Dos poços aos algoritmos

Por Denise Luna

A inteligência artificial (IA) começou a flertar com o setor de petróleo ainda nos anos 1990, mas ganhou tração de verdade depois da descoberta do pré-sal no País. De lá para cá, a tecnologia passou de recurso pontual a pilar estratégico, impulsionada pela obrigação regulatória de destinar 1% da receita a projetos de pesquisa e desenvolvimento (P&D), mecanismo que, segundo a Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP), já mobilizou mais de R$ 34 bilhões em 27 anos.

O resultado é um ecossistema em que petroleiras gigantes e independentes disputam, algoritmo a algoritmo, ganhos de eficiência, segurança e, sobretudo, rentabilidade.

Na Petrobras, a IA subiu ao quadro de prioridades no Plano Diretor de Tecnologia e Telecomunicações 2024-2028. O Centro de Excelência em Analytics e IA orquestra dezenas de projetos. No refino, o TripDetector prevê falhas e pode economizar R$ 400 mil por ano. No offshore, o HeliVAR usa visão computacional para flagrar não conformidades em helideques (helipontos marítimos), e o Smart Tocha regula a queima de gás, gerando mais de R$ 20 milhões anuais e menor emissão de CO2.

Na retaguarda, o agente MaterIAl reduziu em 90% o tempo de consulta de estoques, enquanto um modelo de fluxo de caixa elevou em 50% a precisão das previsões, evitando erros semanais de cerca de R$ 400 milhões. A estatal pretende investir R$ 500 milhões em supercomputadores neste ano, dos quais R$ 340 mil dedicados exclusivamente à IA.

Independentes

A corrida, porém, não é exclusividade da petroleira estatal e de outras gigantes multinacionais que atuam no Brasil. Prio, Brava, PetroRecôncavo e Eneva já não vivem sem as ferramentas trazidas pela IA, seja para reduzir custos ou aumentar a segurança da operação, entre outras aplicações.

A Prio, maior empresa independente do setor no País, expande o uso de IA em manutenção e geociência. Modelos preditivos monitoram turbinas, compressores e bombas, antecipando falhas e redesenhando cronogramas de parada. Na subsuperfície, algoritmos de interpretação sísmica aceleram análises e refinam o mapeamento estrutural dos campos.

“Computação de alto desempenho e inteligência artificial ampliam nossa capacidade de análise em áreas críticas da operação. O foco não é a tecnologia em si, mas sua contribuição concreta para eficiência, previsibilidade e geração de valor”, diz o diretor financeiro da Prio, Milton Rangel.

Outra independente que troca o macacão pelo código é a Petrorecôncavo. Sob a batuta do veterano do setor e Head de Data Analytics da empresa, Marcos Bonfim, seu Centro de Excelência em Dados administra 50 mil sensores espalhados por 57 concessões. Três frentes concentram a transformação: agentes generativos que resumem dossiês de 400 páginas sobre cada poço e consultam 72 normas da ANP; modelos de Machine Learning para manutenção preditiva de bombas e compressores; e a capacitação das equipes no Copilot da Microsoft e em IA generativa

Para Bonfim, “IA não resolve problema de qualidade de dados, mas potencializa”. O objetivo, resume ele, é “extrair valor tangível dos reservatórios digitais e replicar em terra a sofisticação do pré-sal”. Segundo ele, “não vão demitir por causa da IA. Vão demitir quem não souber usar IA”, resume.

Já a Brava vem apostando em uma estratégia de transformação digital que tenta equilibrar inovação e tecnologias já consolidadas, com o objetivo de otimizar rotinas e reduzir custos nas operações. Segundo a empresa, a inteligência artificial já faz parte do dia a dia, inclusive com ferramentas de IA generativa usadas dentro de regras internas de governança. Entre os usos, a companhia intensificou a aplicação da tecnologia em avaliações e simulações para definir a melhor estratégia de drenagem de reservatórios, e para pesquisa de temas técnicos em um banco de dados especializado.

Um dos exemplos é o campo de Papa-Terra, na bacia de Campos, onde foi implementada uma solução que integra drones, gêmeos digitais e IA para automatizar a detecção e a priorização de pontos de corrosão em plataformas. De acordo com a empresa, a tecnologia reduziu em 73% o tempo de inspeção a bordo – de 170 para 45 dias -, o que diminuiu a necessidade de pessoal embarcado e resultou em relatórios mais precisos para o planejamento de manutenção. A Brava associa a iniciativa a ganhos de eficiência, segurança, redução de custos e prolongamento da vida útil dos ativos.

