Fra uavhengig datalag til virksomhetens kunnskapsgrunnlag for KI

En drifter avklarer hvorfor ventilasjonen går om natten. En energirådgiver forbedrer en analysemetode. En forvalter presiserer hvilke krav som gjelder. Hvis vurderingene blir værende i enkeltpersoners samtaler med KI, må andre finne frem til dem på nytt. Kobles de til bygget, kildene og riktig status, kan hele organisasjonen bygge videre på arbeidet.

De foregående artiklene tok opp digital suverenitet og forvaltede kunnskapstjenester. Her flytter vi perspektivet til hvordan virksomheten kan bruke dette grunnlaget og berike det gjennom eget arbeid.

På NMBU kobler Smart Campus-plattformen byggautomasjon, BIM, FDV og sensorer. Felles identiteter og relasjoner forteller hvilke målepunkter som hører til hvilke rom og tekniske systemer.

Dette gjorde det mulig for Dag-Kjetil Buran å utvikle SC Insight med KI-støtte. Nye analyser kunne bruke eksisterende data og koblinger. «Uavhengig» betyr her at flere sluttbrukerapplikasjoner kan bruke grunnlaget; plattformen har fortsatt avhengigheter til Azure.

Et kunnskapsgrunnlag kobler også dataene til krav, driftsmål og lokale forutsetninger. En måling, en faglig anbefaling og et kontraktskrav har forskjellig betydning og status. Kilder, versjoner, tilgang og ansvar må følge sammenhengene. Dokumenter og tidsserier kan fortsatt ligge i ulike systemer, så lenge forbindelsene kan finnes og brukes.

Ventilasjonsanalysen i SC Insight sammenstiller temperaturene gjennom anlegget med luftmengder, vifteenergi og driftstid. I et eksempel fra Hippocampus ble mye drift utenfor 08–16 og i helgen markert som avvik. Men slike driftstider kan være nødvendige for laboratorier, dyrehold eller andre prosesser. Fagpersonen må undersøke hva som gjelder.

Også analysemetoden inneholder fagkunnskap. Der Campus-API-et manglet egne pådragspunkter, utledet SC Insight varme- og kjøleaktivitet fra temperaturpunkter. Hvilke signaler som brukes, hvordan de tolkes, og begrensningene i tolkningen er del av grunnlaget for vurderingen.

Dagens løsning gir analyse og beslutningsstøtte. Caset peker videre mot anbefalinger og kontrollert styring. Artikkelens neste spørsmål er hva virksomheten kan bevare fra undersøkelsen, slik at neste fagperson eller agent slipper å begynne på nytt.

Tenk at fagpersonen avklarer at nattdriften er nødvendig på grunn av en bestemt prosess. Dette er en illustrasjon av mulig videre arbeid, ikke en dokumentert konklusjon fra Hippocampus-caset.

Da er «avvik undersøkt» en mager overlevering. Det nyttige er hvilket aggregat og hvilken periode som ble undersøkt, hvilket krav som begrunner nattdriften, hvem som avklarte det, og hva som fortsatt er usikkert. Ble ingen styringsendring gjort, bør også det fremgå.

KI kan foreslå en kort oppsummering fra verktøyresultater og vurderinger som uttrykkes underveis. Fagpersonen kan korrigere og bekrefte det vesentlige fremfor å dokumentere hele undersøkelsen på nytt. Taus kunnskap blir først tilgjengelig for dette arbeidet når den faktisk uttrykkes.

Avklaringen kan hjelpe drifteren ved neste alarm, energirådgiveren ved vurdering av sparetiltak og forvalteren ved endret bruk av bygget. Felles kunnskap gjør at ulike arbeidsoppgaver kan begynne med mer av det virksomheten allerede har funnet ut.

Uavklarte hypoteser kan også bevares, med tydelig status. De må skilles fra bekreftede erfaringer og gjeldende krav. En avklaring om ett anlegg kan gi et kontrollspørsmål i et annet bygg, men beviser ikke at samme forklaring gjelder der. Erfaringen må kunne revideres eller trekkes tilbake når forutsetningene endres.

Hvis avklaringen bare blir liggende i en ChatGPT-samtale eller et annet agentverktøy, har virksomheten fortsatt en avhengighet. I «From Harness Lock-In to Portable Context Layer» beskriver Paul Iusztin hvordan minne, tjenester og arbeidslogikk kan skilles fra verktøyet agenten kjører i. Både henting og tilbakeføring inngår.

For virksomheten betyr det at kunnskapstjenesten også bør veilede agenten i hvordan arbeidet bevares:

• Ved oppstart: hent tidligere undersøkelser, relevante krav og åpne spørsmål for aggregatet.
• Underveis: lagre vesentlige avklaringer med referanser til målepunkter, periode og analysemetode.
• Ved avslutning eller overlevering: bevar vurderinger, utførte handlinger, testresultater og neste steg, med tydelig status.

Kunnskapsgrunnlag og kontekst overlapper. Her er grunnlaget det virksomheten forvalter for gjenbruk. Oppgavekonteksten er det som settes sammen for arbeidet nå, inkludert nye observasjoner og åpne spørsmål. Relevante deler må kunne følge oppgaven videre, også før den er ferdig. Det trenger ikke innebære en ny database eller plattform.

Veiledningen må følges av verktøy for å lagre, oppdatere og hente dette tilbake. Tjenesten bør kontrollere nødvendige opplysninger og tilgang, og bekrefte hva som faktisk er lagret. MCP-verktøy og arbeidsinstruksjoner kan støtte dette, men garanterer ikke automatisk lagring ved øktslutt. Tilkoblingen og arbeidsflyten må prøves i hvert agentverktøy. Lagring underveis reduserer tapet dersom økten avbrytes.

Mer autonome arbeidsflyter gjør tilbakeføringen enda viktigere. Hvis en agent med avklart mandat foreslår, gjennomfører og tester en endring i driftstid, må neste undersøkelse kunne finne hva som ble endret, hvorfor og med hvilket resultat.

Her er det to tilbakekoblinger: Godkjente endringer kan sendes til anlegget gjennom en separat, kontrollert integrasjon. Erfaringene fra arbeidet kan føres tilbake til kunnskapsgrunnlaget. Dette beskriver en mulig videreutvikling, ikke dagens funksjonalitet i SC Insight.

Handlinger og måleresultater kan loggføres automatisk. Avgrensede resultater kan valideres mot kjente kriterier, mens nye årsaksforklaringer eller prosedyrer kan kreve faglig vurdering. En bestått test bekrefter bare det testen dekker. Mandat, testkriterier, utfall og valideringsstatus må følge erfaringen videre.

Prøven på portabilitet er en faktisk overlevering. Kan en annen medarbeider med en annen KI-agent finne undersøkelsen av nattdriften, forstå begrunnelsen og se hva som fortsatt må avklares? Følger kilder, regler, tilgang og valideringsstatus med? Kan det nye verktøyet levere sine resultater tilbake?

Eksport av chattekst alene gir ikke denne evnen. Både kunnskapen og arbeidsmåten for å bygge videre på den må kunne brukes på tvers av verktøy.

Begynn med én undersøkelse og følg den helt frem til neste bruker. Da blir forbindelsen konkret: Et uavhengig datalag gir et felles utgangspunkt. Krav og fagkunnskap gjør det til et kunnskapsgrunnlag. Arbeidet beriker grunnlaget med erfaringer som virksomheten kan beholde og bruke videre.

Ta kontakt om å gjøre virksomhetens kunnskapsgrunnlag anvendbart.