20. July 2026
Mens teknologigigantene kappes om å rulle ut autonome KI-agenter som kan utføre komplekse oppgaver på egen hånd, avslører ferske tall at de fleste bedrifter overhodet ikke er klare for å ta dem i bruk. Den siste DORA-rapporten (DevOps Research and Assessment) viser at bare 19 prosent av utviklingsavdelingene kvalifiserer til merkelappen "elite-modne". Rapporten slår fast at KI ikke løser iboende organisatoriske svakheter, men snarere forsterker dem.
Se på det som å sette en Formel 1-motor inn i en slitt gammel Lada; hvis prosessene og datastrukturen i bunn er kaotiske, vil de nye KI-agentene bare gjøre feil i et langt høyere tempo enn før. Utfordringen ligger sjelden i selve teknologien, men i mangelen på strukturerte arbeidsflyter, klare retningslinjer og renset data som agentene kan navigere etter.
For driftsdirektører og IT-beslutningstakere betyr dette at bremsen må settes på for hodeløse verktøyinnkjøp. Før dere slipper løs agenter som skal booke møter, godkjenne fakturaer eller skrive kode, må de underliggende prosessene strømlinjeformes. Selskaper som rydder i egne data og etablerer strenge arkitekturkrav først, er de som faktisk vil hente ut produktivitetsgevinsten når agentbølgen treffer for fullt. Les mer om modenhetskrisen hos Digi.no.
Nye avanserte resonneringsmodeller (som OpenAI-modeller i o1- og o3-klassen) bruker såkalt "test-time compute". Det betyr i praksis at KI-en stopper opp og "tenker" seg om i flere sekunder eller minutter før den svarer. En ny analyse fra Sebastian Raschka viser hvordan utviklere og arkitekter nå kan kontrollere og finjustere denne resonneringsinnsatsen for å balansere nøyaktighet mot kostnad og tidsbruk.
Dette er et etterlengtet verktøy. Tidligere har man måttet betale full pris for tunge modeller selv ved enkle spørsmål, eller nøye seg med raske, men upålitelige svar på komplekse problemer. Muligheten til å skru "tenketiden" opp eller ned gir en helt ny form for kostnadskontroll i skyen.
For produktutviklere og SaaS-gründere åpner dette for smarte prismodeller. Du kan nå bygge applikasjoner der enkle kundeservice-henvendelser besvares lynraskt og billig med lav resonnering, mens tunge regulatoriske sjekker eller finansanalyser tildeles et solid "tenkebudsjett" der modellen får bruke den tiden den trenger for å minimere risikoen for feil. Les den tekniske analysen på Sebastian Raschkas blogg.
Telenor Norge-sjefen og uavhengige sikkerhetsforskere slår nå alarm om en ny og langt mer aggressiv bølge av cybersikkerhetstrusler. Utpressingsvirus (ransomware) har begynt å ta i bruk kunstig intelligens for å automatisere angrepssyklusen. Det betyr at ondsinnet programvare nå kan skanne nettverk etter sårbarheter, tilpasse angrepskoden underveis og gjennomføre skreddersydde innbrudd helt uten menneskelig innblanding.
Tidligere krevde avanserte nettverkshack en god porsjon manuelt arbeid fra kriminelle syndikater, noe som ga forsvarerne tid til å oppdage unormal aktivitet. Når angrepene nå skjer i maskinhastighet, viskes denne tidsfordelen ut. Telenor-sjefen understreker at både næringsliv og offentlige aktører må innse at den digitale beredskapen må løftes umiddelbart.
For risikostyrere og sikkerhetsansvarlige i norske bedrifter holder det ikke lenger med tradisjonelle brannmurer og årlige penetrasjonstester. Forsvaret må også automatiseres. For å stå imot disse truslene må virksomheter investere i KI-drevne forsvarssystemer (EDR/MDR) som kan oppdage, isolere og nøytralisere automatiserte angrep i løpet av sekunder, før skaden er uopprettelig. Les Telenors advarsel og detaljene om de automatiserte angrepene hos Digi.no om Telenor og Digi.no om utpressingsvirus.
Naturhistorisk museum i Oslo har lykkes med å digitalisere over 15 000 historiske algeprøver ved hjelp av spesialtrent kunstig intelligens. Utfordringen lå i at merkelappene på de gamle glassene var skrevet med en snirklete, historisk håndskrift som vanlige skannere ikke hadde sjans til å tyde. Ved å trene opp en KI-modell på denne spesifikke håndstilen, klarte museet å oversette og strukturere dataene på rekordtid.
Dette er ikke bare et akademisk fremskritt; det er et strålende bevis på hvordan ustrukturerte og utilgjengelige fysiske data kan gjøres søkbare og verdifulle på tvers av en organisasjon.
For selskaper i tradisjonelle industrier – som olje og gass, shipping eller eiendom – ligger det enorme mengder verdi begravd i gamle papirarkiver, håndskrevne rapporter, loggbøker og scannede PDF-er som ingen har tid til å lese. Denne teknologien viser at det nå er fullt mulig å låse opp disse "mørke dataene" og gjøre dem om til strukturerte databaser som kan brukes til prediktivt vedlikehold, historisk analyse eller strategisk planlegging. Les mer om algeprosjektet hos Digi.no.
Det har oppstått en heftig intern strid blant Donald Trumps KI-rådgivere om hvordan USA skal forholde seg til den eksplosive veksten av kinesiske open-source (åpen kildekode) KI-modeller. Diskusjonen står mellom de som ønsker en streng, proteksjonistisk linje med eksportforbud, og de som argumenterer for at overregulering av amerikansk tech bare vil dytte resten av verden rett i armene på kinesiske gratisalternativer.
Kinesiske selskaper spyr ut ekstremt kapable modeller som er fritt tilgjengelige for hvem som helst. For amerikanske myndigheter er dette et mareritt: Hvordan sanksjonerer man programvare som allerede ligger fritt ute på nettet, og som globale utviklere integrerer i sine systemer hver eneste dag?
For teknologidirektører og globale selskaper betyr denne dragkampen at man må navigere i et uforutsigbart regulatorisk landskap. Å basere hele bedriftens KI-strategi på én enkelt amerikansk skyleverandør kan innebære en politisk risiko. Flere internasjonale selskaper velger nå å sikre seg ved å bygge på hybride løsninger og åpne modeller som kan kjøres på egen infrastruktur, uavhengig av fremtidige handelskriger og eksportrestriksjoner. Les hele saken hos MIT Technology Review.