17. July 2026
Google har rullet ut en rekke oppdateringer til sine Workspace-verktøy, der den mest iøynefallende er at suksessen NotebookLM nå døpes om til Gemini Notebook. Samtidig integreres Gemini Omni i videoverktøyet Google Vids, noe som lar brukere generere hele presentasjonsvideoer med personlige, AI-genererte avatarer som snakker direkte til seeren. I tillegg rulles det ut en tettere integrasjon mellom Google Søk og dine mest brukte apper direkte i «AI Mode».
Dette er ikke bare kosmetiske endringer; det markerer et skifte der Google forsøker å gå fra å tilby frittstående KI-assistenter til å skape fullverdige «agenter» som jobber sømløst på tvers av verktøyene du allerede bruker. Ved å la KI-en hente data direkte fra dine egne apper og snakke med din stemme og ditt ansikt, forsøker de å lukke gapet mellom idé og ferdig produkt.
For innholdsavdelinger, markedsførere og interne kursholdere betyr dette at produksjonstiden for opplæringsmateriale og presentasjoner kan barberes ned fra dager til minutter. I stedet for å leie inn skuespillere eller bruke timer foran kameraet, kan man nå generere profesjonelle videoer basert på et enkelt tekstdokument. Sikkerhetsansvarlige må imidlertid være våkne: Når personlige avatarer blir så enkle å lage, kreves det krystallklare retningslinjer for hvordan selskapets ansikter og stemmer skal beskyttes mot misbruk.
Kilde: Google (Gemini Notebook) og Google (Vids Updates)
En fersk analyse fra Pydantic peker på en voksende hodepine i KI-verdenen: Den såkalte «human-in-the-loop»-modellen (HITL) er i ferd med å knele under vekten av menneskelig tretthet. Konseptet, som går ut på at et menneske alltid skal godkjenne eller kvalitetssikre KI-ens beslutninger før de iverksettes, viser seg å være biologisk og psykologisk ugunstig over tid.
Når en KI-modell leverer riktige svar 95 eller 99 prosent av tiden, blir den menneskelige kontrolløren sløv. Fenomenet kalles automasjons-bias; hjernen vår skrur av den kritiske sansen når maskinen nesten alltid har rett. Resultatet er at de kritiske feilene som faktisk oppstår, slipper rett igjennom, til tross for at vi har «sikret» oss med et menneskelig ledd.
For driftsdirektører og compliance-ansvarlige som styrer store kundesentre, juridiske dokumentanalyser eller kredittvurderinger, viser denne innsikten at man må tenke nytt om kvalitetssikring. Å sette ansatte til å lese tusenvis av KI-genererte svar om dagen er en oppskrift på utbrenthet og feil. Veien videre handler om programmatisk validering – altså å bygge automatiske kodesystemer og strengt strukturerte dataformater som validerer KI-ens output før det eventuelt sendes til en høykonsentrert menneskelig stikkprøvekontroll.
Kilde: Pydantic
Norske virksomheter fikk seg en støkk tidligere i år da tilgangen til de populære språkmodellene Claude Fable og Mythos ble stengt for norske brukere i tre uker på grunn av regulatoriske dragkamper i USA. En fersk debattartikkel reiser nå det ubehagelige, men høyst nødvendige spørsmålet: Hva gjør vi når døren lukkes for godt?
I dag er nesten hele det norske KI-økosystemet bygget på toppen av amerikansk skyinfrastruktur og proprietære modeller. Hvis geopolitiske svingninger eller nye handelsbarrierer plutselig begrenser tilgangen til OpenAI, Anthropic eller Google, står norske bedrifter ribbet tilbake uten reelle alternativer.
For teknologiledere i samfunnskritiske sektorer som bank, forsikring og helse, bør dette være en vekker om å etablere en «flermodell-strategi». Å legge alle eggene i én amerikansk kurv er forbundet med høy operasjonell risiko. Innovative tech-miljøer bør rette blikket mot åpne modeller (open-source) som Llama eller Mistral, som kan kjøres på europeisk eller lokal infrastruktur. Dette sikrer suverenitet over egne data og garanterer kontinuerlig drift, uavhengig av politiske vinder i Washington.
Kilde: Digi.no
Etter en tragisk dødsulykke i 2024 tar Bane Nor nå i bruk eksisterende fiberkabler langs jernbanelinjene til noe helt nytt: Å lytte etter jordskred. Ved å sende lyspulser gjennom kablene og analysere hvordan vibrasjoner påvirker lyset, kan et nyoppstartet maskinlæringssystem oppdage skred med over 80 prosent sannsynlighet.
Dette er et klassisk og genialt eksempel på praktisk anvendelse av maskinlæring. I stedet for å grave opp terrenget og installere tusenvis av nye, dyre sensorer, utnytter man data som allerede strømmer gjennom den eksisterende fiberinfrastrukturen. Algoritmene trenes opp til å skille den akustiske signaturen av et jordskred fra støyen av et passerende tog.
For aktører innen transport, logistikk og tung infrastruktur viser dette prosjektet verdien av å tenke kreativt rundt "skjulte" data. Ofte sitter bedrifter allerede på den infrastrukturen som trengs for å løse komplekse sikkerhets- og effektivitetsproblemer. Ved å koble eksisterende sensor- eller nettverksdata med skreddersydde prediksjonsmodeller, kan man oppnå enorme gevinster uten astronomiske maskinvareinvesteringer.
Kilde: Digi.no
New York har som første amerikanske delstat innført en ettårig stopp i byggingen av store datasentre for å kartlegge miljø- og energikonsekvensene. Samtidig koker finansmarkedene; energi-IPOer (børsnoteringer) går unna i et tempo vi ikke har sett siden årtusenskiftet, drevet frem av investorer som desperat leter etter måter å forsyne den sultne KI-brikkeindustrien med nok strøm.
Bakgrunnen er den brutale, fysiske realiteten bak den digitale KI-boomen. Generativ KI krever enorme mengder regnekraft, som igjen krever ufattelige mengder strøm og vann til kjøling. Brikkeprodusentene melder om rekordomsetning, men det hjelper lite å ha de raskeste brikkene hvis det lokale strømnettet kollapser under lasten.
Dette tvinger frem et strategisk skifte for selskaper som planlegger store sky- og KI-satsinger i årene som kommer. Prisen på regnekraft vil ikke nødvendigvis fortsette å falle lineært; tvert imot kan energimangel og nye miljøavgifter presse prisene opp. Innkjøpsansvarlige og CFOer må ta høyde for mer volatile skykostnader, og IT-arkitekter bør begynne å designe systemer for geografisk fleksibilitet, slik at tunge treningsjobber kan flyttes dit energioverskuddet og kjøleforholdene er mest gunstige.
Kilde: Digi.no (New York datasentre), Ars Technica (Energi-IPOer) og Digi.no (Brikkeindustrien)