Fra Fornebu til global KI-industri
Francois Laborie, konserndirektør i Cognite, åpnet sitt foredrag på Digitaliseringskonferansen med å plassere selskapet i den globale KI-utviklingen. Cognite startet på Fornebu og har bygget teknologi for å gjøre industrielle data mer forståelige og brukbare.
I år ble selskapet rangert av CNBC blant de fremste globale disruptors, på samme liste som selskaper som OpenAI, Anthropic og Mistral. For Laborie er det et tegn på at industriell KI ikke lenger er et nisjefenomen.
– Vi har bygd opp et teknologiselskap som lar KI brukes i industrien, sa Laborie.
Han understreket at dette ofte handler om kritisk infrastruktur. Når KI brukes i industri, brukes den ikke bare til kontorarbeid eller tekstproduksjon, men i anlegg, systemer og verdikjeder som samfunn er avhengige av.
Artikkelen fortsetter etter annonsen:
Data må få kontekst
Labories hovedpoeng var at KI i industrien ikke virker uten forståelige data. Et industrianlegg består av enorme mengder informasjon i ulike systemer: sensordata, vedlikeholdslogger, tegninger, manualer, produksjonsdata og historiske hendelser.
For en operatør handler det ikke bare om å vite at en pumpe finnes. Det handler om hva slags modell den er, hvor mye varme den tåler, hvem som sist gjorde vedlikehold, hvilke deler som finnes på lager, og hva man bør gjøre dersom den slutter å fungere.
– Disse typene spørsmål krever mye data som ligger i ulike siloer, sa Laborie.
Han sammenlignet dette med en pasientjournal, der verdien ligger i å koble symptomer, historikk, observasjoner og behandlinger. På samme måte må industridata kobles sammen slik at mennesker og KI-systemer forstår sammenhengen.
Agentene trenger det samme som mennesker
Cognite startet med å bygge kunnskapsrammer for mennesker som skulle forstå og operere industrianlegg. Det viste seg at KI-agentene trenger den samme konteksten.
– Vi var heldige som begynte med mennesker, og så viser det seg at agentene trenger samme kontekst, sa Laborie.
En generativ KI-modell må forstå miljøet den opererer i. Den må vite hvilken rolle brukeren har, hvilke data som er relevante, hvilke begrensninger som gjelder, og hva som står på spill. En vedlikeholdsingeniør, en produksjonsleder og en elektroingeniør vil stille ulike spørsmål og trenge ulike svar.
– Konteksten spiller en stor rolle, for den holder modellen, akkurat som et menneske, sa han.
Artikkelen fortsetter etter annonsen:
Enorm global investering
Laborie viste til de enorme investeringene som nå gjøres i KI-infrastruktur globalt. Store aktører investerer hundrevis av milliarder dollar i kapasitet, datakraft og infrastruktur.
– Vi ser enorme investeringer som blir gjort verden over på AI-siden, sa han.
Han fortalte at mange har spurt hvem som egentlig skal bruke all denne kapasiteten. Svaret fra Cognites ståsted er at etterspørselen allerede er der, også i industrien.
– Vi ser en kamp for å sørge for at det er nok kapabiliteter tilgjengelig for kundene våre, sa Laborie.
Programvare er først ut
Den første store endringen har kommet i programvareutvikling. Cognite bruker selv KI aktivt til å utvikle kode, teste, dokumentere og svare på spørsmål.
– AI endrer allerede måten vi lager vår egen programvare på, sa Laborie.
Han beskrev hvordan KI ikke bare skriver kode, men påvirker hele produktutviklingen: hva som skal bygges, hvordan det testes, hvordan dokumentasjon lages, og hvordan brukere får svar.
Dermed blir programvarebransjen et tidlig bilde på hva som senere kan skje i andre deler av industrien.
Første generasjon: KI som intern
Laborie brukte en enkel analogi for å forklare dagens industrielle KI-agenter. Den første generasjonen kan forstås som en intern: smart, arbeidsvillig, tilgjengelig døgnet rundt, men uten dyp forståelse.
– Du kan tenke på dem som interner, sa Laborie.
Slike agenter er nyttige til å hente data, lage sammendrag, finne dokumentasjon og svare på enkle spørsmål. De kan samle informasjon om en pumpe, lage en oversikt over hva som skjedde i anlegget siste døgn, eller hjelpe en bruker med å lage et dashboard.
– Dette blir brukt og adoptert. Det er trolig majoriteten av det kundene våre adopterer AI mot, sa han.
Dette er ikke nødvendigvis revolusjonerende alene, men det gir operatører og ingeniører raskere tilgang til informasjon som tidligere lå spredt i siloer.
Neste steg: Analyse sammen med ekspertene
Den neste fasen er mer avansert. Her samarbeider KI-agentene med fageksperter og bidrar til analyse.
– Ekspertene og modellen samarbeider, sa Laborie.
Han trakk fram rotårsaksanalyse som eksempel. I stedet for at mennesker alene bruker uker eller måneder på å forstå hvorfor et problem oppstår, kan agentene gjøre mye av analysearbeidet i bakgrunnen, hente data, lage grafer og foreslå sammenhenger.
