Wysokie koszty pracy i niekorzystne prognozy demograficzne to dwa główne powody, dla których polska gospodarka — w tym energetyka — potrzebuje sztucznej inteligencji. Tak twierdzi Jarosław Wajer, Partner EY i Lider Działu Energetyki, z którym rozmawiał portal E24. Z najnowszego raportu EY „AI w energetyce: ostrożna transformacja infrastruktury krytycznej” wynika jednak, że droga do pełnego wykorzystania potencjału AI w tym sektorze nie jest prosta — mimo deklarowanej strategii, co piąte przedsiębiorstwo, które już wdrożyło te rozwiązania, czuje się zawiedzione efektami.
Gdzie AI może pomóc energetyce?
Według Wajera zastosowania sztucznej inteligencji w energetyce rozciągają się od zarządzania siecią po kontakt z klientem. Wśród najważniejszych obszarów wymienia:
- Zarządzanie majątkiem i inwestycjami — AI pomaga wskazać miejsca wymagające najpilniejszej interwencji, co umożliwia przejście z modelu oddolnego (zgłoszenia lokalne) na model odgórny, oparty na realnych potrzebach całej sieci.
- Utrzymanie predykcyjne — algorytmy są w stanie przewidzieć awarie, np. uszkodzenia transformatorów, zanim do nich dojdzie. W systemach SCADA/OT sztuczna inteligencja analizuje ogromne wolumeny danych, identyfikując zagrożenia z wyprzedzeniem.
- Optymalizacja pracy zespołów — systemy AI mogą wskazywać, kto i gdzie powinien się udać, by praca przebiegała najefektywniej.
- Zarządzanie ryzykiem — AI pomaga oznaczać newralgiczne punkty, np. miejsca zagrożone wybuchem gazu w kopalniach czy rafineriach, dzięki czemu pracownicy mogą skupić się na obszarach najbardziej narażonych na usterki, a nie na rutynowych obchodach całej infrastruktury — co ma duże znaczenie w warunkach niedoboru kadr.
- Porządkowanie danych — sztuczna inteligencja pomaga scalać rozproszone informacje z różnych systemów (billingowych, CRM, licznikowych) oraz źródeł zewnętrznych, a także weryfikować kontrahentów, np. pod kątem list sankcyjnych.
- Cyberbezpieczeństwo — AI chroni infrastrukturę energetyczną przed atakami.
- Wykrywanie wzorców — narzędzia te potrafią zauważyć korelacje między różnymi aspektami działalności firmy, których człowiek nie byłby w stanie samodzielnie zidentyfikować.
Ekspert EY zwraca jednak uwagę na drugą stronę medalu: AI to nie tylko narzędzie zwiększające efektywność branży, ale też jeden z jej największych odbiorców energii — ze względu na rosnące zapotrzebowanie centrów danych na moc.
Strategia jest, ale wdrożenie idzie wolno
Polska energetyka wypada na tle innych sektorów dobrze, przynajmniej na papierze. 71% firm energetycznych ma już formalną strategię wdrażania AI — to najlepszy wynik wśród wszystkich branż objętych badaniem EY. Sektor przoduje też we wdrażaniu narzędzi cyberbezpieczeństwa, którymi dysponuje już 47% firm.
Mimo to proces wdrażania idzie powoli. Spośród badanych średnich i dużych przedsiębiorstw energetycznych zaledwie 22% zakończyło już wdrożenie AI, połowa jest w trakcie, a co dziesiąta firma wciąż dopiero analizuje dostępne rozwiązania.
Jak komentuje Jarosław Wajer, presja narastających wyzwań w sektorze wymusza zmiany w sposobie zarządzania produkcją, dystrybucją i zużyciem energii, a sztuczna inteligencja — dzięki zdolności do analizy ogromnych zbiorów danych i tworzenia prognoz — może być motorem tej transformacji.
Dane to wciąż główna przeszkoda
Ponad połowa badanych firm przyznaje, że ma problem z danymi — fundamentem, na którym opiera się działanie każdego systemu AI. 30% wskazuje na niską jakość danych jako barierę, a 38% w ogóle nie wie, jakimi danymi dysponuje. Tylko 24% firm ma dobrze ustrukturyzowane dane, a zaledwie 8% — i ustrukturyzowane, i nieustrukturyzowane.
Jarosław Wajer wyjaśnia, że przeciętna duża spółka energetyczna korzysta zwykle z więcej niż jednego systemu IT — czasem są to setki różnych systemów zbierających dane w różnych miejscach. Zanim trafią one do analizy, muszą zostać usystematyzowane i odpowiednio przygotowane, a kluczowe jest, by wszystkie dane firmy znajdowały się w jednym, dobrze zorganizowanym miejscu.
Po co firmom AI i gdzie ją stosują
Głównym motorem wdrażania sztucznej inteligencji jest dla 66% firm chęć lepszego dotarcia do klientów, a dla 60% — automatyzacja procesów. W praktyce AI najczęściej trafia do działu IT (60%), obsługi klienta, marketingu i analiz rynkowych (po 52%) oraz sprzedaży (48%). W większości przypadków (60%) firmy łączą rozwiązania własne, zewnętrzne i ogólnodostępne.
Choć branża podchodzi do tematu strategicznie, tempo wdrożeń jest wolniejsze niż w innych badanych sektorach. Energetyka nie planuje też radykalnych ruchów w najbliższym półtora roku — 21% firm nie zamierza zwiększać wydatków na AI, a 44% planuje jedynie nieznaczny wzrost. Jednocześnie 79% przewiduje nowe wdrożenia, a 54% — skalowanie istniejących już narzędzi.
