”Siinä voi syyllistyä jopa rikokseen, jos käyttää väärällä tavalla kilpailijan tai asiakkaan dataa” – Ville Reinikainen muistuttaa tekoälyn vaaroista

Tekoäly on vakiinnuttanut paikkansa monilla toimialoilla. Talotekniikassa sen potentiaali on vasta pikkuhiljaa alkamassa realisoitua.

– Kiinteistöjen rakennusautomaatiojärjestelmien ohjausta tehdään jo nyt tekoälyavusteisesti esimerkiksi erilaisten ennusteiden laadinnassa. Edessä on kuitenkin todella paljon kehitettävää, sanoo Granlundin liiketoiminnan kehitysjohtaja Ville Reinikainen.

– Eräs konkreettinen ja mielenkiintoinen kehittämisen paikka löytyy työnkuluista. Tekoäly auttaa valmistelemaan työtehtäviä vaikkapa huoltotoiminnassa. Tulossa on myös tekoälyagentit, jotka automaattisesti rikastavat talotekniikan määrätietoja rakentamisen prosessin tueksi. Näitä ovat esimerkiksi aikataulu- ja hiilijalanjälkitiedot.

Tekoäly nopeuttaa muun muassa palvelupyynnön käsittelyä.

– Pyynnön saamisen jälkeen tekoäly kertoo esimerkiksi sen, millaisia resursseja tai varaosia työn tekemiseen tarvitaan. Se valmistelee työprosessia ja automatisoi osia siitä. Varsinainen työn tekee sitten luonnollisesti alan ammattilainen kohteessa. Vaikkapa LVI-asentajaa edelleen tarvitaan prosessiin, se ei tietenkään katoa minnekään. Itse asennustyötä ei robotille ulkoisteta.

Datan laatu ratkaisee

Talotekniikka kattaa suuren määrän LVI-, sähkö-, automaatio-, paloturvallisuus-, energianhallinta- ja käyttövesijärjestelmiä, ja paljon muuta. Kaikki järjestelmät tuottavat dataa.

Tähän asti osa tiedosta on jäänyt hyödyntämättä tai reaktiivisen käytön tasolle: esimerkiksi hälytyksiä on voitu käsitellä, mutta tekoälyn tulevat käyttömahdollisuudet ovat vielä näkemättä.

Eräs ongelma löytyy datan yhteensopivuudesta. Vanhojen rakennusten järjestelmät eivät aina tarjoa tarvittavaa dataa tai rajapintoja.

Tekoäly pystyy kyllä tulkitsemaan tekstejä ja kuvia, mutta vakiomuotoinen data parantaa sen suorituskykyä ja luotettavuutta merkittävästi.

Reinikainenkin korostaa tiedon laatua.

– Ilman laadukasta dataa ei tekoälysovelluksia oikein pysty hyödyntämään, eikä varsinkin skaalaamaan. Datan laadun kehittämisessä on koko rakennusalalla tekemistä, jotta oikea ja tarkka data saadaan implementoitua kaikkiin työskentelyprosesseihin.

Ainakin periaatteessa tekoäly mahdollistaa järjestelmien kyvyn analysoida suuria datamääriä, havaita poikkeamia ja jopa tehdä päätöksiä ilman ihmisen jatkuvaa ohjausta.

– Rakennusala on hieman tahmea muutoksissa ja uskon, että vuoteen 2030 mennessä ei vielä suuria mullistuksia tapahdu. Lähivuodet tekoäly toimii lähinnä työkalupankkina ja tekoälysovelluksia otetaan nykyisten ratkaisujen tehostamiseksi, totesi Aalto-yliopiston rakennustekniikan laitoksen väitöskirjatutkija Roope Nyqvist alkusyksyllä Building 2030-seminaarissa.

Reaaliaikainen seuranta

Ihan nollilla ei talotekniikka-alallakaan vielä olla. Energiatehokkuuden optimoinnissa on edetty jo pitkälle. Älykkäät algoritmit säätävät kiinteistön lämmitystä, jäähdytystä ja ilmanvaihtoa ennakoivasti sään, käyttöasteen ja sähkön hinnan mukaan. Tekoälyllä optimoitu ilmanvaihto tuo selkeitä säästöjä.

