05. July 2026
Tenk deg å rulle ut en ny, stabil versjon av bedriftens programvare, der nesten alt arbeidet er gjort av en digital assistent til prisen av en bedre lunsj. Den kjente teknologen Simon Willison har akkurat gjort nettopp dette. Ved hjelp av Anthropic sin AI-agent, Claude Fable, ferdigstilte han versjon 4.0rc2 av sitt populære verktøy sqlite-utils. Den totale prislappen for AI-bruken landet på beskjedne 149,25 dollar.
Vi har lenge snakket om AI som enkle kodeassistenter som foreslår neste linje med kode. Dette prosjektet viser imidlertid at vi nå er over i en fase med fullverdig "agentisk" programvareutvikling. Willison lot AI-en ta styringen over komplekse oppgaver, feilsøking og refaktorering av eksisterende kodebaser – oppgaver som krever en dypere forståelse av hele systemarkitekturen fremfor bare å spytte ut isolerte kodebiter.
For selskaper med store, eldre kodebaser (såkalt legacy-kode) eller tech-startups som må strekke budsjettene, representerer dette et tektonisk skift i ressursbruk. I stedet for at dine dyreste seniorutviklere bruker uker på rutinepreget vedlikehold, oppgraderinger og feilsøking, kan AI-en gjøre grovarbeidet under oppsyn. Utviklerens rolle endres fra å skrive koden manuelt til å fungere som en arkitekt og kvalitetssikrer, noe som kutter "time-to-market" dramatisk og frigjør verdifull hjernekraft til ren innovasjon. Les hele saken hos Simon Willison.
Å koble store språkmodeller (LLM) sammen med kartdata har frem til nå vært både tregt og ekstremt kostbart. En ny teknisk tilnærming viser hvordan man kan bruke "in-memory"-lag i karttjenester som Mapbox for å filtrere og strukturere geografiske data før de i det hele tatt når AI-en. Dette reduserer mengden data (tokens) som sendes over nettverket betraktelig.
Utfordringen med dagens AI-applikasjoner er ofte "LLM-overload" – at modellene drukner i irrelevant kontekst. Når en bruker ber om geografiske analyser, sender tradisjonelle systemer ofte altfor mye rådata til AI-modellen. Dette fører til skyhøye API-regninger fra aktører som OpenAI og Anthropic, i tillegg til irriterende ventetid for sluttbrukeren.
For logistikkbedrifter, eiendomsselskaper og transportører som utvikler egne rute- eller lokasjonsverktøy, løser denne arkitekturen et kritisk lønnsomhetsproblem. Ved å behandle geodata lokalt i minnet før AI-en involveres, oppnår man lynraske svartider og en brøkdel av driftskostnadene. Dette gjør at sanntids AI-karttjenester nå kan rulles ut i stor skala til sluttbrukere uten at IT-budsjettet sprekker. Les hele saken hos Ridgetext.