Rozczarowanie AI nie jest rzadkością
Efekty wdrożeń bywają jednak gorzkie. Tylko 5% firm uznało, że AI przyniosła więcej korzyści, niż zakładano, a 40% oceniło wyniki jako zgodne z oczekiwaniami. Najbardziej niepokojący jest jednak fakt, że 21% przedsiębiorstw było rozczarowanych efektami i — jak deklarują — gdyby znały je wcześniej, nie zdecydowałyby się na wdrożenie. Te firmy, które są zadowolone, wskazują przede wszystkim na redukcję kosztów (60%), lepszą jakość usług (53%) oraz wzrost przychodów (47%).
AI jako broń obusieczna
Jarosław Wajer przypomina, że sztuczna inteligencja to narzędzie, które można wykorzystać w różny sposób — i może stanowić również realne ryzyko dla spółek energetycznych. Wskazuje tu m.in. na zwiększone zagrożenie cyberatakami, przywołując atak na polską energetykę z 30 grudnia ubiegłego roku.
AI jest mieczem obosiecznym także w obszarze zarządzania personelem. Rynek pracy boryka się z niedoborem kadr i rosnącymi wynagrodzeniami, co utrudnia firmom konkurowanie cenowo i obsadzanie nawet podstawowych stanowisk.
Pojawia się też ryzyko luki kompetencyjnej — około 35% organizacji w Polsce ogranicza rekrutację juniorów, przekazując rutynowe zadania algorytmom. To rodzi obawy o to, jak w przyszłości wykształcić wysokiej klasy specjalistów i dyspozytorów, jeśli zabraknie stanowisk wejściowych do branży.
Menedżerowie kontra pracownicy liniowi
Z badania EY wynika ciekawa różnica w postrzeganiu AI w zależności od pozycji w firmie. 82% menedżerów ocenia sztuczną inteligencję pozytywnie, widząc w niej szansę na rozwiązanie problemów z brakiem rąk do pracy i rosnącymi kosztami zatrudnienia. Wajer zauważa, że bariera technologiczna systematycznie zanika — nie trzeba już znać skomplikowanych języków programowania, a dostęp do szkoleń jest powszechny i niedrogi. Kluczowa staje się więc po prostu otwartość na nowe narzędzia.
Inaczej sytuacja wygląda na niższych szczeblach organizacji, gdzie odsetek pozytywnych opinii spada do 63%. Pracownicy ci mogą obawiać się zmian, mieć wątpliwości co do skuteczności narzędzi lub po prostu widzieć realne problemy, których AI na obecnym etapie jeszcze nie rozwiązuje.
Wajer podkreśla także, że w energetyce silnie zakorzenione jest przekonanie, że bezpieczeństwo gwarantuje fizyczna obecność człowieka. Tradycyjne procedury wymagają obchodów i przeglądów infrastruktury, a automatyczne systemy monitorowania bywają traktowane z dystansem. Sceptycyzm wobec AI często wynika z obawy przed zastąpieniem przez technologię — choć, jak zaznacza ekspert, narzędzie to powinno raczej wspierać priorytetyzację zadań tam, gdzie brakuje rąk do pracy, a nie całkowicie eliminować ludzi.
Czego energetyka może się uczyć od banków
Liderem wdrażania AI w badaniu EY pozostaje sektor finansowy, zwłaszcza banki i firmy ubezpieczeniowe. To naturalna konsekwencja faktu, że ta branża od dawna opiera się na pracy z dużymi zbiorami danych — firmy ubezpieczeniowe od lat zatrudniają aktuariuszy korzystających z modeli matematycznych do prognozowania na podstawie milionów rekordów. AI jest więc dla nich po prostu kontynuacją dotychczasowych metod pracy.
W energetyce sytuacja wygląda inaczej — dane są często rozproszone w silosach, nawet pomiędzy poszczególnymi działami jednej firmy. Przeciętna duża spółka energetyczna może posiadać od kilku do nawet niemal 400 odrębnych systemów IT i aplikacji. Wynika to z historii — obecne grupy energetyczne powstały z połączenia wielu mniejszych zakładów, z których każdy miał własną infrastrukturę informatyczną. To utrudnia AI wychwytywanie korelacji, jeśli dane o produkcji, klientach i pracownikach nie są ze sobą połączone.
Sektor finansowy do uporządkowania danych zmusiły regulacje wprowadzone ponad dekadę temu, takie jak przepisy AML dotyczące przeciwdziałania praniu pieniędzy, które wymagały od banków budowania pełnego „łańcuszka danych” i identyfikacji podmiotów. W energetyce polski regulator nie analizuje danych w tak szerokim zakresie jak regulator rynku finansowego, a priorytetem pozostaje tradycyjnie rozumiane bezpieczeństwo krajowe.
Co dalej?
Polska energetyka, podobnie jak inne sektory gospodarki, stoi przed koniecznością odpowiedzi na fundamentalne pytanie: jak wdrażać AI, by realnie przynosiła korzyści i by branża nie została w tyle za konkurencją. Warto pamiętać, że zagraniczni konkurenci będą korzystać z możliwości sztucznej inteligencji niezależnie od tempa zmian w Polsce — a nadążanie za rozwojem technologii i wyciąganie wniosków z błędów innych to jeden z warunków zachowania konkurencyjności. Znajomość i umiejętne wykorzystanie AI ma też znaczenie z perspektywy bezpieczeństwa.