Koneoppimismallit oppivat, millainen on järjestelmän normaali tila ja osaavat tunnistaa poikkeamia jo ennen kuin varsinaisia vikoja syntyy. Tämä vähentää seisokkeja ja mahdollistaa huollon resurssien ennakoinnin.

Tekoäly voi seurata reaaliaikaisesti sisäilman laatua, lämpötiloja, kosteutta ja jopa käyttäjien liikettä. Sen perusteella voidaan säätää järjestelmiä niin, että olosuhteet ovat miellyttävät, mutta energiankulutus pysyy kurissa.

Tekoäly oppii myös rakennuksen ”rytmin” – milloin se on tyhjä, missä tiloissa on eniten käyttöä ja milloin. Näin valaistusta, lämmitystä ja ilmanvaihtoa voidaan ohjata todellisen käytön mukaan.

Tekoälyn hyödyntäminen alkaa jo suunnitteluvaiheessa. Kun kiinteistön elinkaari otetaan huomioon, järjestelmien mitoitus ja valinnat voidaan optimoida tekoälyn keräämän vertailudatan pohjalta.

Rakentamisessa tekoälyä voidaan käyttää esimerkiksi työmaan logistiikan optimointiin, materiaalivirtojen hallintaan sekä resurssien jakamiseen ja aikataulujen hallintaan.

Kaikkea dataa ei saa käyttää

Kun rakennusjärjestelmiä ohjataan tekoälyn avulla, niiden suojaaminen kyberuhkia vastaan on entistä tärkeämpää.

Tekoälyn hyödyntämisessäkin on rajoituksia.

– Tekoälyn käyttöönotossa muutenkin tietoturvaan ja tietosuojaan liittyvät kysymykset ovat olennaisia, Reinikainen sanoo.

– Niiden kanssa täytyy tekoälyn käyttäjien olla tarkkana. Pitää ymmärtää, mitä tietoa voi käyttää ja mitä käyttöoikeuksia mihin tarvitaan. Kaikkea dataa ei voi käyttää miten haluaa. Siinä voi syyllistyä jopa rikokseen, jos käyttää väärällä tavalla vaikkapa kilpailijan tai asiakkaan dataa.

Talotekniikka-ammattilaisilta vaaditaan uudenlaista ymmärrystä datasta, algoritmeista ja tekoälyn rajoitteista.

– Tekoäly vaikuttaa eniten asiantuntijatyyppisiin työtehtäviin. Copilotin ja ChatGPT:n sujuva hyödyntäminen on tarpeen kenelle tahansa, mutta jos ajatellaan talotekniikka-alaa spesifisti, niin tekoälyratkaisujen jalkauttamisessa käytäntöön tarvitaan vahvaa toimialaosaamista, oli sitten asennustyöhön tai suunnitteluun liittyvää. Sen lisäksi tarvitaan teknologiaosaamista, jotta ymmärretään, miten teknologiaratkaisuja voidaan soveltaa ammattitekemiseen, kertoo Reinikainen.

– Eri osaajia tarvitaan toimimaan tavallaan tulkkina eri ammattiryhmien välillä. Harvoin koodarit ymmärtävät talotekniikasta paljoakaan syvällisesti, kertoo Reinikainen.

Ennakoivaa huoltoa

Muutkin merkittävät talotekniikka-alan toimijat ottavat tekoälyn vakavasti. Esimerkiksi Bravida kehittää energiatehokkuutta parantavia älykkäitä ohjelmistoja.  Muun muassa toimistotalojen energiankulutusta voidaan ennustaa sääennusteiden ja aikaisempien kulutusprofiilien perusteella.

Täsmällisellä ennustamisella voidaan ohjata pörssisähkön ostamista tulevaisuudessa. 

Vastaavasti vaikka hybridilämmitteisessä kiinteistössä voidaan valita, milloin käytetään kaukolämpöä ja milloin sähkön avulla maalämpöjärjestelmää.

Bravida kehittää parhaillaan analytiikkaa, joka auttaa ennakoivassa huollossa. Analytiikan avulla voidaan tunnistaa poikkeamia ja se auttaa ylläpitoa huoltamaan laitteita ennen kuin ne menevät rikki. 

