Helge Dahl-Jørgensen, leder Industriell digitalisering i Digital Norway, sa at KI blir bredt implementert, og det har overføringsverdi; hvordan at fungerer i én sektor kan gi læring for en annen.

– Databaserte systemer og KI har kommet inn som beslutningsstøtte, både for ledere og operatører. Men det er forskjell på beslutningsstøtte og beslutningstaking. Og det er viktig å være klar over forskjellene mellom generativ KI og analytisk KI, sa han.

Generativ KI er basert på store språkmodeller (LLM), og brukes i chatbots og maskinlæring. Det er skybaserte, kommersielle løsninger som kommer raskt ut til markedet.

– Disse løsningene bidrar til effektiv drift og tilfreds medarbeidere. Integriteten er så som så, fungerer det så funger det, sa Ingeborg Ligaarden, leder for Data Science og styremedlem i Statnett.

Statnett bruker KI både i langsiktig planlegging for hele kraftnettet, og i den daglige driften der beregninger gjøres i forhold til minutter og sekunder.

– Hvem trenger å vite noe om KI? Hos oss berører generativ KI alle ansatte, sa Ligaarden. – KI-agenter sørger for brukergrensesnittet og er bra i systemutvikling. Men det er som regel analytiske modeller bak et generativt brukergrensesnitt.

KI-systemer kan bli i overkant kreativt, de kan begynne å hallusinere. Modellene konsumerer enorme mengde data, og kan generere noe som ikke stemmer med virkeligheten.

– KI er i stand til å hallusinere nye former for data basert på hva har lært fra. Det er derfor viktig å verifisere hva disse modellene genererer, sa Christian Markussen, som jobber med digitale tvillinger og kvalifisering av teknologi i Det norsk Veritas.

DnV har laget et rammeverk for industriell KI, i samarbeid med Equinor, Å Energi, Statnett og Digital Norway.

Analytisk KI behandler store data, gir anbefalinger, og forutsier utfall. KI-systemet kan også ta beslutninger.

– Dette er ikke plug & play, det krever dyp domenekunnskap å ta dette i bruk, sa Dahl-Jørgensen. – Resultatene er basert på data fra fysiske driftsmiljø og kombinerer ulike teknologier. KI løser definerte problem – derfor er det viktig at problemstillingen er riktig beskrevet.

Industriell KI er strategisk viktig for kjernevirksomheten i Statnett. KI-algoritmer styrer autonome prosesser, 

– Data og KI skal sørge for robusthet og beredskap. Vi bruker KI til å overvåke svingninger i kraftforbruket og tilstanden på kraftnettet og i trafostasjoner. Systemet forteller oss hvor og når vi må utføre vedlikehold, sa Ligaarden.

Kan vi så stole på at KI-svarene er korrekte?

– 80 % pålitelighet er greit oppnåelig, men 99 % pålitelighet er vanskelig og dyrt, mener Markussen.

– Komplekse systemer feiler på grunn av manglende forståelse av hvordan de fungerer, hvordan de feiler og hvordan de bør brukes.

Dahl-Jørgensen pekte på at piloter med KI virker ofte lovende, man at når løsningene kommer i drift viser det seg at det var ikke fullt så enkelt. – Det er kompliserte prosesser, det kommer nye krav til hvordan KI skal forstås og håndteres.

Statnett har domenekunnskapene, og flere piloter har blitt til robuste system i drift.

– Vi har multikompetente team. Dataforskere med kompetanse på fysikk, matematikk og KI samarbeider med domeneekspertene for å lage treningsmodeller, sa Ligaarden.

KI bruks i vedlikeholdssystemer, blant for å predikere svikt og å foreslå tiltak.

– Operatørenes fokus skifter fra å se på ting til å se på data. Det er annerledes, de må trenes på dette, sa Markussen. – Hva er årsaken til at en feil oppstår? Den menneskelige faktor må tas med i kalkylen.