar las plantillas de IBM AI@Scale según las necesidades y el entorno de Wintershall Dea. Desde el punto de vista operativo, el equipo llevó a cabo sesiones de capacitación técnica para capacitar al CoC y a los científicos de datos ciudadanos de las unidades de negocio para crear sus propios proyectos de IA en el futuro.

Para concientizar a los empleados sobre el valor de la ciencia de datos y el CoC (tanto desde el punto de vista tecnológico como empresarial), el equipo se reunió individualmente con las unidades de negocio, organizó sesiones educativas y desarrolló una campaña interna para promover los beneficios potenciales de la IA y explicar cómo podía ayudar el CoC.

En 2022, el equipo comenzó la siguiente fase de su recorrido por la IA: convertir casos de uso en soluciones completas. El proceso de selección y desarrollo de casos de uso siguió las líneas de la metodología IBM® Garage. IBM y Wintershall Dea trabajaron simultáneamente, e IBM proporcionó orientación durante todo el proceso, formando y capacitando a los empleados de Wintershall Dea para que pudieran replicar la metodología en futuros proyectos.

El proceso de calificación implicó una estrecha colaboración con las unidades de negocios para comprender sus problemas. “Trabajamos en estrecha colaboración con los expertos del dominio para asegurarnos de que no estábamos automatizando algo solo porque podíamos, sino porque realmente estábamos enfocando el problema del negocio”, dice Max Schemmer, consultor de Inteligencia Artificial Orientado a la Investigación de IBM Consulting.

Lorang concuerda: “Debe tener un problema comercial. Y debe comprender los desafíos en su área y asegurarse de tener acceso a datos relevantes y de alta calidad y luego preparar los datos para que realmente pueda hacer algo con ellos”.

Wintershall Dea lleva a cabo principalmente dos tipos de proyectos de IA: proyectos tradicionales a gran escala y pequeñas “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 solicitar el apoyo del CoC según sea necesario.

Las luciérnagas comienzan siendo pequeñas y, a veces, se incendian. Cuando lo hacen, están diseñadas para escalar rápidamente. Por ejemplo, a un empleado de un departamento de ingeniería se le encargó extraer manualmente los valores clave de más de 2000 documentos PDF e introducir esos datos en una hoja de cálculo. El proceso era tedioso y le 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 proporcionó 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 demás ámbitos. Hoy en día, la solución escalable se aplica en varias unidades comerciales y corporativas para una variedad de propósitos.

Los proyectos a gran escala son ambiciosos 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 submarinos. Con kilómetros de enormes tuberías encerradas en múltiples capas de acero y concreto excavadas profundamente en el lecho marino, las pequeñas fugas podrían ser imperceptibles durante largos periodos, incluso en presencia de un sistema de monitoreo de pozos de última generación, hasta que sean lo suficientemente grandes como para causar grandes problemas en los peores casos. Por tanto, la detección temprana es fundamental.

Anteriormente, los ingenieros de Wintershall Dea habían estado monitoreando datos de sensores de pozos de manera continua. Pero incluso con el análisis del día a día, algunos problemas eran simplemente indetectables para los seres humanos.

Mediante IA, el equipo desarrolló un caso de uso para analizar datos de sensores existentes de forma mucho más intensa y precisa de lo que era posible anteriormente. “Primero buscamos validar la hipótesis de que podríamos usar la IA para detectar un incidente de fuga histórico”, dice 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. “Uno de los principales aportes de IBM es que nos ayuda a llevar la prueba de concepto directo a la producción”, dice Aditama. “Las plantillas que proporciona IBM nos permiten escalar rápidamente y realizar evaluaciones, pruebas de concepto y desarrollo de forma simultánea”.

En la actualidad, Wintershall Dea, junto con IBM, ha identificado más de 80 posibles casos de uso de IA y ciencia de datos, 20 de los cuales está persiguiendo activamente. Los casos de uso abarcan desde áreas técnicas, como operaciones, ingeniería y geociencia, hasta áreas no técnicas, como comercial y ventas. IBM está muy involucrado en varios de ellos, pero los otros se ejecutan de forma independiente dentro de las unidades corporativas y de negocio de la empresa y el 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 puso 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 capacitación en inteligencia artificial y ciencia de datos, incluidos 60 empleados que asistieron a un reciente taller de ciencia de datos de seis días.

“Definitivamente hemos inspirado a la organización”, dice Lorang. “Nos hemos basado en una comunidad de ciencia de datos ciudadana que está comprometida y trabaja para utilizar 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 que nos ha permitido alcanzar hitos cruciales y aportar valor en un plazo relativamente breve”, afirma Hugo Dijkgraaf, CTO de Wintershall Dea. “No solo ha aportado conocimientos y experiencia en IA, sino que además el equipo tiene personalidades muy afines a las nuestras”.

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