De poços a FPSOs: onde a IA está entrando em operações offshore

Inteligência artificial apareceu em várias discussões na ROG.e 2026, mas alguns dos exemplos mais relevantes foram ligados a aplicações específicas de engenharia e offshore.

A Petrobras apresentou o SAPIENS BOT, desenvolvido para apoiar a classificação de eventos de perda de produção de petróleo. De acordo com a equipe do projeto, E&Operações P geram cerca de 6.900 eventos de perda por ano, com mais de 1.000 possíveis combinações de causas.

O sistema combina aprendizado de máquina com um grande modelo de linguagem treinado em torno das regras de classificação da Petrobras. Na unidade operacional Espírito Santo, a equipe relatou 92% de precisão, uma redução de 81% no tempo de processamento por evento e 60% menos reclassificações.

A validação humana continua sendo parte do processo: quando os dois modelos discordam, o especialista recebe as duas recomendações e toma a decisão final.

Bem engenharia foi outra área discutida no evento.

O projeto SAVIA usa agentes inteligentes para automatizar parte da avaliação de complexidade realizada durante o projeto de poços, enquanto Cortex integra informações de mais de 15 sistemas e bancos de dados relacionados à construção de poços.

De acordo com a ANP, Cortex alcançou 77% de precisão em consultas complexas e fornece rastreabilidade aos documentos originais usados em suas respostas.

IA e ferramentas digitais também estão sendo aplicadas à integridade dos ativos.

Ativo360, desenvolvido com Petrobras e Tecgraf, combina gêmeos digitais, modelos preditivos, visão computacional, modelos 3D e inspeção imersiva. A plataforma já é usada em mais de 120 unidades, de acordo com a ANP.

No submar, Petrobras e CESAR também apresentaram trabalhos envolvendo gêmeos digitais para fadiga e fadiga rígidas e corrosão de CO2 em tubos flexíveis, combinando dados operacionais com modelos físicos e simulações automatizadas.

Operadores FPSO estão seguindo um caminho similar.

Durante ROG.E, MODEC Global Digital & O diretor de análise Rei Yasumuro disse que a plataforma de manutenção preditiva do Farol da empresa ajudou a manter a frota acima de 98%, reduzir o tempo de inatividade em mais de 30% e entregar retornos de até 25 vezes o investimento.

Esses casos mostram diferentes abordagens: IA generativa, aprendizado de máquina, regras de engenharia, bancos de dados históricos, visão computacional e gêmeos digitais.