Kun puhun pienyrittäjille siitä, mitkä ovat parhaat tekoälytyökalut pienyrityksille, heidän ajatuksensa suuntautuvat yleensä suoraan ChatGPT:hen, automatisoituun markkinointiin tai ehkä tekoälypohjaiseen kirjanpitoon. He ajattelevat työtä. He ajattelevat sisältöä. Harvoin he ajattelevat koneista hohkaavaa hukkalämpöä tai kylmiötä, joka on käynyt viisi astetta liian kylmänä jo kolmen vuoden ajan.
Kutsun tätä näkymättömäksi infrastruktuuriveroksi. Se on hiljainen, jatkuva katteiden valuva hukka, joka johtuu tyhjiössä toimivista ”tyhmistä” laitteista. Mikrotuotannon ja majoitus- ja ravitsemisalan kaltaisilla sektoreilla tämä vero voi edustaa jopa 30 % kaikista operatiivisista menoista. Tragedia ei ole vain kustannus, vaan se, että useimmat omistajat uskovat ainoan ratkaisun olevan massiivinen investointi upouusiin, energiatehokkaisiin laitteisiin.
Olen täällä kertoakseni, ettei se pidä enää paikkaansa. Ette tarvitse uutta laitekantaa; teidän on annettava nykyisille laitteillenne hermosto. Yhdistämällä tekoälyohjatut IoT-sensorit (Internet of Things) ja koneoppimismallit, yritykset saavuttavat 25 % vähennyksen energiahukassa jo ensimmäisen vuosineljänneksen aikana – säilyttäen samalla vanhan laitekantansa täsmälleen ennallaan.
Siirtymä staattisista auditoinneista dynaamiseen älykkyyteen
💡 Haluatko Pennyn analysoivan liiketoimintaasi? Hän kartoittaa, mitkä roolit tekoäly voi korvata, ja rakentaa vaiheittaisen suunnitelman. Aloita ilmainen kokeilu →
Perinteisesti pienyrityksen energianhallinta on näyttänyt ”staattiselta auditoinnilta”. Kallis konsultti käy tiloissanne kerran vuodessa, tarkastaa hehkulamput ja eristykset ja antaa käteenne PDF-tiedoston. Siihen mennessä kun luette sen, toimintamallinne ovat jo muuttuneet.
Tekoäly muuttaa pelin esittelemällä dynaamisen operatiivisen tietoisuuden. Tilannekuvan sijaan saatte elokuvan. IoT-sensorit – pienet, edulliset laitteet, jotka kiinnitetään sulakekaappeihin tai sijoitetaan jääkaappeihin – suoratoistavat reaaliaikaista dataa tekoälymallille. Tämä malli oppii, miltä yrityksenne näyttää silloin, kun se ”hengittää”. Se tunnistaa eron pienpanimon ruuhkahuipun ja varastokaappiin päälle unohtuneen lämmittimen välillä.
Saadaksenne lisätietoa näiden kustannusten kertymisestä, tutustukaa erittelyymme yrityksen energiakustannuksista. Lähtötason ymmärtäminen on ensimmäinen askel veron purkamisessa.
Kuvioiden tunnistus: Miksi mikrotuotanto on voittaja
Olen viime aikoina tutkinut paljon mikrotuotantoyritysten dataa. Nämä ovat yrityksiä – kuten boutique-paahtimoita, hienomekaniikan pajoja ja pienten erien tekstiilitehtaita – joissa energia on usein toiseksi suurin kustannus palkkakulujen jälkeen.
Näen toistuvan kuvion, jota kutsun haamukilowatiksi. Tämä tapahtuu, kun laitteisto on päällä, mutta ei tuota mitään. Tekoälyohjatut sensorit tunnistavat nämä aukot tinkimättömällä tarkkuudella.
Otetaan esimerkiksi hienomekaniikan paja, jota konsultoin äskettäin. Heillä oli kuusi CNC-konetta. Omistaja oletti, että sähkölasku oli vain välttämätön liiketoiminnan kulu. Asensimme tekoälyyn kytketyt alamittausanturit. Kahden viikon kuluessa tekoäly huomautti, että kolme jäähdytysjärjestelmää käynnistyi 40 % useammin kuin olisi ollut tarpeen yövuoron aikana. Koneet eivät olleet edes käynnissä, mutta ”tyhmät” termostaatit taistelivat huonosti tiivistetystä lastauslaiturista tulevaa vetoa vastaan.
Korjaamalla 50 £ arvoisen tiivisteen ja säätämällä tekoälyn hallitsemaa jäähdytysaikataulua, he leikkasivat yön peruskuormaa lähes kolmanneksella. Uusia CNC-koneita ei tarvittu. Tämä on teollisuuden energiasäästöjen ydin: kyse on harvoin suurista koneista ja lähes aina niitä tukevista järjestelmistä.
