07. July 2026
En fersk og nøktern analyse av hvordan bedrifter ruller ut store språkmodeller (LLMer) peker på en økende, men kostbar misforståelse: Trenden med å bruke komplekse AI-modeller som standard kjøremotor for oppgaver som egentlig burde vært løst med tradisjonell, regelbasert programvare.
I iveren etter å modernisere har mange selskaper bygget hele systemer rundt tekst-prompter. Problemet er at LLMer i sin natur er probabilistiske – de gjetter på det mest sannsynlige neste ordet, noe som gjør dem uforutsigbare. Å bruke disse ressurskrevende modellene til å strukturere enkle datasett eller utføre kalkulasjoner som et tradisjonelt skript kunne håndtert raskere, billigere og med 100 % nøyaktighet, svarer til å leie et helikopter for å hente posten i innkjøringen.
For teknologidirektører og produktutviklere krever dette en langt strengere arkitekturstyring. Før budsjetter til komplekse AI-integrasjoner godkjennes, bør man kreve et klart svar på om oppgaven faktisk krever "forståelse" og kreativitet, eller om det bare er snakk om ren dataoverføring. For selskaper som ønsker å skalere sine digitale tjenester uten at sky-regningen spiser opp marginene, vil en hybridmodell der AI kun kobles på der det er strengt nødvendig, være den mest lønnsomme veien videre. Les hele analysen her.
Norges vassdrags- og energidirektorat (NVE) melder at veksten i datasentre her til lands er i ferd med å spise opp det nasjonale kraftoverskuddet betydelig raskere enn tidligere antatt. NVE-sjef Kjetil Lund peker nå på datasenterbransjen som den absolutte jokeren i det norske kraftregnskapet.
Driveren bak denne voldsomme sulten på strøm er i stor grad den globale AI-bølgen. Trening og drift av avanserte AI-modeller krever enorme mengder regnekraft, noe som igjen krever massivt med strøm og kjøling. Norge, med sitt historisk stabile og grønne strømnett, har vært et yndet mål for internasjonale tech-giganter. Nå er vi imidlertid i ferd med å møte den fysiske kapasitetsgrensen i strømnettet vårt.
For industribedrifter og etablerte norske selskaper som planlegger å elektrifisere sin egen tradisjonelle produksjon, betyr dette skjerpet konkurranse om nettkapasiteten. Det vil bli mer krevende – og potensielt langt dyrere – å sikre seg nok strøm til nye prosjekter. Forretningsutviklere som vurderer å bygge egne AI-tjenester på lokal, norsk infrastruktur, må belage seg på strengere prioriteringer fra myndighetenes side om hvem som faktisk får tildelt strøm, noe som kan tvinge flere over på sky-løsninger lokalisert i andre land. Les mer hos Digi.no.
Mindre og mer spesialiserte språkmodeller (såkalte SLMer) vinner nå raskt terreng i bransjer som opererer i områder med ustabil eller manglende internettforbindelse. Særlig innen farmasøytisk distribusjon og helsetjenester i utviklingsland ser man nå en bølge av offline-AI som kjører direkte på rimelige, lokale enheter.
Mens teknologigigantene fortsetter å kjempe om å bygge de største og mest ressurskrevende modellene i skyen, har en pragmatisk motbølge vokst frem. Ved å "destillere" kunnskap ned i mindre modeller som krever minimalt med lagringsplass og prosessering, kan man oppnå imponerende resultater på spesifikke oppgaver helt uten internettilgang.
For logistikk- og distribusjonsbedrifter som opererer i utfordrende geografiske områder, åpner dette opp for intelligent ruteoptimalisering og lagerstyring helt uavhengig av mobildekning. Videre gir det selskaper innen maritim sektor, olje og gass, eller fjernstyrt infrastruktur muligheten til å rulle ut AI-assistenter direkte på skip, plattformer eller ute i felten, noe som reduserer responstid og eliminerer risikoen for kritisk nedetid ved kommunikasjonsbrudd. Les mer hos IEEE Spectrum.