02. July 2026
En fersk FN-rapport kaster lys over en av de raskest voksende skjulte kostnadene ved digitalisering: det massive strøm- og vannforbruket som kreves for å drifte moderne kunstig intelligens. Rapporten kartlegger det faktiske miljøavtrykket til ulike KI-tjenester, og eksperter advarer nå om at selskaper må ta grep for å unngå en fremtidig smell på både strømregningen og ESG-rapporteringen.
Bakgrunnen er den eksplosive veksten i datasentre som kjører tunge språkmodeller. Hver gang en ansatt ber en generativ KI om å oppsummere et dokument eller generere kode, settes kraftkrevende prosessorer i sving som krever litervis med kjølevann og betydelige mengder elektrisitet. For selskaper som ruller ut KI i stor skala, er dette ikke lenger bare et spørsmål om grønn samvittighet, men en direkte økonomisk risikofaktor etter hvert som CO2-avgifter og krav til bærekraftsrapportering strammes inn.
For CTO-er og bærekraftsansvarlige betyr dette at tiden for uregulert KI-testing bør være forbi. I stedet for å rute alle enkle forespørsler til de mest massive og ressurskrevende modellene på markedet, bør tekniske arkitekter i større grad implementere mindre, spesialiserte modeller (såkalte SLMer) som er finjustert for spesifikke oppgaver. Driftsdirektører bør også stille strengere krav til skyleverandørene sine om transparente data på energikilder, slik at KI-relatert strømforbruk kan styres mot grønne timer i døgnet.
Du kan lese mer om de konkrete miljøtallene og ekspertenes råd hos NRK Teknologi.
En fersk diskusjon i utviklermiljøet rundt Anthropics nye verktøy, Claude Code, belyser en fundamental utfordring med den nye bølgen av "agentic AI". En spesifikk funksjon i verktøyet, kalt AskUserQuestion, har vakt oppsikt fordi den automatisk fortsetter kjøringen uten svar hvis en menneskelig bruker ikke reagerer innen 60 sekunder. Dette reiser store spørsmål om kontroll og sikkerhet når KI begynner å gjøre endringer på egen hånd.
Overgangen fra tradisjonelle chatbots til autonome agenter betyr at systemene ikke lenger bare svarer på spørsmål, men faktisk utfører handlinger – som å skrive produksjonsklar kode, oppdatere databaser eller styre arbeidsflyter i skyen. Når en slik agent støter på et problem, skal den ideelt sett spørre et menneske om råd. Men at systemet velger å "gjette" eller gå videre på egen hånd etter kun ett minutt med stillhet, viser hvor hårfin grensen er mellom effektivitet og risiko.
For produktledere og IT-direktører som planlegger å rulle ut autonome agenter i kundeservice, logistikk eller systemdrift, er dette et kritisk kontrollpunkt. Det å overlate beslutninger til en KI-agent uten en feilsikker eskalering og godkjenningsprosess kan føre til uventede systemfeil eller brudd på personvernet. Før dere slipper løs agenter i produksjon, må dere definere klare kjøreregler: Hvilke handlinger krever absolutt menneskelig godkjenning (human-in-the-loop), og hva kan agenten få lov til å løse på egen hånd når klokken tikker?
Følg den tekniske debatten og se detaljene på GitHub.