DEBATT | Camila Medina
KI i industrien: Leder i Norden, men bekymrende trend
Norsk prosessindustri er mer effektiv enn hos våre nordiske naboer. Men ferske tall tilsier at tapene våre vil nesten fordoble seg frem til 2030.
Årsaken er ikke for lav adopsjon av kunstig intelligens, men manglende modernisering av automasjons- og driftsteknologi.
Norske produsenter innen prosess‑ og produksjonsindustri taper i dag om lag 7,7 prosent av potensielle inntekter som følge av ineffektiv drift. Det er lavest i Norden. Sverige og Danmark ligger betydelig høyere, ifølge en fersk undersøkelse gjennomført av Censuswide for Schneider Electric. Problemet er at disse tallene ikke er statiske.
Dersom dagens driftsmodeller videreføres, forventes tapene i Norge å nesten fordoble seg innen 2030 (13 prosent), mens utviklingen hos våre naboer er mindre alarmerende. For alle land gjelder ett prinsipp: Effektivitet i dag er ingen garanti for konkurransekraft i morgen.
En jordnær tilnærming
Debatten om industriell KI handler ofte om algoritmer, skyløsninger og analyseplattformer. Erfaringen fra industrien er langt mer jordnær. Verdiskapingen stopper som regel i utdaterte kontrollsystemer, lukkede nettverk og fragmenterte datastrukturer.
Når prosessdata, servicedata og energidata lever i separate systemer uten felles kontekst, blir KI redusert til et verktøy for beslutningsstøtte på siden av driften. I beste fall gir det innsikt. I verste fall gir det flere dashbord, men ingen reell forbedring i produksjonen.
Norden moderniserer raskere
I Sverige og Danmark ser vi nå økende investeringer i modernisering av automasjon og driftsteknologi: åpne standarder, modulær automasjon, lokale systemer for prosessering og tettere kobling mellom IT- og drift. Målet er større driftsfleksibilitet og være forberedt for fremtiden.
Investeringene sikter til å bruke KI direkte til styring av prosesser, vedlikehold,‑ og energihåndtering, ikke bare til etteranalyse. KI blir en aktiv del av driften og fungerer i sanntid ved å gi raskere beslutninger, lavere nedetid og bedre kapasitetsutnyttelse.
Skal KI gi målbar effekt i industrien, må den behandles som en videreutvikling av automasjonssystemet, med tilgang til sanntidsdata, robuste nettverk og tydelig eierskap i linjeorganisasjonen. Alternativet er en rigid industri som ikke klarer å tilpasse seg økende kompleksitet og krav til fleksibilitet.
Vi er nødt til å prioritere
Mange virksomheter feiler ikke fordi de gjør for lite, men fordi de gjør ting i feil rekkefølge. Slik ser vi for oss at en effektiv modernisering av industriell drift bør skje:
- Etabler først en felles standardisert arkitektur for PLS-er, SCADA og DCS (Digitale kontrollsystemer) – inkludert navngiving, datastrukturer og grensesnitt. Skap et felles rammeverk, ellers vil hver KI‑løsning bli et nytt spesialprosjekt.
- Knytt prosessdata til kontekst: Rå måledata må berikes med informasjon om tilstand, last, kvalitet og energi. KI kan ikke optimalisere prosessen hvis den ikke forstår hva den ser – bare at noe måles.
- Prioriter analyse av lokale systemdata for beslutninger som krever rask respons eller høy driftssikkerhet. Skyen er viktig for læring og langsiktig optimalisering.
- Koble automasjon, energi og vedlikehold Bryt siloene mellom prosesskontroll, vedlikehold og energistyring, slik at KI kan optimalisere på tvers av domener og gi mest mulig gevinst.
- Integrer KI i eksisterende styrings‑, drifts- og vedlikeholdsverktøy – ikke bruk KI kun til ekstern analyse. Når KI-anbefalingene ligger i samme system hvor beslutningene tas, blir de fulgt.
- Bygg for robusthet før maksimal ytelse: Prioriter stabilitet, enkelhet og sikkerhet. KI i industriell drift skal være forutsigbar.
Ikke fokuser på å ta i bruk KI raskest mulig, men på å oppnå mest mulig effektivitet. De som overholder denne rekkefølgen, er også de som ifølge rapporten får høyest avkastning på industriell KI.
