Hvordan kan AI hjelpe oppdrettsnæringen? Der det virker i dag
AI for oppdrett
En lokalitet produserer mer data enn noen der kan lese: oksygen og temperatur per merd, fôringslogger, lusetellinger, dødelighet, driftstimer på flåtens aggregat, båtplaner. Det meste blir sett på en gang og lagt bort. AI trenger kontekst for å få mening ut av det, og konteksten er en modell av lokaliteten, merd for merd. Bygg den, så kan en agent svare på spørsmålet driftslederen stiller hver morgen. Denne siden sier hvor det virker i dag, og hvor det ikke gjør det. Resonnementet bak ligger på siden om AI og dataplattform.
Tre steder det hjelper i dag, og ingen av dem er eksotiske
Svare på merdspørsmålet
Hvorfor falt oksygenet i merd 4 og ikke i merd 3? Svaret ligger spredt over sensoren, fôrautomaten, strømmåleren og flåteloggen. En agent som ser alle fire, svarer i klartekst, med kildene sine.
Lage utkast til ukerapporten
Tallene finnes allerede i registrene og fôringssystemet. En agent samler dem i et utkast, hvert tall med tidsvinduet det kom fra, og driftslederen leser og signerer i stedet for å kopiere.
Holde flåten i drift
Driftstimer på aggregatet, vibrasjon i fôrblåseren, temperatur på kompressoren. En agent som følger trendene, lager utkast til arbeidsordren mens båten fortsatt kan bestilles, og teknisk leder bestemmer.
Dataene
Alt lokaliteten produserer, i en modell
Merdsensorer, fôringssystemet, fiskeregistrene og flåtens eget utstyr beskriver alle den samme lokaliteten, i fire systemer som ikke vet om hverandre. Den operasjonelle dataplattformen kopierer dataene ut over standardprotokoller, uten å røre systemene, og legger dem inn mot en modell: hvilken lokalitet, hvilken merd, hvilken fôrautomat, hvilken time. Å få dataene inn er den lille delen nå. Kunnskapsgrafen som kobler dem sammen, er det agenten faktisk leser.
En agent kan ikke ha mer rett om en merd enn dataene den fikk om den merden.
De første oppgavene
Hva en agent tar først, og hvem som signerer
De første oppgavene er de som gjentar seg hver uke og kan etterprøves. I hver av dem lager agenten utkastet og et menneske bestemmer: ingenting blir fôret, behandlet, rapportert eller bestilt uten at noen har lest det. Product Discovery er måten vi finner den som er verdt å begynne med på deres lokaliteter, og siden om AI-agenter forklarer hva en agent kan og ikke kan.
Ukerapporten, som utkast
Biomasse, fôr, dødelighet og lus per merd, hentet fra registrene og fôringsloggene, hvert tall med tidsvinduet det kom fra. Driftslederen leser i fem minutter og signerer, i stedet for å kopiere i en time.
Fôring mot oksygen, per merd
Still spørsmålet i klartekst. Agenten går fra merden til fôrautomaten, sensorene og strømmåleren, og svarer med veien den gikk, slik at svaret kan etterprøves, ikke bare tros.
Vedlikehold på flåten, som utkast
Driftstimer på aggregatet og vibrasjon i blåseren nærmer seg en grense. Agenten lager utkast til arbeidsordren med trenden vedlagt og reservedelen slått opp, og teknisk leder godkjenner mens servicebåten fortsatt har ledig tid.
Merdspørsmålet
Hvorfor falt oksygenet i merd 4, og ikke i merd 3?
Folkene på lokaliteten vet at svaret ligger et sted i fôringsloggen, strømmåleren og forrige ukes service på flåten. De vet også at det tar en time å finne. Med lokaliteten modellert som en graf følger spørsmålet de reelle relasjonene: lokaliteten, merden, fôrautomaten på den merden, sensorene på den merden. Svaret kommer tilbake med hvert hopp det tok, og det er det som gjør det verdt å lese klokken seks om morgenen. Hvordan agentene får den tilgangen, og under hvem sine rettigheter, står på siden om AI-agenter.
