Den største barriere mod AI er kulturen
Nadia Kirstein er udviklingschef for afløb og klima i Envidan. Og så har hun mere end 12 års erfaring med AI. Hun kommer her med sine råd til, hvordan vandselskaberne kan bruge AI - og hvad de skal undgå.
Kenneth DürrAI er meget mere end generative sprogmodeller som ChatGPT,” siger udviklingschef for afløb og klima i Envidan, Nadia Kirstein og uddyber:
“Det indeholder også metoder som for eksempel maskinlæring, der spænder fra simpel lineær regression til mere avancerede metoder som neurale netværk,” siger hun og fortsætter:
“Zoomer vi ind på de mere avancerede anvendelser, så spænder de bredt i vandsektoren – fra estimering af ledningers fysiske tilstand til sikring af datakvalitet, forudsigelse af vandniveauer og intelligent styring af kildepladser.”
Hør mere om Fremtidens arbejdsplads ved DANVAs årsmøde 2024
Om torsdagen kan du på årsmødet høre meget mere om kunstig intelligens. Pernille Tranberg er dataetisk rådgiver, og hun vil give en introduktion til nye teknologier, som vil være med til at forme ”fremtidens arbejdsplads”. Læs program her.
Hvor ser du det største potentiale for AI til at revolutionere driften af vandselskaber?
“Som jeg ser det, kan AI overordnet set bruges på to måder af vandselskaber: enten som beslutningsstøtte eller til forbedring af interne processer. Sidstnævnte kunne for eksempel være til at udarbejde mødereferater, lave PowerPoint-præsentationer og forberede udbudsmateriale,” siger hun og understreger, at metoderne stadig er meget nye, men at Envidan og mange andre virksomheder er i gang med at undersøge, hvordan de bedst kan implementeres.
Som jeg ser det, kan AI overordnet set bruges på to måder af vandselskaber: enten som beslutningsstøtte eller til forbedring af interne processer.
Nadia Kirstein, udviklingschef for afløb og klima i EnvidanEr der særlige udfordringer eller barrierer, som vandselskaberne skal være opmærksomme på, når de begynder at integrere AI i deres opgaveløsning?
“De to største barrierer er datakvalitet og kultur. Mange forsyninger opsamler data fra deres systemer, men i mange tilfælde har man ikke på forhånd en plan for, hvad de skal bruges til og ved derfor ikke, hvilken kvalitet, der er nødvendig. Så automatisk kvalitetssikring af data er som minimum nødvendigt,” siger hun og fortsætter:
"Men den største barriere mod AI er kulturen. Mennesket er et vanedyr, og i vandsektoren har vi et stort ansvar for miljøet og folks sundhed. Det gør os også konservativt anlagte. Men starter vi i det små, bliver omstillingen mindre besværlig.”
Hvis et vandselskab ønsker at begynde at udforske mulighederne med AI, hvad er så de første skridt, de bør tage?
“Lad være med at lede efter problemer, I kan løse med AI. Det er bedre at have AI i baghovedet, når I har et problem. Derefter handler det om at sikre datakvaliteten, finde medarbejdere, der kan og vil drive projektet og bare kast jer ud i det - måske med hjælp fra en rådgiver.”
