AI i kraftnettet – hvor bør vi sette grensen?

For energibransjen er dette spesielt relevant. Vi har store datamengder, kompliserte systemer og mange arbeidsprosesser hvor AI kan gi bedre analyser, mer automatisering og raskere beslutninger. Samtidig forvalter nettselskapene kritisk infrastruktur. Det betyr ikke at vi bør holde AI på avstand, men at vi må være bevisste på hvordan den brukes.

Noen velger å følge frykten, og vil stoppe AI. Jeg mener spørsmålet først og fremst er hva vi skal bruke den til, hvilke data den skal få tilgang til og hvor mye myndighet vi skal gi den.

Den første feilen mange gjør er å generalisere. Det er stor forskjell mellom en AI-assistent som oppsummerer et dokument og en modell som finner unormale spenningsforhold i lavspentnettet, for ikke å snakke om at AI faktisk kan gjøre endringer i et operativt system.

I praksis vil vi trolig bruke flere typer AI samtidig. Generativ AI kan brukes til søk, dokumentasjon og assistenter. Maskinlæring kan brukes til prognoser, avviksdeteksjon, tap og kapasitetsanalyser. Etter hvert kommer også AI-agenter som kan hente informasjon fra flere systemer og gjennomføre deler av en arbeidsprosess. Det er særlig det siste som er interessant, det er stor forskjell på at et system sier «Denne måleren bør undersøkes» og at det sier «Jeg har koblet ut måleren».

EU AI Act bruker en risikobasert tilnærming. Kritisk infrastruktur er ett av områdene hvor enkelte AI-systemer kan bli klassifisert som high-risk. Det gjelder blant annet AI som brukes som sikkerhetskomponent i styring og drift av elektrisitetsforsyning. Men det betyr ikke at all AI som brukes av et nettselskap er high-risk.

En prognose, et verktøy for datakvalitet eller en intern assistent vil ikke automatisk havne i denne kategorien. Det er systemets formål og hvordan det faktisk brukes som er avgjørende. EU-kommisjonen arbeider fortsatt med de endelige retningslinjene for hvordan high-risk-klassifiseringen skal praktiseres.

For nettselskapene er det derfor nyttig å stille noen ganske enkle spørsmål:

• Hvilke data får AI tilgang til?

• Hvilke beslutninger får den påvirke?

• Hva får den faktisk lov til å gjøre?

• Hva skjer hvis den tar feil?

Et nyttig skille fremover er mellom data, beslutning og handling. På første nivå kan AI finne feil i måledata, oppdage uvanlige hendelser eller se mønstre mennesker vanskelig oppdager. På neste nivå kan AI foreslå hva nettselskapet bør gjøre. Det siste steget er at AI selv gjennomfører handlingen.

Jo nærmere vi kommer det siste nivået, desto viktigere blir kontroll, logging, sikkerhet og menneskelig overvåkning. Dette samsvarer også godt med kravene i AI Act til high-risk-systemer, blant annet knyttet til risikostyring, sporbarhet, menneskelig kontroll, robusthet og cybersikkerhet. Reglene for denne typen high-risk-systemer skal etter dagens tidsplan gjelde fra 2. desember 2027.

Det betyr ikke at mennesker må godkjenne alt en AI gjør, da forsvinner mye av gevinsten. Men vi bør være tydelige på hvor grensen for autonomi går. En AI-agent kan for eksempel få hente data, gjøre analyser, sammenligne historikk og foreslå et tiltak. En kritisk operativ kommando kan fortsatt kreve eksplisitt godkjenning, mens mindre kritiske oppgaver kan automatiseres fullt ut.

Mye av AI-diskusjonen handler om modeller, for energibransjen tror jeg dataene blir minst like viktige. Nettselskapene har allerede enorme mengder data fra målere, nettstasjoner, sensorer, kundesystemer og andre fagsystemer. Problemet er ofte ikke mangel på data, men å vite hva dataene betyr, om de er riktige og hvordan de henger sammen.

En måleverdi alene forteller ikke så mye, men når vi kjenner målepunktet, nettstrukturen, historikken og andre relevante forhold rundt den kan mye utledes. Derfor blir god dataforvaltning enda viktigere med AI. Data må være tilgjengelige, kvalitetssikrede og forståelige. Samtidig må det være kontroll på hvilke data AI får tilgang til og hva de kan brukes til.

Det er også lett å sette likhetstegn mellom AI og språkmodeller. Mange av de mest interessante bruksområdene i strømnettet vil trolig kombinere tradisjonell maskinlæring, statistiske modeller og generativ AI. En modell kan oppdage et unormalt mønster, en språkmodell kan hente relevant informasjon og forklare hva som har skjedd, og en agent kan deretter foreslå eller starte riktig arbeidsprosess. Verdi i bruk for kraftbransjen vil økte betydelig når AI-teknologiene kobles sammen med gode energidata og eksisterende fagsystemer.

AI Act og rollen som kritisk infrastruktur kan fort føre til at energibransjen blir mer forsiktig enn nødvendig. Det ville være synd. EU-kommisjonen understreker selv at de fleste AI-systemer ikke er high-risk, og regelverket er bygget rundt at kravene skal stå i forhold til risikoen.

Det finnes allerede mange områder hvor AI kan brukes uten at vi slipper den løs på kritiske operative prosesser: datakvalitet, analyse, prognoser, dokumentasjon, kundeservice, feilsøking og beslutningsstøtte er noen eksempler. Så kan vi gradvis bevege oss videre.

Nettselskapene har et kritisk samfunnsoppdrag, og det krever at vi er forsiktige. Men forsiktighet bør ikke bli en unnskyldning for å vente. Vi bør ta i bruk AI der det gir verdi, lære underveis – og være tydelige på hvor vi fortsatt vil ha mennesker i førersetet.