Lurer du på hvordan din bedrift kan automatisere komplekse oppgaver og oppnå døgnkontinuerlig oppfølging uten å ansette flere? AI-agenter er svaret! Ledende selskaper reduserer allerede driftskostnader og oppnår tidligere utenkelige konkurransefortrinn ved hjelp av kunstig intelligens.
I denne første sendingen i vår serie om kunstig intelligens, dykker vi ned i verdenen av AI-agenter. Vi utforsker trender, muligheter og konkrete implementeringsstrategier som enhver bedrift kan benytte seg av –
Adrian Sjøholt: Hva om din
bedrift kunne automatisere
komplekse oppgaver som krever
en døgnkontinuerlig oppfølging?
Helt uten å ansette
flere medarbeidere.
Ledende selskap reduserer nå sine
driftskostnader takket være AI-agenter
som jobber kontinuerlig døgnet rundt.
Fra kundeservice og salg,
analyse og rapportering.
Bedrifter som implementerer AI-agenter
oppnår nå konkurranseforholdene
som tidligere var helt utenkelige.
Men, hva er utfordringen?
De fleste ledere vet ikke hvor
de skal begynne, eller hvilke
prosesser som gir størst avkastning.
I denne sendingen ser vi på
trender muligheter og konkrete
implementeringsstrategier som enhver
bedrift kan benytte seg av.
Uansett hvor du befinner
deg på din AI-reise.
Så følg med, for vi
avslutter denne sendingen
med vår anbefalte tilnærming.
Frode Stenstrøm: Velkommen veldig
til dere alle sammen til denne
sendingen, som er den første
sendingen vi skal produsere i en
serie som går på tema artificial
intelligence eller kunsting intelligens.
Med oss i studiet har vi fått
med deg Adrian, som skal på
en måte hjelpe oss å snakke
litt om et buzz-ord som det
snakkes veldig mye om i år.
Nemlig AI-agenter.
Og, kort sagt, hva
er en AI-agent, da?
Adrian Sjøholt: Det er jo egentlig
et system som kan få tak i input,
enten om det er via kode eller
input fra sensorer, som på en eller
annen måte klarer å bruke den for
å tolke, resonnere seg fram og
gjøre en handling basert på det.
Frode Stenstrøm: Jeg pleier å
bruke en liten analogi mot,
for dette med tema AI-agenter,
for at når vi jobber i en
vanlig hverdag, så har vi jo
arbeidstokken, de gjør arbeidsoppgaver.
Og da er jo de en, kall det
en agent eller en arbeidstager.
Eneste forskjell nå er at det er
en datamaskin som gjør den samme
oppgaven og operasjoner egentlig.
Ja.
Så i dagens sending skal vi gå
litt nærmere på dette temaet, fordi
vi mener og tror, og ikke bare vi
også, men hele markedet kommer til å
satse masse på denne teknologien for
å gjøre en større grad av automasjon
og vanlige rutinomessige oppgaver.
Men før vi går inn i hele
sendingen, så har jeg lyst
til å presentere deg, Adrian.
Du heter Adrian Sjøholt?
Adrian Sjøholt: Ja, jeg jobber
jo her nå på mitt syvende år.
Frode Stenstrøm: Det er blitt syv år?
Adrian Sjøholt: Syv år.
Det begynner å bli en stund.
Frode Stenstrøm: Ja, det
begynner å bli en stund.
Hvilken type jobber du
mest med, vil du si?
Adrian Sjøholt: Jeg er jo
stort sett løsningsarkitekt,
eller forretningsarkitekt.
Så det blir jo litt å sitte og
passe på at man staker ut kursen i
riktig retning, og ikke begynner på
helt feil plass på implementeringen.
Og legge opp til oppgavene
for resten av tiden du
skal kunne få utføre.
Frode Stenstrøm: Men du
er jo ikke helt... du har
ikke helt østlandsdialekt?
Hvor er du fra?
Adrian Sjøholt: Jeg er jo fra en
liten plass som heter Sjøholt,
så midt mellom Molde og Ålesund.
Frode Stenstrøm: Hvilket av de
fotballagene heier du på da?
Eller ingen?
Adrian Sjøholt: Jeg bor på riktig
siden av fjellet, så det er Ålesund.
Frode Stenstrøm: Ok?
Da har vi det til dere, så ...
Så hvis du da er fra
Kristiansund, eller Molde.
Adrian Sjøholt: Sjøholt er akkurat
på Ørskogfjellet, og det er grensen
mellom Romsdalen og Sunnmøre går,
så det er sånn, ganske tydelig.
Frode Stenstrøm: Ja,
det er helt herlig.
Ja, mitt navn er Frode Stenstrøm,
jeg skal være med i denne sendingen
sammen med Adrian, og vi skal
da snakke mye om dette temaet
som går på kunsting intelligens.
Vi lurer litt på hvem du er som
ser på oss, og hvis du, når du
ser på den sendingen på YouTube,
så kommenter gjerne under og still
spørsmål til det, så vil Adrian
kunne svare på de ting du måtte
lure på, om tema kunstig intelligens.
Og vi minner selvfølgelig på å
like sendingen, hvis du liker
den, og dele med de du mener,
jeg synes, har glede av den.
Og ikke minst abonner på vår YouTube
-kanal, så blir vi glad for det. Så
Adrian, bare for at dere seere skal
vite hva vi skal snakke om i dag.
Adrian Sjøholt: Nå har vi vært
igjennom en liten introduksjon.
Deretter så skal vi se på trendene
og mulighetene, før vi går litt over
på bruksområdet og konkretiserer litt.
Så skal vi se på det
landskapet som faktisk er nå,
for å forklare litt rundt det.
Så litt rundt strategi og
forankring, hvordan er det vi
faktisk skal få det her til
å rulle ut i din bedrift?
Og så er det selvfølgelig,
som du venter, vår
anbefalte tilnærming til AI.
Frode Stenstrøm: Og dette vil da,
som jeg sa, det vil da være
en innledning til flere av disse
webinarene, fordi at nå går vi
gjennom på en måte det landskapet
der og bruksområdene, men vi har
planer med å produsere nye YouTube
-videoer for hvert eneste bruksområde
dere ser, så dere kan få se
også de praktiske eksemplene, så
bare følg med på kanalen vår.
Trender og muligheter først, Adrian.
Du jobber jo og ser veldig mye, og
jeg tror veldig mange kunder har mye
av de samme spørsmålene til deg: AI.
Adrian Sjøholt: Det spørsmålet
du får i store grad er jo,
hvor kan vi ta i bruk AI?
Hvordan kan vi bruke AI?
Frode Stenstrøm: Men har
noen av de egentlig kommet
godt i gang, synes du?
Adrian Sjøholt: Det er jo
veldig sånn prøvefasen.
Veldig mange er interessert i det,
men det er veldig få som egentlig
har tatt det i bruk i større grad.
Mhm.
Man ser jo litt bruken, særlig
rundt kundeservice og det som,
der man tidligere hadde den gode
gamle chatbotten, der man måtte
skrive nøyaktig inn hva chatbotten
skulle svare når man fikk det
spørsmålet, så kan man nå i den
større grad bruke AI til å få et
svar som er litt mer generativt.
Frode Stenstrøm: Men er det, er det,
Nå har jo vi, det er jo, hva
da, et og et halvt års tid siden
eller noe sånt nå, at ChatGPT
virkelig sprakk i verden, kan du si?
Og det har jo vært en hype av
dimensjoner, men har kundene våre
nå begynt å komme forbi hype -bølgen
og se på mer reelle bruksområder?
Adrian Sjøholt: Jeg vil absolutt si
at den største hypen hittil, man
bruker ikke AI bare for å bruke AI,
men nå er det litt mer det at man
ønsker å se, ok, hvordan kan vi øke
vår produktivitet med å bruke AI?
Hvilke grep kan vi gjøre
for å forankre det hos oss?
Frode Stenstrøm: Ja, og vi skal
ikke så alt for lenge vise
dere noen av de bruksområdene
vi ser som er nåtid, altså ikke
på noe måte fremtiden, men det
som finnes, som vi kan bruke.
Men jeg tenkte først vi skulle
snakke litt om den der berømlige,
det vi har kalt modellkampen.
Ja.