A companhia também desenvolve um sistema que combina drones e IA para monitoramento diário de locações em operações terrestres no Polo Recôncavo, na Bahia, e em Potiguar, no Rio Grande do Norte. A proposta é substituir rondas mais demoradas por inspeções automatizadas e rápidas: os equipamentos fazem sobrevoos, capturam imagens de poços e dutos e a IA analisa as fotos para indicar anomalias. A tecnologia está sendo treinada para reconhecer desvios como presença de pessoas ou veículos não autorizados e ocorrência de vazamentos, com o objetivo de permitir detecção precoce de falhas e evitar prejuízos ambientais e financeiros.

No campo da segurança digital, a empresa relata avanços no uso de IA para verificação de vulnerabilidades e execução de testes de cyber security, tanto em ambientes corporativos quanto em sistemas de tecnologia operacional. Essas soluções, segundo a Brava, são reforçadas por análise comportamental de redes, dispositivos e sistemas, para identificar anomalias de forma proativa e reagir com mais rapidez a possíveis ameaças. Além disso, a companhia está em fase de prova de conceito de ferramentas de IA voltadas a ajudar funcionários e equipes operacionais a navegar por procedimentos internos.

Produtividade
Atuando tanto no setor de gás natural como na geração de energia elétrica, a Eneva já utiliza inteligência artificial há vários anos, tanto por meio de ferramentas disponíveis no mercado quanto em iniciativas próprias de pesquisa e desenvolvimento. Atualmente, 20% de seu orçamento de TI é direcionado a iniciativas relacionadas a dados e Inteligência Artificial. Entre os projetos está o software Aline, voltado à interpretação sísmica. Em 2024, segundo a companhia, o tema ganhou novo peso interno com a criação de uma área corporativa dedicada a Dados e IA, movimento que reforça a tecnologia como parte da estratégia do negócio.

Na prática, a empresa diz que os ganhos se concentram em duas frentes. A primeira é a produtividade. Com a adoção de “copilotos”, teria acelerado tarefas rotineiras no dia a dia. A segunda é a entrada gradual da IA em processos de missão crítica, com foco em mitigar riscos e melhorar a tomada de decisão, a partir de dados mais estruturados e análises mais precisas.

O olhar para os próximos anos, de acordo com a Eneva, é de “democratização” da IA, com soluções mais acessíveis ao usuário final e capazes de permitir a criação de agentes sem exigir conhecimento técnico avançado. A adesão dos empregados da Eneva à IA tem ocorrido de forma natural, segundo a companhia, impulsionada pela familiaridade com essas tecnologias fora do ambiente corporativo. Ainda assim, a empresa diz que há um processo de aculturamento em curso para consolidar um novo modelo de trabalho, no qual agentes de IA atuam como executores orientados por instruções humanas, com supervisão e validação contínua.

Apoio

Fora do front operacional, consultorias e fornecedores reforçam o arsenal. A Radix, que atende sete das dez maiores petroleiras do mundo, vê 80% de sua agenda girar em torno de inteligência artificial. Para a vice-presidente de Energia e Sustentabilidade, Natália Klafke, o entrave agora não é mais técnico, mas cultural: “A tecnologia já é madura, o gargalo está em dados e governança”. Ela aposta em bases “FAIR” (encontráveis, acessíveis, interoperáveis e reutilizáveis) para viabilizar conceitos como “gerenciamento molecular”, que extrai o máximo valor de cada molécula do poço ao posto.

Na mesma toada, a Shape, braço de IA da Modec, quer “democratizar” o uso de algoritmos em unidades flutuantes. Seu produto Lighthouse antecipa falhas em bombas ou compressores antes da parada do poço. O Aura ajusta parâmetros de processo e já cortou 1,4 megawatt (MW) de consumo de eletricidade, em projeto com parceria da TotalEnergies. Já o Reef vigia barreiras de segurança.

“A IA não substitui o humano, amplia sua capacidade”, diz o vice-presidente de Growth e Business Development da Shape, Leonardo Machado. Para ativos pouco instrumentados, a empresa recorre a sensores virtuais capazes de estimar variáveis a partir de poucas medições físicas.

