Gjennom oppdrett kan Ode levere jevn og høy kvalitet på torsken hele året. Men alle som jobber i selskapet vet hvor sårbar verdikjeden er.
– En liten feil én plass i verdikjeden kan merkes helt ut til kunden. Feil fôr, temperatur eller håndtering kan gi dårligere vekst, dårligere kvalitet og større tap av fisk og til slutt lavere pris eller margin. Med store volum blir det fort millioner, sier Sølve Kiviranta, Innovation & R&D Manager i Ode.
Sølve har startet i en ny rolle i en ny avdeling som har ansvaret for teknologi og prosess. Avdelingen har matriseansvar for innovasjon, digitalisering og automatisering på tvers av hele selskapet. Han kjenner godt utgangspunktet i en næring som lenge har vært styrt mye av magefølelsen.
– Det har vært mye synsing, og mange har synset ulikt. Skulle du analysere noe, havnet du fort i Excel. Når noe gikk bra eller dårlig, var det vanskelig å finne andre forklaringer enn biologi, fordi det var så mange ulike parametere involvert. Hvorfor én generasjon fisk blir en suksess og en annen en fiasko, er vi nå på vei til å finne ut av, forteller han.
En plattform for hele virksomheten
Ode er på få år blitt verdens største produsent av oppdrettstorsk, med sjøanlegg fra Nordfjord i sør til Smøla i nord. Selskapet eier hele kjeden – fra klekkeri og settefisk til sjøanlegg, slakting, foredling og salg.
En så lang produksjon gir store mengder data om fiskehelse, fôring, vekst, miljø, prosessering, logistikk og salg. I likhet med de fleste virksomheter lå disse dataene spredt i ulike systemer, brukt av ulike deler av organisasjonen.
Sammen med Advania har Ode bygget en felles data- og AI-plattform på Microsoft Azure. Her samles dataene fra hele verdikjeden i et lukket miljø som Ode selv kontrollerer, og tilgangsstyringen sørger for at hver medarbeider ser akkurat de dataene de skal. På toppen kobler Ode på AI-verktøy som Claude og Copilot.
Etter bare noen måneder var systemene for produksjon, kvalitet og salg koblet sammen.
– Før vi begynte, var det helt utenkelig at det skulle gå så fort. Nå får vi tak i hele verdikjeden, og det er nesten bare fantasien som setter grenser for hva vi kan undersøke. Det er utrolig hvor mye verdi vi kan få ut av å se data i sammenheng, sier Sølve.
– Vi trengte en partner som turte å gå like fort som oss. Advania har bidratt med både kapasitet og kompetanse til å få teknologien på plass, og har hjulpet oss med å bygge noe vi kan videreutvikle selv, legger han til.
Vedlikeholdssystem: fra idé på vei til jobb – til løsning på fabrikken
Et godt eksempel på hvordan plattformen løser utfordringer i fabrikken, startet i bilen en dag i mai. Sølve pendlet da halvannen time hver vei mellom Nordfjordeid og slakteriet på Vartdal.
– Jeg har jobbet lenge i industrien, men aldri sett et vedlikeholdssystem som fungerer skikkelig etter brukerens behov. Det slo meg at vi kunne lage et selv, skreddersydd for næringsmiddelproduksjon. I bilen på vei til jobb diskuterte jeg med Copilot på høyttaler hva systemet burde inneholde. Da jeg kom fram, ba jeg om en oppsummering av samtalen, la det inn i Claude Code, og i løpet av formiddagen hadde jeg et ferdig kodet skjelett til vedlikeholdssystemet.
– Sammen med en god kollega koblet vi systemet til produksjonsdata. I løpet av noen uker fulgte vedlikeholdssystemet med døgnet rundt og ringte teknisk vakt hvis det kom kritiske alarmer, for eksempel fra kjøleanlegget. Vi hadde ingen systemer fra før som sørget for oppringning ved alarm og feil.
– Tidligere kunne vi komme på jobb om morgenen og oppdage at kjølingen hadde stoppet i løpet av natta. Da kunne det være ti grader i tanken, og hele fabrikken måtte vente to timer før vi kunne starte produksjonen. Skulle vi kjøpt et slikt system fra en leverandør, hadde det tatt veldig lang tid og blitt veldig kostbart. Med AI og dataplattformen løste vi det selv på kort tid, forteller Sølve.