Majoitusala ja ”käyttöasteen paradoksi”
Majoitus- ja ravitsemisalalla – hotelleissa, ravintoloissa ja baareissa – haaste on vieläkin ailahtelevampi, koska ette voi hallita ”käyttäjiänne” (vieraita). Näen usein ilmiön, jota kutsun käyttöasteen paradoksiksi: hotellihuone tai ravintolasali kuluttaa usein maksimimäärän energiaa silloin, kun se ei tuota lainkaan liikevaihtoa.
Olen nähnyt majoitusalan ketjujen käyttävän parhaita tekoälytyökaluja pienyrityksille ratkaistakseen tämän linkittämällä LVI-järjestelmänsä tekoälypohjaisiin läsnäolosensoreihin ja PMS-järjestelmän (Property Management System) dataan.
Sen sijaan, että huonetta pidettäisiin vakioisessa 21 °C lämpötilassa riippumatta siitä, onko vieras kirjautunut sisään, tekoäly ”esijäähdyttää” tai ”esilämmittää” huoneen vieraan arvioidun saapumisajan perusteella. Jos vieras poistuu päiväksi, tekoäly havaitsee liikkeen puutteen ja siirtyy säästötilaan.
20 huoneen boutique-hotellille nämä mikro-säädöt valaistuksessa, lämmityksessä ja kylmälaitteissa eivät ainoastaan kerry – ne kertaantuvat. Olemme nähneet majoitusalan yritysten pienentävän hiilijalanjälkeään ja sähkölaskujaan 20–25 % yksinkertaisesti tekemällä energiasta ”tietoista” vieraistaan. Syventykää aiheeseen tarkemmin majoitus- ja ravitsemisalan energiaoppaassamme.
Energiamuutoksen 90/10-sääntö
Kun energiaa tarkastellaan tekoälyn linssin läpi, on sovellettava sitä, mitä kutsun muutoksen 90/10-säännöksi.
90 % energiasäästöistä syntyy muuttamalla tapaa, jolla hallitsette nykyistä omaisuuttanne. Vain 10 % vaatii laitteiden varsinaista vaihtamista. Tämä on elintärkeä ero ketterälle yritykselle. Pääoma on kallista. Data on halpaa.
Tässä on viitekehys, jota suosittelen jokaiselle yrittäjälle, joka haluaa aloittaa tämän matkan:
- Alamittauksen auditointi (Vaihe 1): Älkää luottako päämittariinne. Se kertoo mitä kuluu, mutta ei missä kuluu. Käyttäkää tekoälypohjaisia alamittareita (kuten Hark, Dexma tai GridPoint), nähdäksenne täsmälleen, mitkä virtapiirit ovat syöppöjä.
- Poikkeamien havaitseminen (Vaihe 2): Anna tekoälyn käydä 30 päivää perustason määrittämiseksi. Sen jälkeen se alkaa hälyttää ”poikkeamista” – laitteista, jotka toimivat normaalin tehokkuusalueensa ulkopuolella. Tämä on usein ensimmäinen merkki mekaanisesta viasta, mikä antaa teille ”ennakoivan huollon” edun.
- Autonominen ohjaus (Vaihe 3): Siirtykää hälytyksistä toimintaan. Tässä vaiheessa annatte tekoälyn olla suoraan vuorovaikutuksessa kiinteistönhallintajärjestelmän (BMS) kanssa, jotta energiankäyttöä voidaan säädellä reaaliaikaisesti kysynnän, sääolosuhteiden ja sähkön hinnan perusteella.
Laitteistoon koskemattomuuden ROI
Puhutaanpa numeroista. Olen nähnyt pienten valmistajien käyttävän 5 000 £ tekoäly/IoT-käyttöönottoon ja säästävän saman summan pienentyneinä energiakustannuksina kuuden kuukauden kuluessa.
Jos yrittäisitte saavuttaa saman 25 % säästön vaihtamalla teollisuusuunit tai LVI-yksiköt, edessä olisi kuusinumeroinen pääomainvestointi ja 5–10 vuoden takaisinmaksuaika. Nykyisessä taloustilanteessa se ei ole vain tehotonta – se on vaarallista kassavirran kannalta.
Tekoälyn käyttäminen energiahukan korjaamiseen on äärimmäinen ”lean”-siirto. Se on investointi älykkyyteen raudan sijaan.
Loppuajatus: Aikaikkuna on sulkeutumassa
Energian hintojen pysyessä epävakaana ja vihreän vaatimustenmukaisuuden muuttuessa ”mukavasta lisästä” välttämättömyydeksi toimitusketjuissa, kyky osoittaa tekoälyllä hallittu energiatehokkuus on muodostumassa kilpailueduksi.
Jos katsotte sähkölaskuanne edelleen kiinteänä kuluna, maksatte veroa, jonka älykkäämmät kilpailijanne ovat jo lakanneet maksamasta. Parhaat tekoälytyökalut pienyrityksille eivät ole vain kannettavalla tietokoneellanne – ne ovat sulakekaapissanne.
Aloittakaa sieltä.