Do lado institucional, o Instituto Brasileiro do Petróleo, Gás Natural e Biocombustíveis (IBP) monitora e incentiva o avanço. “A sísmica só começou a evoluir, realmente, quando incorporou ferramentas de inteligência artificial”, resume o presidente Roberto Ardenghy. Ele brinca que o setor passou de “banco de dados” a banco de respostas, mas mantém os pés no chão: “Não substitui a experiência de um engenheiro de 40 anos”. Já a gerente de Inovação e Tecnologia do instituto, Melissa Fernandez, reforça que 55% das atividades da indústria no Brasil já são impactadas por automação ou IA, embora a maioria das empresas ainda se declare em estágio intermediário de maturidade.

Enquanto a segunda onda de adoção se aproxima – aquela em que as companhias mais cautelosas entrarão pesado – o consenso é que quem ignorar a tecnologia perderá competitividade. Como sintetiza Bonfim, da Petrorecôncavo, “Não vão demitir por causa [de] IA. Vão demitir quem não souber usar IA”.

Virada
A inteligência artificial já circula há décadas pelos corredores da indústria de óleo e gás, mas, na avaliação de Renato Cerqueira, diretor de Instituto de Inteligência Artificial e professor da PUC-Rio, o momento atual marca uma virada: o setor saiu da fase de projetos pontuais e entrou em uma etapa de adoção mais ampla, puxada tanto pela abundância de dados na operação quanto pela necessidade de reduzir riscos e custos em empreendimentos de longo prazo. Cerqueira, que soma mais de 20 anos de atuação em tecnologia ligada ao setor, argumenta que a IA se consolidou primeiro onde há mais informações disponíveis – produção e operação – e só depois avançou com mais força para a exploração, tradicionalmente mais carente de dados.

Nesse mapa, o Brasil não aparece como retardatário. Para ele, o uso de IA aplicado no País é “equivalente” ao observado em outros polos da indústria, impulsionado por uma combinação particular, que une a presença da Petrobras, a atuação de operadoras estrangeiras que trazem ferramentas globais e, sobretudo, desafios geológicos locais que exigiram soluções específicas. A descoberta do pré-sal, por exemplo, estimulou o desenvolvimento de tecnologias para caracterização de subsuperfície e reconhecimento de estruturas como domos de sal.

Cerqueira reconhece a fama de “conservadora” da indústria petroleira, mas lembra que  projetos de petróleo e gás são decisões que atravessam décadas e exigem cautela, porque escolhas feitas hoje moldam a operação por muitos anos. Essa mesma longevidade, diz, ajuda a explicar por que o setor tem capacidade de sustentar investimentos robustos e resolver desafios tecnológicos complexos, como ocorreu na exploração em águas profundas.

Ao falar do que a IA já entrega, o pesquisador cita aplicações clássicas: manutenção preditiva e otimização de plantas em refinarias e unidades offshore, além do avanço gradual no uso de algoritmos na exploração, especialmente no processamento e interpretação de sísmica. A nova fronteira, porém, estaria no fluxo de conhecimento ao longo da cadeia, uma indústria em que o “feedback” é lento, porque decisões tomadas na exploração só são confirmadas anos depois.

“Ferramentas recentes, sobretudo as que trabalham com linguagem natural, começam a organizar dados e documentos e a melhorar essa circulação de informação, embora os resultados demorem mais a aparecer do que ajustes operacionais imediatos”, explica.

O pesquisador dá um freio em expectativas maximalistas, de quem espera soluções “mágicas” da IA. Segundo ele, a exploração carrega um grau de incerteza que não desaparece apenas com mais processamento, porque “a resposta” nem sempre está no dado capturado – “assim como na medicina, exames de imagem ainda podem exigir confirmação por biópsia”, compara. O ganho provável, afirma, é elevar a taxa de acerto.

O salto mais transformador, na visão dele, pode vir de duas tendências que estão avançando em todas as indústrias. A primeira é a combinação de modelos que cruzam diferentes tipos de dados e “mapeiam” uma representação em outra -texto que vira imagem, imagem que vira texto – abrindo espaço para enriquecer a caracterização de reservatórios e melhorar escolhas em portfólios exploratórios.

Na ponta da formação, Cerqueira diz que a PUC-Rio já oferece conteúdos de IA em diferentes níveis ligados ao setor, da graduação ao doutorado, e que a instituição testa um modelo de “residência em IA”, voltado a treinamento prático conectado a projetos. Para ele, a aceleração tecnológica impõe um novo requisito a todas as profissões: o letramento em inteligência artificial, com experimentação constante. “Em um cenário em que a ferramenta muda semana a semana, a vantagem não está só em acompanhar a tecnologia, mas em transformar essa velocidade em ganho real de decisão”, conclui.