Datan avulla saavutetaan laajalti hyötyjä. Esimerkiksi vanhoissa kerrostaloissa huoneistojen välinen lämpötilaero on pienentynyt ja samalla säästetään energiaa.

Bravida on kehittänyt oman käyttöliittymän, joka tuo rakennusautomaatiojärjestelmän keräämän datan loppukäyttäjien saataville ymmärrettävässä muodossa.

– Työskentelen itse Bravidan automaatioyksikössä ja seuraamme tarkasti tekoälyn kehitystä. Tekoälystä puhuminen on mielestäni kuitenkin vähän harmaalla alueella liikkumista, koska termiä saatetaan käyttää, vaikka taustalla ei tosiasiallisesti ole varsinainen tekoäly. Automaation ja lisääntyneen datan kautta olemme olleet edelläkävijöitä digitalisaatiossa pitkään, sanoo Bravidan rakennusautomaatioyksikön yksikönjohtaja Timo Meri.

– Varsinaisen tekoälyn hyödyntäminen on tällä hetkellä vasta alkuvaiheessa, mutta 2-3 vuoden sisään kehitystä varmasti tapahtuu lisää.

Meri kertoo, että Bravida on kokeillut tekoälyä muun muassa tarjouslaskennassa.

– Se nopeuttaa tekemistä hyvin yksinkertaisissa rutiineissa. Voimme ladata ohjelmaan dokumentteja ja pyytää luettelosta laskemaan määriä, mutta lopullinen tarkistus vaatii edelleen ihmistyötä. Esimerkiksi huoltohenkilöstö pystyy keskittymään varsinaiseen tekemiseen, kun automaatio tai tekoäly analysoi taustalla laajaa datamäärää. Olemme jo vuosikausia tuottaneet dataa luettavaan muotoon kiinteistönomistajille ja kiinteistöhuollon ammattilaisille.

Tuotetietokin kehittyy

Tekoäly tehostaa myös tuotetiedon hyödyntämistä. Tampereen yliopiston tutkijat Osku Torro ja Henri Jalo esittelivät Talotekniikka 2030 -konsortion seminaarissa raporttinsa Talotekniikan tuotedatan virtautus- ja hyödyntämismahdollisuudet generatiivisen tekoälyn avulla.

Rakentamislain mukaan uudisrakennuksille on laadittava koneluettava materiaaliseloste ja ilmastoselvitys. Tuotteista on ilmoitettava niiden materiaalitiedot, materiaalien alkuperätiedot sekä hiilijalanjälki- ja hiilikädenjälkitiedot. Rakennustuotteiden päästötietojen lähteenä on käytettävä standardin mukaista EPD-ympäristöselostetta.

Suomessa ei ole tuotevalmistajia velvoittavaa lainsäädäntöä järjestelmälliseen ja kattavaan tuotetietojen raportointiin. Etenkin rakennusteknisiä tuotteita koskeva data on tästä syystä puutteellista. Sähkö- ja LVI-valmistuotteiden osalta tilanne on jo melko hyvä. GTIN-koodit ja LVI- ja sähkönumerot mahdollistavat tuotteiden tunnistamisen suunnittelussa ja hankinnassa.

Datasta on tehtävä koneluettavaa, jotta tietojärjestelmät pystyvät käyttämään automaattisesti ilman ihmisen tulkintaa. RAVA3Pro-projekti tuotti tietomallipohjaisen rakennusluvan tietomäärittelyt. Kun arkkitehti- ja talotekniset tietomallit noudattavat näitä määrittelyjä, ohjelmistot pystyvät tarkastamaan automaattisesti vastaavatko suunnitelmat rakentamismääräyksiä.

Tutkijat esittävät, että nyt on oikea aika kokeilla ja pilotoida tekoälyä omassa liiketoiminnassa ja että kokeilukulttuurista on tultava osa yritysten strategiaa.

Nyt eletään kokeilujen aikaa, kun tekoälyä yhdistetään paitsi dataan, niin myös ihmisälyyn.