For det er jo, vi er jo nå
kommet til en verden enn hvor
det er slik at veldig, veldig,
veldig mange Ja, de store IT
-gigantene, de lager jo og investerer
uhorvelig store pengesummer i å
lage modeller som vi kan bruke.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Og jeg tenkte
vi skulle prøve å skissere
litt av hvor stillingen står,
fordi det er jo litt greit
at man har litt oversikten.
Og OpenAI var jo den
som startet det hele.
Adrian Sjøholt: Det var jo den
som var først ute og virkelig
sprakk bobla, som du sa.
Frode Stenstrøm: Og de har jo
da, de lagde jo det begrepet
som etter hvert har blitt
allemannseie, som heter chat -GPT.
Jeg tror ingen som helt vet hva
chat -GPT betyr og står for, men
det står selvfølgelig for noe.
Men det som er interessant
er at, interessant er at de
jobber jo nå mot en versjon
5 egentlig av chat -GPT.
4 .5 er ute, og den store
endringen kanskje vi sier i
modellkampen har jo vært at
du får reasoning -modeller.
Modeller som evner å resonnere rundt
svaret ditt før du gir ditt svar.
Adrian Sjøholt: Ja.
Frode Stenstrøm: Og så har du disse
DeepSeek -modellene, som da gjerne går
ut og henter inn masse informasjon
på internett, før de gir et svar.
Og der har jeg åpnet, jeg har
kommet, og så sent som for et
par ukers tid siden, så kommer
jo også denne grafiske motoren,
som kan lage mye bedre bilder.
Hvor MidJourney egentlig har vært
det ganske enerådende lenge.
Adrian Sjøholt: Vi som har
satt og fulgt med litt på
LinkedIn og så videre, det
har virkelig sett hva folk har
begynt å generere av bilder.
I forhold til de forrige modellene
så er det virkelig imponerende.
Frode Stenstrøm: Ja, for de første
modellene var litt sånn mange fingre
og tre tær og sånn, men det begynner
faktisk å bli veldig bra det også.
Adrian Sjøholt: Ja, det er det.
Frode Stenstrøm: Det som er interessant
med OpenAI, er at OpenAI ble jo
egentlig bygget opp opprinnelig
av Elon Musk, av alle ting.
Han trakk seg ut, og Microsoft
har jo spøttet inn uhorvelig
mye penger inn i OpenAI, og har
hatt et ganske nært samarbeid.
Som vi nå, som gjør nå at OpenAI
bruker infrastrukturen til Microsoft,
i sin Microsoft Azure -plattform.
Og så har de teknologien, og
så samarbeider de, og når vi
bruker Copilot og sånt nå i
dag, så er det OpenAI som
vi bruker på nettopp det.
Så har vi jo da det som jeg
kaller en late bloomer, for alle
lurte på hvor det ble av Google.
De var jo egentlig ikke
veldig sterke inn i spillet.
Adrian Sjøholt: Nei, det var jo
ikke med helt att i starten der.
Frode Stenstrøm: Nei.
Men Google har jobbet systematisk
med kunsting intelligens i lang,
lang, lang tid, men de har
kanskje ikke vært så fremme
med å lage produkter som vi
to kan bruke i markedet sammen.
Og Gemini -serien er jo
kommet til nå som et produkt
som alle dere kan bruke.
Det finnes egentlig en app på både
telefon og på PC og i det hele.
Ja.
Og den siste modellen blir
lansert etter Gemini 2 .5.
Den ble lansert bare to
måneder etter modellen 2 .0 kom.
Og er regnet nå som det ene
av de aller, aller, aller
sterkeste modellene i markedet.
Adrian Sjøholt: Det er jo
veldig tett konkurranse.
Som du sier, det var ikke
lang tid mellom 2 .0 og 2 .5.
Frode Stenstrøm: Nei.
Det jeg ser når jeg bruker den
modellen som gjør at jeg synes den
er veldig sterk, og det er at den
også har jo koblet på Google Search.
Så når du bruker den, så kan han
jo gjøre Google -søk på temaet i
tillegg til modellene, og få da
en helt annen fakta av grunnlag,
og ikke minst at den blir
veldig oppdatert på informasjonen.
Spør du en åpen AI, hva er
det i Oslo er i dag, så vil
han ikke kunne svare det, men
kan fortelle hvordan du får
svaret, men Google vil svare.
Ja, det er rimelig imponerende.
Også er det en annen vesentlig
forskjell mellom de to modellene
som er greit for dere som skal
bruke disse tingene, og det er
dette faguttrykket som jeg ikke er
noe glad i, men tokensstørrelser.
Altså hvor mye data klarer
modellene å prosessere?
Hvor mye har de i
den samtalen du er i?
Og hvor store dokumenter kan
de produsere på andre siden?
Og Google nå har kommet opp til
en modell med én million tokens.
Bare for å sette det litt
i sammenheng med noen ting.
Tar du et Word dokument på
rundt hundre sider, så er
det rundt hundre tusen tokens.
Ja.
Så du kan lage veldig store
rapporter, kontrakter, den type
ting med Google som du ikke får
til med dagens OpenAI -modeller.
Og det sier vi, for når man
skal gjøre en jobb, så er det
greit å vite hvilken modell man
bruker til jobben man skal gjøre.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Og så er det
en av mine lengste, eldste
favoritter egentlig, Anthropic.
Jeg tror jeg skrev etter feil
her, men de er jo egentlig
en utbryter opprinnelig, tror
jeg, fra OpenAI -miljøet.
Og de har en modell
som heter Sonnet.
Og Sonnet er, per dags dato,
regnet til å være den beste
modellen for de som jobber
med programvareutvikling.
Siste versjon 3 og 7, som kom
nå nylig, kommer nå en revidert
utgave, sannsynlig siden april,
som støtter 500 000 tokens.
Så det er fortsatt bare
halvparten av Google.
Adrian Sjøholt: Men det er
fortsatt rimelig store mengder.
Så for de meste partene her ute,
så vil det jo det være nok.
Frode Stenstrøm: Det vil være nok.
Det er kun de av de som kanskje
jobber med de mest største
kodebasene for programvareutvikling
som vil trenge noe særlig mer
enn det på den korte banehalvdelen.
Men jeg merker meg at Anthropic
når jeg bruker det hos oss
her i ProsessPilotene, så har
den et ganske naturlig språk.
Og når vi, gjennom de demoene vi
skal vise, når vi skal da lage
kontaktsakskontrakter, du og jeg, så
skal vi ta disse tre store gigantene
head to head og se hvem av dem som
lager den beste kontrakten egentlig.
Adrian Sjøholt: Veldig spent på
hvordan det resultatet blir.
Frode Stenstrøm: Jeg holder knapp på
Anthropic, selv om Google er nyere,
men vi får se hvem som vinner.
Adrian Sjøholt: Vi får se til slutt.
Frode Stenstrøm: Det får vi se.
Så må vi ikke glemme Meta, da.
Eierne av Facebook og Instagram, og
så sent som bare forrige uke så så
jeg at det dukket opp i Facebook
Messenger, en liten app på en
svang, for å ha et chat der også.
Men Meta har gjort en ting som ikke
de andre har gjort, og det er at
de har open -sourced modellen sin.
Adrian Sjøholt: Det blir jo flere
utviklere, så det er jo en fordel
hvis du skal raskt ut og...
Frode Stenstrøm: Det er nettopp det.
Og du kan i prinsippet kjøre i
Meta sine modeller på Google og
Microsoft sin infrastruktur, du velger
selv hvor du kjører modellene også.
Men den er ikke like god som
de tre overnevte, og per dags
dato er det Google som leder
alle disse benchmark -tallene.
Og da kommer det største spørsmålet.
Hvor er Microsoft, Adrian?
Adrian Sjøholt: Nei, Microsoft
er jo absolutt med i gamet.
Som du nevnte innledningsvis, det
er jo basert på OpenAI, sin modell.
Så det er jo en veldig god
utstrekning på Microsoft sine
produkter i bedriftsmarkedet, som
vil gi en fordel for de, særlig
om bedriftsmarkedet som vi ser på.
Frode Stenstrøm: Det er nettopp det.
Adrian Sjøholt: Og så er det jo
også, det er jo veldig frem på
å si, ok vi, datamodellen vår
blir ikke trenet på deres data.
Så den er trygg å bruke
for de som skal bruke den.
Frode Stenstrøm: Nettopp.
Adrian Sjøholt: Som er et
veldig viktig punkt for
veldig mange der ute.
