20. June 2026
Sikkerhetsselskapet Argus Red har lansert en spesialtrent AI-modell som kan utføre sårbarhetstesting (penetration testing) av IT-systemer, helt uten de vanlige sikkerhetssperrene vi finner hos OpenAI og Anthropic. Mens de store språkmodellene konsekvent nekter å utføre oppgaver som ligner på hacking – selv når det er snakk om legitime og etterspurte sikkerhetstester – er denne modellen finjustert til å ignorere slike restriksjoner for å avdekke faktiske hull i bedrifters forsvarsverk.
Du har sikkert merket det selv hvis du har prøvd å sparre med ChatGPT eller Claude om IT-sikkerhet: Ber du om hjelp til å teste om en brannmur holder mål, får du raskt en moralsk pekefinger i retur. For store konsorner med egne sikkerhetsavdelinger er ikke dette et problem, da de har råd til spesialiserte verktøy. Men for mindre og mellomstore bedrifter har denne overbeskyttelsen fra tech-gigantene skapt en blindsone der de ikke har kunnet utnytte AI til proaktivt digitalt forsvar.
For IT- og sikkerhetsansvarlige i SMB-markedet åpner dette døren for en demokratisering av avansert cybersikkerhet. I stedet for å hyre inn kostbare eksterne konsulenter for hver minste endring i infrastrukturen, gjør slike spesialiserte modeller det mulig å kjøre kontinuerlige, automatiserte sikkerhetsrevisjoner internt. Likevel krever denne utviklingen en stødig hånd på rattet: Verktøyet balanserer på en knivsegg, og selskaper må sikre strenge retningslinjer for hvem som har tilgang til å kjøre disse modellene, slik at de ikke misbrukes av ansatte til uautorisert snoking.
Les mer om verktøyet hos Argus Red
Forfatteren John Koenig opplevde nylig alle kreative sjeles store mareritt: Hans bestselgende bok The Dictionary of Obscure Sorrows ble regelrett stjålet av et eksternt markedsføringsbyrå. Ved hjelp av generative AI-verktøy kjørte byrået hele boken gjennom en omformuleringsprosess, pakket den inn i et nytt design, og relanserte den som sitt eget verk på nett. Saken ble nylig avdekket og grundig dokumentert av teknologibloggeren Andy Baio.
Vi har lenge diskutert opphavsrett og AI på et teoretisk nivå, men dette eksempelet viser at vi nå har trådt inn i en fase med helautomatisk og industrialisert plagiat. Det handler ikke lenger om at AI henter "inspirasjon" fra opphavsrettsbeskyttet materiale til trening. Nå bruker useriøse aktører teknologien aktivt til å hvitvaske andres åndsverk for rask profitt, med minimal innsats og svært lav risiko for umiddelbar oppdagelse av tradisjonelle plagiatkontroller.
For publisister, innholdsprodusenter og merkevarebyggere tegner dette et urovekkende bilde av fremtidens immaterielle rettigheter (IP). Selskaper som kjøper innholdstjenester fra eksterne frilansere eller byråer må umiddelbart skjerpe sine kontrollrutiner. Mottar du tekst eller design som uforvarende er en AI-generert kopi av andres verk, er det din bedrift som sitter igjen med det juridiske og omdømmemessige ansvaret. Samtidig tvinger dette frem en ny bølge av beskyttelsesteknologi, der selskaper må overvåke markedet med automatiserte verktøy for å oppdage semantiske AI-kloner av egne produkter og tekster.
Les hele avsløringen på Waxy.org
En voksende frustrasjon sprer seg nå i utviklermiljøene på GitHub. Flere profilerte utviklere vurderer å flytte prosjektene sine bort fra plattformen på grunn av en eksplosjon av useriøse endringsforslag (Pull Requests) og spam. Problemet drives frem av automatiserte AI-boter og såkalte "vibe coders" – personer som programmerer utelukkende ved hjelp av AI-prompter uten dypere teknisk forståelse, ofte for å kunstig pynte på egne meritter.
Med verktøy som GitHub Copilot og Cursor har terskelen for å generere kode sunket til null. Det som i utgangspunktet var en produktivitetsrevolusjon, har imidlertid fått en alvorlig bakside. Unge utviklere og roboter bruker AI til å spytte ut endeløse mengder lavkvalitetskode og foreslå den til åpne kildekodeprosjekter for å bygge portefølje. Dette har gjort hverdagen som administrator for åpen kildekode til et mareritt av støy og manuelt sorteringsarbeid.
For teknologidirektører (CTO-er) og utviklerteam betyr denne utviklingen at tradisjonelle metoder for å vurdere ekstern kode og rekruttere talenter må endres radikalt. Å bruke antall bidrag på GitHub eller popularitetsmålinger som "stjerner" som kvalitetsindikator for en kandidat er ikke lenger pålitelig. I stedet må bedrifter som baserer seg på åpen kildekode investere tyngre i automatiserte filtreringsverktøy og strengere interne review-prosesser for å sikre at ikke AI-generert spagettikode eller uoppdagede sårbarheter sniker seg inn i produksjonssystemene.