För energibranschen är detta särskilt relevant. Vi har stora datamängder, komplexa system och många arbetsprocesser där AI kan bidra till bättre analyser, ökad automatisering och snabbare beslut. Samtidigt ansvarar elnätsföretagen för kritisk infrastruktur. Det betyder inte att vi bör hålla AI på avstånd, men vi måste vara medvetna om hur tekniken används.
En del låter rädslan styra och vill stoppa AI. Jag menar att frågan framför allt handlar om vad vi ska använda tekniken till, vilka data den ska få tillgång till och vilka befogenheter vi ska ge den.
Olika användningsområden innebär olika risker
Ett vanligt misstag är att dra all AI över en kam. Det är stor skillnad mellan en AI-assistent som sammanfattar ett dokument och en modell som identifierar onormala spänningsförhållanden i lågspänningsnätet. Skillnaden blir ännu större när AI kan göra ändringar i ett system som används i den operativa driften.
I praktiken kommer vi sannolikt att använda flera typer av AI parallellt. Generativ AI kan stödja informationssökning, dokumentation och digitala assistenter. Maskininlärning kan användas för prognoser, avvikelsedetektering samt analyser av nätförluster och kapacitet. Vi kommer också att se fler AI-agenter som kan hämta information från flera system och utföra delar av en arbetsprocess.
Det är framför allt det sistnämnda som gör frågan intressant. Det är stor skillnad mellan att ett system säger ”Den här mätaren bör undersökas” och ”Jag har kopplat från mätaren”.
AI-förordningen och kritisk infrastruktur
EU AI-förordning, AI Act, utgår från en riskbaserad ansats. Kritisk infrastruktur är ett av de områden där vissa AI-system kan klassificeras som högrisksystem. Det gäller bland annat AI som används som säkerhetskomponent vid styrning och drift av elförsörjningen. Men det innebär inte att all AI som används av ett elnätsföretag klassificeras som högrisk.
En prognosmodell, ett verktyg för datakvalitet eller en intern assistent omfattas inte automatiskt av denna kategori. Det avgörande är systemets avsedda ändamål och hur det faktiskt används. EU-kommissionen arbetar fortfarande med de slutliga riktlinjerna för hur klassificeringen av högrisksystem ska tillämpas.
För elnätsföretagen är det därför värdefullt att ställa några enkla frågor:
- Vilka data får AI tillgång till?
- Vilka beslut får den påverka?
- Vad får den faktiskt göra?
- Vad händer om den gör fel?
Från data till beslut och åtgärd
Framöver blir det viktigt att skilja mellan data, beslut och åtgärder. På den första nivån kan AI identifiera fel i mätdata, upptäcka ovanliga händelser eller hitta mönster som är svåra för människor att se. På nästa nivå kan AI föreslå vilka åtgärder elnätsföretaget bör vidta. Det sista steget är att AI själv genomför åtgärden.
Ju närmare vi kommer det sista steget, desto viktigare blir kontroll, loggning, säkerhet och mänsklig tillsyn. Det ligger också i linje med AI-förordningens krav på högrisksystem, bland annat när det gäller riskhantering, spårbarhet, mänsklig tillsyn, robusthet och cybersäkerhet. Enligt den nuvarande tidsplanen ska reglerna för denna typ av högrisksystem börja tillämpas den 2 december 2027.
Det innebär inte att en människa måste godkänna allt som AI gör. Då skulle en stor del av nyttan gå förlorad. Däremot bör vi vara tydliga med var gränsen för autonomi går.
En AI-agent kan till exempel få hämta data, utföra analyser, jämföra historiska uppgifter och föreslå en åtgärd. Ett kritiskt kommando i driften kan fortfarande kräva ett uttryckligt godkännande, medan mindre kritiska uppgifter kan automatiseras fullt ut.
AI gör bra data ännu viktigare
Mycket av diskussionen om AI handlar om modeller. För energibranschen tror jag att data blir minst lika viktiga.
Elnätsföretagen har redan enorma mängder data från elmätare, nätstationer, sensorer, kundsystem och andra verksamhetssystem. Utmaningen är ofta inte bristen på data, utan att förstå vad de betyder, om de är tillförlitliga och hur de hänger ihop.
Ett enskilt mätvärde säger inte särskilt mycket. När vi känner till mätpunkten, nättopologin, historiken och andra relevanta förhållanden kan vi däremot dra betydligt fler slutsatser.
Därför blir god datahantering ännu viktigare med AI. Data måste vara tillgängliga, kvalitetssäkrade och begripliga. Samtidigt måste vi ha kontroll över vilka data AI får tillgång till och hur de får användas.
Det är också lätt att sätta likhetstecken mellan AI och språkmodeller. Många av de mest intressanta tillämpningarna i elnätet kommer sannolikt att kombinera traditionell maskininlärning, statistiska modeller och generativ AI. En modell kan upptäcka ett avvikande mönster. En språkmodell kan hämta relevant information och förklara vad som har hänt. En agent kan sedan föreslå eller initiera rätt arbetsprocess.
Nyttan för energibranschen kan öka avsevärt när dessa tekniker kombineras med energidata av hög kvalitet och befintliga verksamhetssystem.
Vi bör inte bli alltför försiktiga
AI-förordningen och ansvaret för kritisk infrastruktur kan lätt göra energibranschen mer försiktig än nödvändigt. Det vore olyckligt. EU-kommissionen betonar att de flesta AI-system inte klassificeras som högrisk och att kraven i regelverket ska stå i proportion till riskerna.
Det finns redan många områden där AI kan skapa värde utan att få kontroll över kritiska processer i driften. Datakvalitet, analys, prognoser, dokumentation, kundservice, felsökning och beslutsstöd är några exempel. Därifrån kan vi stegvis gå vidare.
Elnätsföretagen har ett viktigt samhällsuppdrag som kräver försiktighet. Men försiktighet bör inte bli en ursäkt för att avvakta. Vi bör använda AI där den skapar värde, lära oss längs vägen och vara tydliga med var människan fortfarande ska ha kontrollen.