Vikhyat Chaudhry, CTO, COO & Co-Founder van Buzz Solutions: Een terugkeer gesprek

Vikhyat Chaudhry, CTO, COO & Co-Founder van Buzz Solutions, leidt de technologische ontwikkeling en operaties van het bedrijf, waarbij het bedrijf kunstmatige intelligentie, machinevisie en predictieve analyse toepast op inspectie en onderhoud van kritieke energie-infrastructuur. Hij richtte Buzz Solutions op in 2017 na ervaring te hebben opgedaan in datawetenschap, machine learning, ingebedde systemen, computerzicht en autonome technologieën. Voordat hij zich fulltime op het bedrijf richtte, werkte Chaudhry als datawetenschapper bij Cisco, ontwikkelde hij machine learning- en sensorgebaseerde systemen bij Altitude Co. en voerde hij onderzoek uit aan de Stanford University met betrekking tot autonome drones, wind-snelheidsmeting en computerzicht voor windmolens. Zijn eerdere onderzoek bij het Indiase Defence Research and Development Organisation richtte zich op het voorspellen van aardverschuivingen met behulp van simulaties en remote-sensingsoftware, waardoor hij een technische achtergrond heeft in infrastructuurrisico’s, georuimtelijke analyse en toegepaste AI. Buzz Solutions noemt hem momenteel co-founder, CTO en COO.

Buzz Solutions ontwikkelt visuele intelligentie software die bedoeld is om energiebedrijven te helpen bij het inspecteren, onderhouden en beveiligen van transmissie-, distributie-, substation- en generatie-infrastructuur. Het PowerAI-platform van het bedrijf analyseert beelden die zijn verzameld met drones, helikopters, vaste vleugelvliegtuigen en grondinspecties, en zet visuele gegevens om in diagnoses die nutsbedrijven helpen om defecten te identificeren, de toestand van activa te beoordelen, reparaties te prioriteren en bevindingen te integreren in bestaande geografische informatiesystemen, assetbeheer- en werkorderworkflows. Het bedrijf positioneert zijn technologie als een manier om infrastructuurrisico’s eerder te detecteren, het handmatige werk dat nodig is om inspectiebeelden te analyseren te verminderen en de kans te verkleinen dat apparatuurfouten bijdragen aan uitval, stillegging of bosbranden. Buzz Solutions biedt ook tools voor substationbewaking en -beveiliging, wat zijn bredere doel weerspiegelt om nutsbedrijven te helpen bij het opbouwen van veiligere, veerkrachtigere en meer gegevensgestuurde netwerkoperaties.

Toen we u in 2024 interviewden, richtte ons gesprek zich op het gebruik van AI om nutsbedrijven van handmatige inspecties naar predictief onderhoud te brengen. Wat is er het afgelopen twee jaar het meest veranderd, zowel in de energiesector als in uw eigen denken, waardoor u besloot om Powering Intelligence te schrijven en elektriciteit te beschouwen als een potentiële beperking voor de toekomst van AI?

Toen we voor het laatst spraken, ging het gesprek voornamelijk over het backoffice van het net, waarbij nutsbedrijven van handmatige inspectie naar predictief onderhoud gingen. Dat is nog steeds het werk. Maar er is iets veranderd onder ons in de afgelopen twee jaar, en het is sneller veranderd dan bijna iedereen in mijn wereld had verwacht. Toen was AI een vraagverhaal dat we in het abstracte bespraken. Nu komt het tot uiting in grote groeicijfers voor nutsbedrijven. Ik begon hetzelfde te horen van mensen die ik al jaren ken in deze industrie: interconnectieverzoeken voor belastingen die een paar jaar geleden ondenkbaar waren, enkele faciliteiten vragen om het soort stroom dat een kleine stad trekt en vragen om het op een tijdslijn die niets te maken heeft met hoe het netwerk daadwerkelijk wordt gebouwd. Dat was het moment waarop het voor mij klikte. We besteden al onze energie aan het debatteren over hoe capabel deze modellen zullen zijn, en bijna niets over de saaie fysieke vraag of we ze kunnen voeden. Ik schreef Powering Intelligence omdat ik steeds op zoek was naar het boek dat deze twee werelden met elkaar verbond en het bestond niet. Iedereen schreef over de AI-modellen. Bijna niemand schreef over de elektronen die nodig zijn voor hen. En ik zat in een vreemde positie, dicht genoeg bij de AI-kant om de ambitie te begrijpen, en dicht genoeg bij het net om te weten hoe lang een nieuwe transmissielijn en een ontwikkeling van een elektriciteitscentrale daadwerkelijk duurt. De kloof tussen die twee klokken is het hele verhaal, en ik wilde het in één plaats zetten.

U stelt dat de AI-industrie in maanden schaalt, terwijl het energienetwerk over decennia verandert. Waar is de meest directe bottleneck vandaag: elektriciteitsopwekking, transmissiecapaciteit, schakelstations, transformatoren, interconnectiequeues, vergunningen of de beschikbaarheid van geschoolde arbeiders?

Ik denk dat er meerdere bottlenecks zijn, en het antwoord is dat ze allemaal met elkaar verweven zijn. Maar als ik moet wijzen naar de knoop die het strakst zit, is het relatief minder over het genereren van elektronen en meer over het leveren ervan: transmissie en het interconnectieproces, met transformatoren en andere elektrische apparaten als de fysieke onderdelen die alles verbinden. Hier is het punt dat mensen vaak onderschatten. Je kunt een elektriciteitscentrale en een datacenter aankondigen in een persbericht. Je kunt geen grote vermogenstransformator in een persbericht creëren, sommige hebben levertijden die worden gemeten in jaren, en veel ervan worden niet eens binnenlands gebouwd. Dus, zelfs als de wil en het kapitaal er zijn, kom je tegen een supply-chainmuur aan van componenten. Vervolgens is er de interconnectiequeue, die in veel regio’s een meerjarige wachtrij is om alleen maar te worden bestudeerd. En onder al het andere is er het probleem van de arbeidsmarkt voor de energiesector. De mensen die daadwerkelijk weten hoe ze deze apparatuur moeten bouwen en onderhouden, gaan sneller met pensioen dan we ze vervangen.