AI mot motstånd: säkra havsvind och omställning

Trump-administrationen har under 2025 bromsat USA:s havsbaserade vindkraft så hårt att prognoserna för ny kapacitet har rasat. BloombergNEF gick från förväntningar på 39 GW till 2035 (före omvärdering) till 6 GW i en senare nedjustering – i praktiken nästan bara de projekt som redan var under byggnation. Det är inte en teknisk kollaps. Det är en politisk.

Det här spelar roll även för oss i Sverige. Inte för att vi kopierar USA:s energipolitik rakt av, utan för att mönstret är bekant: när investeringar i förnybart blir politiskt sårbara stiger kapitalkostnaden, tidplaner spricker, och hela omställningen blir dyrare. I vår serie AI inom energi och hållbarhet handlar det ofta om prognoser, smarta elnät och effektivisering. Men 2025 har gjort en sak tydlig: den största osäkerheten är inte alltid vinden – utan människor, narrativ och beslut.

Artikeln om David Stevenson (en central organisatör i USA:s anti-havsvind-nätverk) visar hur opposition kan byggas: via lokala grupper, juridik, medielogik och budskap som fastnar – som valar. Jag tycker inte att slutsatsen är att vi ska “vinna debatten” med bättre slogans. Slutsatsen är att energibolag, kommuner och investerare behöver systematik: tidig varning, risksimulering och beviskedjor som håller i domstol och i offentlighet. Här har AI en konkret roll.

Från klimatförnekelse till klimatfördröjning: det nya motståndet

Kärnpunkten: motståndet mot klimatåtgärder flyttar fokus från att förneka problemet till att angripa lösningarna.

I artikeln framträder en typ av aktör som blivit vanligare: någon som säger sig acceptera klimatförändringar, men som samtidigt lägger stor energi på att stoppa en specifik teknik – här havsbaserad vindkraft. Forskare beskriver detta som klimatobstruktion och klimatfördröjning: att medvetet (eller effektivt) skapa friktion som gör att omställningen tappar fart.

Den taktiken är ofta mer slagkraftig än ren förnekelse, eftersom den kan kläs i legitima värden:

• Naturvård (”tänk på valarna/fåglarna”)
• Trygghet (”nätstabilitet”, ”nationell säkerhet”)
• Plånbok (”det blir för dyrt för hushållen”)
• Lokal identitet (”utsikten”, ”turismen”, ”fisket”)

Poängen är inte att dessa frågor saknar substans. Poängen är att de kan förstoras, vinklas eller frikopplas från evidens – och att de då blir verktyg för försening.

För svenska projekt (vind, nät, vätgas, CCS) känns det igen: även när majoriteten är positiv kan en liten grupp, rätt organiserad, skapa stora tids- och kostnadseffekter.

Varför havsvind blir extra sårbar: juridik, tidplan och kapital

Kärnpunkten: havsvind kräver stabila tillståndsprocesser och långsiktiga spelregler – annars skenar riskpremien.

Havsbaserad vindkraft har tre egenskaper som gör den politiskt känslig:

1. Långa ledtider och stora sunk cost: när du väl beställt fartygstid, kablar och turbiner är det dyrt att stoppa.
2. Många intressenter: statliga myndigheter, kommuner, fiske, sjöfart, försvar, miljöprövningar.
3. Synliga konfliktytor: kustlandskap, marina däggdjur, undervattensbuller.

I USA blev detta till en “perfekt storm” när stop-work-order-liknande åtgärder, indragna stöd och permit-cancellations pressade projekten. Artikeln visar också hur valfrågor och medielogik kan ge ett fåtal narrativ enorm räckvidd.

Min erfarenhet är att många projektorganisationer underskattar en sak: opposition är inte bara en kommunikationsfråga – det är en portfölj av risker (juridiska, sociala, finansiella och operativa). Den portföljen går att modellera.

Så hjälper AI i praktiken: från “PR” till beslutsstöd

Kärnpunkten: AI är mest värdefull när den gör risker mätbara, spårbara och åtgärdbara – tidigt.

AI inom energi och hållbarhet handlar ofta om produktion och efterfrågan. Här är en lika viktig användning: AI för projektrobusthet. Det betyder inte att “AI löser politiken”, men att den kan ge bättre underlag för beslut, prioritering och timing.

1) Prediktiv riskanalys av tillstånd och överklaganden

Du kan bygga modeller som estimerar sannolikheten för försening per delmoment i processen:

• antal och typ av remissinstanser
• historik av överklaganden i regionen
• känsliga naturvärden och skyddsstatus
• komplexitet i kabeldragning/landanslutning

Resultat: en riskkarta som visar var extra utredning, alternativa utformningar eller tidig dialog ger störst effekt.

Praktiskt exempel: om modellen flaggar att landanslutning och station har högre processrisk än själva parken till havs (vilket artikeln antyder i Skipjack-fallet), kan du lägga mer resurser på utformning, visualisering, buller- och markintrångsfrågor – innan ansökan.

