De aller fleste norske energiselskaper har det siste året tatt i bruk generative AI-verktøy som ChatGPT og lignende tjenester. Det gir effektivitetsgevinster i administrasjon og kundeservice — men ifølge en debattartikkel publisert av Digi.no er dette bare overflaten. Det virkelige fortrinnet finnes et helt annet sted: i de enorme mengdene granulære forbrukerdata som selskapene allerede sitter på.
Fra én måling i måneden til tusenvis
Fremveksten av smarte strømmålere har fundamentalt endret informasjonslandskapet i energibransjen. Der tradisjonelle målere bare produserte ett datapunkt per forbruker per måned, registrerer moderne AMS-målere forbruk i intervaller ned til 10–15 minutter. Det er en dataeksplosjon av historiske proporsjoner.
Før smarte målere fantes det bare ett datapunkt per forbruker per måned. Nå kan forbruksmønster følges time for time — eller tettere.
Ozge Islegen, assisterende professor i beslutningsøkonomi ved Kellogg School of Management, har forsket på nettopp dette skiftet og understreker hvor dramatisk forskjellen er: sanntidsdata gjør det mulig å identifisere forbruksmønstre, spissbelastning og avvik på en måte som tidligere var teknisk umulig.
For norske energiselskaper, som har gjennomført nær fullstendig utrulling av AMS-målere i henhold til myndighetskrav, betyr dette at de sitter på en dataportefølje av betydelig strategisk verdi.
Hva kan dataene brukes til?
Globale analyser viser at smarte målere og tilhørende etterspørselsrespons-programmer ventes å gi verdens kraftselskaper besparelser på 157 milliarder dollar frem mot 2035, ifølge bransjeestimater. For norske nettselskaper, som opererer i et marked preget av variabel fornybar kraftproduksjon og høy prisvolatilitet, er dette særlig relevant.
Forbrukerne på sin side kan spare opp mot 10 prosent på strømregningen bare ved å få innsikt i egne forbruksmønstre — og inntil 30 prosent dersom de aktivt følger AI-genererte energirådgivningsanbefalinger, ifølge forskning referert i kildegrunnlaget.
AI er verktøyet — data er råstoffet
Dette er kjernen i argumentasjonen fra Digi.no: mens ChatGPT og andre generative AI-modeller er tilgjengelige for alle aktører — og dermed ikke gir varig konkurransefortrinn — er et norsk energiselskaps proprietære forbrukerdata unike. De kan ikke kopieres, kjøpes eller replikeres av en konkurrent.
AI-algoritmer som analyserer disse dataene kan ifølge teknologileverandører som NET2GRID identifisere hvilke apparater en husstand bruker, når de brukes og hvordan forbruket avviker fra normalen. Dette åpner for hyperpersonalisert kundekommunikasjon, proaktive varsler og målrettede tilbud om effektiviseringstiltak.
Nettdrift og fornybar integrasjon
På nettdriftssiden er gevinstene minst like store. AI-systemer som trenes på historiske og sanntids målerdata kan forutsi forbruksmønstre, optimalisere lastfordeling og gi tidligere varsel om potensielle feil i infrastrukturen. Det reduserer driftskostnader og øker leveringssikkerheten.
I et norsk kraftsystem der stadig mer variabel fornybar energi — vind og sol — skal integreres, er presis etterspørselsprognostisering og fleksibel lastbalansering kritiske kapabiliteter. Energiselskaper som behersker dette med egne data vil stå sterkere enn de som utelukkende baserer seg på generiske AI-verktøy.
Globalt anslås AI-applikasjoner innen energi og industri å kunne redusere klimagassutslipp med 5–10 prosent innen 2030, ifølge forskningsmiljøer sitert i kildegrunnlaget — et tall som også er relevant for norsk klimapolitikk.
Det strategiske valget fremover
Spørsmålet norske energiselskaper nå bør stille seg er ikke om de skal bruke AI, men hvilke data de investerer i å strukturere, kvalitetssikre og analysere. Generell språkmodellteknologi er demokratisert og tilgjengelig for alle. Forbruksdataene — med deres granularitet, historikk og lokale forankring — er det ingen kan ta fra dem.
Som Digi.no-debatten peker på: de selskapene som forstår dette skiftet tidlig, og bygger dataplattformer og AI-kapabiliteter rundt sine egne unike datasett, er de som vil lede an i morgendagens energimarked.