04. June 2026
Under sin årlige Build-konferanse avduket Microsoft en omfattende satsing på en såkalt «brikke-til-nettsky»-plattform. Målet er å skape en sømløs infrastruktur bestående av spesialdesignet maskinvare og skytjenester som er optimalisert for å kjøre autonome KI-agenter, både på lokale enheter og i datasentre.
Bakgrunnen for denne lanseringen er det pågående skiftet fra reaktive prateroboter (som ChatGPT) til proaktive "agenter" – digitale assistenter som uoppfordret kan utføre komplekse oppgaver på tvers av ulike dataprogrammer. For at disse agentene skal fungere raskt og pålitelig uten forsinkelser, kreves det en helt annen type maskinvare enn det dagens tradisjonelle PC-er og servere tilbyr. Ved å kontrollere hele verdikjeden, fra mikrobrikkene til skytjenestene, forsøker Microsoft å posisjonere seg som selve fundamentet for denne nye teknologibølgen.
For selskaper som planlegger å rulle ut autonome agenter til kundeservice, logistikkstyring eller intern saksbehandling, lover denne tette integrasjonen lavere driftskostnader og langt høyere responstid. IT-arkitekter og driftsdirektører slipper å bekymre seg for trege API-koblinger og flaskehalser når de integrerer KI direkte i virksomhetskritiske systemer som ERP og CRM. Slik maskinvareoptimalisering legger dessuten til rette for at mer av prosesseringen kan skje lokalt på ansattes maskiner, noe som gir bedre datasikkerhet og mindre sårbarhet for nedetid.
Les mer om satsingen hos Digi.no.
Et mye omtalt essay i teknologikretser, med tittelen «They're made out of weights», minner oss på en fundamental sannhet som lett drukner i KI-hypen: Store språkmodeller har ingen bevissthet, sjel eller faktisk forståelse. De er i bunn og grunn gigantiske, statiske tabeller med matematiske verdier – såkalte vekter.
Når vi bruker generative KI-verktøy i arbeidshverdagen, er det lett å tillegge dem menneskelige egenskaper fordi de formulerer seg så naturlig og flytende. Denne antropomorfiseringen er imidlertid risikabel. Når en modell gir feil svar eller «hallusinerer», er det ikke fordi den lyver eller tar feil på en menneskelig måte, men fordi den statistiske sannsynlighetsberegningen i tallmatrisen traff et punkt utenfor det faktiske datagrunnlaget.
For innkjøpsansvarlige og risikoanalytikere er denne erkjennelsen helt avgjørende når nye systemer skal evalueres. I stedet for å vurdere om en KI-modell er «smart nok» til en oppgave, må teknologiledere designe sikkerhetsmekanismer basert på at systemet er en ren statistisk motor. Dette krever at man bygger robuste valideringslag rundt modellene, slik at kritiske beslutninger – enten det gjelder kredittvurderinger eller logistiske prioriteringer – alltid har menneskelig kontroll i de leddene der den matematiske sannsynligheten ikke strekker til.
Les det tankevekkende essayet hos Max Leiter.