[论文解读] Generative AI Adoption in an Energy Company: Exploring Challenges and Use Cases

Malik Abdul Sami, Zeeshan Rasheed+5 more|arXiv (Cornell University)|Feb 10, 2026

Explainable Artificial Intelligence (XAI)被引用 0

一句话总结

该研究考察北欧能源公司对 GenAI 的采用情况，识别了 41 个人工智能用例，进行优先级排序，并提出两个基于 RAG 的 pilot 实施方案。

ABSTRACT

Organisations are examining how generative AI can support their operational work and decision-making processes. This study investigates how employees in a energy company understand AI adoption and identify areas where AI and LLMs-based agentic workflows could assist daily activities. Data was collected in four weeks through sixteen semi-structured interviews across nine departments, supported by internal documents and researcher observations. The analysis identified areas where employees positioned AI as useful, including reporting work, forecasting, data handling, maintenance-related tasks, and anomaly detection. Participants also described how GenAI and LLM-based tools could be introduced through incremental steps that align with existing workflows. The study provides an overview view of AI adoption in the energy sector and offers a structured basis for identifying entry points for practical implementation and comparative research across industries.

研究动机与目标

• 了解员工如何看待能源公司中 GenAI 的采用，以及识别符合现有工作流程的实用用例。
• 绘制跨组织单位的 AI 相关需求，并将用例与运营需求联系起来。
• 基于业务重要性、实施难易度和组织价值对用例进行优先级排序。
• 提出试点实施，以在实际工作流程中演示 GenAI 的能力。

提出的方法

• 在一家中等规模北欧能源公司进行定性、跨单位嵌入式案例研究。
• 为期四周的九个组织单位内进行16 次半结构化小组访谈。
• 对访谈数据进行主题分析，以识别用例和主题。
• 将 41 个用例分为六类：汇报、RAG、预测性维护、异常检测、预算/预测以及未分类。
• 基于业务重要性、实施难易度和组织价值对用例进行优先级排序。
• 开发两个试点案例（电子邮件克隆系统和基于 RAG 的检索系统）以展示可行性。

实验结果

研究问题

• RQ1 RQ1. 各组织报告了哪些基于 AI 的用例，以及他们面临哪些挑战？
• RQ2 RQ2. 潜在的 AI 和 LLM 解决方案如何解决所识别的挑战？

主要发现

• 在九个组织单位中识别出 41 个 AI 相关用例，归纳为六大类别。
• 首要优先级包括汇报自动化、基于 RAG 的解决方案和预测性维护。
• 提出两项试点以展示实际的 AI 采用：电子邮件克隆系统和自主的基于 RAG 的检索系统。
• 跨职能的共同采用优先级为渐进、具风险意识的集成，并与现有工作流程保持一致。
• 数据碎片化与整合、合规性以及组织准备情况成为影响采用的主要主题。
• 该研究为在能源组织中识别切入点、将 AI 计划与工作流程对齐提供了实证指导。