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

Vikhyat Chaudhry, CTO, COO en medeoprichter van Buzz Solutions, leidt technologie en bedrijfsvoering bij de toepassing van AI, machine vision en voorspellende analyse op inspectie en onderhoud van kritieke energie-infrastructuur. Hij richtte het bedrijf in 2017 op na ervaring met datawetenschap, machine learning, embedded systemen, computer vision en autonome technologie. Hij werkte bij Cisco en Altitude Co. en deed aan Stanford onderzoek naar autonome drones, windsnelheidsmeting en computer vision voor windparken. Eerder onderzocht hij bij de Indiase Defence Research and Development Organisation aardverschuivingsvoorspelling.

Buzz Solutions ontwikkelt visuele-intelligentiesoftware voor inspectie, onderhoud en beveiliging van transmissie-, distributie-, onderstation- en productie-infrastructuur. PowerAI analyseert beelden van drones, helikopters, vliegtuigen en grondinspecties, vindt defecten, beoordeelt assets, prioriteert reparaties en integreert resultaten in GIS-, assetmanagement- en werkordersystemen. Het bedrijf biedt ook bewaking en beveiliging van onderstations.

Toen we u in 2024 interviewden, ging het over AI voor voorspellend onderhoud. Wat veranderde sindsdien en leidde tot Powering Intelligence en elektriciteit als beperking voor AI?

Destijds ging het om de backoffice van het net. Dat werk blijft, maar AI is van een abstract vraagstuk veranderd in enorme nieuwe belasting. Nutsbedrijven krijgen aansluitvragen van één locatie die evenveel stroom verlangt als een kleine stad, op een tijdlijn die niets met netbouw te maken heeft. We bespreken modelcapaciteiten maar nauwelijks of we ze van elektronen kunnen voorzien. Ik schreef het boek omdat niemand de AI-wereld verbond met de decennialange realiteit van centrales en transmissielijnen. De kloof tussen die twee klokken is het hele verhaal.

AI schaalt in maanden en het net in decennia. Waar zit de dringendste bottleneck?

Alle knelpunten hangen samen, maar de strakste knoop is minder de opwekking dan het afleveren: transmissie en aansluiting, met transformatoren en andere apparatuur als fysieke beperking. Een centrale en datacenter kun je aankondigen, maar een grote transformator met jarenlange levertijd niet tevoorschijn persen; veel wordt niet eens binnenlands gemaakt. Aansluitwachtrijen duren jaren. Daaronder ligt personeelstekort: ervaren mensen gaan sneller met pensioen dan ze worden vervangen.

De langzaamste onderdelen—transformatoren, transmissiecorridors en opgeleide lijnwerkers—kun je niet alleen met software of geld versnellen.

Hoe verschillen AI-datacenters van historische industriële lasten en welke risico’s ontstaan?

Nutsbedrijven kennen grote staal-, aluminium- en autofabrieken, maar datacenters verschillen op drie punten. Ten eerste concentratie en snelheid: een zware industrie groeide doorgaans decennialang mee met het regionale net; datacenters willen enorme capaciteit ineens. Ten tweede het belastingprofiel: ze kunnen veel sneller op- en afregelen dan een fabriek met een stabiel proces. Ten derde de speculatieve stapeling van aanvragen.

Nutsbedrijven moeten daardoor kapitaal vastleggen op de tijdlijn van de AI-industrie en plannen rond vraag die historische modellen doorbreekt. Dat is geen reden om nee te zeggen, maar om anders te plannen.

Hoe onderscheiden nutsbedrijven vastgelegde vraag van speculatieve aanvragen en vermijden ze nutteloze infrastructuur?

Ontwikkelaars kunnen hetzelfde project in meerdere gebieden aanmelden om de snelste stroomleverancier te zoeken. Sommige projecten zijn gefinancierd; andere zijn opties, placeholders of ‘spooklasten’. Alles als echt behandelen kan miljarden aan gestrande activa opleveren die bestaande afnemers betalen. Te weinig bouwen kan juist betrouwbaarheid schaden.

Maak speculatie duur en commitment goedkoop: eis betekenisvolle waarborgsommen, gefaseerde verplichtingen gekoppeld aan bouwmijlpalen en contracten die het risico leggen bij de aanvrager. De partij die vermogen vraagt, moet het risico dragen dat het niet nodig blijkt.

Wie moet productie-, transmissie- en onderstationupgrades betalen en hoe voorkomt men subsidie door huishoudens?

Dit is vooral een eerlijkheidsvraag. De kosten moeten zoveel mogelijk liggen bij de belasting die ze veroorzaakt. Als een hyperscaler een nieuw onderstation en transmissie-upgrade nodig heeft, moet die faciliteit betalen, niet de gepensioneerde om de hoek. Socialisatie paste bij een fabriek die een stad werk gaf, maar minder bij een van ‘s werelds waardevolste bedrijven.

Er bestaan instrumenten: speciale tarieven voor grote lasten, minimumafnamecontracten zodat men niet wegloopt na de bouw, en langlopende verbintenissen die bij de levensduur van assets passen. Toezichthouders moeten ze vóór de bouw inzetten. Na het storten van beton is terugvorderen bijna onmogelijk; verkeerde prikkels kunnen vertrouwen in nutsbedrijven en AI ondermijnen.

Kunnen AI-datacenters flexibele netmiddelen worden via lastverschuiving, vraagrespons, batterijen, thermische opslag of eigen productie?

