Klokka er 06:30 en mandag morgen i Oslo. Kantinesjefen i Hausmanns Hus åpner e-posten sin og får beskjed om at det kommer 347 gjester til lunsj i dag. I morgen blir det 289. Neste mandag 412. Fire uker frem i tid ligger tallene klare, nedbrutt dag for dag. Presisjonen? 95%.

Velkommen til kantinens nye virkelighet.

Fra magefølelse til millimeterpresisjon: Slik kutter prediksjon matsvinn og kostnader i kantine

Ole Aabel i Izy AS har hørt reaksjonene mange ganger. “Folk skjønner ikke at det er mulig. De tror vi spøker når vi sier at vi kan fortelle dem nøyaktig hvor mange lunsjer de skal selge fire uker fram i tid.”

Det er forståelig. I en bransje der selv erfarne kjøkkensjefer baserer innkjøp på fingerspitzgefühl og historisk erfaring, oppleves denne presisjonen overraskende, fordi beslutningene støttes av faktiske salgsdata, vær og kalender. Men det er en rasjonell forklaring: enorme mengder data, maskinlæring og en dyp forståelse av hvordan norske kontorbygg fungerer.

Maskinlæring på kjøkkenbenken: Slik lages prognosene

Hva skjer egentlig bak kulissene? Saurav Pandey, backend-utvikleren som har bygget mye av systemet, forklarer det slik: “Teoretisk handler det om å bruke historiske data til å lage prognoser. Men i praksis? Det handler om at kantinesjefen slipper å ligge våken om natten og lure på om hun har bestilt for mye torsk.”

Bak hver prognose ligger et komplekst puslespill. Systemet sluker transaksjonsdata fra Izy-appen og mAIfood, kryssjekker med værmeldinger, helligdager og trafikkforhold. Planlegger bygget et stort arrangement? Det registreres. Kommer det snø? Systemet vet at færre tar turen til kontoret.

Alt dette samles, veies og analyseres. Ut kommer et tall du kan stole på. Ni av ti ganger treffer det spikeren på hodet.
“Erfarne kokker er flinke,” innrømmer Pandey. “Men de kan ikke konkurrere med dette. Hjernen vår husker rett og slett ikke hva som skjedde samme tirsdag i fjor, eller hvordan været påvirket salget sist det snødde. Maskinen gjør det.”

Ole Aabel skynder seg å legge til: “Men de skal heller ikke konkurrere med dette. Det er ikke en konkurranse. Det er hjelp i hverdagen. Teknologi som får ting til å flyte bedre, som gjør jobben enklere. Kokken kan fokusere på det han er best på, å lage god mat, og slippe å være spåmann.”

Systemets tre dashboards: Salg, CO2​ og bemanning

Systemet består av tre dashboards. Hver løser sitt problem. Sammen skaper de noe større.

Salgsdashboardet er hjertet i operasjonen. Her får kantinesjefen svaret på det evige spørsmålet: Hvor mye mat trenger vi? Prognosene for inneværende uke styrer kjøkkenproduksjonen. Tallene for neste uke går rett til innkjøpsavdelingen. Ingen overraskelser. Ingen panikk-bestillinger klokka sju på morgenen.

CO₂-dashboardet er spillets fremtid. Her måles alt som kan måles: matsvinn, energiforbruk, utslipp fra råvarer. Systemet gir ikke bare tall, det foreslår konkrete grep. Bytt ut storfekjøttet med kylling på tirsdager. Senk temperaturen i kjøledisken én grad. Små endringer som gir store effekter.

Ressursdashboardet kalkulerer bemanningsbehov. Dette er den mest kontroversielle. “Når vi snakker om å optimalisere bemanning, skaper det utrygghet,” innrømmer Ole Aabel. “Folk hører ‘effektivisering’ og tenker ‘nedbemanning’. Men det handler ikke om å kaste folk. Det handler om å bruke dem smartere.”

Motstand mot endring. Det er kanskje det største hinderet av alle.

Bevist suksess: Løsningen brukes i et økende antall kantiner

Compass Group har 22 kantiner som bruker Izy Prediksjon aktivt i daglig drift. Det er starten. Flere store aktører signerer nå kontrakter, og med nye kunder på vei inn utover høsten, forventer Izy å minst doble antallet innen utgangen av året.