Kontekst er ikke en prompt. Det er lokaliteten, modellert en gang og holdt oppdatert.
Fiksjon med vilje
Et postkort fra en lokalitet som ikke finnes
Dette har ikke skjedd. Det er en oppdiktet natt, bygget bare av delene ovenfor, og verdt et minutt fordi den høres ut som en skiftlogg. Hvis noe i den plager deg, er det nyttige spørsmålet hvilken del av dataene den ville feilet uten.
Alarmen som kom med årsaken sin
03:40. Oksygenet i merd 4 faller raskere enn i merdene ved siden av. En agent som følger lokaliteten, går gjennom grafen: fôrautomaten på merd 4 kjørte siste syklus 03:10, strømmåleren viser strømstille, og lufteren på merd 4 har stått merket ute av drift siden flåtebesøket for to uker siden. Den sender operatøren på vakt tre linjer med kildene sine, og lager utkast til en arbeidsordre for lufteren med servicebåtens neste ledige tid. Klokken 06:15 leser driftslederen begge deler, skyver morgenfôringen på merd 4 en time, og godkjenner arbeidsordren. Fisken merket aldri noe, og ingen brukte formiddagen på å lete.
Ingenting i det er smart. Hvert faktum lå allerede i et system noen på lokaliteten kunne logge inn i.
Der AI ikke hjelper et oppdrettsanlegg ennå
Den avgjør ikke når det skal behandles, når det skal slaktes eller hvor mye det skal fôres, og det bør den heller ikke. Det er biologiske vurderinger og velferdsvurderinger, og de blir hos biologen og driftslederen; en agent legger faktaene side om side med kildene sine, slik at vurderingen går raskere, ikke slik at den delegeres. Den kan heller ikke lese det som aldri ble registrert: en merd uten sensorer, et register på papir, en båtlogg i hodet på noen. Der modellen har slike hull, finner agenten dem den første uken, og det er nyttig informasjon i seg selv.
Vanlige spørsmål
Spurt og besvart
Hvordan kan AI hjelpe et oppdrettsanlegg i dag?
Konkret på tre steder: svare på spørsmål som går på tvers av flere systemer, som hvorfor oksygenet falt i en merd og ikke i en annen; lage utkast til rapportene som settes sammen for hånd hver uke fra registre og fôringslogger; og lage utkast til vedlikehold på fôrflåtens utstyr ut fra dets egne trender. I alle tilfeller lager agenten utkastet, og et menneske på lokaliteten bestemmer.
Avgjør agenten fôring, behandling eller slakting?
Nei. Det er velferds- og produksjonsvurderinger, og de blir hos mennesker. Agenten legger de relevante faktaene side om side, hvert med sensorvinduet eller registerposten det kom fra, og alt som endrer en post eller utløser arbeid, venter på at et menneske godkjenner det.
Hvilke data trenger et anlegg samlet først?
De fire som beskriver en merd: sensorene, fôringsloggen, fiskeregistrene for lus, dødelighet og behandlinger, og flåteutstyret og ERP-postene rundt. Koblet sammen i en modell av lokaliteten, merd for merd, er det konteksten en agent resonnerer over. Alt annet kan legges til senere uten å gjøre om modellen.
Kan vi bruke AI-assistenten vi allerede har?
Ja. Plattformen snakker MCP, den åpne standarden AI-assistenter bruker for å nå eksterne systemer, så assistenten teamet allerede bruker kobler seg rett på og jobber under samme rettigheter som personen som spør. Modelleverandøren kan byttes senere uten å bygge om noe.
Hvor blir anleggets data værende?
Der dere bestemmer. Plattformen er åpen kildekode under AGPL-3.0 og kjører på deres egne servere eller i deres sky. Vil dere heller slippe å drifte den, kjører vi den på maskinvare vi eier i Stavanger, under norsk lov, uten noen utenlandsk skyleverandør i kjeden.
Begynn med en lokalitet og ett spørsmål
Fortell oss hvilket spørsmål driftslederne deres stiller hver morgen, og hvilke systemer som har svaret i dag. Vi sier ærlig fra om en agent kan svare på det nå, og hvordan dataene må se ut først.