AI-lanceringerne står nærmest i kø

Der er virkelig sket meget. Så meget, at der er kommet to store nyheder alene i går, som jeg selvfølgelig også har taget med.

Vi har fået nye modeller fra Meta, Anthropic og Mistral, store opdateringer til Claude, Gemini og ChatGPT samt nye initiativer inden for AI-sikkerhed.

Her er 12 af de vigtigste nyheder, og hvad de betyder for os, der arbejder med AI.

Meta har i går, 12. oktober, lanceret to nye AI-modeller: Muse Wonder og Muse Wonder Full.

Modellerne er udviklet til komplekse opgaver, hvor AI skal kunne arbejde videre mod et mål over flere trin.

Meta fremhæver især to funktioner.

→ Active Memory skal hjælpe modellen med at huske relevant information på tværs af samtaler.

→ Active Focus skal gøre modellen bedre til at arbejde videre, når en opgave bliver vanskelig, afprøve andre løsninger og rette fejl undervejs.

Meta fremhæver også modellernes evner inden for programmering, økonomi og juridiske opgaver.

Muse Wonder er tilgængelig via Meta Model API og Muse Code. Muse Wonder Full er tilgængelig for Muse Code-abonnenter. Muse Wonder kommer senere til selve Muse-assistenten.

Hvad betyder det?

Forestil dig, at du beder en AI-agent om at undersøge forskellige løsninger til et projekt.

Undervejs støder den på oplysninger, der kræver yderligere research, eller en fremgangsmåde, der ikke fungerer.

Ambitionen er, at agenten selv skal kunne finde en anden vej og arbejde videre uden at skulle have nye instruktioner hele tiden.

Det er en udvikling, jeg følger tæt, fordi længerevarende opgaver kræver, at AI kan bevare overblikket og håndtere fejl undervejs.

Det bliver spændende at se, hvordan modellerne klarer sig i uafhængige evalueringer og på virkelige arbejdsopgaver.

Storbritannien har i dag annonceret nye initiativer for at beskytte landet mod risici fra avancerede AI-systemer.

Regeringen vil blandt andet bruge AI til at identificere sårbarheder i offentlige IT-systemer.

Ifølge regeringen har to pilotprojekter allerede bidraget til at identificere og håndtere mere end 1.000 sårbarheder.

Samtidig undersøger myndighederne, hvordan alvorlige AI-hændelser og situationer, hvor kontrollen med autonome systemer svigter, skal håndteres.

Der arbejdes også med mulighederne for at styrke reglerne om cybersikkerhed.

Hvad betyder det?

Vi taler meget om, hvad AI-agenter kan udføre for os.

Men hvad sker der, hvis en agent udfører en handling, den ikke burde? Eller hvis flere autonome systemer påvirker hinanden på uforudsete måder?

Det er nogle af de spørgsmål, Storbritannien nu arbejder mere systematisk med.

Jeg synes især, det er værd at følge, fordi governance i stigende grad skal handle om de handlinger, AI-systemer udfører, og vores muligheder for at opdage og håndtere fejl.

Anthropic har lanceret to nye funktioner i Claude.

Med Claude Dashboards kan du oprette dashboards med information fra tilsluttede datakilder.

Med Claude Motion kan du lave animerede forklaringer og visuelt indhold.

Samtidig er Claude Docs, Slides og Design blevet tilgængelige på alle abonnementer, inklusive gratisversionen.

Dashboards og Motion er fortsat i beta og har forskellige adgangskrav.

Hvad betyder det?

Forestil dig, at du skal præsentere udviklingen i en virksomheds salgstal.

Du kan bruge Claude til at hjælpe med at strukturere data, bygge et dashboard og præsentere resultaterne visuelt.

For kommunikations- og marketingteams åbner det også for nye muligheder for at arbejde med præsentationer, rapporter og visuelt indhold.

Det er særligt relevant, fordi flere dele af produktionen kan samles i det samme AI-værktøj.

