10. June 2026
AI-kodingsassistenten Niteshift, stiftet av veteraner fra overvåkningskjempen Datadog, har hentet 7 millioner dollar i en tidlig såkornrunde fra en rekke profilerte investorer. Selskapet satser på at bedrifter snart vil se seg lei av å være låst til de store AI-monopolene, og tilbyr i stedet et verktøy som lar utviklingsteam beholde kontrollen over egne data og fritt velge hvilken underliggende AI-modell de vil bruke.
Akkurat nå raser det en intens kamp mellom de store modell-leverandørene som OpenAI, Google og Anthropic. For å sikre seg lojale kunder prøver de ofte å bygge dype, proprietære integrasjoner som gjør det kostbart og komplisert å bytte leverandør. Niteshift utfordrer dette ved å bygge en bro som lar bedrifter hente det beste fra alle verdener uten å binde seg til masten på ett enkelt skip.
For teknologidirektører og ledere av programvareavdelinger representerer dette en viktig strategisk retningsendring. Istedenfor å risikere teknisk gjeld ved å bygge hele utviklingsflyten rundt én spesifikk AI-leverandør, gjør denne typen verktøy det mulig å bytte ut "motoren" i systemet etter hvert som markedet modnes og nye, mer effektive modeller rulles ut. Det gir både bedre forhandlingskort på hånden og sikrer mot uforutsette prisøkninger fra de store AI-kjempene. Les hele saken hos TechCrunch.
Sikkerhetsforskere og IT-eksperter uttrykker nå sterk frustrasjon over de strenge sikkerhetsbarrierene i Anthropics splitter nye AI-modell, Fable. De innebygde sperrene er så restriktive at de blokkerer legitimt sikkerhetsarbeid, som simulering av cyberangrep og sårbarhetsanalyser.
AI-utviklere som Anthropic er livredde for at modellene deres skal misbrukes til å generere skadevare eller planlegge faktiske hackerangrep, og legger derfor inn ekstremt følsomme filtere. Baksiden av medaljen er at de samme verktøyene brukes av "de snille hackerne" – penetrasjonstestere og forsvarere – som er helt avhengige av å simulere trusler for å avdekke hull i kundenes forsvar før de kriminelle gjør det.
For IT-sikkerhetsansvarlige og risikoanalytikere betyr dette en midlertidig brems i effektiviseringen. Når de mest avanserte AI-verktøyene nekter å samarbeide fordi en forespørsel "ser mistenkelig ut", tvinges sikkerhetsteamene enten tilbake til eldre, manuelle metoder, eller til å kaste bort verdifull tid på å formulere ledende spørsmål for å omgå AI-ens sperrer. Dette understreker behovet for mer skreddersydde, bransjespesifikke sikkerhetsmodeller fremfor generiske forbrukermodeller. Les saken hos TechCrunch.