Norges største AI-konferanse for havbruksnæringen

AI-konferansen, arrangert av AqKva, samler ledende aktører fra havbruksnæringen for å vise hvordan kunstig intelligens er i ferd med å endre alt fra produksjon og fiskevelferd til logistikk og beslutningsprosesser. Gjennom konkrete eksempler og faglige perspektiver vil foredragsholdere fra blant annet PwC Norge, Microsoft Norge, DNV og Mowi dele erfaringer, utfordringer og muligheter knyttet til bruk av AI i havbruket.

AI-konferansen for akvakultur ble etablert høsten 2024, og planleggingen startet umiddelbart. Den ble et naturlig utspring fra AqKva, som gjennom de siste 20 årene har arrangert over 50 konferanser og tre store havbruksmesser.

Vi har gjennom tett kontakt med havbruksnæringen, fulgt med på teknologiutviklingen. Vi har sett på nært hold hvordan avansert teknologi, ved bruk av maskinlæring og bildegjenkjenning, gradvis har blitt mer og mer AI-relatert og dermed enda mer avansert og nyttig.

AI gir nye muligheter i havbruket

Vår idé var derfor å etablere en egen konferanse som kunne belyse, informere og spre erfaringer, omkring bruk og nytte av kunstig intelligens i hele verdikjeden. På enkelte områder har vi allerede sett at AI har hatt effekt utover det som var tenkt i utgangspunktet. Et eksempel her er den økende bruken av dypdrift med nedsenkbare merder. Denne utviklingen har vært ønsket for å komme under lusebeltet og redusere behovet for lusebehandling. Mange steder er dette nå en suksess – noe som ikke hadde vært mulig uten kontinuerlig monitorering med AI-basert verktøy.

Et kritisk blikk på utviklingen

Det er temaer av denne typen vi ønsker å formidle på AI-konferansen. Samtidig vil vi ha et kritisk blikk på hvordan AI brukes, ikke brukes og kost vs. nytte av de ulike løsningene. Programkomitéen har også lagt stor vekt på god bredde i fagfeltene, for å belyse AI sin rolle i hele verdikjeden. Kunstig intelligens griper inn i stadig større grad på alle områder og dette trenger vi alle å ha kunnskap om, for å kunne styre – og ikke bli styrt.

AI vil spille en stadig viktigere rolle i oppdrettsnæringens arbeid med forbedringer, effektiv drift og bedre prosesskontroll. 

Hvor raskt og i hvilken grad selskapene lykkes med å hente ut verdiene vil i stor grad avhenge av strategi, gjennomføringsevne og evnen til å bygge relevant kompetanse og robuste interne strukturer.

Behov for tydeligere eierskap og arkitektur

Bruken av AI så langt i bransjen har vært og er fortsatt for tilfeldig. Det er stor grad av ubevissthet i tilnærmingen fra selskapenes side, med initiativ som i for stor grad er styrt av leverandører. Vi ser at AI-baserte initiativ for ofte bygger på mangelfulle og fragmenterte systemstrukturer der en klar og tydelig data- og AI-strategi mangler i selskapene. 

Dette betyr at det ikke er nok fokus rundt hverken infrastruktur, dataarkitektur eller eierskap til data. Konsekvenser av dette er begrensninger i verdigenereringen fra initiativene, og at det etableres sårbarheter rundt sikkerhet. 

For å lykkes på området vil det derfor bli avgjørende at selskapene høyner bevisstheten og tar et langt større eierskap til AI-prosessen. Etablering av klare og tydelige strategier rundt data og AI blir avgjørende for evnen til å utnytte mulighetene AI-teknologien gir. 

Mowi 4.0: helhetlig tilnærming

I Mowi søker vi å løse dette via vår Mowi 4.0-strategi og en helhetlig tilnærming med Mowi i førersetet. Dette innebærer en tydelig retning og strategi med fokus på kompetanse, data og effektiv bruk av AI, med sikkerhet i høysetet.

