24. June 2026
Designverktøyet Figma har under sin årlige Config-konferanse lansert en massiv oppdatering. De ruller nå ut AI-drevet bevegelsesgrafikk (motion), avanserte shader-verktøy, egne kodelag og muligheten til å bygge skreddersydde AI-plugins. Målet er å fjerne de manuelle og tidkrevende oppgavene som oppstår i overgangen fra idé til ferdig produkt.
I mange år har overgangen fra en visuell skisse til faktisk fungerende kode vært preget av manuelle justeringer og misforståelser mellom avdelinger. Designere har måttet tegne statiske elementer og forklare hvordan de skal bevege seg, mens utviklere har måttet gjenskape dette fra bunnen av. Figma bruker nå AI til å tette dette gapet ved å la designere generere ferdige animasjoner og logikk direkte på lerretet, som deretter kan eksporteres som ren kode.
For digitale produktavdelinger og programvarehus betyr dette en drastisk reduksjon i utviklingstid. Design- og utviklingsteam kan nå jobbe i et felles grensesnitt der den tekniske grunnmuren blir til i sanntid. For markedsavdelinger som er avhengige av raskt å rulle ut nye, interaktive kampanjesider, fjerner dette en tradisjonell flaskehals fordi man ikke lenger er like avhengig av ledig kapasitet hos frontend-utviklerne.
Les mer hos TechCrunch og The Verge.
En fersk analyse peker på at åpen kildekode-modeller (Open-Source AI) ikke bare er et supplement til de lukkede gigantene som OpenAI og Google, men selve livsnerven for AI-adopsjon i store deler av verden. Lisensbegrensninger, geopolitikk og høye driftskostnader gjør at selskaper utenfor Silicon Valley-boblen i økende grad skyr de lukkede systemene.
Mens debatten her hjemme ofte handler om man skal velge ferdige abonnementstjenester som ChatGPT Enterprise eller Microsoft Copilot, er den globale realiteten en annen. Lukkede modeller fører med seg risiko for leverandørinnlåsing (vendor lock-in), uforutsigbare prisendringer og utfordringer med datasoverenitet – spesielt i lys av strenge europeiske personvernregler.
For norske finansinstitusjoner, helseforetak og andre sterkt regulerte virksomheter gir denne trenden en gyllen mulighet. Ved å bygge skreddersydde løsninger på toppen av åpne modeller som Llama eller Mistral, og drifte dem i egne skyer eller lokalt, beholder man full kontroll over sensitive data. Man slipper også å betale løpende lisensavgifter per hode til amerikanske teknologikjemper, noe som gjør teknologien langt mer skalerbar på sikt.
Les mer hos Techstrong AI.
Oppstartsselskapet Agility Robotics, som sprang ut fra Oregon State University i 2015, planlegger å gå på børs via et SPAC-selskap. Transaksjonen verdsetter selskapet til over 26 milliarder kroner (2,5 milliarder dollar) og forventes å tilføre selskapet rundt 6,5 milliarder kroner i frisk kapital.
Det har lenge vært knyttet enorm spenning til når humanoide roboter – roboter som ligner på oss og kan jobbe i omgivelser designet for mennesker – ville bli kommersielt levedyktige. Agility Robotics har ledet an dette kappløpet ved å rulle ut roboten Digit, som allerede er i aktiv test hos logistikkgiganter som Amazon for å flytte og sortere esker.
For selskaper innen lagerdrift, tredjepartslogistikk og fysisk varehandel markerer denne børsnoteringen at robotrevolusjonen for alvor har forlatt laben. Når kapitalen nå strømmer inn, vil produksjonen av disse robotene skaleres opp i et tempo som gjør dem tilgjengelige for langt flere enn bare de største globale aktørene. Driftsdirektører bør allerede nå vurdere hvordan fysisk infrastruktur kan tilpasses en hybrid arbeidsstyrke bestående av både mennesker og roboter.
Les mer hos TechCrunch.
Rapporter viser at autonome AI-agenter har begynt å løse programvarefeil (bugs) i et massivt omfang i store kodebaser. Det som tidligere krevde dager med manuell feilsøking og testing fra seniorutviklere, håndteres nå av roboter som kontinuerlig overvåker, diagnostiserer og retter feil i sanntid.
Vedlikehold av eksisterende programvare og fjerning av såkalt "teknisk gjeld" spiser opp en enorm andel av IT-budsjettene i moderne bedrifter. Utviklere bruker ofte mer tid på å fikse gammel kode enn på å skape nye funksjoner. AI-verktøyene har nå beveget seg fra å bare foreslå enkle kodelinjer til å faktisk forstå hele systemarkitekturer og rette komplekse feil automatisk.
Teknologiledere og CTO-er står overfor et paradigmeskifte i ressursallokering. Når feilsøking og rutinepreget vedlikehold automatiseres, frigjøres det enorme mengder utviklerkapasitet. Dette betyr at virksomheter kan flytte fokus fra kostbar brannslukking til ren innovasjon, noe som vil øke hastigheten på digital produktutvikling markant i månedene som kommer.
Les mer hos The Innermost Loop.