Anh Đinh Vũ Quốc Trung, đại diện đội ngũ kỹ sư AI của FPT cho biết, doanh nghiệp có một khách hàng là tập đoàn dịch vụ dầu khí hàng đầu thế giới, trụ sở đặt tại Mỹ. Một trong những bài toán được khách hàng đưa ra cho FPT là đánh giá công thức xi măng sử dụng trong quá trình trám giếng khoan dầu.
Trước đó, tập đoàn dịch vụ dầu khí này đã thực hiện hàng nghìn thí nghiệm trong phòng lab mỗi tháng, khiến chi phí tăng cao và thời gian kéo dài, trở thành nút thắt khi quy mô vận hành mở rộng. Trước áp lực này, đội ngũ kỹ sư của tập đoàn đã ứng dụng AI nhằm khai thác hơn 2,2 triệu kết quả thử nghiệm trong quá khứ, tuy nhiên độ chính xác của mô hình AI chỉ ở mức khoảng 60%, chưa đủ với ngành dầu khí.
Đội ngũ kỹ sư AI của FPT. Ảnh: FPT
"Khi tiếp cận bài toán, đội ngũ kỹ sư FPT bắt đầu từ dữ liệu thay vì thuật toán. Phân tích hơn 45 triệu bản ghi dữ liệu thô, chúng tôi nhận thấy vấn đề cốt lõi nằm ở chất lượng dữ liệu", đại diện FPT lý giải. "Các mô hình trước đây được xây dựng trên nền dữ liệu phân mảnh, thiếu nhất quán, khiến độ chính xác của AI khó vượt ngưỡng".
Từ góc nhìn này, đội ngũ đã tìm cách làm sạch, chuẩn hóa và tái cấu trúc dữ liệu. Sau 3 tháng, khoảng 9 triệu bản ghi chất lượng cao được xây dựng, tạo nền tảng cho việc huấn luyện mô hình, theo anh Trung. "Mô hình mới đạt độ chính xác 79%, vượt ngưỡng yêu cầu của đối tác và được đưa vào vận hành thực tế. Thay vì hàng nghìn phương án trong phòng lab, hệ thống AI giúp sàng lọc công thức, để kỹ sư tập trung vào phương án triển vọng nhất", anh kể lại.
Khi mô hình AI của FPT đã vận hành hiệu quả, đối tác đưa ra bài toán mới, đòi hỏi AI tham gia trực tiếp vào quá trình thiết kế giải pháp. Theo đó, hệ thống phải đề xuất những cấu hình vật liệu đáp ứng các yêu cầu khắt khe về kỹ thuật và chi phí. Đội ngũ kỹ sư FPT đánh giá đây là bài toán phức tạp, vì có hàng chục nghìn tổ hợp vật liệu khác nhau.
Theo anh Đinh Vũ Quốc Trung, thay vì kiểm tra từng khả năng theo cách truyền thống, các kỹ sư FPT đã khai thác dữ liệu lịch sử tích lũy qua nhiều năm để huấn luyện mô hình AI. Từ đó, hệ thống có thể nhận diện những quy luật khó thấy bằng mắt thường, nhanh chóng khoanh vùng phương án có xác suất thành công cao.
"Những vòng đánh giá từng kéo dài đến vài tuần, nay được rút ngắn còn vài phút. Điều này đặc biệt có ý nghĩa trong bối cảnh mỗi ngày vận hành ngoài khơi có thể tiêu tốn hàng triệu USD", kỹ sư AI của FPT cho biết. "AI giúp tăng tính nhất quán trong quá trình ra quyết định kỹ thuật, hệ thống có thể phân tích đồng thời khối lượng dữ liệu lớn, phát hiện tương tác vật liệu dễ bị bỏ sót dưới áp lực thời gian và điều kiện vận hành phức tạp".
Hơn nữa, việc xây dựng mô hình AI cũng là quá trình số hóa kinh nghiệm, phương pháp ra quyết định của các thế hệ chuyên gia dầu khí, đã được tích lũy qua hàng chục nghìn giếng khoan dầu.
FPT tiến sâu vào ngành kỹ thuật phức tạp
Từ các dự án cho doanh nghiệp năng lượng, FPT từng bước chuẩn hóa kinh nghiệm triển khai thành bộ giải pháp AI chuyên biệt "Flezi Nergy".
Ông Lê Hoài Bảo, Giám đốc đơn vị phát triển phần mềm chuyên ngành Năng lượng và Tiện ích toàn cầu FPT Software, tập đoàn FPT cho biết, trong ngành năng lượng, giá trị của AI không nằm ở việc thay thế chuyên gia, mà ở khả năng giúp kỹ sư ra quyết định tốt hơn trong những bài toán có nhiều biến số, chi phí thử sai cao.
Ông Lê Hoài Bảo, Giám đốc đơn vị phát triển phần mềm chuyên ngành Năng lượng và Tiện ích toàn cầu FPT Software, tập đoàn FPT. Ảnh: FPT
"Hơn 25 năm làm việc với các doanh nghiệp năng lượng hàng đầu thế giới đã giúp FPT tích lũy nền tảng đủ sâu về ngành, triển khai công nghệ, phát triển mô hình AI cho bài toán nằm ở phần lõi của vận hành và khai thác", ông nói. "Đây cũng là lát cắt cho thấy hành trình trưởng thành AI của doanh nghiệp theo khung năng lực AI-Native (CASAN) do FPT phát triển, nhằm đánh giá và dẫn dắt quá trình chuyển đổi AI".
Theo ông Bảo, với cách tiếp cận này, AI không chỉ được ứng dụng cho từng bài toán riêng lẻ, mà dần trở thành năng lực nền tảng để xây dựng giải pháp mới, hỗ trợ chuyên gia ra quyết định và tham gia sâu hơn vào vận hành cốt lõi của doanh nghiệp.
