Kennisbank

AI-styrning för energibolag: kontroll över vad som verkligen pågår

Vad som gör energisektorn annorlunda

Ett energibolag kombinerar två världar som sällan har samma ägare. På den ena sidan finns den operativa tekniken: mät- och regleringssystem, nätförvaltning, underhåll av kritisk infrastruktur. På den andra sidan finns kontoret: kundkontakt, fakturering, planering, juridik- och compliance-avdelningar. AI dyker upp i båda, men med en annan balans mellan risk och bekvämlighet. I det operativa lagret berör en AI-tillämpning snabbt system där driftstopp eller ett felaktigt beslut har direkta konsekvenser utanför organisationen. I kontorslagret handlar det oftare om text, data och beslutsstöd, med en risk som mer liknar andra sektorer. Styrning som behandlar dessa två lager som ett och samma missar poängen: vad som i det ena lagret är en effektivitetsvinst, är i det andra lagret en fråga om säkerhet och tillsyn.

Därtill kommer att energibolag ofta står under skärpt tillsyn, är bundna av sektorspecifika rapporteringsskyldigheter och arbetar med data som rör nationell infrastruktur. Det gör frågan "vem har använt AI här, och på vad" tyngre än i en genomsnittlig kontorsmiljö. Regelinnehållet bakom detta — vilka skyldigheter som exakt gäller och när — behandlas på annat håll; här handlar det om mekanismen genom vilken en organisation får och behåller överblick över vad som pågår.

IT-listan är inte hela bilden

Den som frågar vilka AI-system som används får från IT-avdelningen en lista med godkända verktyg. Den listan är en utgångspunkt, inte verkligheten. En planerare som använder en språkmodell för att sammanfatta underhållsrapporter, en analytiker som matar ett externt modell med mätdata för att känna igen mönster, en avtalsanställd som konsulterar en chatbot vid ett störningsprotokoll: det sker ofta utan att en begäran har lämnats in eller ett godkännande har efterfrågats. Inte av ovilja, utan därför att det fungerar och ingen har frågat.

Kärnan i en inventering är därför inte att bocka av de kända systemen, utan att kartlägga vad som verkligen sker. Det kräver en annan ton än en revision. Den som vill veta vad en medarbetare använder måste fråga det utan att det är kopplat till en uppgörelse — annars försvinner svaret lika snabbt som användningen själv. Hur det samtalet ser ut och varför en sanktion får motsatt effekt beskrivs i hur ni förhindrar att medarbetare använder ett verktyg som ingen känner till. En specifik risk inom den bredare bilden är att mata in företagsdata — mätdata, avtalsvillkor, nätverksdata — i ett gratis chattfönster utanför organisationen; vad som står på spel där och hur det går att upptäcka beskrivs i hur ni förhindrar att företagsdata försvinner i ett gratis chattfönster.

Klassificera efter roll och risk, inte efter avdelning

Efter inventeringen följer frågan vad ett system egentligen gör. En AI-tillämpning som skriver om text för ett kundbrev har en annan roll än en modell som medbeslutar om underhållsplanering baserat på sensordata. Klassificeringen måste fastställa den rollen, och den risknivå som hör till, oavsett vilken avdelning som råkar använda verktyget. Det är där energisektorn kräver ett eget angreppssätt: ett verktyg som är oskyldigt i ett marknadsteam kan få en annan vikt i ett nätförvaltningsteam eftersom resultatet slår igenom i ett fysiskt system.

Detta angreppssätt — inventera, klassificera, integrera i befintlig styrning — är inte unikt för energisektorn. Liknande frågeställningar finns hos organisationer som arbetar med fysiska anläggningar och säkerhetsrisker, vilket går att läsa om i AI-styrning hos installationsföretag med en teknisk och utförande verksamhet och om AI-styrning inom byggsektorn där planering och utförande möts. Även sektorer med stränga tillsynskrav, som framgår av AI-styrning inom vården där patientsäkerhet och tillsyn möts, visar att styrningens form förändras i takt med att konsekvenserna av ett fel blir större. Den som gör den jämförelsen ser att energisektorn inte är unik i frågan, men väl i tyngden av svaret.

Anslut till det som redan finns

Ett styrningspaket som läggs bredvid den befintliga riskstrukturen fungerar bättre än ett nytt ramverk vid sidan om. Energibolag har vanligtvis redan en riskhanteringsstruktur för operativ säkerhet och compliance. AI-styrning bör vara en förlängning av den, med samma rapporteringslinjer till styrelse och tillsynsmyndighet, inte en separat process som måste underhållas fristående och som en dag ligger bredvid de andra riskrapporterna utan att någonsin mötas.

Från översikt till insikt i själva arbetet

Så snart det är klart vilka AI-tillämpningar som finns och vilken risk de representerar, följer en annan fråga: vad betyder det för det arbete människor gör nu. En inventering visar vad som pågår; en arbetsskanning visar vad det pågåendet betyder för uppgifter, roller och kapacitet. FTE TO AI:s arbetsskanning räknar per uppgift ut vilken del av arbetet som kan tas över av AI, och lägger därmed kapacitetsbilden bredvid riskbilden. Det är det logiska nästa steget efter en inventering: inte bara veta vad som sker, utan också vad det betyder för den organisation som ska arbeta med det.