Nyhedens kerne og relevans for det offentlige

Microsoft har netop lanceret Fara-7B, en ny AI-model, der kan udføre handlinger direkte på computere uden at sende data til skyen. For danske kommuner, regioner og statslige myndigheder er det en markant nyhed. Fara-7B er nemlig udviklet til at kunne køre lokalt, hvilket betyder, at følsomme borgerdata ikke forlader organisationens egne servere eller computere. Det gør modellen særligt interessant i en tid, hvor datasikkerhed, GDPR og kontrol med egne data er centrale temaer i det offentlige.

Hvor mange AI-løsninger i dag kræver, at data sendes til eksterne servere, kan Fara-7B operere fuldt ud lokalt. Det mindsker risikoen for datalæk og gør det lettere at overholde både danske og europæiske regler for databeskyttelse. Samtidig åbner det for nye muligheder for at automatisere og effektivisere administrative processer uden at gå på kompromis med sikkerheden.

Teknologi og arkitektur

Fara-7B er bygget på Qwen2.5-VL-7B og er et såkaldt agentisk sprogmodel, der kan se skærmbilleder, forstå brugerens mål og udføre handlinger som klik, indtastning og navigation. Modellen arbejder direkte med screenshots og tekst, og den kan for eksempel udfylde formularer, booke aftaler eller sammenligne priser på nettet – alt sammen uden at sende information ud af huset.

Teknisk set kræver Fara-7B ikke adgang til store cloud-infrastrukturer. Den kan køre på en enkelt arbejdsstation eller server, forudsat at der er tilstrækkelig RAM og GPU-kraft. Det gør integrationen i eksisterende it-miljøer mere overskuelig, især for organisationer med stramme sikkerhedskrav. Modellen er open source og kan derfor tilpasses lokale behov og systemer.

Konkrete anvendelser i det offentlige

I praksis kan Fara-7B automatisere en lang række opgaver, som i dag kræver manuelt arbejde. Eksempler kunne være sagsbehandling, hvor modellen kan hente oplysninger fra forskellige systemer, udfylde skabeloner eller kontrollere data på tværs af platforme. I borgerbetjeningen kan Fara-7B assistere med at besvare henvendelser, booke tider eller hjælpe borgere med selvbetjeningsløsninger.

Også opgaver som dataindtastning, rapportgenerering og opfølgning på sager kan effektiviseres. Erfaringer fra lignende agentmodeller viser, at tidsbesparelsen hurtigt kan mærkes, især i processer med mange gentagelser og faste procedurer. Det frigiver tid til mere komplekse opgaver og kan potentielt forbedre både kvalitet og arbejdsglæde.

Sikkerhed, compliance og kontrol

En af de største fordele ved Fara-7B er, at data aldrig forlader organisationens egne it-systemer. Det gør det lettere at føre audit logs og dokumentere, hvem der har haft adgang til hvilke oplysninger – et krav i både GDPR og den danske databeskyttelseslov. Modellen understøtter desuden monitorering af alle handlinger, så man kan spore og kontrollere AI-agentens aktiviteter.

Sammenlignet med cloud-baserede AI-løsninger reducerer Fara-7B risikoen for uautoriseret adgang og datalæk. Dog skal organisationer stadig være opmærksomme på interne misbrugsscenarier, hvor medarbejdere eller systemer kan udnytte AI-agenten til at tilgå data, de ikke burde have adgang til. Her er det afgørende at kombinere tekniske sikkerhedsforanstaltninger med klare politikker og løbende overvågning.

Fara-7B gør det muligt at sætte grænser for, hvilke handlinger agenten må udføre, og der kan opsættes alarmer ved mistænkelig adfærd. Det giver it-afdelingen et stærkt værktøj til at styre og kontrollere AI-brugen.

