Tomteassistenten som må skjønne regler

I forrige artikkel startet vi med hackathonet under Bygglarm i Molde. Der ble spørsmålet om AI og standarder veldig konkret: Hvis nye AI-løsninger skal brukes i bygg, anlegg og eiendom, hvilket kunnskapsgrunnlag skal de bygge på?

Mange av ideene trengte tilgang til standarder. Men ett spor pekte mot noe bredere:

Ideen som dukket opp i Molde, kjenner nok mange seg igjen i: Hva om en innbygger, eiendomsutvikler eller rådgiver kunne spørre en AI-assistent om en konkret eiendom?

Kan jeg bygge på her?

Kan eiendommen deles?

Er det mulig med flere boenheter?

Hvilke regler, hensyn og risikoer bør jeg vite om før jeg går videre?

Det er lett å forstå hvorfor ideen om en tomteassistent frister. Spørsmålet er konkret. Brukeren trenger et begripelig svar. Informasjonen finnes allerede mange steder i offentlig sektor. Og gevinsten kan være stor: Tomteeiere, utviklere og rådgivere kan møte kommunen bedre forberedt. Kommunen kan få bedre spørsmål. Flere kan forstå muligheter og begrensninger før de bruker tid og penger på en prosess de ikke har oversikt over.

Dette høres ut som et naturlig sted å bruke AI.

Men den viktigste delen av løsningen ligger under assistenten.

Svaret begynner ikke med språkmodellen. Det begynner med regelverket, planene, planbestemmelsene, veilederne, kartdataene og kildene som assistenten må bruke.

Når noen vurderer en tomt, begynner mye av svaret i reguleringsplanen.

Det er der man ofte finner de mest premissgivende svarene: hva eiendommen er regulert til, hvilke planbestemmelser som gjelder, hvor byggegrensene går, hvilke høyder som er tillatt, hvilke hensynssoner som treffer tomten, og hvordan utnyttelsesgrad skal forstås. Det er også derfor mange faglige tomtevurderinger starter nettopp der.

Det høres nesten trivielt ut. Reguleringsplaner er offentlige. De er juridisk viktige. De styrer store verdier. Da skulle man tro at de også var enkle å finne, enkle å forstå og enkle å bruke digitalt.

Slik har det ikke alltid vært. Mye planinformasjon har ligget i PDF-er, eldre dokumenter, vedlegg, kartløsninger og kommunale innsynssystemer som mennesker kan lese, men som digitale tjenester ikke uten videre kan bruke kontrollert.

Det er paradokset: Planen kan være både offentlig, avgjørende og vanskelig tilgjengelig som maskinlesbart kunnskapsgrunnlag.

For en tomteassistent er reguleringsplanen derfor første store filter: Hva ser i det hele tatt mulig ut her?

Drømmeplan og Planslurpen er interessante fordi de treffer akkurat denne floken.

Drømmeplan peker mot brukeropplevelsen: at en innbygger kan søke opp en adresse og få en enklere oversikt over reguleringsbestemmelser for egen eiendom. Planslurpen peker mot grunnarbeidet under: å bruke KI til å hente reguleringsbestemmelser ut av ustrukturerte dokumenter og gjøre dem om til strukturerte data.

Det er en viktig rekkefølge. Først brukes KI til å strukturere planbestemmelser som tidligere var vanskelige å bruke maskinelt. Deretter kan KI-assistenter bli en tryggere brukerflate mot det samme grunnlaget.

Når dette piloteres i flere kommuner og bygges for nasjonal bruk, blir det mer enn et nytt søkeverktøy. Det blir starten på et nasjonalt, maskinlesbart kunnskapsgrunnlag for reguleringsplaner og planbestemmelser. Det er nettopp dette som gjør Planslurpen til et godt initiativ: DiBK tar en felles jobb som ellers måtte vært gjentatt i hver enkelt AI-assistent, fagsystem eller markedsløsning som skulle prøve å forstå gamle planbestemmelser i PDF. Planslurpen har allerede en dokumentert API-flate, og det gjør retningen konkret: Planinformasjon kan bli noe fagsystemer, markedsløsninger og AI-assistenter kan slå opp i med kilde, struktur og forbehold.

Det er også et eksempel til etterfølgelse. Når en offentlig kunnskapsforvalter strukturerer, kvalitetssikrer og tilgjengeliggjør grunnlaget på vegne av mange, blir markedet friere til å bygge gode brukerflater i stedet for å gjenta samme kildearbeid hver for seg. Den samme logikken gjelder andre deler av kunnskapsgrunnlaget, også standardene fra forrige artikkel: Verdien øker når autoritative kilder ikke bare kan leses av mennesker, men brukes kontrollert av digitale tjenester.

For en tomteassistent er ikke regelverket bare tekst som skal siteres. Det er en kunnskapskilde assistenten må kunne navigere.

SAK før TEK

Tidlig i en tomtevurdering er plan- og bygningsloven og SAK10 ofte viktigere enn TEK17. Før assistenten vurderer tekniske krav, må den kunne sortere saken: Er tiltaket søknadspliktig? Kan det være unntatt, for eksempel etter SAK10 § 4-1? Kan tiltakshaver stå ansvarlig selv, eller kreves ansvarlige foretak? Trengs det dispensasjon? Og hvilket kommunalt behandlingsløp peker saken mot?