Hver mandag morgen lander en e-post i innboksen til kokkene. “Her er tallene for uken. Og en liten titt på neste uke også.” Ole Aabel smiler. “Vi kunne gitt dem fire uker, men de håndterer åpenbart ikke mer enn to. I dashbordet ligger det to pluss to uker. En startpute.

Analyseavdelingen har tilgang til alt og kan dykke så dypt de vil.”Hvorfor fungerer dette så godt? Saurav Pandey peker på noe essensielt: “Vi opererer i en veldig nisje. Norske kontorbygg. De oppfører seg ganske likt.” Første dag med vinter i Norge, da kommer færre folk på jobb. Det gjelder nesten alle bygg. Mønstrene gjentar seg. 

Derfor trenger systemet overraskende lite data. Bare én måned med transaksjoner holder for å begynne å lage solide prognoser. Ikke år. En måned.

Konkrete besparelser: Kutt 30% på innkjøp og 15% på bemanning

Ole Aabel lener seg frem når praten går på økonomi. “Bemanning: typisk 10-15% besparelse. Innkjøp: opptil 30%, avhengig av startnivå og menyfleksibilitet. Og matsvinn? Det stuper.”

La oss ta et steg tilbake. Hva skjer egentlig i et kantinekjøkken i dag? Kokken står der klokka seks om morgenen og må ta avgjørelser. “Hva hvis det kommer flere enn jeg tror? Bedre å lage for mye.” Resultatet kjenner vi alle: Overproduksjon. Matsvinn. Tapte penger.

“Matsvinn er ikke bare det du og jeg kaster i kantinen,” presiserer Ole. “Det er produksjonsavfall. Råvarer som blir for gamle i kjøleskapet. Forberedelser som aldri blir brukt. Når du vet nøyaktig hvor mange som kommer, kan du produsere presist.”

Se for deg forskjellen: Du vet at det kommer 347 gjester i dag. Ikke 300. Ikke 400. 347. Du lager 350 porsjoner. Tre blir til overs. Det er svinn du kan leve med.

Når bærekraft blir konkurransefortrinn

CO₂-dashboardet måler alt. Matsvinn. Energibruk. Utslipp fra råvarer. Det gir ikke bare tall, det peker på løsninger.
“Vi tror kontrakter kommer til å vinnes på dokumentert bærekraft,” sier Ole Aabel.

Stemmen hans blir mer alvorlig. “Vi vet at selskaper har tapt kontrakter fordi de ikke kunne dokumentere godt nok.”
EU skrur til. Nye rapporteringskrav ruller inn. Store selskaper må dokumentere karbonavtrykket sitt. Ikke omtrentlig. Presist.

“Det produktet vi bygger nå,” forklarer Ole, “det er et CO₂-produkt som forteller deg nøyaktig hvor du ligger an.”

For gårdeiere åpner dette helt nye dører. Tiltak som dokumentert reduserer matsvinn kan klassifiseres som bærekraftige ifølge EUs taksonomi. Det betyr potensielt gunstigere finansiering. Grønne lån. Lavere renter.

Konkret betyr dette at tiltak som reduserer matsvinn kan telle inn i EUs taksonomi under sirkulærøkonomi-målene. Når du kan dokumentere reell reduksjon i matsvinn, ikke bare påstå det, men bevise det med data, styrker det casen for grønne lån. Banker og investorer ser etter akkurat slik dokumentasjon.

Bærekraft er ikke lenger bare en fin ting å ha. Det er penger på bordet.

Utvidet potensial: Fra kantine til optimalisering av hele bygget

Ole Aabel ser noe annet når han lukker øynene. Han ser for seg store endringer, en helt ny måte å drive FM-virksomhet på.

“Tenk deg en pool med ansatte. De får beskjed dagen før: I morgen må du til bygning A. Der øker salget. De trenger deg.”
Han maler videre. Store FM-aktører sentraliserer. Selskaper kan for eksempel samle all produksjon av bakevarer på ett sted. Levere til alle kantinene basert på prognosene.

“Du fjerner 50% av driftskostnaden. Kanskje mer.”

Men. Og her kommer det store men.
“Dette krever endring av forretningsmodeller. Det er det tyngste som finnes. Motstanden er enorm.”

Endring skremmer. Det er ikke teknologien som er problemet. Det er frykten for det ukjente.