Ja, maar de flexibiliteit is niet onbeperkt. Inferentie—een live model dat nu antwoord moet geven—is latencygevoelig en moeilijk te verplaatsen. Training bestaat uit grote batchtaken en kan vaker naar andere uren of locaties. Die kan overschotten aan schone energie benutten en tijdens pieken terugschakelen.

Met batterijen, thermische opslag en lokale productie kan een starre belasting het net helpen balanceren: overdag overtollige zonne-energie opnemen en pieken op opslag overbruggen. Dat vereist bereidwillige exploitanten en tarieven die samenwerking belonen. De technologie is eenvoudiger dan het ontwerpen van prikkels, maar partnerschap is haalbaar.

Welke energiemix kan de komende tien jaar realistisch aan de AI-vraag voldoen?

Alles is nodig; één wonderbron bestaat niet. Hernieuwbaar plus opslag is het snelst uit te rollen en dus het werkpaard op korte termijn. Klanten van Buzz zoals Dominion, Ameren, AEP, NYPA en Southern vergroten hun zonnecapaciteit voor datacentervraag. Omdat zon en wind variëren en datacenters continu draaien, blijven opslag en regelbaar vermogen belangrijk.

Aardgas vormt een brug omdat het regelbaar en beschikbaar is. Kerncentrales die zouden sluiten krijgen een tweede leven dankzij langlopende datacentercontracten. Kleine modulaire reactoren en geothermie zijn veelbelovend voor de tweede helft van het decennium en daarna, niet als redding in 2027.

De realistische mix is gelaagd: hernieuwbaar en opslag dragen groei, gas overbrugt het vaste-vermogenstekort, bestaande kernenergie blijft langer open en nieuwe bronnen komen erbij. Het net geeft niet om ideologische voorkeuren, maar om betrouwbare, tijdige kilowatturen.

Waar kan AI volgens uw boek het net op korte termijn het meest moderniseren?

Voorspellend onderhoud, continue bewaking en inspectie staan voorop. Computer vision vindt gebarsten isolatoren, oververhitte transformatoren en verroeste haken vóór uitval; dit is al ingezet, bespaart geld en voorkomt storingen. Daarnaast komen belastingvoorspelling en vraagrespons, omdat preciezere vraag het datacenterprobleem beheersbaarder maakt.

Daarna volgt transmissie-optimalisatie om meer uit bestaande leidingen te halen. Vegetatiebeheer en storingsherstel maken traag handwerk sneller en geven situational awareness tegen natuurbranden, stormschade en uitval. Digital twins en autonome besturing komen later en brengen vertrouwens- en veiligheidsvragen mee. Eerst moet AI het net beter zichtbaar, voorspelbaar en bewust maken.

Welke beslissingen kan AI veilig nemen, waar blijft menselijk oordeel verplicht en hoe bereiden nutsbedrijven zich voor op ondoorzichtige modellen en cyberaanvallen?

Onze human-in-the-loop-aanpak is belangrijker geworden: experts beoordelen lage zekerheden en slechte voorspellingen. AI is uitstekend in perceptie en aanbevelingen—gegevens doorzoeken, afwijkingen vinden, risico markeren en prioriteiten rangschikken—en kan dit op schaal beter dan mensen alleen.

Bij gevolgen voor kritieke infrastructuur is voorzichtigheid nodig. Een fout kan een ziekenhuis of regio zonder stroom zetten. Een vakexpert moet verantwoordelijk blijven, omdat zeldzame catastrofes hier doorslaggevend zijn.

Drie voorbereidingen zijn nodig. Houd mensen met echte overridebevoegdheid in de lus. Eis uitlegbaarheid; “de AI besloot” is geen antwoord als het licht uitgaat. Behandel autonome systemen vanaf dag één als grotere aanvalsvlakken: een cyberaanval op autonome netbesturing is een fysieke gebeurtenis, geen gewone datalek. Nutsbedrijven nemen informatiebeveiliging en AI-governance inmiddels serieus en richten raden op; Buzz publiceerde cyberveiligheids- en governancehandboeken voor veilige implementatie op schaal.

Wat onderscheidt over vijf jaar regio’s die AI-groei kunnen dragen en hoe ziet afstemming met netmodernisering er in 2031 uit?

De werkelijke beperking wordt niet chips of talent—die verplaatsen makkelijk—maar stroom en infrastructuur. Elektriciteit wordt de strategische grondstof van het AI-tijdperk zoals olie dat vorige eeuw was.

Regio’s die netcapaciteit als concurrentiemiddel behandelen, vroeg bouwen, aansluiting stroomlijnen, vergunningen moderniseren zonder belangrijke waarborgen te schrappen en transmissie vóór de vraag aanleggen, lopen voorop. Achterblijvers kunnen ambitie en kapitaal hebben maar geen elektronen leveren, waarna projecten verhuizen.

In 2031 moeten de twee klokken samenwerken: AI-ambitie afstemmen op energietijdlijnen, AI gebruiken om meer uit het bestaande net te halen terwijl het nieuwe wordt gebouwd, kosten eerlijk verdelen zodat betaalbaarheid draagvlak houdt, en een nieuwe generatie netbouwers en -beheerders opleiden. De technologie bestaat; het probleem is coördinatie en wil tussen technologiebedrijven, energiebedrijven, beleidsmakers en toezichthouders.

Dank voor het interview. Lees meer bij Buzz Solutions of in Powering Intelligence: Why the future of AI depends on the Power Grid.