Spillet ændrer sig: Hvad sker der, når alle kan tale med deres energidata?

Energidata plejede at høre til specialister. Men med AI i rekordfart ændrer tingene sig. Vi talte med EGs produktchef for software Iiro Kuntsi for at diskutere, hvad der sker, når controllere, vedligeholdelsespersonale og nyansatte kan stille spørgsmål til deres energidata – og hvorfor produkter bør udvikles sammen med de brugere, de er tiltænkt. 

Energidata har altid tilhørt de få, der er trænet i at læse dem. AI'en i EG EnergyManager åbner dem for alle andre i organisationen – controlleren, der har brug for tallene til en rapport, facilitetschefen, der vil vide, hvorfor en bygning havde en spids i går nat, eller CFO'en, der analyserer forbruget uden at vente på energispecialisten. Den første del af denne serie handlede om den betingelse, der gør dette acceptabelt: dataene forbliver nøjagtigt så beskyttede som før. Denne del handler om den anden betingelse. Ny funktionalitet bør udvikles i samarbejde med brugerne, hvis vi ønsker software, der løser reelle problemer.  

I de sidste to årtier har energistyringssystemer været et værktøj til specialister. Alle andre spurgte specialisten eller ventede på rapporten. Det er den vane, AI'en i EG EnergyManager er bygget til at bryde. Iiro siger:  

“Kunder beskriver konsekvent vores nye AI-agent som intuitiv. Den fjerner indlæringskurven ved et traditionelt energistyringssystem. Hvorfor bruge tid på at lære et komplekst system, når du bare kan stille det et spørgsmål? For mange handler det simpelthen om at gøre EG EnergyManager mere tilgængelig for nyansatte og brugere, der ikke er erfarne energieksperter.”  

Hvad mislykkede AI-piloter lærer os – og hvorfor AI skal bygges sammen med brugerne 

Det meste enterprise-AI fejler. MIT-forskere, der undersøgte hundredevis af generative AI-piloter i 2025, fandt, at 95 procent ikke gav nogen målbar forretningsmæssig effekt, og konkluderede, at barrieren ikke var teknologi eller talent, men læring – systemerne tilpassede sig ikke de mennesker, der brugte dem. 

Denne indsigt er afgørende. Uden tæt samarbejde med de fremtidige brugere har software en høj risiko for at fejle. Iiro fortsætter: 

“Ingen havde tidligere bygget en lignende AI-agent til energistyring – der var ingen opskrift at følge. Vi ønskede ikke at udvikle den isoleret og levere et færdigt produkt til vores kunder. Vi gik i luften tidligt, med udvalgte begrænsninger på data og belastning, netop for at vi kunne lære af reel brug med rigtige brugere, før vi skalerede yderligere.”  

I august havde mere end 50 kunder aktiveret AI'en – detailhandel, telekommunikation, facility management, ejendom – og tusindvis af spørgsmål var blevet stillet.  

Energispecialister bad den scanne hele porteføljer for forhøjet natligt baseload eller unormal opførsel i varmesystemet. Controllere ønskede månedlige forbrugs- og emissionsrapporter, der genereres automatisk. Analytikere af elbalancen spurgte, om den kunne læse tariffer fra EG EnergyManager-arkivet og sammenligne dem med forbruget for at finde besparelser på sikringsstørrelse og tariffer på tværs af hundredevis af steder.  

McKinseys undersøgelse fra 2025 viste, at den stærkeste indikator for værdi er at redesigne arbejdsgangen omkring AI'en, frem for blot at påmontere AI på den gamle proces. Iiro igen: 

“Spørgsmålet er aldrig ‘hvad kan AI generisk gøre’. Vores kunder beder den om at forenkle eller automatisere en specifik opgave for en specifik rolle. Vi pakker disse rollebaserede use cases som navngivne workflows – for analytikeren, specialisten, vedligeholdelseschefen, porteføljedirektøren, CEO'en – i stedet for at lade det være en generisk agent, som alle selv skal finde ud af at bruge til deres arbejde.” 

At holde kunderne inde i udviklingsprocessen 

Den praktiske brug viste også, hvor der stadig var begrænsninger. Nogle af de første forespørgsler på meget store porteføljer var mere, end AI’en på det tidspunkt kunne håndtere. Derfor blev ydeevne og skalering en vigtig prioritet for teamet resten af året. Med nye versioner hver anden uge udvikler mulighederne sig hele tiden.

“Det er en vigtig del af vores tilgang at være tydelige om, hvad der er live i dag, og hvad der kommer som det næste. På den måde holder vi kunderne tæt på udviklingen i stedet for at give dem en sort boks og bede dem vente. Der er stor entusiasme omkring mulighederne, men udbredelsen kommer ikke af sig selv. Vi skal skabe værdi for de forskellige roller, der arbejder med energistyring hos vores kunder.”

Næste skridt for AI-agenten er at kunne generere indhold. Det kan for eksempel være grafer direkte i brugerfladen og rapporter, der kan eksporteres og bygger på live-data. Planen for 2027 er, at AI’en også skal kunne foreslå ændringer til faciliteter, målere, alarmer og handlinger, som brugeren derefter kan godkende enkeltvis. Den retning kom faktisk fra en kunde, før den blev en del af roadmapet. Iiro præciserer: 

“AI'en bemærker en afvigelse, kommenterer den sandsynlige rodårsag, og fundet sendes automatisk til facility management-systemet via EG PropCore. Handling iværksættes på stedet, og status flyder tilbage ind i EG EnergyManager. En kunde beskrev præcis dette for os. Det er en fin bekræftelse på, at vi bygger mod det samme resultat, som de forestiller sig.” 

Fremtiden for energistyring bygges

Iiro opsummerer sin tilgang til AI-udvikling:  

“Vores filosofi er at være med helt fremme inden for AI sammen med vores kunder og bruge teknologien til at forenkle og automatisere de dele af energistyringen, der stadig kræver manuelt arbejde eller er svære at tilgå. Det handler om løbende at gøre AI’en mere kapabel og brugeroplevelsen bedre, måned for måned og release for release.”

AI alene er kun et værktøj. Men når den giver alle mulighed for at tale med deres bygnings energidata i et sikkert miljø, sker der magi.  

Er du allerede EG EnergyManager-kunde? AI'en kan føjes til din eksisterende plan – kontakt din account manager.

Relaterede produkter