20. June 2026
Over de siste månedene har vi sett et markant skifte i hvordan virksomheter ruller ut kunstig intelligens. Tiden der vi manuelt "promptet" språkmodeller for å skrive enkle e-poster eller oppsummere PDF-er, er i ferd med å fases ut. Nå opplever vi en bølge av autonome agenter – AI-systemer som kan handle på egen hånd, ta beslutninger i komplekse arbeidsflyter, og samarbeide på tvers av avdelinger uten menneskelig innblanding for hvert minste steg.
Hvis du tar en kaffe med en teknologidirektør i dag, vil de sannsynligvis snakke om overgangen fra generativ AI til agentisk AI. Mens gårsdagens verktøy krevde konstant overvåking og detaljstyrte instrukser, opererer dagens agenter med overordnede målsettinger. I stedet for å be AI-en om å "skrive en rapport om markedsutviklingen", gir man den nå tilgang til CRM-systemet, nettleseren og interne databaser, og ber den "analysere hvorfor kundefrafallet økte i forrige kvartal, og iverksette kompenserende e-postkampanjer mot de berørte kundene." Det er en fundamental endring i hvordan vi delegerer oppgaver.
For ledere i finans- og forsikringssektoren betyr dette en drastisk reduksjon i saksbehandlingstid. Skadeoppgjør som tidligere tok dager, kan nå håndteres på sekunder av spesialiserte agenter som verifiserer dokumentasjon mot forsikringsvilkår og utbetaler beløp automatisk. HR-avdelinger ser en lignende transformasjon; rekrutteringsagenter kan nå gjennomføre innledende siling, koordinere intervjuer og svare på komplekse spørsmål fra kandidater døgnet rundt. For å lykkes med dette må man imidlertid oppdatere virksomhetens styringsmodeller for å sikre at agentene ikke handler utenfor gitte fullmakter.
Oslofjorden drukner i dekk, herreløse båter og tapte fiskeredskaper – såkalte spøkelsesredskaper som blir liggende som dødsfeller på havbunnen. Men nå tas ny teknologi i bruk for å effektivisere den enorme opprydningsjobben. Ved hjelp av autonome undervannsfarkoster utstyrt med avansert datasyn (computer vision) og dyp læring, kartlegges havbunnen i sanntid for å lokalisere og koordinere fjerningen av tonnvis med søppel.
Tidligere var søk etter tapte teiner og garn som å lete etter nåla i høystakken, avhengig av manuelle dykkere eller tilfeldige sonarbilder som krevde timevis med menneskelig analyse. Ved å trene AI-modeller på tusenvis av bilder av ulike typer marint avfall, kan dronene nå identifisere alt fra spøkelsesgarn til kasserte bilbatterier under krevende lys- og siktforhold på havbunnen. Du kan lese mer om den pågående ryddingen i denne saken fra NRK.
For maritime entreprenører og selskaper innen marin forsøpling åpner dette opp et helt nytt marked for presisjonskartlegging. I stedet for kostbare og risikofylte dykkeroperasjoner over store områder, kan man nå sende ut målrettede bergingsmannskaper direkte til GPS-koordinatene generert av AI-en. Denne teknologien har direkte overføringsverdi til offshore- og oppdrettsnæringen, hvor regelmessig inspeksjon av undervannsinfrastruktur og merder kan automatiseres fullstendig, noe som reduserer driftskostnader og minimerer risikoen for kostbare strukturelle feil eller rømming.
Den eksplosive veksten i AI-bruk har ført til en akutt mangel på strøm og kapasitet i verdens datasentre. For å møte denne utfordringen ser vi nå en massiv dreining mot "Edge-AI" – det vil si å kjøre komplekse AI-modeller lokalt på enheter som telefoner, PC-er og industrielt utstyr, i stedet for å sende all data opp til skyen. Brikkeprodusenter ruller nå ut nye nevromorfe prosessorer som etterligner den menneskelige hjernens lave energiforbruk.
Siden 2024 har strømforbruket til AI-datasentre økt voldsomt, noe som har skapt hodebry for både miljøregnskap og nasjonale strømnett. Ved å optimalisere modellene slik at de kan kjøre lokalt på enhetene, reduseres ikke bare energibehovet drastisk, men man eliminerer også forsinkelsen (latency) forbundet med skykommunikasjon. Dette gjør systemene både raskere og mer pålitelige.
For produksjonsbedrifter og logistikkaktører betyr dette at smarte kameraer og sensorer på fabrikkgulvet kan ta lynraske beslutninger om kvalitetskontroll eller sikkerhet uten å være avhengig av en stabil internettforbindelse. Innen helsesektoren muliggjør dette pasientovervåking i sanntid direkte på bærbare enheter, med den ekstra fordelen at sensitive helsedata aldri forlater pasientens fysiske enhet – en enorm seier for personvern og GDPR-etterlevelse.