Frode Stenstrøm: Og jeg ser at
det med Microsoft er at de
kommer nok litt sent, men de
kommer også godt, tenker jeg.
Men de har også endret
litt strategi, bare så
sent som de siste halvåret.
For før så var jo alt de lanserte,
var jo bare basert på OpenAI.
Adrian Sjøholt: Ja.
Frode Stenstrøm: Men sitter du som en
utvikler nå i dag, så kan du bruke
modellene fra Anthropic, for eksempel,
i utviklingsverktøyene til Microsoft.
Og det er et sånt interessant
tema nå, fordi OpenAI sa jo det
at øyeblikket de kom til det
som heter General Intelligence.
Så da skal de slutte ut i
samarbeid med de to partene.
Og ryktene går at Microsoft selv
prøver å bygge egne modeller.
Som de eier og driver, og er
fribundet fra de andre, og det
vil jo overraske meg stort om
de ikke gjør det. Og så har vi
jo en svær aktør til, som alle
kjenner til, og det er jo Amazon,
en av verdens største selskap.
Adrian Sjøholt: Absolutt, ja.
Også litt sent, kanskje
sent inn i markedet, men...
Frode Stenstrøm: Men godt.
Det er godt, og det har jeg jo
merket meg nå, for jeg har testet
nå faktisk i bare i forrige måned,
så testet vi språkmodellene for tale.
Altså hvis du har en tekst som
du skal lese opp på norsk, så var
Amazon en av de aller aller beste
modellene på det. Og så så jeg
når Google kom med sin plattform,
så kom det plutselig også gode
tekst -til -tale -modeller der også.
Og de er ganske ville, for
der kan du fortelle om teksten
skal leses med humoristisk vis,
seriøs vis, sarkastisk vis.
Du får liksom 'shapet'
stemmen, ja, som du vil.
Og det vi ikke har på listen
der, som er litt sånn som
burde kanskje stått der, det
er jo Apples innsatsing på
iPhone med Apple Intelligence.
Men de har en helt annen tilnærming
til det, og er kanskje ikke så
relevant for næringslivet egentlig.
Adrian Sjøholt: I bedriftsmarkedet så
er kanskje ikke det det største.
Det er jo mer egne software og
egne produkter det blir brukt i.
Frode Stenstrøm: Det er nettopp det.
Og så er jo det som på en måte er
litt interessant, synes jeg, med de
trendene her, Adrian, når vi ser på
det vi snakker om nå, det er jo at
En modell som heter, en modell som
heter DeepSeek, de kom jo ødela det
hele, det ble jo børskrakk de luxe.
Adrian Sjøholt: Ja, de kunne
gjøre det på en litt annen
måte, som er mye billigere, så
det klart det setter sine spor.
Frode Stenstrøm: Ja, og det vi ser
også med de modellene nå, er at de
begynner å bli så gode, alle disse
modellene på benchmarking-tallene.
at det begynner nesten
å bli en commodity vare.
Det spiller ikke så stor
rolle hvilke modeller man
bruker lenger, for de blir
bedre og bedre alle sammen.
Og de trenes på hverandre også.
Så da blir det mer et spørsmål
om pris, og hvilke modeller
man bruker for å, og hva man
betaler for å bruke modellen.
Og da er DeepSeek
ødela hele markedet.
Adrian Sjøholt: Det er jo selvfølgelig
en kostnad knyttet til det her nå.
Og det er jo viktig å tenke
over allerede når man begynner
å sette opp hvilke modeller man
skal bruke og hvilke de har vært.
Frode Stenstrøm: Ja, og det
finnes en nettside som er
veldig lett å følge med på.
Fordi det er umulig for oss
vanlige folk å teste disse
modellene og se hva de koster.
Så vi kan legge en liten lenke
til den nettsiden dere kan slå på.
Der står alle modeller rangert
etter hvor smarte de er, hvor
raske de er og hvor dyre de er.
Og det er på en del av de
modellene så er det mellom 200
og 300 ganger prisforskjell.
Adrian Sjøholt: Ja.
Frode Stenstrøm: Fra å bruke for
eksempel Google, som nå er en av
de billigste modellene, til for
eksempel de dyreste til OpenAI.
Så det betyr noe når man
skal rulle ut disse modellene
til markedet, hvilke modell
dere velger å ta i bruk.
Tenkte vi skulle si litt om
mulighetspotensialet også, Adrian,
for bruk av disse modellene.
For det er jo ganske mange
muligheter, og du nevnte
noen hos dine kunder.
Du sa kundeservice, for
eksempel, og den typen ting.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Men er det
andre typer bruksområder du har
sett kundene har vært opptatt
av når det er muligheter?
Adrian Sjøholt: Det er vel egentlig
å kunne automatisere enda mer
komplekse, hva skal jeg si, løp.
Og øke produktiviteten, effektiviteten.
Frode Stenstrøm: Ja, For du har
jo lagd, jeg vet at du har jo
hos kundene dine og det er mange
av våre kolleger, de har jo
lagd en haug av det som heter
Power Automates eller arbeidsflyt.
Adrian Sjøholt: Stemmer.
Frode Stenstrøm: Så vi har jo
drevet ut AI-agenter egentlig i
lang tid lenge før det kom det
som heter kunsting intelligens.
Adrian Sjøholt: Man kan jo se på
det som, det er Power Automate her,
som en slags AI-agent, bare uten
den språkmodellen som ligger på.
Der du rett og slett sender inn
data, du er sagt nøyaktig i hva
som skal skje, og så forventer
du resultatet ut. Den kan jo bare
bearbeide store mengder data, men
det er jo ikke noe smarthet i den.
Frode Stenstrøm: Nei.
Adrian Sjøholt: Og det er jo
der kanskje den AI -biten nå
kommer inn, at den kan analysere
resultatet, den kan tolke det.
og deretter gi et svar basert
på det.
Frode Stenstrøm: Nettopp.
Og på vårt webinar med YouTube
-sending med Ane, så lager hun
en sånn Power Automate -flyt
fra det helt grunnleggende som
går på godkjenningsprosesser.
Men det interessante er at hun,
jeg spør jo henne til hele tiden,
hvordan kan hun gjøre flyten bedre?
For hun lager en veldig
enkel flyt, og så iterativt
gjorde hun den bedre.
Adrian Sjøholt: Bygde, bygde, bygde.
Frode Stenstrøm: Og den siste, en
av de siste tingene hun gjorde,
var å bruke kunstig intelligens
til å for eksempel ta masse input
-data, som er, og gjøre dem til
en ordentlig tekst, som er mer
forståelig for den mottageren.
Og det å knytte den type flyten
inn i det, gir jo veldig, veldig
mange muligheter for tilbudsproduksjon,
tilbudskokjenninger, og den type
kommunikasjon, synes jeg da.
Adrian Sjøholt: Og der er det jo
også en fin, enkel mulighet å
ta i bruk AI, sånn skal vi si.
Du har her en flyt som allerede
eksisterer, så heer du AI -builderen,
som er bulk, du bare kan dra
inn i den, som da heer ferdig
definerte modeller, for eksempel for
kategorisering av e -poster, og sånn.
Du kan bruke den til å, ok,
men er dette en auto -reply?
Og bruke det for å tolke det.
Frode Stenstrøm: Ja.
Og det er bare å se på videoen til
Anne, så ser du akkurat hvordan det
gjøres, for det er ikke vanskelig.
Nei, det er kjempeenkelt.
Veldig enkelt, og det er jo,
man tror kanskje at dette med
AI er så stort, men litt av
kjepphesten vår er at det er, det
er jo bare å gjøre sånne ting.
Det tar jo en halvtimes tid,
og så har du spart i timene.
Adrian Sjøholt: Du må
bare ha use -casen klar.
Frode Stenstrøm: Ja, ikke sant?
Så er det jo sånn at andre
områder som er litt interessante
fra et markedsføringsperspektiv
som vi ser, er at Det går an
å gjøre en helt større grad av
personifisering av for eksempel
nettkommunikasjon og kundekommunikasjon.
For en ting er jo at du har denne
AI -builder som du gjør i forhold
til en flyt som går å flytte
forretningsdata fra A til B, men
også i en markedskommunikasjon så kan
du begynne å personifisere budskapet
på en helt annen måte, basert på
hva kundavisen er interesse for.
