Betal eksperter for at tænke, ikke for at søge: Sådan frigør AI produktiviteten under jordoverfladen

Af dr. Thibaud Freyd og dr. Raphael Peltzer

En geoforskers morgen

Forestil dig en typisk morgen: En geoforsker har brug for data om reservoirtryk fra Maastricht-intervallet for brøndene i Johan Sverdrup-feltet. Det burde være simpelt, ikke? Hun starter sit søgeværktøj. Indtaster søgeforespørgslen. Får PDF-filer tilbage med »Johan Sverdrup« i filnavnet. Nogle scannede dokumenter fra 90’erne. Nogle daglige boringsrapporter, hvor »tryk« nævnes et eller andet sted, men i en helt anden sammenhæng. Ingen af dem giver hende det, hun har brug for.

Så begynder den manuelle jagt. Åbn PDF. Søg efter »Maastrichtian«. Rul ned. Find en tabel. Kopier tal. Åbn næste PDF. Gentag. To timer senere har hun fundet… noget. Måske det rigtige svar. Hun har helt sikkert overset en lille fodnote i en rapport fra 2018, der nævner unormale trykmålinger under en bestemt borefase. Den fodnote kunne have sparet hendes team for flere ugers arbejde.

Det handler ikke om dårlig teknologi. Det er et misforhold mellem, hvordan vi lagrer information, og hvordan vi har brug for at anvende den. I olie- og gasbranchen har vi gjort et fremragende stykke arbejde med at digitalisere strukturerede data: borelogger, seismiske spor, produktionstal. Rene, organiserede og tilgængelige via OSDU, for eksempel. Men den egentlige viden – forklaringerne, konteksten, det »hvorfor virkede det?« – sidder stadig fast i det, vi kalder »tekstsuppe«: bunker af PDF-filer, scannede rapporter og ældre dokumenter, som ingen søgemaskine rigtig forstår.

Hvorfor søgeværktøjer tager fejl

Traditionel søgeordsøgning fejler her. Den forstår ikke, at »reservoirkvalitet« hænger sammen med »porøsitet« på tværs af hundredvis af rapporter, der bruger forskellige udtryk. Den forstår ikke, at afsnit »3.1 Kerneanalyse« hører sammen med tabellerne og figurerne nedenunder. Den kan ikke skelne mellem tilfældige omtaler og detaljerede analyser.
De fleste ”chat med din PDF”-demoer begår den samme fejl: de behandler dokumenter som flad tekst. Men dokumenter om undergrunden er ikke flade! De har en struktur: overskrifter, underoverskrifter, tabeller, der strækker sig over flere sider, roterede sidehoveder og figurer, der rent faktisk har betydning.

Da Equinors CIO sagde, at medarbejderne bruger 80 % af deres tid på at søge efter data i stedet for at analysere dem, talte hun ikke om et teknologisk problem. Hun beskrev kognitiv overbelastning. Ingeniører analyserer ikke data; de leger arkæologiske detektiver med informationsfragmenter, der er spredt overalt.

Først samler vi puslespillet

Vi prøvede noget andet: at rekonstruere dokumentet, før vi søgte i det. I stedet for at trække tekst ud og håbe på det bedste, rekonstruerer vi først dokumentets logiske og semantiske struktur hvor vi behandler overskrifter, afsnit, tabeller og figurer som betydningsbærende enheder. Konteksten er vigtig: en porøsitetsværdi i afsnittet »Kerneanalyse« i en brøndrapport giver indsigt, ikke bare data. Men strukturen alene var ikke nok; vi havde brug for en søgning, der forstod både betydning og specifikke termer. Derfor anvendte vi hybrid-søgning: betydningsbaseret vektorsøgning (“reservoirkvalitet” ≈ “porøsitet”) kombineret med eksakt nøgleordsmatchning ved hjælp af BM25 samt synonymudvidelse (“Christmas Tree” = “Flow Control Assembly”). Vi sammensmeltede disse resultater ved hjælp af Reciprocal Rank Fusion (RRF) for at afbalancere relevansen, hvorefter den semantiske omrangering prioriterede de mest kontekstmæssigt nøjagtige resultater. Nu finder »tryktendenser i Maastricht-intervallet for Johan Sverdrup-brønde« det, du har brug for, selv når forskellige rapporter bruger forskellig formulering.

Opdeling i meningsfulde enheder gjorde faktisk hele forskellen

De fleste systemer opdeler dokumenter i tekststykker af fast størrelse med overlapning og ser bort fra, at en tabel kan starte på én side og slutte på den næste. Vores overskriftsbevidste chunking gennemgår det rekonstruerede dokumenttræ og bevarer hele afsnit som enkeltstykker, når de passer, så »3.1 Kerneanalyse« forbliver sammen med sine data. Når rekonstruktionen mislykkes på grund af dårlig optisk tegngenkendelse (OCR), falder vi tilbage på naiv opdeling med overlap for at opretholde en kontinuerlig datastrøm. Stykkerne sendes derefter videre til en indlejringsmodel for at generere semantiske indlejringer (f.eks. OpenAI’s text-embedding-3-large).