2) “Narrativ radar”: upptäck felaktiga påståenden innan de sätter sig

Många konflikter eskalerar när ett budskap blir en mem: enkelt, känsloladdat, repeterbart. I artikeln blev “valar” en sådan brygga.

Med NLP (språkmodeller) kan du:

• följa hur frågor rör sig mellan lokala Facebook-grupper, debattartiklar och större medier
• klustra argument (kostnad, miljö, säkerhet) och se vilka som ökar snabbast
• identifiera misinformation patterns (t.ex. korrelation → kausalitet)

Det här ska göras med tydliga integritetsramar och utan att “övervaka individer”. Fokus är aggregerade trender. Målet är tidig riskindikering, så att sakunderlag och dialog kommer före polarisering.

3) Bättre miljömodeller: buller, fauna och kumulativa effekter

När debatten handlar om påverkan på marina däggdjur eller fisk är det avgörande att kunna svara med mer än pdf:er.

AI/ML kan stärka miljöarbetet genom:

• automatisk artigenkänning via undervattensakustik och drönardata
• prediktion av djurs rörelsemönster utifrån temperatur, strömmar och födotillgång
• scenariomodeller för kumulativa effekter (flera projekt + sjöfart + fiske)

Effekten: mer träffsäkra skyddsåtgärder (t.ex. tidsfönster för pålning, dynamiska stoppregler), och framför allt ett underlag som är lättare att granska och försvara.

4) Systemanalys som håller för “plånboksargumentet”

I artikeln blir elkostnad ett centralt motiv. I Sverige ser vi liknande: stödtjänster, nätavgifter, elprisområden.

AI kan här koppla ihop:

• produktionsprofil (vind) + flexibilitet (lager, styrning)
• nätbegränsningar och planerade förstärkningar
• efterfrågeprognoser (industri, elektrifiering, datacenter)

Det gör att du kan svara på den verkliga frågan: ”Vad kostar det för kunderna om projektet blir av – och vad kostar det om det försenas?”

Ett tydligt ställningstagande: projekt som inte kan visa kostnads- och nyttobilans på ett begripligt sätt lämnar walkover till motståndarsidan.

En handlingsplan för svenska aktörer (som vill ha färre överraskningar)

Kärnpunkten: bygg en “riskstyrd omställning” där teknik, tillstånd och samhällsacceptans hanteras som ett integrerat system.

Här är ett upplägg jag har sett fungera i energiprojekt där konfliktnivån riskerar att bli hög:

1. Skapa en gemensam riskmodell (juridik, miljö, opinion, leveranskedja). Inte i silos.
2. Sätt upp ledande indikatorer (t.ex. ökning av vissa narrativ, nyckelremisser, rättspraxisförändringar).
3. Gör “pre-mortem” med scenarier: anta att projektet försenas 24 månader – varför? Vad var tidiga signaler?
4. Publicera granskningsbara data när det går: metod, antaganden, osäkerhet. Transparens är en riskreducerare.
5. Bygg in adaptiva skyddsåtgärder (trigger-baserade stopp, säsongsfönster, realtidsmonitorering).
6. Öva kriskommunikation på fakta: en sida, tre diagram, fem påståenden som ofta återkommer – och exakt svar.

Det här är inte “mer administration”. Det är billigare än sena omtag, stoppade upphandlingar och skenande kapitalkostnad.

Vanliga frågor som dyker upp (och svar som håller)

“Kan AI minska motståndet mot havsvind?”

AI kan minska överraskningarna och hjälpa er agera tidigt med bättre underlag. Den kan inte ersätta politik, lokalt ledarskap och dialog.

“Är inte det här bara kommunikation?”

Nej. Kommunikation är sista kilometern. Kärnan är beslutsstöd: bättre prognoser för processrisk, bättre miljödata, bättre kostnadsanalys.

“Hur undviker vi att AI blir en ‘svart låda’ i en tillståndsprocess?”

Genom spårbarhet: öppna antaganden, versionerade modeller, tydlig osäkerhetsredovisning och granskbara datakällor.

Det som händer i USA är en varning – men också en designbrief

Havsbaserad vindkraft kan byggas snabbt i rätt system, men den kan också stoppas snabbt i fel system. Artikeln om David Stevenson visar hur en kombination av nätverk, juridik och narrativ kan flytta en hel marknad – även när tekniken fungerar.

För oss som jobbar med AI inom energi och hållbarhet är lärdomen rak: omställningen behöver inte bara mer teknik, den behöver mer förutsägbarhet. AI är ett av de mest praktiska verktygen vi har för att göra risk synlig, mätbar och hanterbar.

Om du sitter med en portfölj av energiprojekt inför 2026 är det en bra tid att ställa en obekväm men produktiv fråga: bygger ni bara anläggningar – eller bygger ni också ett system som tål motstånd?