Adrian Sjøholt: Absolutt, og da
kan du dra inn nettdata i den
biten også, ta deg søkt på, dra
det inn, og ta deg søkt på.
Og gi et mye bedre resultat
ut til sluttbrukeren din.
Frode Stenstrøm: Og vi sa,
når vi begynte å sende på
YouTube om kunsting intelligens
i fjor, så sa vi, og det
mener vi fortsatt stemmer.
kunsting intelligens uten
dine data har egentlig
ikke så veldig mye verdi.
Adrian Sjøholt: Nei, det
blir jo alt for generativt.
Frode Stenstrøm: Mens AI-agentene
nå åpner opp for muligheten at
du kan kombinere de modellene,
de store språkmodellene, med din
data, og lage alle de tenkelige
utenkelige brukerplevelsene du ønsker.
Adrian Sjøholt: Ja, men der må
man også være litt forsiktig.
For her har du laget en AI -bot
som skal svare på spesifikke ting.
Så ønsker ikke du at du kan sende
dine og gi meg middagsoppskrift, og
så får du tilbake en taco -oppskrift.
Du ønsker heller å få, og der
er det viktig å sette konteksten
rundt det du skal bygge.
Frode Stenstrøm: Og det er litt
morsomt at du skulle si det, for
at en av de store satsingene for
AI -trendet for 2025, som alle de
store gigantene satser på, det er,
det er ikke så mange ting egentlig.
Det ene er token-størrelsene, at
de klarer å prosessere mye data
inn, mye data i kommunikasjon,
og mye data ut. Det er en av
de virkelig store satsingene.
Og så bruker de et
annet fremmedbegrep, det
kalles memory på engelsk.
Og det går på det at AI
-roboten skal huske den
kommunikasjonen for alltid.
Og det har Microsoft sin head
of AI sagt at den utfordringen
skal de løse inn i hvert ene år.
Men det betyr at den samtalen du
har med en chat -robot i dag, husker
han om en måned eller et halvt år.
Og det er, eller kan
man jo tenke, shit.
Adrian Sjøholt: Det vil å komme,
hva skal jeg si, hendelser
basert på det, der man, skal
man få lov å slette det, skal
man ikke få lov å slette det.
Frode Stenstrøm: Ja.
Det er riktig.
Men jeg tenker når du ser på for
eksempel bruk av kunstig intelligens
til pedagogikk og opplæring.
Du får en som følger deg og
veileder deg gjennom et kurs.
Så når du da holder med pensumet
med et halvt år så kan den være
med å repetere ting opp om igjen.
Og det er det vi ser Google
satser mye på med sin Google Learn
og den plattformen som følger av
det. Vi har lov til å si litt
om de bruksområdene som vi skal,
som vi har sett som er relevante
i dag for dere der hjemme.
Og da tar jeg opp de
første områdene som er
relatert til salgsprosess
og salgsavdelingen, Adrian.
Og dette gleder jeg til, det er
jo en av de konkurranser vi og
jeg skal ha på YouTube sammen.
Vi skal se på
prosjektledelsesområdet, leveransområdet,
kundeservice og opplæring.
Og hvis vi begynner på salg, så
er den første tilbudsproduksjon.
Og der har vi jo en kunde
som gikk live, tror jeg, ganske
nylig, hvor de bruker AI til å
fortolke mailen og lage tilbud.
Adrian Sjøholt: Stemmer det. For
å se hva som kom inn og faktisk
kunne gi tilbud på riktig
produkt og gjøre det raskt.
For da var utfordringen at
man ikke klarte å levere
riktig tilbud raskt nok.
Og det er jo absolutt AI..
Frode Stenstrøm: Og jeg synes den er
så spennende, for veldig mange tenker
at jeg må ha en e -handelsplattform.
Men dette tilfellet her så tok
man faktisk bare beholdt den
eksisterende salgsprosessen med e
-poster, behandlet e -posten,
svarte tilbake på e -posten, og
da får man elektronisk handel uten
investering i en e -handelsnettside.
Adrian Sjøholt: Ja.
Nå fikk jeg rett og slett
bare en ferdig draft på e
-posten, og så kunne man
lese over den, korrekturlese
den, og så sende den ut.
Frode Stenstrøm: Og der har
jeg håpet vi kan vise dere
hjemme på kommende webinar.
Det neste tematikken som er, det er
kalt kontraktsarbeid, men der skal du
og jeg da, målet der er at vi skal
vise til oss direkte at vi skal
utforme en kontrakt på 60+ av fire
sider i løpet av noen få timer.
Helst under det også,
som det er normalt, det
er et mange dagers jobb.
Adrian Sjøholt: Absolutt.
Så får vi se hvem som,
hvilke modell som er den
raskeste og ikke minst beste.
Frode Stenstrøm: Det er, og
det er, men der tror vi og
vet vi at det er å kunne
skrive kontrakter ganske fort.
Der begynner modellene å bli så
bra nå at vi kan, ja, skal
vise det i kommet webinar.
Så var det innenfor prosjektledelse,
og den her viste jeg til
våre prosjektledere Adrian.
Da, da, da ble det stille, fordi
bruksområdet her er at jeg sendte
inn kontraktsarbeidet fra Trinn1
her, og tilbud som er produsert.
Så sendte jeg det, brukte
jeg en AI-agent som leste
da den kontraktdokumentet.
Og i kontraktdokumentet så
stod det en hel haug av
leveransepunkter, og det var bilag.
Og så sa jeg til AI-agenten
at nå jeg vil at du skal lage
en prosjektplan, en detaljert
prosjektplan som tilfredser
de kravene i kontrakten.
Og da lagde den AI-agenten
en detaljert prosjektplan med
underoppgaver i hele pakka.
Og så så jeg at det var ikke
alt som var presist, så jeg
satt og snakket med henne, litt
frem og tilbake, og når vi og
jeg var enige om hva som var
prosjektplanen, så sa jeg, Lag alle
oppgavene i prosjektstyringsverktøyet.
Og da fikk du et godt eksempel
på hva er agenten som kontaktet
av prosjektstyringsverktøyet,
og lagde hele planen.
Adrian Sjøholt: Ja, det
er jo, Dagesvis spart.
Frode Stenstrøm: Det
var dagesvis spart.
Så jeg hadde et møte med den ene
prosjektlederen vår, og så sa jeg
bare, se, nå starter roboten nå,
og den jobbet da en god halvtime
med å fylle ut to oppgaver.
Og mens vi pratet noe annet, og
nå var oppgaven ferdig, så kunne vi
gå inn og korrigere prosjektplanen,
og da hadde den lagd sikkert
40, 50, 60 leveransepunkter med
akseptansekriterier og en beskrivelse
jeg aldri har sett maken til.
Adrian Sjøholt: Det er helt ekstremt.
Frode Stenstrøm: Så det er
noe vi skal vise dere.
Også er det rapportering.
Det er at når du får en
fremdrift og status og stall,
det er jo det oppsummerer
status på disse rapportene.
Det er jo gull å gjøre det på.
På utvikling, der håper jeg å
få med en av våre utviklere inni
studio, Adrian, som kan vise oss
hvordan det er å faktisk skrive
kode med kunstig intelligens.
Adrian Sjøholt: Ja, det
blir veldig spennende.
Den er jeg interessert i å se.
Frode Stenstrøm: Ja, det blir,
jeg har jo til og med begynt
å skrive kode selv nå, så jeg
vet ikke hvor bra det er, men...
Adrian Sjøholt: Det er blitt
mulig for å skrive kode for
oss som ikke kan det også.
Frode Stenstrøm: Det er nettopp det.
Og det som er interessant når det
gjelder utvikling og AI, når du
ser på de analytikerne, hva de
sier om det, så drar det inn en
analogi som egentlig er ganske lang.
Når vi fikk datamaskiner, så hadde
vi hullkort og veldig enkelt språk.
Og så fikk man Fortran, og
så fikk man C, og så C++.
Man fikk stadig mer høynivå
språk, etter hvert som man
flere skulle jobbe på prosjekter.
Og perspektivet til mange av de
som driver og bruker modellene
i kunsting intelligens, er at AI
er bare AI -utvikling, er bare
enda en abstraksjonsnivå, hvor
vi kan si hva vi trenger, og
så skriver modellene den koden.
Og Anthropic sin leder har sagt
at i inneværende år, altså innen
2025, så regner de med at deres
modeller for utvikling vil være like
gode som verdens beste programmerer
i den konkurransen som foregår.