Google har præsenteret en AI-agent, som kan arbejde på tværs af virksomhedens systemer.

Agenten kan blandt andet hjælpe med at finde information, arbejde med dokumenter og koordinere opgaver.

Google arbejder også med såkaldte coworker-agenter, som kan få deres egne roller og adgangsrettigheder.

Løsningen kan anvende forskellige AI-modeller afhængigt af opgaven.

Den er foreløbig i private preview.

Hvad betyder det?

Forestil dig, at du skal forberede et møde med en kunde.

Med de nødvendige integrationer kan en agent hjælpe med at finde tidligere korrespondance, samle relevante dokumenter og forberede et mødeoplæg.

Men det rejser også spørgsmål.

Hvilke data må agenten tilgå? Hvilke handlinger må den udføre? Og hvornår skal et menneske godkende resultatet?

Det er de beslutninger, virksomheder skal have styr på, når de begynder at arbejde med AI-agenter.

OpenAI har lanceret GPT-6 med Intelligent UI.

Det betyder, at ChatGPT kan præsentere information gennem diagrammer og interaktive elementer.

I stedet for kun at få et tekstsvar kan du eksempelvis få en beregner, hvor du selv ændrer tallene.

Hvad betyder det?

Forestil dig, at du skal undersøge, hvordan forskellige budgetter påvirker økonomien i et projekt.

Du kan få en interaktiv beregning og ændre forudsætningerne direkte i samtalen.

Det kan være relevant for analyser, undervisning og formidling af komplicerede emner.

Det ændrer også forventningerne til, hvordan vi kan arbejde med AI-værktøjer.

Anthropic har lanceret nye integrationer mellem Claude og Google Docs, Sheets og Slides.

Det betyder, at Claude kan hjælpe med at arbejde videre i eksisterende dokumenter, regneark og præsentationer.

Du kan også oprette og redigere Google-filer fra Claude.

Funktionerne er i beta på betalte abonnementer.

Hvad betyder det?

Hvis du sidder med en præsentation, kan Claude hjælpe med at forbedre strukturen eller omskrive indholdet direkte i filen.

Det kan spare nogle af de manuelle trin, hvor vi ellers kopierer information mellem forskellige programmer.

Jeg synes især, det er relevant at følge, hvordan AI-værktøjerne bliver integreret i de programmer, vi allerede bruger.

Anthropic har lanceret Haiku 5.5, en mindre model udviklet til hurtige og gentagne opgaver.

Ifølge Anthropic er modellen i gennemsnit omkring 75 procent billigere at bruge end Haiku 4.5.

Den er relevant til opsummering, klassificering og gentagne opgaver i AI-workflows.

Hvad betyder det?

Hvis du bygger et workflow, behøver du ikke nødvendigvis bruge den største AI-model til alle trin.

Forestil dig, at du skal sortere 500 kundehenvendelser efter emne.

Her kan en mindre model være tilstrækkelig.

Det kan få stor betydning for økonomien, når AI skal udføre mange opgaver.

Det kræver selvfølgelig, at du tester, om modellen leverer den nødvendige kvalitet.

Google har opdateret sin billedmodel Nano Banana.

Den nye version har blandt andet forbedringer inden for billedredigering, tekst i billeder og visuel konsistens.

Det betyder, at modellen er blevet bedre til at arbejde med flere billeder, der skal hænge sammen.

Hvad betyder det?

Hvis du arbejder med marketing eller kommunikation, er det relevant for produktion af kampagnemateriale og visuelt indhold.

Forestil dig, at du skal producere flere billeder af det samme produkt i forskellige omgivelser.

Her er det vigtigt, at produktet bevarer sit udseende på tværs af billederne.

Der er stadig behov for kvalitetssikring, men udviklingen gør billedmodeller mere anvendelige til større indholdsproduktioner.

Den franske AI-virksomhed Mistral har lanceret Large 4.

Det er virksomhedens hidtil største model med omkring én billion parametre.

Modellen er udviklet til blandt andet kodning, multimodale opgaver og AI-agenter.

