Vi snakker med mange energiselskaper for tiden, og de fleste har gjort det opplagte. De har rullet ut Copilot, kjørt en Chat GPT-pilot og i mange tilfeller laget en intern kunnskapsbot. Produktivitetsgevinstene er reelle, men ofte relativt beskjedne, i alle fall om vi ser det fra selskapets og ikke individets perspektiv. Men viktigere, de er også enkelt tilgjengelig for dine konkurrenter.
Det som skiller energiselskaper fra hverandre, er dataene de sitter på etter årevis med drift: SCADA-avlesninger, vibrasjonssignaturer, produksjonslogger, vedlikeholdshistorikk, værkorrelasjoner. Det aller meste av dette har aldri vært i nærheten av maskinlæringsalgoritmer. Ikke fordi det er utilgjengelig, men fordi det krever dyp forståelse av dataene for å få ut verdien.
En verden av fysikk
Energisektoren opererer i en verden av fysikk, ikke bare dokumenter. Et vibrasjonsmønster fra en vindturbin-girkasse er noe helt annet enn en kundeservicehenvendelse. Sensordata lar seg ikke bare mate inn i en språkmodell. For å tolke sensordata må du forstå utstyret, driftsbetingelsene og feilmoder. Først da kan du velge riktig analytisk tilnærming.
I praksis har energiselskaper nytte av å tenke på kunstig intelligens (KI) i fire distinkte moduser:
- Deteksjon av avvik før de blir til feil
- Prediksjon av hva som vil skje
- Optimalisering av beslutninger innen gitte rammer
- Generativ KI for å øke menneskelig produktivitet.
Disse fire modusene kan skape forretningsverdi på hvert sine områder, men er enda kraftigere om de kjedes sammen: Finn et avvik, prediker når svikt kan inntreffe, optimaliser vedlikeholdsplanene og bruk generativ KI til å generere rapporten.
Sekkepost
Ofte behandles alt dette i en sekkepost som man kaller «KI». Men bare fordi Chat GPT er god til å skrive e-poster, er den ikke nødvendigvis god til å optimalisere vedlikeholdsplaner eller til å fange opp et kulelager som begynner å synge på siste vers.
Generativ KI er også tilgjengelig for alle. Konkurrentene dine kan ta i bruk akkurat de samme språkmodellene, koble dem til de samme skytjenestene og få tilnærmet samme resultater som deg. Dette er nyttig, men skaper ingen varige konkurransefortrinn. Det som gir deg et konkurransefortrinn, er årevis med produksjonsdata fra turbiner, sensoravlesninger under varierende forhold og vedlikeholdsdata korrelert med utfall. Det kan ikke konkurrenten din kjøpe. Dette må skapes gjennom drift.
Energiselskaper bør derfor tenke nøye gjennom hvordan de investerer KI-budsjettene. En Copilot-lisens kan gjøre alle litt mer effektive. Maskinlæring på egne driftsdata kan derimot gi varige konkurransefortrinn som er svært vanskelige å kopiere.
Unge dropper Google og spør KI om alt – følgene vet vi lite om
