AI inom VA – varför går utvecklingen så långsamt?

Inom Mistra InfraMaints projekt Färdplan för att skala upp användning och införande av AI och maskininlärning i svenska VA-bolag, vill man arbeta för att underlätta och snabba på införandet och användningen av AI och maskininlärningsverktyg  i svenska VA-bolag. Trots att det finns många fördelar med tekniken, har de flesta organisationer inte kommit särskilt långt i sin tillämpning.

I en ny artikel från projektet undersöks varför införandet av AI fortfarande går långsamt och är fragmenterat, ur ett socioteknisk perspektiv snarare än enbart ett tekniskt.
– Vi har frågat oss vad det kan det vara inom exempelvis organisationskulturen eller i styrningen av data som som hindrar vatten- och avloppsföretag från att omvandla digitala experiment till långsiktigt operativt värde, säger Emmanuel Okwori, projektledare och en av artikelförfattarna.

Vilka är era viktigaste slutsatser?
– Den centrala slutsatsen är att en framgångsrik AI-implementering beror mindre på hur tekniskt sofistikerad modellen är, och mer på organisatorisk samordning, datastyrning och strukturerad livscykelplanering. Studien introducerar Readiness-Adoption-Impact (RAI)-loop, ett ramverk som kan hjälpa vattenbolag att bedöma sin mognad och överbrygga klyftan mellan ett första införande och realiserad effekt. Det är viktigt att AI behandlas som en strategisk tillgång snarare än ett isolerat projekt.

Vem borde ta del av era resultat?
– Detta är väsentligt för kommuner och VA-organisationer, tillsynsmyndigheter och teknikpartner som redan arbetar med AI, eller planerar att börja arbeta med AI. Mer specifikt pekar vi ut en väg framåt för beslutsfattare att komma till rätta med  underskottet i investeringar i svensk vatteninfrastruktur, genom att övergå från reaktiva, erfarenhetsbaserade beslut till proaktiva och intelligensförstärkta system.

Ta del av artikeln här

Projektet har även tagit fram ett lättöverskådligt faktablad över resultaten, här kan du ladda ner det