Kennisbank

AI-upravljanje za energetske tvrtke: kontrola nad onim što se stvarno događa

Što energetski sektor razlikuje od drugih

Energetska tvrtka kombinira dva svijeta koji rijetko imaju istog vlasnika. S jedne strane stoji operativna tehnika: mjerni i regulacijski sustavi, upravljanje mrežom, održavanje kritične infrastrukture. S druge strane stoji ured: kontakt s korisnicima, fakturiranje, planiranje, pravni i compliance odjeli. AI se pojavljuje u oba, ali s drugačijim odnosom između rizika i praktičnosti. U operativnom sloju AI-primjena brzo dotiče sustave čiji zastoj ili pogrešna odluka ima izravne posljedice izvan organizacije. U uredskom sloju najčešće je riječ o tekstu, podacima i podršci pri odlučivanju, s rizikom koji je sličniji drugim sektorima. Upravljanje koje ova dva sloja tretira kao isto propušta bit: ono što je u jednom sloju poboljšanje učinkovitosti, u drugom sloju predstavlja pitanje sigurnosti i nadzora.

Uz to, energetske tvrtke često su pod pojačanim nadzorom, vezane su sektorski specifičnim obvezama prijavljivanja i rade s podacima koji se dotiču nacionalne infrastrukture. To pitanje "tko je ovdje koristio AI, i na čemu" čini težim nego u prosječnom uredskom okruženju. Sadržaj propisa koji stoji iza toga — koje obveze točno vrijede i kada — obrađen je drugdje; ovdje je riječ o mehanizmu putem kojeg organizacija stječe i održava uvid u ono što se događa.

IT-popis nije potpuna slika

Onaj tko pita koji se AI-sustavi koriste, od IT-odjela dobiva popis odobrenih alata. Taj popis je polazna točka, a ne stvarnost. Planer koji koristi jezični model za sažimanje izvještaja o održavanju, analitičar koji vanjskom modelu dostavlja mjerne podatke radi prepoznavanja obrazaca, ugovorni djelatnik koji se pri protokolu kvara konzultira s chatbotom: to se često događa bez podnesenog zahtjeva ili traženog odobrenja. Ne iz nevoljkosti, nego jer funkcionira i nitko to nije pitao.

Srž inventara zato nije potvrđivanje poznatih sustava, nego prikazivanje onoga što se stvarno događa. To zahtijeva drugačiji ton nego revizija. Onaj tko želi znati što djelatnik koristi, mora to pitati bez posljedica koje se za to vežu — u protivnom odgovor nestaje jednako brzo kao i samo korištenje. Kako taj razgovor izgleda i zašto sankcija djeluje kontraproduktivno, opisano je u kako spriječiti da zaposlenici koriste alat koji nitko ne poznaje. Specifičan rizik unutar te šire slike je unošenje poslovnih podataka — mjernih podataka, ugovornih uvjeta, mrežnih podataka — u besplatni chat prozor izvan organizacije; što je tom prilikom u pitanju i kako to prepoznati, opisano je u kako spriječiti da poslovni podaci završe u besplatnom chat prozoru.

Klasificiranje po ulozi i riziku, ne po odjelu

Nakon inventara slijedi pitanje što sustav zapravo radi. AI-primjena koja prepisuje tekst za pismo korisniku ima drugu ulogu od modela koji sudjeluje u odlučivanju o planiranju održavanja na temelju senzorskih podataka. Klasifikacija mora utvrditi tu ulogu, i razinu rizika koja joj odgovara, bez obzira na to koji odjel alat trenutačno koristi. Tu energetski sektor zahtijeva vlastiti pristup: alat koji je u marketinškom timu bezopasan, u timu za upravljanje mrežom može dobiti drugu težinu jer se ishod odražava na fizički sustav.

Ovaj pristup — inventarizacija, klasifikacija, uklapanje u postojeće upravljanje — nije jedinstven za energetski sektor. Slična pitanja javljaju se u organizacijama koje rade s fizičkim instalacijama i sigurnosnim rizicima, kao što je opisano o AI-upravljanju u instalacijskim tvrtkama s tehničkom i izvedbenom praksom i o AI-upravljanju u građevinarstvu gdje se planiranje i izvedba susreću. Također sektori sa strogim nadzornim zahtjevima, kao što je vidljivo u AI-upravljanju u zdravstvu gdje se sigurnost pacijenata i nadzor susreću, pokazuju da se oblik upravljanja mijenja s porastom težine posljedica pogreške. Onaj tko provede tu usporedbu, vidi da energetski sektor nije jedinstven u pitanju, nego u težini odgovora.

Nadovezivanje na postojeće

Skup pravila upravljanja koji se postavlja uz postojeću strukturu upravljanja rizicima djeluje bolje od novog okvira postavljenog paralelno. Energetske tvrtke obično već imaju strukturu upravljanja rizicima za operativnu sigurnost i usklađenost. AI-upravljanje treba biti njezin nastavak, s istim linijama izvještavanja prema upravi i nadzornom tijelu, a ne odvojeni proces koji se održava zasebno i koji jednog dana leži pored drugih izvještaja o rizicima bez da se s njima ikada spoji.

Od pregleda do uvida u sam rad

Čim je jasno koje AI-primjene postoje i koji rizik predstavljaju, slijedi drugo pitanje: što to znači za rad koji ljudi trenutačno obavljaju. Inventar pokazuje što je u funkciji; skeniranje rada pokazuje što to funkcioniranje znači za zadatke, funkcije i kapacitet. Skeniranje rada tvrtke FTE TO AI izračunava po zadatku koji dio posla AI može preuzeti, i tako uz slikovni prikaz rizika postavlja i slikovni prikaz kapaciteta. To je logičan sljedeći korak nakon inventara: ne samo znati što se događa, nego i što to znači za organizaciju koja s tim mora raditi.