03. July 2026
En fersk analyse fra BBC utfordrer den etablerte sannheten om den ustoppelige KI-revolusjonen. Flere ledende teknologer påpeker nå det mange ingeniører har hvisket om i gangene: Dagens generative modeller er egentlig ikke «smarte». De er ekstremt avanserte mønstergjenkjennere, og vi er i ferd med å nå den naturlige grensen for hva rå datakraft og mer internett-data kan tyne ut av dagens LLM-arkitektur (store språkmodeller). Bransjen spør seg nå hva som skal til for å gi maskinene reell resonneringsevne.
Bakgrunnen er den synkende avkastningen på gigantinvesteringene. Å trene opp neste generasjons modeller krever eksponentielt mer kapital og strøm, men forbedringene i ytelse flater ut. I stedet for bare å gjøre modellene større, rettes oppmerksomheten nå mot nye arkitekturer. Det forskes intensivt på såkalt «System 2»-tenkning for KI – systemer som faktisk kan stoppe opp, evaluere egne resonnementer og planlegge før de gir et svar, i stedet for bare å spytte ut det neste mest sannsynlige ordet.
For strategiske beslutningstakere og teknologidirektører betyr dette at man bør dempe forventningene til at neste programvareoppdatering fra Silicon Valley vil løse komplekse, ustrukturerte forretningsproblemer av seg selv. I stedet for å sitte på gjerdet og vente på «kunstig generell intelligens» (AGI), bør virksomheter som utvikler egne tjenester satse på hybride løsninger. Ved å koble dagens språkmodeller sammen med tradisjonelle, regelbaserte databaser og lukkede bedriftsinterne kunnskapsgrafer, kan man hente ut stor verdi i dag uten å brenne av budsjetter på å jage luftslott. Les hele saken hos BBC.
Den massive utbyggingen av datasentre globalt – drevet frem av det umettelige behovet for å trene og kjøre tunge KI-modeller – krever enorme mengder fysisk infrastruktur. Dette sender nå kraftige sjokkbølger inn i råvaremarkedet. Teknisk Ukeblad rapporterer at etterspørselen etter kobber er ventet å øke med hele 50 prosent innen 2040. Kobber er helt kritisk for transformatorer, kraftoverføring og internt utstyr i datasentrene, og situasjonen merkes godt hos Norges eneste gjenværende kobberprodusent.
Bakgrunnen for bekymringen er det store gapet mellom tilbud og etterspørsel. Å etablere nye gruver eller øke produksjonen krever milliardinvesteringer og tar ofte over et tiår med konsesjonsbehandling og miljøutredninger. Samtidig er kobber en nøkkelkomponent i det generelle grønne skiftet. Når tech-gigantene støvsuger markedet for å sikre sine AI-satsinger, risikerer vi en global flaskehals som kan forsinke andre viktige infrastrukturprosjekter.
For prosjektledere og innkjøpsansvarlige i kraftintensiv industri og nettutbygging betyr dette at råvarekostnadene vil forbli høye og uforutsigbare i lang tid fremover. Bedrifter som planlegger større fysiske etableringer eller elektrifiseringstiltak må ta høyde for lengre ledetider på transformatorer og kabling. Det vil være kritisk å sikre langsiktige leverandøravtaler tidlig for å unngå at KI-gigantenes appetitt på metall stopper lokale prosjekter. Les hele saken hos Teknisk Ukeblad.
Den kinesiske e-handels- og teknologigiganten Alibaba har innført et strengt forbud mot bruk av Anthropics nye verktøy, Claude Code, blant sine ansatte. Ifølge kilder Reuters har vært i kontakt med, skyldes forbudet frykt for potensielle «bakdører» i programvaren som kan eksponere Alibabas interne kildekode og sensitive forretningshemmeligheter for eksterne aktører.
Dette er det ferskeste eksempelet på hvordan den geopolitiske teknologikrigen mellom USA og Kina flytter seg fra maskinvare og mikrochiper over til programvare og KI-agenter. Claude Code er designet for å jobbe direkte i utviklernes terminaler for å skrive, teste og fikse kode autonomt. Men nettopp denne dype integrasjonen i selskapets kjerneinfrastruktur gjør at verktøyet utgjør en betydelig sikkerhetsrisiko dersom tilliten til leverandøren svikter eller blir politisk spent.
For IT-direktører (CIOs) og sikkerhetsansvarlige i norske selskaper understreker denne hendelsen behovet for en streng og tydelig policy rundt bruk av autonome KI-utviklingsverktøy. Selv om slike verktøy gir utviklerne en enorm produktivitetsboost, kan ukritisk bruk føre til at sensitiv, proprietær kildekode lastes opp til skyer utenfor virksomhetens kontroll. Ledere bør vurdere å etablere lukkede, lokalt kjørte open-source-modeller for de mest sensitive utviklingsmiljøene, og kreve fulle sikkerhetsrevisjoner av eksterne KI-agenter før de rulles ut i stor skala. Les hele saken hos Reuters.