Tillit til AI? Slik overvinnes frykten for det ukjente

En større kunde sa nei. Til gratis testing. Null kroner. Ingen forpliktelser. Nei takk.

“Hvorfor?” Ole Aabel stiller spørsmålet retorisk. “Det skaper utrygghet. Det rører ved mange roller i organisasjonen.”

Her ligger kjernen i hele AI-problematikken. Ikke teknologien. Tilliten.

“Det er ikke noe problem å forklare hva vi gjør,” sier Ole. “Alle skjønner hva vi gjør. Men hvordan? Det skjønner de ikke. Og når du ikke forstår hvordan, blir tilliten borte.”

Men så er det de andre. De kantinene som sa ja. Compass Group tok sjansen.
Hver mandag morgen bevises systemet på nytt. 347 gjester i dag. Resultatet ved lunsjtid? 343. Avviket? 1%. Neste dag samme historie. Og dagen etter det.

“Vi har 95% sikkerhet. Vi bommer med 5%,” sier Ole. “Men folk tror det ikke før de ser det med egne øyne.”

Nå ser de det. Innkjøpsbudsjettet synker med 30%. Personalkostnadene faller. Matsvinnet stuper. Tallene lyver ikke.
Og plutselig? Flere banker på døren. Flere vil teste. Flere vil se bevisene selv.

“Tillit bygges ikke med PowerPoint,” smiler Ole. “Den bygges med bevis. Og nå har vi kantiner fulle av bevis.”
Historien om nei-et? Den blir stadig sjeldnere. Historien om ja-et? Den sprer seg.

Izy’s unike fortrinn: Nisjedata fra norske kontorbygg

Konkurrenter finnes. Prediksjonsverktøy også. Men Izy har noe unikt.

“Vi sitter på nisjedata som sannsynligvis ingen andre har,” forklarer Saurav Pandey. “Izy som plattform har eksistert i fem-seks år. Millioner av transaksjoner fra norske kontorbygg. Den dataen er gull.”
Det er ikke tilfeldig. Det er strategisk. Alt i Izy-økosystemet snakker sammen. 

Dataen flyter automatisk inn i prognosene. Izy-appen? Samme greia. Ingen manuelle overføringer. Ingen excel-ark som må matches. Alt på ett sted.
“Alt på ett sted.” Det er ikke bare et slagord. Det er arkitekturen. Filosofien. Konkurransefortrinnet.

Mens andre leverer fragmenterte løsninger som må sys sammen, har Izy bygget et helhetlig system der hver del forsterker de andre. Når mAIfood gjør jobben sin bedre, blir prognosene mer presise. Når prognosene blir bedre, blir innkjøpene smartere. Spiralen går oppover.

Drømmescenarioet

Hvem er den ultimate kunden?

Ole Aabel tenker et øyeblikk. “Akkurat nå? Sykehus. Tenk på det. Du vet når pasienter kommer. Du kjenner bemanningen. Enorme mengder data flyter gjennom systemene hver dag. Behovet for effektiv ressursstyring er massivt. “Der vil vi skape kjempeverdi.”

Videregående skoler banker også på døren nå. Men der blir det tøffere. “Vi vet ikke hva som gjør at elevene kommer på skolen eller ikke. Det blir mye vanskeligere å forutsi.” For variabelt. For uforutsigbart.

Men sykehus? Normal kantinedrift? Der har de det de trenger: Mønstre. Data. Forutsigbarhet.

Hele bygget i sanntid: Fremtidens optimalisering

Men kantiner er bare begynnelsen. Ole Aabel ser mye lenger.

“Nå konsentrerer vi oss om mat, ressurser og innkjøp. Men potensiale? Utnyttelsesgrad i bygg. Møterom som står tomme. Strømforbruk basert på faktisk aktivitet.”

Bildet han tegner: Et helt bygg optimalisert på sanntidsdata. Systemet vet hvor mange mennesker som kommer i morgen. Lyset i ubrukte etasjer skrus ned. Temperaturen justeres. Møterom allokeres automatisk basert på behov.

“Det er fremtiden jeg ser,” sier han. “Et system som optimaliserer hele bygget, ikke bare kantinen.”

Data blir intelligens. Intelligens blir handling. Handling blir besparelser. Og miljøgevinst. Og bedre arbeidsmiljø.
Alt basert på at systemet vet én ting: Hvor mange kommer i morgen?