– Edelleen silti ihmisellä on suuri vastuu tekoälyn käytössä, tiivisti tuoreimmassa Building 2030 -seminaarissa väitöskirjatutkija Tuomas Valkonen Aalto-yliopiston rakennustekniikan laitokselta.

Tekoälyn avulla talotekniikka voi muuttua reaktiivisesta ennakoivaksi, hajautetusta keskitetysti ohjatuksi ja kiinteästä jatkuvasti kehittyväksi. Matkalla siihen ollaan jo.

RIL: ei vielä tuottavuusloikkaa

Suomen Rakennusinsinööriliitto RIL teki jäsenistölleen kyselyn tekoälyn käytöstä. Sen perusteella hieman reilu viidennes käyttää tekoälyä sisällöntuotossa, vajaa viidennes tietojen analysoinnissa ja käsittelyssä sekä 14 prosenttia apuna erilaisissa luovissa prosesseissa. 55 prosenttia vastanneista ei käytä tekoälyä työssään lainkaan. 

Myös muiden toimesta tekoälyä hyödynnetään omalla työpaikalla eniten sisällöntuotantoon, johon sitä käyttää apuna hieman reilu kolmannes. Tietojen analysoinnissa ja käsittelyssä sitä hyödyntää arviolta vajaa kolmannes vastaajien kollegoista, ja toistuvien tehtävien automatisoinnissa noin joka viides. Noin kolmannes vastaajista kertoi, että omat kollegat eivät yleisesti käytä tekoälyä työssään. 

Kaksi prosenttia vastaajista on mukana suunnittelemassa tai kehittämässä tekoälytyökaluja, joita oma yritys käyttää tai suunnittelee käyttävänsä. Yli kolme neljästä ei osallistu tällaiseen kehittämistyöhön. 

Vajaa viidennes vastaajista toteaa, että omassa yrityksessä on laadittu kattavat tekoälyä koskevat käytänteet ja ohjeet. Noin kolmanneksen työpaikalta tällaisia ohjeita ei löydy. Kattavaa koulutusta tekoälyn hyödyntämiseen on saanut vain noin joka kymmenes vastaaja, 43 prosenttia haluaisi opetusta aiheeseen ja joka neljäs ei koe tekoälykoulutukselle lainkaan tarvetta.

Suurta tuottavuusloikkaa tekoäly ei kyselyn mukaan ole ainakaan vielä aiheuttanut, sillä vain kolme prosenttia vastaajista kokee tekoälyn tehneen itsestä työssä tuottavamman. Suuri osa eli 35 prosenttia ei osaa vastata kysymykseen ja täysin eri mieltä väitteestä on 14 prosenttia. 

Kiinalaisten suunnittelijoiden ryntäys Suomeen?

Granlundin Ville Reinikaisen mukaan tekoäly saattaa tulevaisuudessa vaikuttaa globaaleihin markkinoihinkin.

Suomikaan ei ole suojassa.

– Markkinoille tulemisen esteet madaltuvat. Sitä kautta on mahdollista, että me Suomessakin rakennusalalla altistumme nykyistä laajemmalle kilpailulle maamme rajojen ulkopuolelta, Reinikainen sanoo.

– Jo nyt on olemassa tällaiseen muutokseen vaikuttavia tekoälyratkaisuja. Vaikkapa Kiinassa on voit tehdä joku tehty rakentamiseen liittyvä suunnitteluratkaisu ilman tietoa Suomen rakentamismääräyksiä. Tekoäly pystyy kuitenkin peilaamaan Kiinassa tehtyjen suunnitteluratkaisuja Suomen rakentamismääräyksiin ja tuomaan esiin seikkoja, joilla suunnitelmaa pitäisi kehittää Suomessa voimassa olevaan regulaatioon soveltuvaksi.

Visio on siis aika hurja.

– Tämä tarkoittaa, että esimerkiksi kiinalaisen suunnittelijan on paljon aikaisempaa helpompaa tulla toimimaan Suomen markkinaan.

Tekoäly ei tee kaikkea

• Ei korvaa suunnittelijaa tai urakoitsijaa
• Ei kykene tulkitsemaan kaikkia poikkeuksia ilman ihmisen apua
• Tarvitsee laadukasta dataa toimiakseen