Det sier de kommer til
å skje allerede i år.
Google sin siste modell som
er lansert nå, med 2 .5 Gemini
-modell nå, er å pushe opp i der.
Og da er de jo disse åpne
internett -konkurransene hvor alle
verdensutviklere kan være med,
og de er altså på en nivå
hvor de nå er blant verdens.
Hundre beste utviklere.
Adrian Sjøholt: Det er helt ekstremt.
Frode Stenstrøm: Det er helt ekstremt.
Og der kan mannen i gata sitte og
bruke og skrive sin egen kode.
Og så hypotesen er at det
blir ikke skrevet mindre kode,
men at de problemer man ikke
fikk løst, for man hadde ikke
ressurser eller kapasitet, vil nå
bli løst av folk flest selv.
Ja.
Så, og klart at når man kan
begynne å lage bedre løsninger
fra bunnen av, så vil det
påvirke alle de andre områdene.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Så har jo du nemlig
kunnskapsdatabaser i kundservice.
Adrian Sjøholt: Det ser man
jo egentlig er en liten
utfordring, sånn som i dag.
Man bruker ikke det, for
det er for tidkrevende.
Og der er det en ypperlig
mulighet for AI å ta i bruk,
for at tidkrevende prosesser er
jo en av de tingene som vi
virkelig ønsker å automatisere.
Frode Stenstrøm: Det er nettopp det.
Adrian Sjøholt: Å oppdatere og ikke
minst generere sånne kunnskapsartikler
på ofte stilte spørsmål.
Det er ofte en tidkrevende prosess.
Hvorfor ikke bruke AI til å håndtere?
Frode Stenstrøm: Og vi ser fra
vår enternestatistikk, Adrian,
at det skjedde noe i markedet
rundt omkring nyttår i år.
Når du så på alle kunder,
og du bare ser på de åpne
statistikkene på Google, på hvor
mange som søker etter kundeservice
-løsninger med AI, det tok
fullstendig av rett over nyttår.
Og jeg vil se om Microsoft
sin store satsning på Contact
Center og de andre tingene.
Det, ja.
Adrian Sjøholt: Microsoft har jo
satset på en AI -first -løsning.
Ja.
Der AI står i hovedsetet
og egentlig alt annet rundt
er tilrettelagt mot AI.
Frode Stenstrøm: Kjempespennende.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Og det betyr at
disse chatbotene også plutselig får
en funksjon når de kan svare på
noe som er litt, ikke bare tull.
Adrian Sjøholt: Det er sånn som jeg
sa innledningsvis, at i tillegg så
måtte du unngjaktig skrive hva den
skulle svare på spesifikke spørsmål.
Nå kan du peke den til en
kunnskapskilde, og så kan
du be den søke opp i den
kunnskapskilden for å gi et svar
på spørsmålet som kommer inn.
Frode Stenstrøm: Og da bringer
det over til opplæring.
Dette er et område som vi synes
er veldig spennende for oss, for
vi vet at ingen av våre kunder
blir happy før de tar det i bruk.
Og det med Google Notebook
for eksempel, og det å ha en
notatbok som kan hjelpe deg
som et studieverktøy, det å få
for eksempel Google Learn til
ta pensum materiale og lage
ferdig oppleggende kursmateriale,
og en personlig lærer som kan
faktisk skygge det du gjør og gi
tilbakemelding mens du holder på.
Dette er området som
nå satses enormt på.
Og som det går an å ta i bruk i
dag, og jeg tror ikke folk er klare
over hvor god Google Notebook er egentlig.
Adrian Sjøholt: –Nei, om du kan tenke
deg det når den i tillegg får da
hukommelse på et lenger perspektiv.
Frode Stenstrøm: –Ja.
Adrian Sjøholt: –Det kommer til å
bli et helt ekstremt godt verktøy.
–
Frode Stenstrøm: Felles for alle disse
bruksområdene at dette er de ting
vi har sett nå i løpet av de
siste ukene og månedene, egentlig.
Det kommer selvfølgelig mange
flere bruksområder, men de er
lett tilgjengelige, vil jeg si.
Og sitter man for eksempel og
er leder av et programvarehus
og ikke driver med utvikling, så
taper man egentlig konkurransen.
Adrian Sjøholt: Ja, det gjør det.
Frode Stenstrøm: Det gjør det. Det
var litt om, liksom om bruksområdene.
Jeg tenkte vi skulle bare
prøve å sette litt begrep nå,
for det er så mange buzz-ord
her, Adrian, på AI -landskapet.
Adrian Sjøholt: Det er det.
Frode Stenstrøm: Og vi har
snakket litt om språkmodell
i aller, aller først.
Ja.
Og det er en ting av det, og så
tenkte jeg at du skulle si for å
be deg å snakke litt om vektorbaser.
Adrian Sjøholt: Det er veldig viktig
å få med vektordatabaser når vi
snakker om hukommelse for AI.
Ja.
Så det blir spennende å ta.
Frode Stenstrøm: Og så bare
definere AI-agentene som du
gjorde, og så MCP -servere
som kommer nå, som er bare...
Fra ingen pratet om til etter jul,
så er det bare alle som snakker
om det, men det er buzz-ord, så
jeg tenkte vi bare oppklarer det.
Adrian Sjøholt: Det blir veldig
fint, for det har virkelig
eksplodert de siste to -tre ukene.
Ja, helt enkelt.
Det står overalt.
Frode Stenstrøm: Det står overalt,
og så bare for de av dere som
ikke vet hva en språkmodell er,
hva kan dere si kort, hva legger
de ord i en språkmodell egentlig?
Adrian Sjøholt: Og det er jo egentlig
en modell som kan forutse seg det
neste ordet basert på opplæring.
Så at når du skriver ett
ord, så vet du at det
er en viss sannsynlighet
for at neste ord kommer.
Og så velger den det mest
sannsynlige hele veien, og så skriver
den da et ferdig setning, og utenfor
setningene får det et ferdig ord.
Frode Stenstrøm: Så dette er
jo det man kaller kunsting
intelligens, men det er jo
egentlig ingen kunst i det, det
er jo ren statistikk egentlig.
Eneste forskjellene er at denne
språkmodellen er trent på en sånn
måte at de ser kombinasjoner,
akkurat som hvor hjernen er
bygd opp, med så mange mulige
kombinasjoner og ord og retninger,
at de vet hva de gjør.
Det som jeg synes er interessant med
disse språkmodellene, det er jo det
vi startet å snakke om i stedet,
fra OpenAI og fra Google og sånn.
Det er at de er, før så trente de
jo gjerne på data som var kjent.
Du fikk dataset hvor det var tusen
bilder av katter, og tusen bilder
av dyr og sånn forskjellig ting.
Adrian Sjøholt: Så så du om det
var riktig eller feil det de
kom frem til rett og slett.
Frode Stenstrøm: Men det de har begynt
å gjøre nå er jo at det nåværende
modellen trener neste modellen,
og at de blir stadig flinkere.
Og jeg synes en veldig god analogi
som jeg fikk forklart for meg
selv for en stund siden, det
er at hvis man tar et fotografi
da med kameraet sitt, så er det
en veldig, veldig god analogi.
Så er det veldig mye
informasjon i det bildet.
Det er både fargenuanser og
pixlene som utgir bildet.
Og så komprimeres det til et
jpg -format eller noe annet,
som gjør at det blir mye
mindre bilder som representerer
da det som faktisk skjedde.
Og språkmodellene er jo
egentlig en representasjon
av internett i prinsippene.
Det er en komprimert utgave av
internett, som har alle mulige
varianter og informasjon som er
tilgjengelig, som de blir trent på.
Og det jeg ser nå er jo at mange
av disse selskapene konkurrerer
om de beste treningsmetodene for
å lage de beste modellene som...
Gjør at de blir så små at de
kan kjøres på en liten telefon da.
Adrian Sjøholt: Ja, for det blir jo
hjernen bak hele, så det er viktig
at den, så bedre den fungerer da.
Så bedre blir resultatet.
Frode Stenstrøm: Nettopp.
Og det som er litt fint når dere
ser på språkmodellenes kvalitet, det
er at hvis en språkmodell tar, har
rett i 90 percent av tilfellene,
så vil jo sånn A -agent basert
arbeidsflyt kunne gå, være riktig i
90 % av tilfellene og faile i 10%.
