19. July 2026
Google DeepMind og Isomorphic Labs har lagt frem en omfattende plan for hvordan kunstig intelligens skal brukes til å bygge opp global "biologisk motstandskraft". Gjennom avanserte modeller, som bygger videre på suksessen til AlphaFold, ønsker de å forutse, oppdage og nøytralisere biologiske trusler raskere enn noen gang før. Målet er å kunne designe skreddersydde medisiner og vaksiner på timer i stedet for måneder.
Bakgrunnen er den eksplosive utviklingen innen digital biologi. Der man tidligere måtte bruke år i laboratoriet for å forstå hvordan et virus angriper celler, kan AI-modeller nå simulere disse prosessene digitalt med ekstrem presisjon. DeepMind posisjonerer seg her ikke bare som et forskningsmiljø, men som en kritisk infrastrukturleverandør for global helsesikkerhet.
For legemiddelprodusenter, biotek-startups og helseforetak betyr dette et fundamentalt skifte i hvordan man tenker FoU og risikostyring. Selskaper som klarer å koble seg på disse AI-drevne plattformene tidlig, vil kunne kutte utviklingskostnadene for nye preparater dramatisk. Samtidig reiser det noen helt nye regulatoriske problemstillinger: Når AI gjør det enkelt å designe motmidler, gjør det dessverre også design av nye patogener mer tilgjengelig. Vi kan derfor forvente strengere compliance-krav og eksportkontroll for selskaper som opererer i skjæringspunktet mellom biologi og maskinlæring.
Se kilden hos Google DeepMind.
Norges kanskje mest profilerte KI-forsker, Inga Strümke, advarer om at dagens autonome KI-agenter nå utfører komplekse oppgaver bedre enn en gjennomsnittlig masterstudent. I et ferskt intervju peker hun på at utviklingen går så fort at vi risikerer å undervurdere kapasiteten til verktøyene vi nå ruller ut i organisasjonene våre.
Konteksten her er overgangen fra enkle chat-verktøy (som ChatGPT) til agenter som kan planlegge, ta beslutninger og utføre flertrinnsprosesser på egen hånd uten menneskelig innblanding. Strümke, som selv beskriver sin indre stemme som en skeptisk "80 år gammel professor", understreker at vi må slutte å se på KI som enkle leketøy og begynne å behandle det som høyt kvalifisert, men uforutsigbar, arbeidskraft.
For kunnskapsbedrifter, advokatkontorer og konsulenthus snur dette opp-ned på rekruttering og opplæring. Hvis en KI-agent kan gjøre grovarbeidet med analyse og rapportskriving raskere og bedre enn en nyutdannet akademiker, må rollen til juniormedarbeidere redefineres umiddelbart. Lederutfordringen fremover handler ikke om å lære de ansatte å bruke KI, men om å lære dem opp til å være kritiske kontrollører av det maskinene produserer. Den tradisjonelle "mester-svenn"-modellen i arbeidslivet står overfor sitt største stresstest noensinne.
Les hele intervjuet hos Digi.no (Bak betalingsmur).
Det brygger opp til politisk storm rundt de norske datasentrene. Høyre og SV har funnet sammen i et uvanlig partnerskap og krever nå et nasjonalt konsesjonssystem for etablering av datasentre. Politikerne vil kreve svar på hva samfunnet faktisk får igjen i form av arbeidsplasser og verdiskaping før de deler ut dyrebar strøm og nettkapasitet.
Den voldsomme bølgen av generativ AI krever enorme mengder regnekraft, og Norge har med sitt kalde klima og historisk stabile kraftnett vært et attraktivt mål. Men nå er begeret i ferd med å renne over for norske politikere, som ser at datasentre spiser opp den grønne kraften som eksisterende industri og transportsektoren sårt trenger.
For selskaper som planlegger å flytte sine tunge AI-treningsmodeller til norske servere, betyr dette at tiden med "fritt frem" definitivt er forbi. Etableringer og store sky-kontrakter vil fremover bli møtt med tøffere politisk lup. Skal du bygge eller leie kapasitet i Norge, må du belage deg på å dokumentere samfunnsnytten og energigjenvinningsgraden i prosjektet ditt langt mer detaljert enn tidligere.
Les mer om det politiske initiativet hos Digi.no.
Flere selskaper som har rullet ut autonome AI-agenter til å håndtere alt fra kundestøtte til kodeoppdateringer, opplever nå uventet nedetid. Årsaken er uforutsigbare og tilfeldige nullstillinger av API-kvoter (såkalte "rate limits") hos de store modell-leverandørene som OpenAI og Anthropic.
Når en menneskelig bruker chatter med en KI, er tidsbruken naturlig begrenset. Men når en autonom agent settes til å løse en oppgave, kan den generere hundrevis av API-kall i minuttet for å resonnere seg frem til et svar. Dette har ført til at infrastrukturen hos KI-kjempene kneler under vekten av "agenter som snakker med agenter", noe som tvinger dem til å strupe tilgangen uforutsigbart.
For teknologidirektører og selskaper som bygger helautomatiske prosesser, er dette en kritisk påminnelse om sårbarhet. Å basere kritiske forretningsprosesser på én enkelt ekstern AI-leverandør er en enorm risiko. Løsningen for produksjonsbedrifter som ikke kan akseptere driftsstans, blir i økende grad å bygge hybride systemer: De bruker de store, proprietære modellene til komplekse oppgaver, men faller automatisk tilbake på mindre, åpne modeller kjørt på egen infrastruktur når kvotegrensene nås.
Se den tekniske analysen og debatten hos Minimaxir.