Hur kan en bostadsrättsförening snabbt få koll på sin energiprestanda – och samtidigt få konkreta råd om hur fastigheten kan bli mer energieffektiv? Det är en av frågorna som AI-agenten Spara ska kunna besvara.
Spara är ett AI-verktyg som utvecklats inom projektet DigiCityClimate, där forskare, stadens energi- och klimatrådgivare och lokala aktörer samarbetat för att underlätta klimatsmarta beslut i boendet. Den bygger på språkmodeller liknande ChatGPT, men är tränad specifikt på energidata, rådgivningsmaterial och regelverk kopplat till fastighetsägande.
– Bostadsrättsföreningar förvaltar ofta mycket stora tillgångar – men gör det med ideella krafter och utan expertkunskap. Här kan Spara fylla en viktig funktion, säger Hossein Shahrokni, forskare på KTH och del av utvecklingsgruppen på KTH som utvecklat modellen.
Bakgrunden till Spara är ett konkret behov som uppstod under pandemin. När energirådgivaren Reza Tehrani inte längre kunde genomföra platsbesök hos föreningar började han utveckla digitala verktyg så att styrelserna själva kunde identifiera problem och få vägledning. Ur detta växte idén om en AI-baserad chattbot– och samarbetet med KTH tog form.
Spara kan svara på både enkla och avancerade frågor – till exempel hur fastighetens energiklass kan förbättras, vilka investeringar som lönar sig, hur man installerar laddplatser eller vad som krävs för att få del av stöd. Råden baseras på energideklarationer, teknisk dokumentation och exempel från liknande fastigheter.
– Ett exempel är att styrelsen vill höja energiklassen från C till B, för att ge boende möjlighet till bättre bolån. Då kan Spara ge förslag på åtgärder, uppskatta effekterna och visa vad andra föreningar i samma situation har gjort.
Tre versioner av Spara – med olika användare i fokus
I dagsläget finns tre versioner av Spara. En version testas av energirådgivarna i Stockholms stad, där Spara svarar på riktiga mejlfrågor från allmänheten. Rådgivarna ger feedback och hjälper till att träna modellen.
En annan version används av ElectriCITY och energigemenskapen i Hammarby Sjöstad. Där har Spara tillgång till detaljerad data om tio föreningars fastigheter och kan ge skräddarsydd rådgivning utifrån deras förutsättningar. Denna version är mer exakt men kräver i framtiden sannolikt inloggning, eftersom datan är känslig och personanpassad.
En tredje version diskuteras för placering hos Energimyndigheten. Tanken är att den ska stötta bostadsrättsföreningar i hela landet med generella råd och vägledning.
– Målet är att Spara ska bli en brygga mellan bostadsrättsföreningar och energirådgivningen – så att fler föreningar vågar ta första steget mot energieffektivisering, säger Hossein Shahrokni.
Tränad på verkliga frågor och expertkunskap
Spara bygger på över 800 verkliga frågor till energi- och klimatrådgivningen, kombinerat med expertmaterial från Energimyndigheten, Boverket och andra myndigheter. Allt detta har bearbetats till ett sökbart kunskapslager, och modellen tränas kontinuerligt – inte bara för att kunna ge svar och länkar, utan även för att föreslå åtgärder och göra enklare beräkningar.
– Det är inte en fullständig simulering, men det räcker ofta för att ge en styrelse tillräckligt beslutsunderlag för att gå vidare, säger Hossein Shahrokni.
Det som tidigare kunde kräva timmars googlande eller kontakt med flera myndigheter går nu att få på 10–15 minuter i ett samtal med Spara, enligt utvecklingsteamet. Ett exempel är att Spara kan uppskatta hur mycket som sparas i pengar och utsläpp om man genomför två åtgärder ur energideklarationen – eller visa hur nära man ligger att uppfylla kraven för nästa energiklass.
Användartest, studenter och framtid
Spara har tagits fram i nära samarbete mellan forskare på KTH, Stockholms stads klimat- och energirådgivare och ElectriCITY Innovation. Ett tiotal studenter har varit delaktiga i utvecklingen hittills, och projektet är nu en del av undervisningen i hållbar utveckling inom datavetenskap, där 40 studenter kommer att arbeta vidare med tekniken. Ett särskilt fokus ligger på att kritiskt granska teknologin och förstå dess möjligheter och begränsningar.
– Vi ser det här både som ett verktyg och som ett akademiskt laboratorium. Studenterna får testa, ifrågasätta och förbättra – samtidigt som vi tillsammans bygger något som faktiskt används, säger en av lärarna i projektet.
Tekniskt sett har SPARA utvecklats stegvis: från en enklare version byggd i Dialogflow till mer avancerade lösningar baserade på språkmodeller och sökbara kunskapsvektorer. Ett viktigt fokus har varit att minimera risken för felaktiga svar i energirådgivningen – och att successivt förbättra systemet genom återkoppling från användarna.
Projektgruppen planerar även en strukturerad effektutvärdering efter ett års användning, för att kunna mäta hur SPARA påverkar beslut och investeringar i föreningar.
– Energifrågorna är bland de mest komplexa – men också viktigaste – i styrelserummet. Därför känns det särskilt värdefullt att Spara nu börjar hitta sin plats i vardagen, säger Hossein Shahrokni.
Vill du läsa mer om hur forskarna resonerar kring AI, etik och samhällsnytta?
Läs också intervjun med Oleksii Pasichnyi, forskare på KTH: ”Forskning med verklig förankring – AI som tjänar både klimat och människor”.
Hossein Shahrokni, forskare på KTH, intervjuas av Emelie Smedslund.