Ja.
Så de vil jo aldri være
nødvendige, eller aldri, aldri,
men de er ikke perfekte.
Men det man ofte glemmer i denne
sammenhengen er at hvis man gir den
samme oppgaven til 10 ansatte, så er
det ikke sikkert at de 10 ansatte
gjorde det 100 % rett heller.
Adrian Sjøholt: Nei, jeg så jo
eksempel allerede for forrige
uke, der det var sannsynlig
at for at mennesket ville
bli riktig var på en 40 -50%.
Frode Stenstrøm: Oi!
Adrian Sjøholt: Så det var en
vanskelig oppgave, mens man hadde
en AE da som feilet kun 15%.
Så det er 85 % sannsynlig
for riktig.
Så det er ganske klart at du ønsker
å legge sånne oppgaver over på
AI i stedet for at du bruker en
menneske som sitter der og avgjører.
Frode Stenstrøm: Ja, hvis noen
kloner meg på studiet her nå,
så har jeg ikke noe jobb lenger.
Men i alle fall de er hjernen
på, disse språkmodellene, er
hjernen på alt som er med kunstig
utliggjens og bruk av AI-agenter.
Og min oppfordring er at når
dere gjør en jobb, så er det
viktig at man velger riktig
modell til riktig formål.
Ja.
Noen av disse modellene er
briljante for å konvertere tale til
tekst, tekst til tale, fortolkning
av bilder, fortolkning av lyd.
Noen av de er briljante for
oppsummering av tekstuelle ting.
Noen er mye flinkere til å
ha trent mot norske språk,
mens andre er det ikke.
Poenget er at det er viktig at
man er bevisst på hvilken modell
man velger til hvilken oppgave.
Og det er det også lovpålagt
å gjøre, for EUs nye krav til
bruk av kunstig intelligens i
næringslivet, det står faktisk
en av punktene der, at brukerne
skal forstå hvilken modell de
bruker, og hvordan den modellen
virker før de tar den i bruk.
Og det er noe så enkelt som når
du ser på DeepSeek -modellen fra
Kina, og spør hva skjedde liksom
på en del sånne historiske event,
så sier de, nei det kan jeg ikke
svare på, eller det har ikke skjedd.
Så AI -modellen kan også brukes til
manipulasjon, det er utrolig viktig.
Ja.
Og det er interessant at
de store modellene kommer
fra USA eller fra Kina.
Altså, dette blir jo en
global krig, egentlig, om makt.
Adrian Sjøholt: Det gjør det.
Frode Stenstrøm: Mm. Det er AI
-modellene, eller språkmodellene,
men språkmodellene, de er
avhengigeav noe så rart som et,
aner du hva som heter, vector
databases, eller vektoratobaser?
Adrian, og det kan vi jo, vi har
en liten skisse på det faktisk.
Adrian Sjøholt: Det er jo egentlig
rett og slett at du taker
inn både bilde, tekst, lyd,
og så transformerer du det om
til det du kaller en vektor.
Det er en vanlig database, egentlig
lagret av bare faktiske datene
din, med metadata og en nøkkel.
Så er vektordatabasen, den lagrer
da informasjonen i vektorene, som
hva er en eller, eller det er
ikke bare en, det er tusenvis.
Frode Stenstrøm: Det er tusenvis
av dem, og det er flyttall
som egentlig da, som sier at
en sol er sånn, og en måne
er sånn, og en hund er sånn.
Adrian Sjøholt: Ja, så man kan
egentlig se på det som en pil,
som en start, retning og lengde.
Også kan du da, når alt
det blir lagret, så kan du
sammenligne de to vektorene.
Ok, er det like lang?
Samme retning?
Og på den måten sammenligner det
på en helt annen måte enn det man
gjør med en vanlig databas i dag.
Frode Stenstrøm: Og det som vektor
-database muliggjør her, er jo det
du har vært inne på noen gang, så
det med memory, langtidshukommelse.
På ting.
Og vi har jo alle sammen gjort
massevis av søk på Google, eller
jo andre søkeverktøy, hvor vi
prøver å finne ut av hvordan ting
henger sammen, og hva som er likt.
Men her vil man jo sammenlignelig
bare finne et tal som er antent
i samme størrelsesorden, og så
finner man likeheter på tvers av
dokumenter, bilder, lyd og tekst.
Adrian Sjøholt: Ja,
og bruker etter dem.
Da kan man sammenligne det der
og få ut to stykk som er like.
Ikke nødvendigvis helt
like, men som er lignende.
Ja.
Som egentlig er godt
nok for modellen.
Frode Stenstrøm: Og veldig mange
av dere, dere har brukt denne
vektordatabasen uhorvelig mange
ganger uten å være klare over
det. Hvis dere for eksempel jobber
da med vektorer som er, eller
jobber da for eksempel copilot, for
eksempel som Google har rullet ut.
Nei, unnskyld,, Microsoft har rullet
ut. Så kan dere laste opp dokumenter
der og stille spørsmål til det,
og da vil Microsoft bruke sin AI
Search og vektorisere det dokumentet.
Så spørsmålet du stiller går jo
til den vektoriseringen av det
ene dokumentet du har lastet opp.
Og hvis du for eksempel går og
sitter inn i Outlook -appen, Og så
ser du at du har jobbet på et
dokument, og så sier den til meg
at kanskje jeg skal jobbe på det
samme dokumentet, så er det jo
koblingen mellom deg og meg som
person, og de dokumentet vi har
jobbet, og kanskje vi har da en
vektor også mellom som igjen gjør at
det er noe likhet til det vi jobber
med, og kanskje det er relevant.
Så vi bruker det hele tiden, og
har brukt det i lang tid, det er
bare at vi har ikke vært bevisste
på det. Men det jeg synes er
spennende med å ha litt kjennskap
til vektordatabaser, er at det kan
også brukes av markedsavdelinger.
Man kan indeksere hele nettsiden
sin og lage en helt annen form
for søk av sin egen nettside enn
det er hvis du bare trenger en
nøkkelforbasert søk, for eksempel.
Og så er det en rivende
utvikling, og vektordatabasen
supplerer da egentlig språkmodellet.
Adrian Sjøholt: Det er en som fungerer
som en minne som vi har snakket om.
Frode Stenstrøm: Ja, og da var det
jo AI-agenten, og liksom hvilken
rolle har de i dette landskapet?
Der har jo du også sett
litt forskjellige brukssignaler,
vi har nevnt noen.
Adrian Sjøholt: Vi har jo snakket
om den enkle, der vi ikke
bruker språk -modell, som er
rett og slett en Power Automate.
Men så ville du ha mer
modellbaserte, der du har en modell
som egentlig danner grunnlaget
for det den lærer og kan. Det
er jo rett og slett at du
definerer på forhånd, Hva er det
som er verden til den agenten?
Så er du jo også mer
enn som er målbasert.
Du setter opp et mål,
den jobber mot målet.
Men så er du da, du
er lærer med agenta, som
hele tiden lærer på input.
Du kan trykke opp og ned, er
det bra svar eller dårlig svar?
Og så er du da litt mer
spennende synes jeg, da.
Det er autonome agentene.
Frode Stenstrøm: De som bare jobber?
Adrian Sjøholt: De som bare jobber.
For det er der du virkelig kan
få, hva skal jeg si, effekt.
En vanlig agent, så vil
en ansatt hos deg sitte og
bruke en agent, en til en.
Du vil kunne arbeide raskere,
men du kan ikke skalere noe mer
enn det du antaller ansatte.
Når du kommer til autonome
agenter derimot, så får du
en helt annen tilnærming.
En ansatt kan jo ha hundre
autonome agenter, som da jobber
kontinuerlige døgner rundt,
som vi sa innledningsvis her,
som virkelig kan skape effekt.
Og, ja, kan drive resultatet.
Frode Stenstrøm: Og jeg har brukt
mange av disse agentene selv, Adrian.
Jeg har en sånn agent som
kan snakke med Figma, altså
designsystem, for å hente ut design.
Adrian Sjøholt: Ja.
Frode Stenstrøm: Og jeg har
en annen agent som jobber
mot prosjektstyringsverktøy,
som da kan lage oppgaver.
Mhm.
Og use case jeg gjør er at
jeg sier, nå har jeg dette
designet på en ny nettside.