Datasikkerhet og GDPR: Trygghet i datahåndtering

Men med store datamengder kommer også store forpliktelser. Personvern. GDPR. Compliance.

“Vi tar datasikkerhet på alvor,” understreker Ole. “Systemet er bygget med personvern som fundament, ikke som en ettertanke.”

Izy følger alle gjeldende EU-krav til datahåndtering. Spesielt relevant nå som nye rapporteringskrav ruller inn. Bedrifter må kunne dokumentere ikke bare hva de gjør, men hvordan de gjør det, trygt og lovlig.

Les mer om de nye EU-kravene til rapportering i kantiner

Når systemet utvides til å optimalisere hele bygg, blir dette enda viktigere. Men prinsippet står fast: Data skal skape verdi, ikke bekymring.

Tilbake til kjøkkenbenken

Slutten på historien går tilbake til begynnelsen. Til kantinesjefen i Hausmanns Hus som åpner e-posten sin mandag morgen. 347 gjester i dag. 289 i morgen. Tallene står der, klare og tydelige.

For et år siden ville hun måttet gjette. Bestille litt ekstra laks for sikkerhets skyld. Håpe på det beste. Nå vet hun. Og den kunnskapen endrer alt.

Dette handler ikke om AI, ikke egentlig. Det handler om hverdagen til en kantinesjef som må bestemme hvor mye laks hun skal kjøpe på fredag. Om gårdeieren som må dokumentere bærekraft for å vinne kontrakter. Om FM-lederen som må optimalisere ressursbruk uten å miste kvalitet.

“Fra dag én har vi sagt det,” forteller Ole Aabel. “Det er ikke løsningen i seg selv som skaper verdi. Det er dataene som kommer ut av den. Dette er første gangen vi virkelig tar egne data i bruk for å skape verdi for kundene våre.”

Og kanskje er det nettopp derfor dette fungerer. Det er ikke teknologi for teknologiens skyld. Det er teknologi i tjeneste for mennesker. For kokker. For innkjøpere. For alle som driver kantiner og bygninger.

Systemet lærer. Det forbedres. Hver dag, i hver eneste kantine – fra Hausmanns Hus i Oslo til kantiner over hele landet – skapes det verdi. Mindre svinn. Lavere kostnader. Grønnere drift.
Magefølelsen får fortsatt være med. Men nå har den fått en alliert. Data som peker i samme retning. Presisjon som bekrefter instinktet.

Eller korrigerer det når det trengs.

Klar for å ta steget fra gjetning til presisjon? Besøk izy.no/izy-prediksjon eller ta kontakt med vårt team for å høre hvordan vi kan hjelpe din virksomhet.

Klar for endring? Slik kommer du i gang på 4-6 uker

Veien fra interesse til drift er kortere enn du tror. Tre trinn:

• Trinn 1: Book demo med oss (uke 1)
  Kontakt oss for en uforpliktende demonstrasjon av våre løsninger. Vi kartlegger sammen hvilke data som finnes og hva som trengs for din kantine eller bygg. Transaksjonshistorikk fra kassa eller eksisterende systemer. Vi trenger bare én måned med data for å starte. Dette finner vi ut av sammen. Så går vi videre til trinn 2, dersom dere ønsker.
• Trinn 2: 30-dagers modellbygging (måned 1)
  Systemet lærer mønstrene i din kantine. Ingen installasjon av ny hardware. Ingen nedetid. Dataene flyter inn, modellen trenes, prognosene blir stadig mer presise.
• Trinn 3: Ukentlig drift (fra måned 2)
  Hver mandag morgen: tallene i innboksen. Ukens prognoser pluss en titt på neste uke. Dashboardet viser dypere analyser når du trenger dem. Analyseavdelingen kan dykke ned i trendene.

Totaltid fra ja til første prognose: 4-6 uker.

Izy Prediksjon i tall:

• 95% treffsikkerhet på prognoser fire uker frem
• Opptil 30% besparelse på innkjøp
• 15% reduksjon i personalkostnader
• 20+ kantiner bruker det aktivt hver dag (forventes doblet innen årsslutt)
• 1 måned med data er nok for å starte
• 3 dashboards: Salg, CO₂, og ressurser