Drone + AI: Når datamengden blir større enn teamet ditt

Drone samler mer data enn noen gang. Med AI, Copilot og intelligente agenter kan analysen gå fra manuell gjennomgang til kontekstuell forståelse. Spørsmålet er om du bruker kapasiteten – eller drukner i den.
Tina Depui Martinsen, ChatGPT

I moderne droneoperasjoner er det sjelden flygingen som er flaskehalsen. Det er etterarbeidet.

Tusenvis av bilder. Timer med video. Termiske sekvenser. Punktskyer. Multisensordata. Datasettene vokser raskere enn kapasiteten i teamet som skal analysere dem.

Manuell gjennomgang kan ta timer – noen ganger dager. Objektidentifisering, avviksregistrering og klassifisering kan bli repeterende og ressurskrevende. Samtidig øker forventningene til leveringstid, presisjon og dokumentasjon.

Det er her kunstig intelligens begynner å bli mer enn et buzzord.

I samarbeid med Microsoft ser vi nå et tydelig skifte: fra tradisjonell mission planning til det som i økende grad kan beskrives som outcome requests.

I stedet for å planlegge hvordan data skal samles og deretter manuelt analysere dem, kan man i større grad formulere hva man ønsker å oppnå:

Hva er avvikene?
Hvor er endringene?
Hvilke objekter skiller seg ut?

AI-agenter og Copilot-løsninger kan i mange tilfeller bidra til å strukturere, analysere og oppsummere store datamengder raskere enn tradisjonelle arbeidsmetoder. Ikke for å erstatte fagpersonen – men for å forsterke kapasiteten.

Samtidig handler det ikke lenger bare om deteksjon.

Deteksjon identifiserer et objekt.
Kontekstuell forståelse forsøker å sette objektet inn i en sammenheng.

Er dette avviket kritisk?
Har det utviklet seg siden forrige inspeksjon?
Hvilke mønstre ser vi over tid?

Dette er nivået hvor AI-agenter virkelig kan begynne å endre arbeidsflyten.

Men teknologien reiser også reelle spørsmål. Hvordan sikrer man datasikkerhet? Hva kan behandles i sky, og hva må ligge lokalt? Hvordan kvalitetssikrer man analyser som er delvis automatisert?

Kurset «AI i moderne droneoperasjoner», gjennomført i samarbeid med Microsoft i Oslo, er utviklet for å gjøre dette konkret. Her jobber vi med Copilot, AI-agenter og praktiske arbeidsflyter som kan integreres i kartlegging, inspeksjon og analyse.

For AI er ikke lenger noe som kommer.
Den er allerede i verktøykassen.

Spørsmålet er om du vet hvordan du skal bruke den.