Komplekse, multifaktorielle analyser i hele verdikjeden
Den største verdien ser man likevel først når data som før lå hver for seg, kan ses i sammenheng. Ode så for eksempel at man enkelte dager mistet mer fisk enn normalt på veien fra lokalitet til fabrikk. Rapportene fra brønnbåtene kom på e-post, og det var vanskelig å se helheten.
– Vi begynte å koble produksjonsdata sammen med logistikkdata fra båtene og data fra sjølokaliteten, og så på ulike parametre som kunne påvirke prosessene, transporten og leveringen. Hvor mange kilo fisk var det per kubikk? Hvordan så oksygenloggen ut? Da kunne vi begynne å lære hva som var rotårsaken, og se sammenhenger på flere parametre samtidig. Når du forstår hvorfor du har variasjoner, kan du fjerne dem, og til slutt fjerner du også kostnader, forteller han.
Sølve mener Ode nå kan stille denne typen spørsmål i hele verdikjeden.
– Når vi får samlet data fra hele selskapet, med god kvalitet og oppløsning, kan vi finne kritiske suksessfaktorer og kopiere dem. Bygger vi en god løsning ett sted, skal den kunne brukes mange steder. I min visjon skjer det etter hvert helt autonomt. Dit er det et stykke igjen, men vi er på vei.
Vokse uten å vokse like mye i antall ansatte
Ode har vokst med flere hundre årsverk. Framover er målet at veksten ikke skal kreve like mange nye ansettelser. Målet er at agenter tar mer og mer av det manuelle arbeidet, slik at fagkunnskapen til de ansatte kan brukes bedre, i tillegg til at kostnaden per kilo går ned, mens presisjonen går opp.
Selskapet har allerede agenter som overvåker og koordinerer, og Sølve jobber nå med en produksjonskoordinator-agent som følger fabrikkens data minutt for minutt.
– Agenten skal ringe linjeleder, avdelingsleder eller teknisk hvis en prosess er på vei ut av normalområdet, og varsle. Nå blir den testet i skyggemodus og varsler kun meg. Når vi ser at varslene er fornuftige, skal vi rulle den ut i daglig bruk, sier han.
Samtidig er grensene tydelige.
– Agentene får ikke styre fysiske ting. Det er hverken lov eller trygt. Starter en agent en maskin mens en tekniker jobber på den, kan det gå alvorlig galt. På programvaresiden kan derimot agenter på nåværende tidspunkt jobbe uten at mennesket er i loopen.
En compliance-agent passer på at selskapet følger regler som GDPR og NIS2. Nylig grep den inn i et prosjekt.
– Varselet sa at vi måtte ha en avtale med tillitsvalgte før vi kunne gå videre, og det hadde ikke personen som jobbet med dette tenkt på. Agenten passer på at ingen gjør noe dumt, og at vi hele tiden er compliant, forklarer han.
Bare skrapet i lakken
For Advania er Ode et godt eksempel på hva som blir mulig når egne data og fagkunnskap blir koblet sammen.
– Ode tester nye ideer raskt, men alltid for å løse et konkret problem i verdikjeden. Sammen med Ode har vi bygget fundamentet på Microsoft Azure, rundt deres egne data og ikke rundt ett bestemt AI-verktøy. Så bruker de ansatte selv plattformen til å analysere og lage løsninger. Mange virksomheter sitter på data de ikke får utnyttet, og det er der gevinsten ligger, sier Frode Hetland, Chief Advisor AI i Advania.
Ode har som ambisjon å bli Norges mest digitalt autonome matprodusent. Hvor selskapet er om fem år, vil ikke Sølve spå om.
– Vi har et kjempestort romskip foran oss, og vi har bare så vidt skrapet i lakken på utsiden. Når hele organisasjonen er om bord og vi drar på tur, er det ikke godt å si hvor langt ut i rommet vi kommer. Men det blir langt, avslutter Sølve.
Bilder er lånt fra: Ode
Vil dere også vokse med AI og egne data? Les mer og ta gjerne kontakt med en av våre AI-eksperter for hjelp til å ta neste steg på en trygg og god måte.
