Energiadata on jo olemassa. Mutta kenellä on pääsy siihen?
Useimmilla rakennuksia tai kiinteistöjä hallinnoivilla organisaatioilla on jo tuhansia energiadatapisteitä. Mittarilukemia, sääkorjattuja kulutuskuvioita, päästötrendejä, vuosien historiaa kymmenistä tai sadoista kohteista – järjestelmästä riippumatta. Pullonkaula ei ole koskaan ollut data. Se on ollut se, kuka on pystynyt muuttamaan sen vastaukseksi.
Vielä vähän aikaa sitten oikean vastauksen saaminen datasta vaati, että osasi hakea sitä oikein – tai tunsi jonkun, joka osasi. Kiinteistöpäällikkö, jolla on vuokralaisen valitus. Talousjohtaja, joka valmistautuu hallituksen kokoukseen. Vastuullisuudesta vastaava henkilö CSRD-määräajan kanssa. Data oli olemassa kaikille heille, mutta he eivät päässeet käsiksi siihen – he odottivat analyytikkoa tai Excel-vientiä.
Juuri tämän asian tekoäly oikeasti muuttaa. Ei datan määrä, vaan se, kuinka moni voi kysyä suoraan ja saada suoran vastauksen.
Tämä pätee järjestelmästä riippumatta. EG EnerKeyssä se saa konkreettisen muodon: Kaisa, joka on alustaan sisäänrakennettu tekoälyagentti, ei lisää uutta dataa salkkuusi. Se poistaa osaamisvaatimuksen kysymyksen ja vastauksen väliltä. Kirjoita esimerkiksi yleiskielellä "mitkä rakennukset kuluttivat enemmän energiaa viime vuosineljänneksellä, ja onko se normaalia vuodenaikaan nähden?" niin se vertaa EG EnerKeyn reaaliaikaista dataa historiallisiin ja sääkorjattuihin malleihin. Ei kyselykieltä, ei vientiä, ei odottelua.
Saattaa kuulostaa pieneltä asialta. Käytännössä se kuitenkin ratkaisee sen, kuka ylipäätään pääsee työskentelemään datan kanssa.
Kiinteistöpäälliköt eivät enää jonota analyytikolle
Kiinteistöpäällikkö ei tarvitse mallia rakennuksen ilmanvaihtokäyrästä. Hänen täytyy tietää, miksi vuokralaisen lasku näyttää väärältä, tai mikä rakennuksista käyttäytyy kuin se olisi asutettu viikonloppuna. Aiemmin tämä tarkoitti asian välittämistä energia-analyytikolle ja odottamista. Nyt kysymyksen voi esittää ja saada vastauksen siinä ajassa, joka menee kahvikupin hakemiseen – riittävän tarkan, jotta sen voi selittää vuokralaiselle tai välittää huoltoon.
Talousjohtajat näkevät suoraan kulutuksen ja kustannuksen yhteyden
Talousosastot eivät ajattele kilowattitunteina, vaan takaisinmaksuajassa ja riskissä. Mikä valaistusremontti maksaa itsensä todennäköisimmin takaisin nopeimmin? Mitä matalan pääomatarpeen säästötoimenpiteitä voisi realistisesti sisällyttää ensi vuoden budjettiin? Missä kustannusepävarmuus on suurin? Nämä ovat ROI-kysymyksiä, ei energiakysymyksiä.
Vastuullisuuspäälliköt säästävät aikaa
CSRD ja muut raportointikehykset palkitsevat organisaatioita, jotka pystyvät toimimaan nopeasti ja näyttämään työnsä, kuten kestävyysraportin energia- ja päästöosion kirjoittaminen, päästöjen erittely lähteittäin suurimman vähennysmahdollisuuden löytämiseksi, datan laatuongelman havaitseminen ennen kuin siitä tulee alaviite tarkastuksessa. Kaikki tämä oli aiemmin usean päivän datankäsittelytyötä. Sen tiivistäminen minuutteihin ei säästä vain aikaa, vaan se tarkoittaa, että raportointi voi tapahtua organisaation omalla aikataululla, ei data-tiimin.
