18. June 2026
De første virkelige sanksjonsmulighetene og dokumentasjonskravene i EUs AI Act trer nå i kraft for fullt. Fra og med denne uken må europeiske finansinstitusjoner kunne dokumentere nøyaktig hvordan deres kredittvurderings- og risikomodeller tar beslutninger. Tiden der man kunne gjemme seg bak "komplekse, proprietære algoritmer" er offisielt over.
Bakgrunnen er EUs ønske om å eliminere såkalte "svarte bokser" i systemer som har stor innvirkning på folks personlige økonomi. Tidligere har overgangsordninger skjermet mange selskaper, men nå krever europeiske tilsynsorganer full åpenhet. Modeller som ikke kan forklares på en forståelig måte for forbrukertilsynet, risikerer å bli stengt ned med umiddelbar virkning.
For norske finansinstitusjoner og fintech-selskaper betyr dette en brå overgang fra visjonær AI-testing til streng governance. Utviklere og compliance-avdelinger må nå jobbe tett sammen for å implementere forklarbar AI (XAI). For CFO-er og risikovurderere åpner dette imidlertid en uventet mulighet: Prosessen med å gjøre modellene sporbare tvinger frem en etterlengtet opprydding i gamle, fragmenterte databaser, noe som på sikt vil gi langt mer pålitelige beslutningsgrunnlag og færre misligholdte lån. [Kilde: Wired]
Et konsortium av norske energiselskaper har rullet ut en ny, felles AI-modell som forutsier nettbelastning og fysiske skader på strømnettet med en nøyaktighet på hele 94 prosent. Modellen kjører kontinuerlige analyser av milliarder av datapunkter fra smarte strømmålere, værstasjoner og historiske forbruksmønstre.
Norge har som kjent et av verdens mest elektrifiserte samfunn, og med et stadig mer uforutsigbart klima har belastningen på det fysiske strømnettet nådd kritiske nivåer. Tradisjonelle metoder for nettbalansering og feilsøking har i stor grad vært reaktive – man har rykket ut etter at strømmen har gått.
For produksjonsbedrifter og industrianlegg som er avhengige av uavbrutt strømforsyning, betyr dette et markant fall i risikoen for kostbar nedetid. Nettselskapene kan nå gå over til proaktivt vedlikehold. I stedet for å sende ut mannskaper etter at stormen har herjet, kan AI-en peke ut nøyaktig hvilke master og linjer som har størst sannsynlighet for å svikte under gitte værforhold, slik at forsterkninger kan gjøres i forkant. [Kilde: Digi.no]
En ny generasjon autonome AI-agenter har begynt å lukke faktiske B2B-innkjøpsavtaler uten menneskelig innblanding. I stedet for tradisjonelle og tidkrevende e-postrunder mellom innkjøpere og selgere, settes nå spesialiserte AI-agenter til å forhandle direkte med hverandre i lukkede digitale nettverk for å finne optimale priser og leveringsbetingelser.
Dette markerer et skifte fra passive generative verktøy (som ChatGPT) til aktive, handlende agenter. Disse agentene er utstyrt med spesifikke mandater, budsjettrammer og sanntidstilgang til bedriftens interne lagersystemer, noe som gjør dem i stand til å ta selvstendige beslutninger innenfor gitte rammer.
For selskaper med komplekse forsyningskjeder og store volum av standardiserte innkjøp, eliminerer dette flaskehalser over natten. Logistikk- og innkjøpsledere slipper å bruke verdifull tid på rutinemessige prisdiskusjoner for hyllevarer. De kan i stedet løfte blikket og fokusere på strategisk leverandørutvikling og langsiktig risikoreduksjon, mens algoritmene sørger for at varelageret alltid er optimalisert til lavest mulig pris. [Kilde: TechCrunch]