09. June 2026
De siste månedene har vi sett en bølge av såkalt "embodied AI" – kunstig intelligens som flytter ut av skjermen og inn i fysiske maskiner. Nå har teknologien nådd et kommersielt vendepunkt i logistikksektoren. Ved hjelp av nye Vision-Language-Action (VLA)-modeller kan lagerroboter nå forstå og utføre komplekse oppgaver basert på helt vanlige muntlige instrukser, uten behov for forhåndsprogrammerte ruter eller koder.
Tidligere krevde det uker med ingeniørarbeid å lære en robotarm å sortere en ny type emballasje. Med de nyeste oppdateringene kan en skiftleder ganske enkelt si: "Plukk ut de boksene som ser skadet ut, og flytt dem til resirkuleringen," og maskinen tolker konteksten, gjenkjenner bulkete papp, og utfører oppgaven autonomt.
For logistikkledere og selskaper med komplekse forsyningskjeder betyr dette at terskelen for automatisering i praksis er barbert bort. Mindre og mellomstore lagre, som tidligere ble ekskludert fra robotiseringsbølgen på grunn av høye konsulentkostnader, kan nå rulle ut fleksible robotsystemer som tilpasser seg nye produkter på minutter. Driftsdirektører bør her rette blikket mot hvordan eksisterende maskinpark kan oppgraderes med programvare fremfor å investere i helt ny maskinvare.
Norske dagligvare- og merkevareaktører har lenge kjempet mot marginpress og strenge bærekraftskrav. Nå viser ferske resultater fra et pilotprosjekt hos en av de største nordiske merkevareleverandørene at maskinlæring har knekt koden for presis etterspørselsanalyse. Ved å integrere sanntidsdata fra værmeldinger, lokale arrangementer, sosiale medier og historiske salgstall, har de klart å forutse forbrukeradferd med over 90 prosent nøyaktighet.
Det tradisjonelle problemet har vært den plutselige overgangen i sesonger – for eksempel når grillsesongen starter tre uker før kalenderen tilsier det. AI-modellen fanger opp disse mikrotrendene før de slår ut i tomme butikkhyller eller fulle restlagre, og justerer produksjonslinjene automatisk i løpet av natten.
For produksjonsbedrifter og innkjøpsansvarlige illustrerer dette hvordan prediktiv AI direkte frigjør arbeidskapital. I stedet for å sitte med store sikkerhetslagre som binder opp likviditet, kan man gå over til en "just-in-time"-modell drevet av algoritmer. Finansdirektører som ønsker å pynte på bunnlinjen før neste kvartal, bør utfordre sine IT-avdelinger på hvorfor historiske Excel-ark fortsatt brukes til innkjøpsplanlegging.
Nå som EUs AI Act er trådt i kraft for fullt, har de første formelle tilsynene startet på tvers av Europa. Myndighetene har rettet søkelyset mot "høyrisiko-systemer", og spesielt AI-verktøy som brukes til automatisert rekruttering og screening av CV-er. Flere selskaper har allerede fått pålegg om å dokumentere hvordan algoritmene deres unngår diskriminering.
Bakgrunnen er den utstrakte bruken av hyllevare-AI som screener tusenvis av søknader. Hvis treningsdataene bak disse verktøyene har innebygde skjevheter – for eksempel at de historisk sett har favorisert mannlige søkere til lederroller – vil AI-en aktivt forsterke denne diskrimineringen uten at HR-avdelingen nødvendigvis merker det.
For HR-direktører og juridiske rådgivere er dette et kritisk signal om at ansvaret ikke kan delegeres bort til programvareleverandøren. Det er selskapet som bruker verktøyet som står juridisk ansvarlig for eventuelle skjevheter. Norske virksomheter som rekrutterer i stor skala, må umiddelbart kreve compliance-sertifikater fra sine AI-leverandører og gjennomføre uavhengige revisjoner av egne rekrutteringsalgoritmer for å unngå bøter som kan svi hardt på budsjettet.