– Det tok dem fra en prosess som tok seks måneder til seks dager, sa Laborie.
Poenget er ikke at KI erstatter ekspertene, men at ekspertene får et kraftigere verktøy for å komme raskere fram til innsikt.
Agenter som tar initiativ
Laborie beskrev også en ny grense som allerede er i ferd med å komme nærmere: KI-agenter som ikke bare svarer på spørsmål, men selv ser hva som skjer og foreslår hva som bør gjøres.
– Agentene begynner å ta initiativ, altså ser hva som skjer, og foreslår hva vi skal gjøre nå, sa han.
Et mulig bruksområde er forsyningskjeder. Dersom noe endrer seg, kan en agent oppdage konsekvensene, varsle relevante funksjoner og foreslå tiltak.
Dette krever at flere agenter kan samarbeide, dele informasjon og forstå hvordan ulike deler av virksomheten henger sammen.
Fra skjerm til fysisk verden
Den siste fasen Laborie beskrev, handler om at KI beveger seg ut av skjermen og inn i den fysiske verden. Industrien har lenge brukt roboter, men nå får robotene mer autonomi og bedre evne til å forstå oppgavene de skal utføre.
– Vi ser et sammenbrudd mellom KI-verktøy og fysisk verden, sa Laborie.
Han pekte på at roboter allerede brukes i industrielle miljøer, og at de gradvis kan kobles tettere til KI-systemer. Dette åpner store muligheter, men er også området der tilliten foreløpig er lavest.
– Det er feltet vi ikke stoler på i dag, sa han.
Industriell KI krever tillit, ikke bare teknologi
Labories innlegg tegnet en utviklingsstige for industriell KI: fra datainnhenting og oppsummering, via analyse sammen med eksperter, til agenter som tar initiativ og etter hvert kobles til den fysiske verden.
Men den røde tråden var at alt starter med datagrunnlaget. Uten kontekst, forståelige data og tydelige koblinger mellom systemer, prosesser og ansvar, blir generativ KI bare et nytt lag med usikkerhet.
– Hvis du klarer å trekke dataene sammen, kan du hjelpe mennesker til å operere tryggere, sa Laborie.
For industrien handler reisen fra myte til virkelighet derfor ikke om å ta i bruk mest mulig KI raskest mulig. Den handler om å bygge tillit, forståelse og kontekst slik at kunstig intelligens kan brukes der konsekvensene er størst – og verdien kan bli størst.
Anbefalinger:
- Start med datagrunnlaget før KI tas i bruk
Industribedrifter bør samle, strukturere og kontekstualisere data fra siloer før de forventer stor effekt av generativ KI. - Gi KI-agentene samme kontekst som fagfolkene
Modeller og agenter må forstå anlegg, prosesser, roller, utstyr, historikk og begrensninger før de kan gi nyttige og trygge svar. - Bruk KI først til informasjonsinnhenting og oppsummering
Start med lavrisikooppgaver som å hente dokumentasjon, oppsummere hendelser, finne data og lage oversikter for operatører og ingeniører. - La KI støtte ekspertene i analysearbeid
KI bør brukes til å lage grafer, finne mønstre og foreslå sammenhenger, mens fagfolk fortsatt vurderer kvaliteten og tar beslutningene. - Gå stegvis mot mer autonome agenter
Industrien bør utvikle tillit gradvis – fra KI som assistent, til KI som analysepartner, og først senere til agenter som tar initiativ og foreslår tiltak. - Ikke slipp KI inn i kritisk drift uten kontrollmekanismer
I kritisk infrastruktur må alle KI-løsninger ha tydelige rammer for kvalitetssikring, menneskelig kontroll, logging, sikkerhet og ansvar. - Bruk KI til å redusere tid på rotårsaksanalyse
Industrielle virksomheter bør bruke KI til å korte ned tiden det tar å forstå feil, avvik og driftsproblemer, slik at tiltak kan settes inn raskere. - Bygg løsninger som fungerer på tvers av fagroller
Vedlikehold, produksjon, elektro, ledelse og IT trenger ulike svar fra de samme dataene. KI-løsninger må tilpasses rollene og beslutningene de skal støtte. - Forbered organisasjonen på KI i den fysiske verden
Når KI kobles til roboter og feltoperasjoner, må virksomheter ha ekstra høy risikoforståelse, testing og sikkerhetsstyring. - Se industriell KI som en tillitsreise
Verdien kommer ikke av hype, men av at mennesker gradvis får tillit til at KI gir relevante, etterprøvbare og kontekstforståtte råd i virkelige operasjoner.
Digitaliseringskonferansen 2026, 16.-17. juni: Balansekunst
Verden står i et radikalt skifte drevet frem av kunstig intelligens. Med kloke valg kan Norge sikre digital suverenitet og verne om våre demokratiske verdier. Som et lite land med høye KI-ambisjoner går vi på en stram line. Vi må finne balansen mellom å handle raskt og klokt, samtidig som vi må samarbeide tett og prioritere skarpt for å lykkes.
Kilde: digdir.no