Sikkerhed først, ikke senere

I olie- og gasbranchen handler datalækager ikke kun om penge. De handler om sikkerhedsprotokoller og årtiers konkurrencemæssige fordel.
De fleste »chat med PDF«-systemer tager en risikabel genvej: søg først, filtrer bagefter. De kører brede semantiske vektorsøgninger og anvender derefter sikkerhedsfiltre på de top-K resultater. Dette skaber »stille lækage«: følsomme data kommer ind i hentningsprocessen før adgangskontrollen, selvom de senere kasseres. Desuden, hvis man anmoder om de ti bedste resultater, og otte bliver filtreret fra, ser brugerne dårlige resultater og antager, at hele løsningen er værdiløs. Vi vendte rækkefølgen om: identitet, derefter adgang, derefter søgning. Inden enhver vektorlignende søgning validerer vi brugerens identitet via Entra ID, knytter det faktiske gruppemedlemskab til Open Subsurface Data Universe (OSDU) Access Control Lists (ACL'er) og anvender OData-filtre for at indsnævre søgeuniverset til udelukkende at omfatte autoriseret indhold. Uautoriserede dokumenter tages slet ikke i betragtning.

Forsinkelsen forbliver lav, fordi vi ikke rangordner dokumenter, som vi alligevel kasserer under genereringen af meddelelser. Hver forespørgsel efterlader et revisionsspor, der viser, hvem der har haft adgang til hvad, hvornår og med hvilke tilladelser. Vi opbevarer et »skyggeindeks« – kun blokke, indlejringer og metadata med signerede henvisninger tilbage til de egentlige OSDU-poster. Vi gemmer aldrig originale dokumenter, og en synkroniseringspipeline registrerer ændringer i opstrømsdatastrømmen og opdaterer indekset for at forhindre dataafvigelser. Hvert svar henviser til kildedokumenter med direkte links til verifikation – ingen svar fra en »black box«.

Fra at finde svar til at handle

Denne opsætning muliggør noget mere interessant end blot bedre søgning. Vi arbejder hen imod Reasoning + Acting (ReAct)-systemer.
Traditionel Retrieval Augmented Generation (RAG) svarer på »Hvad er reservoirtrykket?« ReAct planlægger »Hvordan optimerer vi produktionen i lyset af de aktuelle reservoirforhold, driftsmæssige begrænsninger og tidligere resultater?«

Dette åbner op for muligheder som f.eks. brøndplanlægningsagenter, der udtrækker geologisk kontekst fra ustrukturerede rapporter og udarbejder planer, compliance-agenter, der overvåger lovgivning og markerer problemer, samt agenter til afvigelsesdetektering, der kombinerer sensordata med hændelsesrapporter for at forudsige problemer, før de eskalerer. Det er netop det, der sker, når et system rent faktisk forstår indholdet i stedet for blot at indeksere det.

Virker det rent faktisk?

Vi testede med 250 spørgsmål om undergrunden, der var udvalgt af eksperter på området – reelle spørgsmål, som geovidenskabsfolk rent faktisk stiller. Vi målte præcision, recall og cosinus-lighedsscore samt integrerede et »LLM-as-a-Judge«-framework til referencebenchmarking.
Sammenlignet med baseline-metoder (naiv chunking): op til 20 % bedre nøjagtighed i at finde de rigtige svar. Header-aware chunking klarede sig markant bedre end opdelinger i faste størrelser. Hybrid hentning reducerer falske positiver, samtidig med at recall opretholdes. Konservativ finjustering prioriterede nøjagtighed frem for fuldstændighed for at opbygge reel tillid.

Når forespørgslen er tvetydig (f.eks. »Brønd A« eller »Brønd B«?), beder systemet om afklaring, før det søger. Denne »human-in-the-loop«-tilgang begrænser vektorrummet til specifikke aktiver via strenge OData-filtre, hvilket holder søgningen præcis og fokuseret på de relevante dokumenter – og dermed hjælper med at forhindre kostbare fejl, før de opstår.

Den reelle gevinst

Når medarbejderne bruger mindre tid på at lede i dokumenter og mere tid på at analysere dem, oplever organisationerne produktivitetsgevinster. Enkle modeller (roller × opgaver/måned × tidsbesparelse × fuldt udnyttelsesgrad) tyder på potentielt betydelige driftsbesparelser i stor skala. Værdien ligger ikke kun i den sparede tid – den ligger i bedre beslutninger truffet med fuld kontekst, i at opdage mønstre, der er skjult på tværs af dokumenter, og i at stille ”hvad nu hvis”-spørgsmål, som før var for tidskrævende. Arkitekturen kan skaleres naturligt takket være sit modulære design. Rekonstruktionspipeline vokser i takt med dokumentmængderne. Søgemotoren håndterer stigende forespørgselstrafik. Rettighedssystemer tilpasser sig organisationens kompleksitet. Ligesom byggeklodser tilføjer man kapacitet, hvor det er nødvendigt, uden at skulle genopbygge det hele. AI-landskabet ændrer sig hver måned; nye store sprogmodeller, bedre indlejringsmodeller, nye rammer eller nye OCR-funktioner dukker konstant op. Vi har udviklet løsningen med fleksibilitet for øje. Modulære komponenter og løbende overvågning af leverandørernes udviklingsplaner betyder, at vi kan forbedre enhver del af løsningen uden at skulle rive det hele ned.

Fra tekstkaos til pålidelige svar

At gå fra tekstkaos til pålidelig AI handler ikke om at erstatte mennesker – det handler om at give dem værktøjer, der rent faktisk hjælper. Værktøjer, der forstår konteksten, respekterer sikkerhedsgrænser og viser deres arbejde. Vi har tacklet de store problemer med ustrukturerede data inden for olie og gas: semantisk forståelse, hybrid søgning og sikkerhedsorienteret design. I dag handler det om at finde dokumenter hurtigere. I morgen handler det om systemer, der planlægger brønde, kontrollerer overholdelse af regler og opdager driftsproblemer – alt sammen samtidig med, at det revisionsspor og den sikkerhed opretholdes, som energivirksomheder har brug for.

Pålidelig intelligens, der giver mennesker mulighed for at innovere uden at gå på kompromis med det, der betyder noget.