Kennisbank

AI-governance pro energetické společnosti: přehled nad tím, co skutečně běží

Co dělá energetický sektor odlišným

Energetická společnost kombinuje dva světy, které málokdy mají stejného vlastníka. Na jedné straně stojí provozní technika: měřicí a regulační systémy, správa sítě, údržba kritické infrastruktury. Na druhé straně stojí kancelář: kontakt s klienty, fakturace, plánování, právní a compliance oddělení. AI se objevuje v obou, ale s jiným poměrem mezi rizikem a pohodlím. Ve provozní vrstvě se AI-nástroj rychle dotýká systémů, u nichž výpadek nebo chybné rozhodnutí má přímé důsledky mimo organizaci. V kancelářské vrstvě jde častěji o text, data a podporu rozhodování, s rizikem, které se více podobá jiným sektorům. Governance, která tyto dvě vrstvy míchá dohromady, ztrácí podstatu: co je v jedné vrstvě zlepšením efektivity, je v druhé vrstvě otázkou bezpečnosti a dohledu.

K tomu se přidává, že energetické společnosti často stojí pod zpřísněným dohledem, jsou vázány sektorově specifickými ohlašovacími povinnostmi a pracují s daty, která se dotýkají národní infrastruktury. To dělá otázku „kdo zde nasadil AI, a na co“ závažnější než v běžném kancelářském prostředí. Obsah předpisů, které se za tím skrývají — jaké povinnosti přesně platí a kdy — je popsán jinde; zde jde o mechanismus, kterým organizace získává a udržuje přehled o tom, co se děje.

Seznam z IT není celý obraz

Kdo se zeptá, jaké AI-systémy se používají, dostane od IT oddělení seznam schválených nástrojů. Tento seznam je výchozím bodem, nikoli realitou. Plánovač, který používá jazykový model k shrnutí zpráv o údržbě, analytik, který krmí externí model naměřenými daty, aby rozpoznal vzory, smluvní zaměstnanec, který se radí s chatbotem při protokolu poruchy: to se často děje bez podání žádosti nebo vyžádání souhlasu. Ne ze zlé vůle, ale protože to funguje a nikdo se na to nezeptal.

Jádrem inventarizace tedy není odškrtávání známých systémů, ale zjištění, co se skutečně děje. To vyžaduje jiný tón než audit. Kdo chce vědět, co zaměstnanec používá, se na to musí zeptat bez toho, aby na to byl navázán postih — jinak odpověď zmizí stejně rychle jako samo používání. Jak taková rozmluva vypadá a proč sankce působí opačně, je popsáno v jak zabránit tomu, aby zaměstnanci používali nástroj, o kterém nikdo neví. Konkrétním rizikem uvnitř tohoto širšího obrazu je zadávání firemních dat — naměřených údajů, smluvních podmínek, síťových dat — do bezplatného chatovacího okna mimo organizaci; co je při tom v sázce a jak to rozpoznat, je popsáno v jak zabránit tomu, aby firemní data zmizela v bezplatném chatovacím okně.

Klasifikace podle role a rizika, ne podle oddělení

Po inventarizaci následuje otázka, co systém vlastně dělá. AI-nástroj, který přepisuje text pro dopis klientovi, má jinou roli než model, který spolurozhoduje o plánování údržby na základě senzorových dat. Klasifikace musí zachytit tuto roli a odpovídající úroveň rizika, bez ohledu na to, které oddělení nástroj náhodou používá. Právě zde vyžaduje energetický sektor svůj vlastní přístup: nástroj, který je v marketingovém týmu nevinný, může v týmu správy sítě získat jinou váhu, protože výsledek se promítá do fyzického systému.

Tento přístup — inventarizace, klasifikace, zařazení do stávající governance — není jedinečný pro energetiku. Podobné otázky se řeší u organizací, které pracují s fyzickými instalacemi a bezpečnostními riziky, jak je popsáno v AI-governance u instalačních firem s technickou a realizační praxí a v AI-governance ve stavebnictví, kde se setkává plánování a realizace. Také sektory se strogými požadavky na dohled, jak je vidět v AI-governance ve zdravotnictví, kde se setkává bezpečnost pacientů a dohled, ukazují, že forma governance se posouvá s tím, jak se zvětšují důsledky chyby. Kdo si toto srovnání udělá, vidí, že energetika není jedinečná v otázce, jen v závažnosti odpovědi.

Napojení na to, co už existuje

Soubor governance, který se položí vedle stávající struktury řízení rizik, funguje lépe než nový rámec vedle. Energetické společnosti mají zpravidla už strukturu řízení rizik pro provozní bezpečnost a compliance. AI-governance by na to měla navazovat, se stejnými reportovacími linkami vůči vedení a dohledovému orgánu, ne jako samostatný proces, který se musí vést zvlášť a jednoho dne leží vedle ostatních zpráv o rizicích, aniž by se s nimi kdy setkal.

Od přehledu k vhledu do samotné práce

Jakmile je jasné, jaké AI-nástroje existují a jaké riziko představují, následuje jiná otázka: co to znamená pro práci, kterou lidé nyní dělají. Inventarizace ukazuje, co běží; scan práce ukazuje, co toto běžení znamená pro úkoly, funkce a kapacitu. Scan práce od FTE TO AI vypočítá pro každý úkol, jakou část práce lze převést na AI, a tak vedle obrazu rizika položí i obraz kapacity. To je logický další krok po inventarizaci: nejen vědět, co se děje, ale i co to znamená pro organizaci, která s tím musí pracovat.