Den er tilgængelig som public preview, og Mistral planlægger at frigive modelvægtene senere i oktober.

Hvad betyder det?

For virksomheder handler modelvalg også om økonomi, datasikkerhed og afhængighed af leverandører.

Hvis modelvægtene frigives som planlagt, kan det give flere muligheder for at drive og tilpasse modellen i egne miljøer.

Det er relevant for organisationer med særlige krav til deres tekniske infrastruktur.

Det kræver dog betydelige ressourcer at drive så store modeller selv.

Anthropic har lanceret et nyt initiativ inden for cybersikkerhed.

Det omfatter blandt andet et gratis sikkerhedsscanningsprogram til open source-projekter.

Virksomheden vil også hjælpe med at styrke beskyttelsen af kritisk infrastruktur.

Hvad betyder det?

AI kan hjælpe sikkerhedsteams med at gennemgå software og finde potentielle sårbarheder.

Det kan gøre det muligt at undersøge mere kode og identificere problemer tidligere.

Men resultaterne skal stadig vurderes af mennesker, som kan prioritere og håndtere de fundne sårbarheder.

Anthropic har offentliggjort en rapport om situationer, hvor Claude under sikkerhedsevalueringer og intern brug udførte handlinger, der lå uden for de tiltænkte rammer.

Rapporten beskriver blandt andet, hvordan en model kunne interagere med websites og systemer på uventede måder.

De fleste eksempler stammer fra sikkerhedsevalueringer.

Hvad betyder det?

Når AI-agenter får adgang til browsere, dokumenter og virksomhedssystemer, bliver det nødvendigt at kunne vurdere hele deres arbejdsforløb.

Det er ikke tilstrækkeligt kun at undersøge, om slutresultatet ser korrekt ud.

Vi skal også kunne forstå, hvilke handlinger agenten har udført undervejs.

Det kræver blandt andet adgangsstyring, evalueringer, logning og klare rammer for, hvornår mennesker skal godkende handlinger.

GitLab har præsenteret nye funktioner til virksomheder, der anvender AI-agenter i softwareudvikling.

Det omfatter blandt andet muligheder for at kontrollere adgangsrettigheder, undersøge sikkerhed og følge AI-forbrug.

Flere funktioner er fortsat i beta eller early access.

Hvad betyder det?

Når virksomheder begynder at bruge flere AI-agenter, bliver det vigtigt at kunne svare på nogle helt grundlæggende spørgsmål.

Hvilke opgaver udfører agenterne?

Hvilke systemer har de adgang til?

Hvad koster de?

Og hvordan måler vi, om de skaber værdi?

Det er nogle af de spørgsmål, der bliver stadig vigtigere, når virksomheder vil gå fra enkelte AI-eksperimenter til mere omfattende implementering.

Der er især tre udviklinger, jeg holder øje med.

1. AI-værktøjerne kan levere flere typer færdigt arbejde.

Claude og ChatGPT er gode eksempler på, hvordan vi får flere muligheder for at arbejde med data, dokumenter og visuelt indhold.

2. AI-agenter bliver udviklet til længere og mere komplekse opgaver.

Metas nye modeller og Googles Gemini-agent viser, hvor meget der bliver investeret i systemer, som kan arbejde videre mod et mål og bruge forskellige værktøjer undervejs.

3. AI-sikkerhed og governance får større betydning.

Storbritanniens nye initiativer, Anthropics sikkerhedsrapport og GitLabs opdateringer viser, at der også bliver arbejdet med, hvordan vi kontrollerer AI-systemernes handlinger.

Jeg synes især, at udviklingen inden for AI-agenter er værd at følge.

For jo længere en agent arbejder selvstændigt, jo vigtigere bliver det at kunne evaluere hele forløbet.

Det er noget, jeg mener, vi skal blive langt bedre til, når vi begynder at bygge agentiske workflows.

Tak fordi du læste med.

Sally Ezzeddine
AI Advisor