Når tilgangen til energidata endrer seg

Energidataen finnes allerede. Men hvem har tilgang til den?

De fleste organisasjoner som forvalter bygninger eller anlegg, sitter allerede på tusenvis av energidatapunkter. Målerdata, værjusterte forbruksmønstre, utslippstrender, år med historikk fra titalls eller hundretalls anlegg. Det gjelder uansett hvilket system som lagrer den. Data har aldri vært flaskehalsen. Flaskehalsen har alltid vært hvem som kunne gjøre den om til innsikt.

Fram til nylig krevde et reelt svar fra dataen at man kunne søke i den selv, eller kjente noen som kunne. Alle stod ett skritt fra sin egen data: en eiendomsforvalter med en klage fra en leietaker, en CFO som forbereder en styrepresentasjon, en bærekraftsansvarlig med en CSRD-frist, og ventet på en analytiker eller et Excel-ark.

Det er det AI faktisk endrer. Ikke dybden på dataen. Antallet mennesker som kan stille et direkte spørsmål og få et rett og korrekt svar tilbake.

Tilgang til dataen er den egentlige flaskehalsen

Det gjelder uansett hvilket system organisasjonen bruker. I EG EnerKey er en AI-agent allerede bygget inn i plattformen. Den fjerner kompetansekravet mellom spørsmål og svar. Skriver du «hvilke bygninger brukte mest energi forrige kvartal, og er det normalt for sesongen?», sammenligner AI-en EG EnerKeys realtidsdata mot historiske og værjusterte modeller. Ingen eksport, ingen venting på noen andres kalender.

Det hører ut som en enkel ting. I praksis endrer det hvem som kan jobbe med dataen.

Eiendomsforvaltere slipper å stå i kø til spesialisten

En eiendomsforvalter trenger ikke en modell av bygningens ventilasjonskurve. De må vite hvorfor en leietakers faktura ser feil ut, eller hvilken bygning som stille går som om den var i bruk i helgen. Før betydde det å flagge det til en energianalytiker og vente. Nå er det et spørsmål som stilles og besvares på tiden det tar å lage en kopp kaffe, med nok detaljer til å faktisk forklare det til leietakeren eller sende det videre til vaktmesteren.

CFO-er får en rett linje fra forbruk til kostnad

Finansavdelinger tenker ikke i kWh. De tenker i tilbakebetalingstid og risiko. Hvilken belysningsoppgradering som mest sannsynlig betaler seg raskest, hva en liste med lav-kapex-tiltak realistisk kan gjøre for neste års budsjett, hvor kostnadsusikkerheten er størst: det er ROI-spørsmål, ikke energispørsmål, og de krever ikke lenger å bli oversatt gjennom en tredjepart.

Bærekraftsansvarlige får tilbake rapporteringstid

CSRD og andre rapporteringsrammeverk belønner organisasjoner som kan handle raskt og vise arbeidet sitt. Å skrive energi- og utslippsdelen av en bærekraftsrapport, bryte ned utslipp per kilde for å finne den største reduksjonsmuligheten, eller fange opp et datakvalitetsproblem før det blir en fotnote i en revisjon. Alt dette var tidligere et flerdagers arbeid med databehandling. Å korte det ned til minutter sparer ikke bare tid. Det betyr at rapportering kan skje på organisasjonens egne premisser, ikke dataavdelingens.

Energianalytikeren får mer tid til overs

Ingenting av det ovennevnte erstatter analytikeren. I stedet slipper man å rute hvert rutinespørsmål gjennom dem. Når eiendomsforvalterens avvikskontroll og CFO-ens tilbakebetalingsestimat ikke lenger lander på analytikerens bord, får hen tilbake tiden sin til det som faktisk krever ekspertise. Avviket som ikke følger et mønster, business case for en oppgradering, eller portføljstrategien ingen prompt kan skrive for dem.

Et AI-svar er ikke gratis hvis det koster deg kontrollen over dataen

For de fleste organisasjoner som håndterer operasjonell data - energi, eiendom, byggsystemer - er det ikke en bagatell hvor dataen faktisk lagres. EUs regler for datalagring, GDPR, og EUs AI-forordning styrer hva som får forlate en organisasjons egen IT-miljø, og hvilken sky eller leverandør den får ligge hos. Det er ikke en overdreven forsiktighetsforanstaltning. Det er samme krav som IT og juridisk allerede stiller til hvert system som håndterer operasjonell data. Og nå gjelder det også AI.

Her er avveiningen som ofte kommer med «spør AI om dataen din»: noen eksporterer målerdata til et regneark og limer det inn i et offentlig tilgjengelig AI-verktøy. Det er raskt, og det sender også regulert operasjonell data utenfor organisasjonens IT-miljø. Til et miljø ingen databehandlingsansvarlig har vurdert, uten tilgangskontroll og uten revisjonsspor. I praksis er det en reell sjanse for at dataen flyter fritt og ender opp med å trene en annens modell.

Den avveiningen er nøyaktig hva som gjør tilgjengelighetsargumentet ovenfor verdt å være nøye med. Raske svar har en kostnad hvis de betyr at man stilltiende tar på seg et datastyringsproblem ingen har kontrollert eller godkjent.

Det er også derfor AI bygget inn i en plattform ofte ser annerledes ut enn AI som er lagt på toppen av en. I EG EnerKey kjører Kaisa helt innenfor EGs eget EU-baserte Azure-miljø. Den ser bare de eiendommene, stedene og dataen din EG EnerKey-rolle allerede gir tilgang til. Ingen ekstra data inkluderes for AI-ens skyld. Ingenting du spør om brukes til å trene noen modell. Hvert spørsmål logges, er skrivebeskyttet og etterprøvbart, på samme måte som hver annen handling i plattformen allerede er.

Med andre ord: eiendomsforvalteren, CFO-en og bærekraftsansvarlige ovenfor trenger ikke velge mellom å få svaret raskt og vite hvor dataen tok veien for å få det. Det er det egentlige løftet om datasuverenitet.

Det egentlige skiftet

Det mest interessante med AI innen energiledelse er ikke at den er smart. Det er at den endelig har lav nok terskel til at også de som ikke er energieksperter, kan bruke dataen, uten at den tilgangen koster dem kontrollen over hvor dataen går.

Nysgjerrig på hvordan det ser ut for din egen portefølje? AI er bygget inn i EG EnerKey, eller bla gjennom promptbiblioteket for et innblikk i spørsmålene hver rolle allerede stiller.