De politiske ambisjonene for en mer digital, presis og risikobasert forvaltning av havbruksnæringen er tydelige. Mattilsynet har varslet økt bruk av digitale løsninger, mer standardisert rapportering og bedre datadeling. Selv om dette er et nødvendig steg i riktig retning, reiser det et grunnleggende spørsmål : Hvordan skal vi organisere datadeling i praksis – og hvem skal forvalte den digitale infrastrukturen som dette bygger på?

Havbruksnæringen samler allerede enorme mengder data. Oppdrettere, leverandører og myndigheter dokumenterer, rapporterer og måler som aldri før. Likevel er det et betydelig gap mellom dagens praksis og fremtidens datadrevne forvaltning. Vi er flinke til å rapportere, men langt dårligere til å omsette data til beslutningsstøtte, læring og felles forbedring.

Datadeling er ikke et mål i seg selv

Datadeling løser ingen problemer alene. Skal den gi verdi, må vi starte med utfordringene vi ønsker å løse – enten det handler om fiskehelse, biosikkerhet, bærekraft eller etterlevelse av regelverk. Først da kan vi identifisere hvilke datasett, parametere og standarder som faktisk er relevante.

Ulike aktører møter ulike utfordringer og har ulike faglige vurderinger. Det har historisk ført til at data registreres og evalueres ut fra egne forutsetninger. Resultatet er mange parallelle «sannheter» og begrenset sammenlignbarhet på tvers. Skal vi komme forbi dette, må nytten av felles standarder være tydelig for alle som skal bruke dem. Standardisering må oppleves som et hjelpemiddel – ikke en ekstra byrde.

Standardisering er en forutsetning for innovasjon

Uten felles begreper, datamodeller og formater blir det umulig å bygge relevante, sammenlignbare datasett av tilstrekkelig kvalitet. Disse datasettene er en forutsetning for utvikling av avansert analyse, maskinlæring og kunstig intelligens. Kvaliteten på innsikten vi kan hente ut, vil aldri bli bedre enn kvaliteten på dataene analysen bygger på.

Fra enkeltinitiativ til felles infrastruktur

Skal havbruksnæringen lykkes med KI og avansert beslutningsstøtte, må vi løfte datadeling fra enkeltprosjekter til felles infrastruktur. Det har aldri vært meningen at all informasjon skal deles fritt. Det handler om å etablere trygge, tillitsbaserte mekanismer for å dele det som kommer fellesskapet til gode – innenfor tydelige rammer for eierskap, bruk og ansvar.

Dette forutsetter nøytrale plattformer og felles standarder for datainnsamling og deling. Når både næring, myndigheter og teknologileverandører har tillit til hvordan data håndteres, senkes terskelen for deling, og nytteverdien øker.

Teknologikvalifisering: et undervurdert gap

Et av de største gapene i overgangen til en datadrevet forvaltning er teknologikvalifisering og dokumentasjon. Skal digitale målinger erstatte eller supplere manuelle vurderinger, må det finnes robuste systemer for å dokumentere og verifisere teknologien som brukes.

Dette er særlig krevende innen områder med manuelle målinger hvor det i dag betydelig rom for feilmargin. Når ny teknologi skal verifiseres, for eksempel innen lusetelling, hva skal den vurderes opp mot, når det ikke finnes en absolutt fasit? Slike vurderinger bygger på komplekse beregningsmodeller og statistiske tilnærminger, som igjen må være transparente, etterprøvbare og faglig forankret. Dette blir avgjørende dersom data i økende grad skal danne grunnlag for regulering og insentivordninger.

Behov for tydelige roller og felles ansvar

Skal de politiske ambisjonene realiseres, trengs en mer helhetlig tilnærming til standardisering, datadeling og analyse. Myndighetene må definere krav og rammer. Næringen må bidra med faglig innsikt og praktisk erfaring. Teknologileverandører må utvikle løsninger som følger felles standarder. Og det må finnes uavhengige aktører som kan bidra med forskning, metodikk, verifikasjon og infrastruktur.