Stimulab som konkret eksempel

Her er DiBKs Stimulab-spor særlig relevant, fordi prosjektet tar tak i nettopp dette første avklaringslaget før en byggesak finnes som sak. Digdir beskriver prosjektet "Ingen sak med byggesak - effektiv og brukerrettet veiledning i alle ledd" slik:

"Prosjektet skal ta for seg et velkjent problem for mange, nemlig veiledning rundt byggesaker. Undersøkelser viser at dette er en stor tidstyv både for stat, kommune og innbyggere."

I sluttrapporten fra prosjektet avgrenses problemet nettopp til veiledning frem til søknadsplikten er avklart: Innbyggere vil vite om de må søke, mens kommunenes førstelinje trenger støtte til å finne riktige kilder, formulere gode svar og håndtere variasjonen mellom nasjonale regler, lokale planer og kommunal praksis. Prosjektets forslag, Byggorakelet og Innbyggerhjelpen, peker derfor mot mer enn en chatbot. Det er et konkret eksempel på hvordan et SAK-nært sorteringslag kan utvikles som offentlig tilrettelagt kunnskap, med koblinger til DiBK-kilder, SAK10, TEK17, tolkningsuttalelser og kommunale data, og senere eksponeres gjennom API-er, MCP-verktøy eller spesialiserte agenter.

Fra nettsider til verktøylag

I dag er mye av dette publisert som nettsider, forskriftstekst og veiledning. Det er nyttig for mennesker. Men for digitale tjenester er det ikke nok at innholdet kan leses. Assistenten må forstå relasjoner: hvilke bestemmelser som gjelder for hvilke tiltak, hvilke unntak som finnes, hvilke vilkår som må være oppfylt, hva som er forskrift, hva som er veiledning, og hvor kommunalt skjønn begynner.

Da blir spørsmålet om publiseringsform viktig. Bør SAK, TEK, veiledere, begreper og prosesslogikk bare ligge som nettsider? Eller bør de også forvaltes som et strukturert kunnskapsgrunnlag, for eksempel med API-er, regelmodeller, kunnskapsgrafer eller agentverktøy der kilde, versjon og forbehold følger med hvert oppslag?

Dette betyr ikke at en AI-assistent skal avgjøre byggesaker. Men det kan bety at offentlige fagmyndigheter bør forvalte spesialiserte regelverksagenter eller verktøylag som er særlig gode på sine egne områder. En SAK-agent, en TEK-agent eller en planbestemmelsesagent bør ikke være en løs chatbot trent på alt mulig. Den bør være en kontrollert brukerflate mot et autoritativt, vedlikeholdt og etterprøvbart kunnskapsgrunnlag.

Der maskinell støtte stopper

Først når dette første sorteringslaget er på plass, blir TEK-laget riktig å bruke. DiBKs TEK17-veiledning skiller mellom forskriftens krav, funksjonskrav, ytelseskrav og preaksepterte ytelser. I arbeidet med "Byggeregler for framtida" ligger det derfor også et viktig innovasjonsspor: byggereglene kan bli enklere å bruke hvis de ikke bare publiseres som tekst, men også som strukturert kunnskap som fagsystemer, API-er, MCP-verktøy og spesialiserte regelverksagenter kan bruke kontrollert.

For en tomteassistent er dette skillet viktig. En SAK-agent kan hjelpe med prosess, søknadsplikt og ansvar. En TEK-agent kan hjelpe med tekniske krav, ytelsesnivåer og preaksepterte ytelser. Men begge må være tydelige på hvor maskinell støtte stopper: Noen spørsmål kan kontrolleres ganske konkret, mens andre krever funksjonsvurdering, lokale forhold, risiko og faglige avveininger fra personer med riktig kompetanse.

Her henger tomteassistenten sammen med standardsporet fra starten av artikkelen. Mange av kravene og vurderingene den møter, peker videre til standardiserte begreper, metoder, dokumentasjonsformer og modeller. Hvis regelverk og veiledere blir maskinlesbare, mens standardene de bygger på fortsatt bare finnes som fritekst for mennesker, stopper assistenten halvveis.

Reguleringsplanen er et godt sted å begynne. Men den er ikke hele svaret.

Når en tomteassistent først har funnet riktig plan, må den kunne koble planen til resten av virkeligheten rundt eiendommen: matrikkel, grenser, eksisterende bygg, terreng, naturfare, grunnforhold, kulturminner, veg, adkomst, teknisk infrastruktur, rettigheter, lokale vedtak og kommunal praksis.

Da handler spørsmålet ikke bare om hvilke regler og planbestemmelser som gjelder. Det handler også om hvilke offentlige data som finnes, hvem som har autoritet for dem, hvor oppdaterte de er, og om de kan brukes kontrollert i en digital arbeidsflyt.

Tomteassistenten er derfor ikke bare et AI-prosjekt. Den er en praktisk test på om vi klarer å bygge et kunnskapsgrunnlag som kan brukes av både mennesker, fagsystemer og AI-assistenter.

I neste artikkel ser vi på resten av kartet: eiendom, bygg, terreng, naturfare, grunnforhold, kulturminner, vegdata, grunnbok, VA, energi og lokale forhold.