19. July 2026
Tenk deg at du har et arkiv med 15 000 håndskrevne merkelapper fra 1800-tallet, skrevet med en snirklete løkkeskrift som krever lupe og uker med tålmodighet å tyde. Naturhistorisk museum i Oslo stod overfor akkurat denne utfordringen med sin enorme algesamling. Løsningen ble å slippe løs kunstig intelligens på materialet, og maskinen leste den utfordrende skriften med oppsiktsvekkende presisjon.
Historiske dokumenter, analoge arkiver og håndskrevne logger har lenge vært en digital blindsone. Tradisjonell tekstgjenkjenning (OCR) har hatt en tendens til å knele i møte med alt som ikke er maskinskrevet. Men med de nyere, generative KI-modellene har evnen til å tolke kontekst og uforutsigbar håndskrift gjort et kvantesprang.
For bedrifter og offentlige aktører som sitter på store, ustrukturerte papirarkiver – enten det er snakk om gamle pasientjournaler, historiske eiendomsregistre eller håndskrevne ingeniørrapporter i industribedrifter – viser dette at veien til digitalisering er blitt ekstremt mye kortere. Kostnaden ved å manuelt punche inn disse dataene har ofte vært uoverkommelig. Nå kan slike prosesser automatiseres i stor skala, noe som plutselig gjør verdifull, historisk data søkbar og tilgjengelig for analyse på sekunder. Les mer hos Digi.no.
Norges mest kjente KI-forsker, Inga Strümke, sparer sjelden på kruttet. I et ferskt sommerintervju slår hun fast at dagens autonome KI-agenter allerede gjør en bedre jobb med komplekse oppgaver enn en gjennomsnittlig masterstudent. Hun advarer om at utviklingen går så fort at vi risikerer å bli fullstendig akterutseilt om vi ikke omstiller oss raskt.
Vi har beveget oss forbi fasen der kunstig intelligens bare er en avansert stavekontroll eller en chatbot som svarer på enkle spørsmål. Fokus er nå skiftet over på autonome agenter. Dette er systemer som kan planlegge egne oppgaver, hente informasjon fra ulike kilder, og utføre komplekse arbeidsprosesser over tid uten at et menneske må holde dem i hånden underveis.
For kunnskapsbedrifter som advokatkontorer, konsulenthus og finansinstitusjoner tvinger dette frem en radikal endring i hvordan man tenker rundt bemanning og rekruttering. Hvis oppgavene man tradisjonelt har gitt til nyutdannede juniorer nå løses raskere og mer presist av digitale agenter, må rollen til morgendagens arbeidstakere redefineres. Fokus må flyttes fra ren informasjonsinnhenting og rapportskriving over til kritisk tenkning, kvalitetssikring og strategisk anvendelse helt fra første arbeidsdag. Les mer hos Digi.no.
I det stille har OpenAI redusert det såkalte kontekstvinduet for sin Codex-modell fra 372 000 til 272 000 tokens. Endringen ble oppdaget i en oppdatering på selskapets GitHub-sider og har skapt debatt i utviklerkretser.
Kontekstvinduet bestemmer hvor mye data – i dette tilfellet kodelinjer og dokumentasjon – modellen klarer å holde i minnet samtidig når den løser en oppgave. Det har pågått et intenst kappløp om å tilby størst mulig vinduer, men denne endringen viser at gigantene nå må prioritere effektiv drift og serverkapasitet. Jo større kontekst en modell må prosessere, desto mer beregningskraft kreves, noe som sender driftskostnadene i været.
For selskaper som utvikler egne programvareløsninger eller bruker KI til å vedlikeholde store kodebaser, betyr dette at man må være mer taktiske. Man kan ikke lenger bare dytte ubegrensede mengder kode inn i modellene og forvente at alt blir prosessert optimalt. God dataarkitektur og smart filtrering av hva man faktisk ber modellen om å se på, blir avgjørende for å holde kostnadene nede og ytelsen oppe. Se oppdateringen på GitHub.