DNV har i over 160 år bygget tillit gjennom uavhengig kunnskap, standardutvikling og teknologikvalifisering. Den erfaringen er høyst relevant også i utviklingen av fremtidens havbruk.

Skal vi lykkes, må vi samarbeide på tvers, etablere riktige insentiver og definere tydelige roller.

Havbruksnæringen binder kapital i hver fisk gjennom 18–30 måneder med produksjon før slakt. I denne perioden investeres det betydelige ressurser i fôr, drift og presis styring av varelageret i merd.

Paradokset er at verdier som bygges opp over år, kan forringes i siste fase. I overgangen fra høsting via prosessering til marked tas noen av de mest marginfølsomme beslutningene i verdikjeden – i en tid med økt kostnadspress og mer volatile priser. Nettopp her ligger et stort potensial for å ta klokere, mer informerte valg ved å bruke data tidligere og mer målrettet.

Data gir tidligere og bedre beslutninger

Vårt foredrag viser hvordan nye data‑ og AI‑løsninger gjør det mulig å ta beslutninger omtrent tolv timer tidligere enn dagens oppdaterte prognoser – og samtidig etablere automatiserte, datadrevne læringssløyfer på tvers av verdikjeden. I dette tidsrommet oppstår flere av dagens blindsoner: stress ved høsting (trenging) kan påvirke kvaliteten tidlig, og etter bløgging kan trykk og sirkulasjon i utblødningstanker gi kvalitetsutfall. Ved å koble data mellom høsting, bløgging, tanker, prosessering og marked kan slakterapporten forstås i kontekst, og erfaringer brukes systematisk i en kontinuerlig Plan–Do–Check–Act–syklus – ikke som manuell etterkontroll, men som løpende forbedring.

AI reduserer brannslukking og overtid

Bløggebåtens moderne bløggeroboter leverer øyeblikkelig presise tall for antall, vektdistribusjon og kvalitet, mens generativ AI gjør det mulig å utnytte disse dataene i praksis. Med AI jobber agentene gjennom natten og presenterer klare anbefalinger ved produksjonsstart – fra oppdaterte produksjonsplaner og vaktlister til logistikkjusteringer og volumfordeling mot prioriterte kunder.

I dag er de siste timene før leveranse ofte preget av hektiske omprioriteringer – manuell reallokering av fisk, stramme tidsfrister for flyfrakt og biler som må ut av landet. Ved å ta disse beslutningene tidligere, reduseres brannslukking og overtid, og samspillet mellom salg og logistikk blir roligere og mer planbart.

Basert på faktisk fangst kan AI også vurdere om det er riktig å gå tidlig i markedet for å kjøpe eller selge bestemte størrelser eller kvaliteter. Samtidig kan nedstrøms‑ og VAP‑løp optimaliseres mot reell tilgjengelighet, slik at man unngår å stresse verdikjeden i siste ledd – der kostnadene alltid er høyest.

Fra siloer til helhetlige beslutninger

Dette var tidligere mulig, men langt mer tidkrevende og kostbart. I dag kan generativ AI fungere som en intern oversetter mellom systemer og siloer og gi et samlet beslutningsgrunnlag uten store IT‑løft. Samtidig som bransjen jobber med et felles dataspråk for en mer enhetlig styring og bærekraftig vekst, kan integrerte oppdrettere starte internt nå.

Foredraget vårt viser konkrete eksempler på hvordan bedre beslutninger omtrent tolv timer tidligere enn dagens prognosegrunnlag gir økt kontroll, høyere kvalitet og mer robust lønnsomhet – og hvorfor dette nå er et spørsmål om prioritering og ledelse, ikke teknologi.