Kan du lage de
utviklingsoppgaver som skal til?
Og da snakker AI-agenten med Figma,
henter ut informasjonen, prosesserer
det gjennom språkmodellen, og så får
laget en forslag til oppgaver, og
så snakker jeg med A -agenten for
prosjektverktøy, og fyller det ut.
Adrian Sjøholt: Fordi du lager litt
mer spesialiserte agenter fra
ulike, for det er jo også det
man ser litt utviklingen nå.
Tidligere så lagde man én
agent, som håndterte veldig mye
generelle informasjon, og store
biter, men nå spesifiserer man
litt at Man har spesialiserte
agenter for ulike use case.
Frode Stenstrøm: Nettopp.
Og vi ser nå fra markedet at
de fleste systemledende dørene
der ute, de begynner å lage
sine offisielle AI-agenter.
Figma har sine, GitHub har
sine, Google Maps har sine.
Det er listene over AI-agenter,
og det er det også spådd for
i 2025, at det kommer til å
eksplodere med mange titalls tusen
forskjeller med mindre AI-agenter.
som du kan sette sammen i
en verdikjede og begynne å
prosessere ting fortløpende.
Adrian Sjøholt: Ja, da snakker
vi virkelig effektivisering.
Frode Stenstrøm: Og det vi i
ProsessPilotene kan hjelpe til med
der hjemme, det er å lage argenter
mot dine fagsystemer, slik at du
kan koble dine fagsystemer mot
disse språkmodellene, og da kan
du i prinsippet sitte i Teams og
si oppdater status på kunde A,
og så vil AI-agenten snakke med
de fagsystemene du eier og gjøre
den jobben behind the scenes.
Og det bringer oss over til
det begrepet som er, jeg
er ikke noe glad i et sånt
forkortelsesbegrep, men det er nesten
umulig å unngå MCP -server nå.
Adrian Sjøholt: Ja, det er jo egentlig
bare en kobling mellom AI-agentene
og API som man allerede har ute.
Så det er jo, i stedet for at
din AI-agent skal snakke direkte
med API du har sagt at her er
det API -kaller du kan bruke.
Så har du en mellomtjeneste
da, som er MCP -serveren.
Ja.
Så du sender bare hen til hvere,
så går den MCP -serveren da mot
hver tjenestende og henter det via
API og bare returnerer, bare svarer.
Svarer tilbake, ja.
Så du spør inn og får svar tilbake.
Så du slipper å forholde
deg egentlig til alle de
ulike tjenestsystemene dine.
Frode Stenstrøm: Og her vet
vi at selskapet Anthropic,
de gjorde et genistrek i
november i fjor, 2024 altså.
Det de gjorde var at de lagde
en protokoll som de gjorde til
open source, som hette Model
Context Protocol, MCP -serveret.
Den protokollen var da det
metodeverket som, som ble lagd for
at Anthropic sin cloud -modeller kunne
snakke med andre fagsystemer selv.
Det som skjedde videre var at det
ble ganske utbredt, og vi så på
det allerede i november, og så igjen
i januar, men i februar engang så
begynte det å bli såpass modent at
det var faktisk praktisk anvendbart.
Det som skjedde videre er jo at
nå har jo Microsoft med copilot
-verdenen sagt at ok, hvis den
får lage sin egen løsning som
de har hatt, så støtter de også
MCP -protokollen for samme type
agentbit, og OpenAI gjorde det samme.
Ja.
Og det som er litt spennende
å se nå er hvordan de andre
leverandørene om de følger.
Men det som er det det betyr i
praksis er at hvis man investerer
i å lage en AI-agent en gang med
en MCP -server -teknologi, så kan man
ofte bruke det både i frittstående
verktøy til utvikling, til
chatbotter, til copilot i Microsoft,
slik at man ikke må lage mange
agenter for akkurat samme formål.
Adrian Sjøholt: Så er det mange
som har gjort utviklingsarbeid
for det også, og laget MCP
-serverne, så det ligger jo
veldig mange open source -server.
tilgjengelig.
Så du kan egentlig bare...
Frode Stenstrøm: Google det
og så finner du det fram.
Og du kan også bruke AI til
å lage egne MCP -server faktisk.
Så har du et skredderskydd
fagsystem som du har kontroll på.
Så kan du få si til
AI-agenten til AI.
Se her, her er mitt system.
Jeg trenger en MCP -server for deg.
Så lager du den faktisk en
ramme av alt fra 2 til 8 timer.
Så har du din MCP -server klar.
Adrian Sjøholt: Der
begynner vi å snakke.
Frode Stenstrøm: Der
begynner vi å snakke, ja.
Og det som blir det spennende
fremover nå, det er hvordan dette
blir i en forretningssamling med
tanke på forvaltning, forhold til
sikkerhet og sånne typer ting.
For det åpner opp en del
spørsmål til, at når det skjer
en sen oppdatering i fagsystem,
så er det ikke lenger en robot
som har gjort det, men det er
liksom jeg som har gjort det.
Adrian Sjøholt: Det står
ditt navn på det.
Frode Stenstrøm: Det står
mitt navn på det, ja.
Men det er i hvert fall en
enorm utvikling rundt dette, og
vi gleder oss for at Microsoft
også bare henger med, sånn
at det blir en standard og
ikke en konkurranse på dette.
For da blir det også
da bra for alle.
Litt om praktiske eksempler da.
Det har vi snakket om.
Det er jo avansert kundeservice og
support nødvendigvis, men det som vi
ikke har vært så mye inn på, det
er jo også dokumentbehandlingsbiten.
Når vi snakket om arbeidsflyten på
tematikken rundt tilbudsproduksjon, så
er det bare ett av mange eksempler.
Et annet eksempel, som er ganske
vanlig nå, er klassifisering av
dokumenter, slik at man får riktig
metadata på dokumenter og kontrakter,
slik at de er lettere å søke fram.
Da fjerner du smerten
med dokumentsøk.
Arbeidsflyt nevnte du.
Men jeg ser også at det er en
rivende utvikling nå på design av
nettsider og den type ting, hvor
man kan få AI-agenter til å lage og
produsere ganske bra design her nå.
Så skal vi ta avsluttet, Adrian,
med litt vår, litt om strategi og
forankring av dette, for det lovte
vi også å komme litt inn på.
Adrian Sjøholt: Ja, det er en veldig
viktig del av det, for hvis det
ikke blir forankret og henestrategi
bak, så blir det ikke brukt.
Frode Stenstrøm: Nei, ikke sant?
Og da er det jo det med
tilgjengelige verktøy for bedriften.
Og vi har laget en liten
arbeidsprosess som vi tenkte vi
skulle bare gå litt igjennom nå.
Og det første er
jo den her, Adrian.
Adrian Sjøholt: Ja.
Du må jo ha en strategi på
hvorfor du skal gjøre det. Som
jeg sa innledningsvis her nå, så
er det veldig mange som ønsker
å bruke AI kun for å bruke AI.
Men du må jo ha en grunn til
å bruke, du skal ikke bruke AI
kun for AIs skyld, men du må
identisere spesifikke forretningsområder
der du har mulighet til å
få en reell verdi av bruken.
Frode Stenstrøm: Og så
når man har gjort det?
Adrian Sjøholt: Så må du
prioritere, rett og slett.
Det er jo mest sannsynlig
så finner du mange områder
i den første som vil være
kun aktuelle for bruk av AI.
Men det å finne det riktige,
Ja, starte enkelt, Ja, tar
av lavtengende fruktene sånn
at noe blir gjennomført.
For det vil jo også føre
til at man får en viss, Ja,
traction og tempo på utrullingen.
Frode Stenstrøm: Jeg ser hvor
vi begynner, rett og slett.
Adrian Sjøholt: Ja.
Den vil også gi deg da, at
når man har begynt å rulle
ut, få enkeltpersoner som blir
veldig drevende brukende av deg.
Egentlig.
Rundt omkring organisasjonen., Som da
kan fungere som champions eller som
ildsjele for brukerne av AI, som da
kan vise litt hvordan AI kan brukes
i de ulike delene av virksomheten.
Så er det jo selvfølgelig hvilken
data som skal være tilgjengelig,
hvordan den skal håndteres, hvordan
den skal styres, og der er
det jo veldig viktig for dem.
All AI er avhengig av data.
