Produktrekommendationer, ansiktsigenkänning, generativ AI och optimeringen av ens sociala medier – AI och maskininlärning är närvarande i vår vardag, vare sig vi förstår det eller ej. Precis som alla andra som tillbringat stora delar av sitt liv framför en skärm fascineras jag över tempot i vilket AI kommit att utvecklas; Ett tempo som jag under mina studier tyckt haft ett värde i sig, känslan av att befinna sig i ett paradigmskifte, en era där jag tack vare mitt intresse kastats in i en teknologisk guldålder. 

I mitt yrke läser och hör jag varje dag om revolutionerande innovation och paradigmskiften och jag kommer inte för en sekund bestrida faktumet att saker är i rullning som i grunden kommer förändra vår relation till teknik och vad den kan göra för oss. Men givet mitt yrke, hur de formas av både nyutveckling och analys vill jag åtminstone höja ett finger – en oro över tanken att det är viktigare att använda sig av AI än att AI används till något viktigt.

Funktionen som guide

För att maskininlärning ska kunna leverera ett högt värde måste den vara användarcentrerad. Detta innebär att vi måste involvera de människor som kommer att interagera med slutprodukten,  inte så mycket under utvecklingsprocessen utan som en konceptuell närvaro. Med andra ord, varför utvecklar vi det vi gör, och för vem kommer det i slutändan skapa värde? Genom att förstå användarens behov och utmaningar kan vi skapa lösningar som både underlättar och gagnar deras arbete eller vardag. Användarcentrerad design sätter fokus på att skapa verkligt meningsfulla och användbara verktyg. Vad är då meningsfullt? Jag har inte ett allmänt svar, bara ett förankrat i energi.

För Mestro arbetar med energiuppföljning, en verksamhet som mer än många har potentialen att både förbättras och förenklas genom användningen av AI. Men med alla verktyg till vårt förfogande blir det första steget, för mig som dataanalytiker, det viktigaste. För att analysera behovet handlar inte enbart om att studera kundens behov, utan (med risk för att låta högtravande) klimatets.

Klart står att våra kunder inte främst trånar efter ett sätt att logga in på vår plattform genom ansiktsigenkänning, lika lite som de behöver en knapp för att dela sitt resultat på sociala medier. Det våra kunder behöver är en ökad funktionalitet. Och mitt uppdrag är att svara på var och hur AI och maskininlärning kan appliceras för att skapa just detta.

Buzzwords och värde

Jag tror inte att det finns någon aktör inom energisektorn som blankt svarar nej på frågan om de använder sig av AI. Frågan som kvarstår är hur en aktör använder sig av det. När vi på Mestro försöker utveckla nya modeller för användningen av AI och maskininlärning, inleds arbetet med att särskilja på mål och syfte. Målet ska vara konkret, vad är det vi vill uppnå? När det kommer till mitt arbete handlar detta om att identifiera vad vi vill att våra kunder ska kunna åstadkomma med sitt energiarbete. Om våra kunder genom användningen av vår produkt uppnår goda resultat är det nämligen inte bara affärsmässigt bra för Mestro, det är också goda nyheter för klimatet. 

Syftet handlar istället om varför vi vill uppnå ett visst mål. Vilka insatser kan vi med hjälp av AI genomföra för att förenkla och förbättra kundens arbete? Vad är egentligen nyttan med en enskild lösning och hur står sig den nyttan hierarkiskt mot en annan lösning? 

Med hjälp av AI kan avvikande förbrukningsmönster identifieras, vi kan förutsäga underhållsåtgärder och när de bör utföras, minska risken för driftstopp och prognostisera framtida energianvändning. Men dessa är bara funktioner, funktioner som måste passera genom ett filter av syfte och mål. Vad skapar mest nytta för kunden och hur leder denna nytta oss alla mot målen?

Dessa tidigare nämnda exempel synliggör det breda spektrumet av möjligheter som AI erbjuder. Samtidigt måste vi i utvecklingen av dessa tjänster säkerställa att vi aldrig blir fartblinda.

Säkerställd data 

En fråga som alltid präglad denna typ av teknologisk utveckling är hur man kan bibehålla strävan utan att bortse från de etiska implikationerna i en tid av hastig tillväxt. Det är avgörande att vi upprätthåller höga standarder och säkerställer att AI-system på omvägar inte passerar vissa gränser. Gränser som i energiuppföljningens värld, i nio fall av tio handlar om data och ansvar. 

För insamling och användning av energidata kan nämligen väcka frågor om integritet och säkerhet. På Mestro är det otroligt viktigt att vi säkerställer att personuppgifter och annan känslig information skyddas och att lämpliga åtgärder vidtas för att förhindra dataintrång eller missbruk.

AI är till sin natur komplex och ofta svår att förstå, vilket i värsta fall kan skapa problem kring transparens och ansvar. Det är därför också viktigt att utveckla metoder och ramverk för att kunna granska de beslut och rekommendationer som görs med maskininlärning. 

Ett trendigt adjö

AI är trendigt.  Men det är när något känns hett det blir extra viktigt att inte förlora det hälsosamma perspektivet. Målet för oss är en mer hållbar planet och sättet vi når detta mål är att utrusta våra kunder med bästa möjliga verktyg för att kunna effektivisera sin energianvändning. Men utvecklingen får inte ske enbart för utvecklingens skull. 

AI och maskininlärning har blivit ord som används till höger och vänster. Så nästa gång du hör någon prata om att de använder sig av dessa, säg inte bara kul. Fråga hur och varför och vilket värde det skapar i resan mot deras övergripande mål. Det är vad teknik ska vara, ett hantverk för  att minska vår belastning på resan framåt. Och framåt måste vi alla.