UiPath 认为：人工智能必须从阅读契约演进为编排土地工作流

UiPath 认为，石油和天然气土地管理中人工智能的下一个发展阶段不在于改进文档阅读，而在于编排随后的行动。虽然人工智能现在已经能够解析复杂的契约，但关键的鸿沟仍然在于将提取的数据连接到诸如产权研究、例外路由和系统更新等下游任务中。

发生了什么

根据 UiPath 博客，该行业正面临人力短缺的结构性危机，这是人工变通方法无法解决的。美国专业土地人协会（American Association of Professional Landmen）报告称，41.87% 的土地人年龄超过 50 岁，而 30 岁以下的不到 5%。同时，文章中引用的美国土地管理局（U.S. Bureau of Land Management）数据显示，截至 2024 财年末，超过 23,500 份正在生产的联邦油气租约支撑了 91,000 多口井。

UiPath 提出了一个三步演进过程：阅读、行动和编排。“阅读”使用人工智能来理解非结构化文档。“行动”将这些信息转化为工作，例如检索记录或跟踪履约义务。“编排”则在整个租约生命周期中协调人工智能代理、自动化机器人和人类专业人员。该公司以 Continental Resources 作为案例研究，指出他们部署了一个 UiPath 代理来自动化特许权使用费工作流，将代理、编排和人工介入审批结合起来，与现有分析师并肩工作而不是取代他们。

为什么这对运营团队和自动化工程师至关重要

对于运营领导者而言，这标志着从点状解决方案的人工智能向流程级编排的转变。传统模式依赖人工手动连接不同的系统（电子表格、电子邮件和土地平台），从而造成了一个瓶颈，导致专业专长被浪费在数据流转上，而不是用于判断。

实际的启示是，不应将人工智能视为独立的法律决策者，而应将其视为准备者。人工智能代理准备工作，自动化执行可重复的数据传输，而人类则做出重要的决策。这种劳动分工符合 NIST 的人工智能风险管理框架（AI Risk Management Framework），该框架强调问责制和可解释性。对于中小型能源公司或其服务提供商而言，这意味着您无需拆除并更换 Quorum 或 Enverus 等现有的记录系统。相反，您需要一个在这些系统之间移动数据的编排层。这种方法解决了麦肯锡（McKinsey）指出的生产力差距，麦肯锡发现，由于运营模式而不仅仅是员工人数，上游组织的平均水平与顶尖表现者之间存在巨大的产出差异。

本周该做什么

1. 在您的土地或特许权使用费运营中绘制一个高摩擦工作流的地图，在该工作流中，人工将数据从文档手动移动到系统，并确定人工智能可以提取和路由的具体字段。
2. 审计您当前的“胶水”流程（电子邮件、电子表格和手动系统录入），以确定哪些步骤纯粹是机械的，可以由 RPA 或无需人类判断的人工智能代理来处理。
3. 为您的试点定义一个清晰的人工介入检查点，明确指定在执行任何自动化操作之前，必须由土地专业人员保留哪些决策（例如产权验证、例外审批）。

来源

• AI can read the deed. What happens next? — UiPath Blog