Frode Stenstrøm: Den er jo helt
avhengig av data, og vi så jo
også tidligere, Adrian, at bedrifter
som har mye rot i systemet sine,
hvis de begynner å få en AI
-motor inn mot det rotet, så
løser det egentlig ingenting.
Adrian Sjøholt: Nei, og ikke bare
det, men også at kanskje det rotet
inneholder dokument du egentlig
ikke skulle ha tilgang til.
Frode Stenstrøm: Nettopp.
Adrian Sjøholt: Så blir det
veldig synlig når en AI
-motor får tak i deg.
Frode Stenstrøm: Ja, det er det.
Adrian Sjøholt: Når du spør om
hvorfor det ble PR -sparket i 2002,
så er det kanskje ikke AI som
bør ha tilgang til det dokumentet?
Frode Stenstrøm: Nei.
Og det betyr at ofte så kan
det være lurt da å bygge og få
hjelp av sånne som oss til å få
litt orden på datagrunnlaget sitt
før man slår på AI -motor som
indekserer det samme datagrunnlaget.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Og så er det
jo teknologi og infrastruktur,
altså hvordan vi gjør dette.
Bygger vi, kjøper vi,
skalerbarhet, fleksibilitet?
Vi ser jo at det å lage
de modellene her er en
enorm investering for mange.
Adrian Sjøholt: Det er det. Og her
er det jo også, som du nevnte
til dere, det er viktig å vite
hvilken modell du skal bruke
til å ha ulike case -anledninger.
Frode Stenstrøm: Og det er en
del av våre kunder som sier at
vi har en Microsoft -strategi,
så vi velger alt fra dem.
Men livets realitet er at det er
ikke alltid Microsoft som er best
på alt, og det er heller ikke
Microsoft som er billigst på alt.
Og nå som det er kommet til
en verden i den at disse AI
-modellene er nesten en commodity
-tjeneste, så er det sånn at
for vår del for eksempel, så
bytter vi AI -modeller for en
del av de samme arbeidsoppgavene
nesten ukentlig, avhengig av
hva som skjer i markedet.
For det er mulig å gjøre nå.
Og så er det da, hvem?
Og kanskje den, det er vel en, som
er kanskje den viktigste her, Adrian.
Adrian Sjøholt: Det
krever en kompetanse.
Men det krever jo også at
dere der på toppen vet at
det er en endringsprosess.
Ja.
At det kjenner til å ta tid.
Du kan ikke trykke på knappen,
og så bruke AI fra første dag.
Du må rulle deg ut i organisasjonen,
og det kjenner til å kreve både
tid og at det kanskje ikke går helt
som man hadde planlagt innledningsvis.
Frode Stenstrøm: Og det her er et
spørsmål, området synes jeg er
interessant, for dette er et område
jeg oftest møter i kommunikasjon med
våre kunder, og internt egentlig.
Og det er at de, de, de ... AI
er bare et sånt svart hull, og
så er det, ja men jeg skjønner
ikke, jeg vet ikke hvordan,
hvorfor skal jeg komme i gang.
Det er så mange spørsmål der.
Og det synes jeg er interessant
at man lurer på, egentlig.
Og det er derfor vi håper at når
dere ser de bruksområdene våre,
så ser dere i hvert fall noen
områder man kan begynne på, og
begynne å bygge kunnskap rundt.
Adrian Sjøholt: Absolutt.
Frode Stenstrøm: Og da er det jo
sånn at basert på det dere har
sett, så er det noen prosesser
man kan følge, så er det en
tilnærming som vi lovte at
vi skulle ta helt til slutt.
Og det er jo det at tydelig
eierskap og lederskap, og forankring,
Det er små skritt å lære raskt.
Og jeg har sett så mange eksempler
på at, ja, men Frode, dette er
kanskje, vi kan ikke gjøre det nå,
vi har ikke tid til det nå, det
er et prosjekt som tar så lang tid.
Nei, de gjør ikke det. Jeg,
som jeg synes det er, hvis
folk kan få litt nysgjerrighet.
Dette med MCP -server som jeg
ikke visste hva var for i fjor
høstinga, så satt jeg meg og tenkte,
hvor vanskelig er det egentlig?
Og fra jeg begynte til jeg var
ferdig, så hadde jeg jobbet to
og en halv time og laget tre
MCP -server i to forskjellige
bruksscenarier, og plutselig
hadde jeg spart meg 40 -50
timer å arbeide den uke der.
Så det er bare å ha litt
nysgjerrighet, og hvis du
lurer på hvordan, så er
det bare å spørre roboten.
Ja, det kan gi et svar, da.
Adrian Sjøholt: Det kan
gi et ganske klart svar.
Frode Stenstrøm: Så i masse
små, iterative prosjekter og
tilnærminger er veldig mye gjort.
Og så er det en liten småkjipe, da.
Der er jo en
risikovurdering, selvfølgelig.
Der er jo både, sånn som du
snakket om, der er jo to store
nasjoner som har ulike modeller.
Det er hvilken dator du
trenger å gjøre for modellen.
Og så er det den
ansvarlige, hvordan man skal
bruke det. Man må ha en beslutning
på det. Og det er vi altså
lovplagt nå, det er en av de
tingene som står i EUs lovverk mot
å bruke AI, det er det etiske.
Det står for eksempel orett at
man skal ikke kunne bruke AI til
å drive med personifisering, altså
å følge og analysere personer.
Adrian Sjøholt: Ja, og det er sånn
som Microsoft har jo lagt inn
der i modellen, at hvis du tar
opp et møte, så kan du ikke gå
inn og spør, ok, hvordan svarte
den personen i hvilken tone?
Frode Stenstrøm: Nettopp.
Adrian Sjøholt: Så den er på
en måte, spør du om det,
så får du ikke svaret.
Frode Stenstrøm: Nei.
Og det er egentlig en bra ting.
Også er det internt kommunikasjon
og analyser som vi har sagt
om før, og så selvfølgelig
evaluering og justering.
At man må jo være litt
agil i dette og jobbe.
Og det var egentlig dagens
oppsummering, Adrian, på
første delen av AI...
Adrian Sjøholt: Første del.
Frode Stenstrøm: Første del.
Adrian Sjøholt: Det kommer mer.
Frode Stenstrøm: Det kommer
mer, og da har vi sagt om...
Adrian Sjøholt: Vi har tatt
en liten introduksjon til hva
AI-agenter er, og litt om
forskjellige typer AI-agenter.
Ja.
Vi har sett litt på trendene
og mulighetene som ligger i AI.
Hvilke bruksområder, der skal
vi også komme veldig mye
tilbake enn så enn det er.
Diskutert litt rundt AI -landskapet,
og i alle fall prøvde å forklare
noen av de mest sentrale begrepet.
Og så litt rundt hvordan
det skal forankres, hvilken
strategi man skal begynne med.
Og så egentlig vår anbefalte
tilnærming til hvordan
implementere AI -prosjekt.
Frode Stenstrøm: Og med de ordene
så sier jeg takk til Adrian for
ditt bidrag i dagens sending.
Lurer du på noe så still gjerne
på spørsmål på kommentarfeltet under
eller kontakt Adrian på LinkedIn.
Han er en hyppig blogger
der og aktiv på LinkedIn.
Var nyttig, lik og del videoen.
Synes du vil ha mer faglig nå
så abonnerer du på vår kanal.
Denne sendingen er produsert
av ProsessPilotene, som øker
verdien av dine kunder med
bruk av Microsoft -teknologi.
Vårt analyse -team kan hjelpe
deg med kunsting intelligens,
skreddersydde modeller og det
vi har pratet om i dag.
Vårt samhandlingsteam kan hjelpe
deg lage fantastiske nettsider.
Eh, med både min side og
kundeklubber og det hele.
Ansvarlig for sendingen har
vært meg, Frode Stenstrøm,
prosjektleder i Oddbjørg Berge,
med ønske om bedre arbeidsprosesser
for alle - på gjensyn.
Still et spørsmål eller del hva som hjalp deg.
Feltservice | Video
Den 16.10.2019 presenterte ProsessPilotene og Microsoft Norge løsninger som du kan bruke til ressursstyring og forvaltning av oppdrag: Microsoft Dynamics 365 Field Service som produkt, og Field Services som fag. Det ble fullsatt sal av personer fra flere bransjer som eiendom, industri, IT, stat og kommune.
Hva tar du med deg fra denne episoden?
Bli den første som bidrar.
