ATHENA: wirtualny asystent dla inżynierów naftowych

Wyobraź sobie, że masz pod ręką kolegę, który przeczytał tysiące raportów technicznych, pamięta każdy szczegół i nigdy nie śpi. Taki właśnie jest ATHENA, wirtualny asystent stworzony dla Society of Petroleum Engineers. W testach z 75 profesjonalistami okazało się, że z jej pomocą ludzie szybciej i sprawniej planują odwierty.

Asystent, który rozumie kontekst pracy

ATHENA nie jest chatbotem, który odpowiada na wszystko i o niczym nie wie. To narzędzie zbudowane specjalnie dla społeczności praktyków (Community of Practice) wokół Society of Petroleum Engineers, czyli ludzi, którzy na co dzień planują wiercenia, analizują dane geologiczne i podejmują decyzje techniczne. Społeczność praktyków to grupa osób o wspólnym zawodzie, które regularnie się spotykają, wymieniają doświadczeniami i uczą się od siebie nawzajem. ATHENA ma być takim wirtualnym członkiem tej społeczności.

W środku działa mechanizm RAG, czyli Retrieval-Augmented Generation. Mówiąc po ludzku: to sposób łączenia wyszukiwania informacji z generowaniem odpowiedzi przez model językowy. Model nie wymyśla treści z powietrza, tylko najpierw szuka w dokumentach, a potem na ich podstawie buduje odpowiedź. Dzięki temu odpowiedzi są bliższe faktom i łatwiej je zweryfikować. W branży, gdzie błąd może kosztować miliony, to nie jest fanaberia.

Trzy zmiany, które zrobiły różnicę

Pierwsza wersja asystenta była obiecująca, ale autorzy dostrzegli trzy słabe punkty. Po pierwsze, wyszukiwanie dokumentów. Tradycyjne systemy często biorą jeden, najlepiej pasujący plik. ATHENA sięga do wielu dokumentów naraz, bo dobre odpowiedzi bywają rozsiane po kilku raportach, notatkach i arkuszach. Po drugie, sprawdzanie odpowiedzi. Asystent podaje nie tylko tekst, ale też źródła i sposób, w jaki doszedł do wniosku. Użytkownik może szybciej ocenić, czy odpowiedź jest wiarygodna. Po trzecie, proaktywne rozpowszechnianie. Zamiast czekać, aż ktoś zada pytanie, ATHENA potrafi sama podsuwać materiały, które mogą się przydać przy konkretnym zadaniu.

Te zmiany brzmią technicznie, ale w praktyce oznaczają jedno: mniej czasu na szukanie, więcej na myślenie. Samo przeszukiwanie wielu dokumentów to różnica między 'znalazłem jeden passus, ale nie mam pełnego obrazu' a 'mam tu zestawienie z trzech źródeł, które się uzupełniają'. Dla kogoś, kto planuje odwiert, to realna oszczędność godzin.

ATHENA radykalnie poprawiła zarówno produktywność, jak i równość wyników w zestawie realistycznych zadań związanych z planowaniem odwiertów w porównaniu z użyciem zaawansowanego systemu bazowego RAG.

Boden i współpracownicy

Abstrakt

75 profesjonalistów testuje wirtualnego kolegę

Żeby sprawdzić, czy to działa w praktyce, autorzy zaprosili 75 profesjonalistów ze Society of Petroleum Engineers. Każdy z nich wykonywał realistyczne zadania związane z planowaniem odwiertów, raz z pomocą ATHENY, raz z pomocą zaawansowanego systemu opartego na RAG, który był punktem odniesienia. Wyniki są jednoznaczne. W artykule czytamy: 'ATHENA radykalnie poprawiła zarówno produktywność, jak i równość wyników w zestawie realistycznych zadań związanych z planowaniem odwiertów w porównaniu z użyciem zaawansowanego systemu bazowego RAG.'

Słowo 'równość wyników' zasługuje na uwagę. Oznacza, że mniej doświadczeni inżynierowie osiągali efekty bliższe tym, które uzyskiwali weterani. To ważne w branży, gdzie wiedza często tkwi w głowach starszych pracowników, a młodsi uczą się latami. Asystent nie zastępuje doświadczenia, ale daje szybszy dostęp do tego, co już zapisano w dokumentach. To z kolei może zmniejszyć lukę kompetencyjną, z którą wiele firm naftowych się zmaga.

Uproszczony przepływ działania asystenta ATHENA: od pytania do odpowiedzi i nauki na podstawie interakcji.

ATHENA wkracza do portalu SPE

Konkluzja z artykułu jest prosta: 'ATHENA została zintegrowana z Portalem Badawczym SPE i jest wdrażana do użytku przez członków stowarzyszenia.' To nie jest projekt w laboratorium. To narzędzie, które trafia do realnych użytkowników, a nie tylko do recenzentów. Portal Badawczy SPE to miejsce, gdzie inżynierowie szukają publikacji, danych i analiz. Wbudowanie tam asystenta zmienia sposób, w jaki będą pracować.

Przyznam, że do takich deklaracji podchodzę z lekkim sceptycyzmem. Wiele prototypów asystentów AI nigdy nie wychodzi poza fazę demo. Tutaj mamy konkret: zintegrowane wdrożenie w portalu, z którego korzysta duża organizacja branżowa. To coś więcej niż obietnica.

  • ATHENA poprawiła produktywność i równość wyników w testach z planowaniem odwiertów, wypadając lepiej niż zaawansowany system RAG.
  • Ulepszona wersja lepiej wspiera użytkowników w zadaniach wymagających dużej wiedzy technicznej.
  • Narzędzie jest już zintegrowane z Portalem Badawczym SPE i udostępniane członkom stowarzyszenia.

Praktyczne zastosowania

Aby lepiej zrozumieć opisywaną innowację, przygotowaliśmy cztery przykłady praktycznego zastosowania tej technologii w różnych branżach:

Podsumowanie

Asystenci tacy jak ATHENA sprawdzą się przede wszystkim w firmach wiertniczych, serwisowych i konsultingowych, gdzie planowanie odwiertu wymaga przeszukiwania setek dokumentów: raportów geologicznych, analiz ryzyka, specyfikacji technicznych. Skrócenie tego czasu o połowę to bezpośrednie oszczędności. Podobne podejście można też przenieść do innych branż inżynierskich, takich jak budownictwo czy energetyka, gdzie wiedza jest rozproszona w dokumentacji projektowej. Zamiast szukać, pracownik od razu dostaje zweryfikowaną odpowiedź z podanymi źródłami.

Metryka artykułu źródłowego

Tytuł oryginalny: A Virtual Member of a Community of Practice for the Society of Petroleum Engineers: From Prototype to Deployment

Autorzy: John Boden, Joshua Eckroth, Dayne Freitag, Skyler Gipson, Johnathan Keefe, Karen Myers, Eric Schoen, Pedro Sequeira, Reid Smith, Michael Wessel

Data publikacji: 21 sierpnia 2026

arXiv: arxiv.org/abs/2608.19199

PDF: https://arxiv.org/pdf/2608.19199.pdf

Napisanie tego artykułu zostało wspomagane przez sztuczną inteligencję. Treść opiera się na oryginalnym artykule naukowym, a jej dokładność została zweryfikowana automatycznie.

Dawid Grabanowski

Dawid Grabanowski, założyciel MTZN. Projektuje i wdraża rozwiązania AI dla firm: agenty SI, uczenie maszynowe, automatyzacje procesów i aplikacje dedykowane. Specjalizuje się w architekturze serverless i optymalizacji kosztów wdrożeń. https://mtzn.pl