Energia-analyytikko voi paneutua muuhun kuin rutiinikysymyksiin
Mikään edellä mainituista ei korvaa analyytikkoa. Kyse on siitä, ettei enää joka rutiinikysymystä ohjata hänen kauttaan. Kun kiinteistöpäällikön poikkeamatarkistus ja talousjohtajan takaisinmaksulaskelma eivät enää päädy analyytikon pöydälle, hän saa enemmän aikaa siihen, mikä oikeasti vaatii asiantuntemusta: poikkeama, joka ei noudata mitään kuviota, remontin liiketoimintaperustelu, salkkustrategia, jota mikään prompti ei voi kirjoittaa hänen puolestaan.
Nopealla vastauksella on hintansa, jos samalla menetät hallinnan datastasi
Useimmille operatiivista dataa käsitteleville organisaatioille sillä on väliä, missä data todella sijaitsee. EU:n dataan liittyvät sijaintivaatimukset, GDPR ja yhä enemmän myös EU:n tekoälyasetus määrittävät, mitä saa poistua organisaation omasta IT-ympäristöstä, ja millä toimittajalla tai missä pilvipalvelussa se saa olla. Tämä ei ole liiallista varovaisuutta. IT ja lakiosasto esittävät saman kysymyksen jo kaikista muista operatiivista dataa käsittelevistä järjestelmistä. Tekoäly ei ole poikkeus.
Tässä piilee se hinta, joka usein liittyy ajatukseen "kysytään nopeasti vain tekoälyltä datasta": joku vie mittaridataa taulukkolaskentaan ja liittää sen yleiskäyttöiseen tekoälytyökaluun. Se on nopeaa, mutta se on myös riski. Säännelty operatiivinen data päätyy IT-ympäristön ulkopuolelle, tarkastamattomaan paikkaan vailla pääsynhallintaa, vailla auditointijälkeä. Pahimmassa tapauksessa se päätyy kouluttamaan jonkun toisen mallia.
Nopeat vastaukset eivät ole arvokkaita, jos niiden saaminen tarkoittaa sitä, että samalla syntyy datahallintaongelma.
Tämä on myös syy siihen, miksi alustaan sisäänrakennettu tekoäly näyttää usein erilaiselta kuin sen päälle liitetty tekoäly. EG EnerKeyssä Kaisa toimii kokonaan EG:n omassa EU-pohjaisessa Azure-ympäristössä. Se näkee vain ne kiinteistöt, kohteet ja datan, joihin EG EnerKey-roolisi jo antaa pääsyn. Mitään ei laajenneta tekoälyn vuoksi. Mitään, mitä kysyt, ei käytetä mallin kouluttamiseen. Jokainen kysely kirjautuu, on kirjoitussuojattu ja tarkastettavissa – samalla tavalla kuin jokainen muu alustan toiminto jo on.
Toisin sanoen: kiinteistöpäällikkö, talousjohtaja ja vastuullisuuspäällikkö saavat molemmat asiat – nopean vastauksen ja tietoisuuden siitä, minne heidän datansa kulkee. Se on datasuvereniteetin aito lupaus. Se ei ole vain muodollisuus, jolla vaatimustenmukaisuus täytetään paperilla. Se on syy siihen, että he voivat käyttää dataa suoraan, ilman että kenenkään täytyy ensin avata IT-tikettiä
Mikä oikeasti muuttuu?
Mielenkiintoisin asia tekoälyä hyödyntävässä energianhallinnassa ei ole se, että se on älykäs, vaan se, että sen kynnys on vihdoin tarpeeksi matala, jotta myös ne, jotka eivät ole energia-asiantuntijoita, voivat käyttää dataa, joka on aina ollut olemassa.