Implementering og modenhed

Teknologien bag Fara-7B er moden nok til pilotprojekter og mindre produktionsmiljøer. Microsofts egne tests viser, at modellen klarer sig bedre end tidligere 7B-agentmodeller på flere benchmarks, blandt andet WebVoyager og WebTailBench. Det betyder, at man kan forvente høj succesrate på tværs af forskellige opgaver, men at der stadig er plads til forbedringer, især i meget komplekse arbejdsgange.

For at implementere Fara-7B kræves kompetencer inden for AI, it-sikkerhed og integration. Mange organisationer vil have brug for ekstern rådgivning eller samarbejde med specialiserede leverandører – her kan vi i Snilld hjælpe med både rådgivning, implementering og tilpasning til lokale behov. Barrierer kan være modstand mod forandring, manglende erfaring med AI eller bekymringer om datasikkerhed, men disse kan håndteres med god forandringsledelse og løbende kompetenceudvikling.

Ressourcer, forandringsledelse og medarbejderperspektiv

Det kræver ikke nødvendigvis store investeringer at komme i gang med Fara-7B, men der skal afsættes tid og ressourcer til opsætning, træning og tilpasning. Medarbejdernes bekymringer om jobindhold og overvågning bør tages alvorligt. Erfaringen viser, at inddragelse og åben dialog er nøglen til at skabe accept og motivation.

Forandringsledelse bør fokusere på at vise, hvordan AI-agenten kan fjerne trivielle opgaver og give mere tid til kerneopgaver. Samtidig er det vigtigt at sikre gennemsigtighed omkring, hvordan og hvornår AI’en bruges, og hvilke data den har adgang til.

Perspektivering og konklusion

Fara-7B markerer et vigtigt skridt mod sikre, effektive og lokale AI-løsninger i det offentlige Danmark. Potentialet for automatisering og effektivisering er stort, især fordi modellen kan tilpasses lokale behov og køre uden cloud-afhængighed. Samtidig er der udfordringer, især omkring kompetencer, forandringsledelse og løbende sikkerhedsovervågning.

Beslutningstagere og it-ansvarlige bør overveje, hvordan Fara-7B kan indgå i organisationens digitale strategi, og om de har de rette ressourcer og kompetencer til at udnytte teknologien fuldt ud. Vi i Snilld står klar til at hjælpe med både rådgivning, implementering og forandringsledelse, så det offentlige kan høste fordelene af næste generation af AI – uden at gå på kompromis med sikkerheden.

Kilder:

• https://www.marktechpost.com/2025/11/24/microsoft-ai-releases-fara-7b-an-efficient-agentic-model-for-computer-use/
• https://www.microsoft.com/en-us/research/blog/fara-7b-an-efficient-agentic-model-for-computer-use/
• https://www.microsoft.com/en-us/research/blog/fara-7b-an-efficient-agentic-model-for-computer-use/
• https://www.linkedin.com/posts/yashlara_microsoft-sota-huggingface-activity-7398794060943110144-y2jy
• https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct
• https://www.microsoft.com/en-us/research/blog/fara-7b-an-efficient-agentic-model-for-computer-use/

Målgruppens mening om artiklen

Anne, IT-chef i en større kommune:
Jeg giver artiklen 92. Den rammer plet ift. vores aktuelle behov for sikre AI-løsninger, der kan køre lokalt. Jeg synes, det er meget relevant, at der fokuseres på datasikkerhed og GDPR, og at der gives konkrete eksempler på anvendelser i det offentlige. Det er dog lidt for meget reklame til sidst, men det trækker kun lidt ned.

Jens, digitaliseringskonsulent i en region:
Jeg giver den 85. Artiklen er informativ og sætter fokus på netop de udfordringer, vi står med omkring cloud vs. lokal drift. Jeg kunne dog godt have ønsket mig lidt mere om de tekniske begrænsninger og eventuelle faldgruber ved integrationen.

Maria, sagsbehandler i en statslig styrelse:
Jeg giver den 78. Jeg forstår godt, hvorfor teknologien er interessant, men artiklen bliver lidt teknisk for mig. Jeg savner flere eksempler på, hvordan det konkret vil påvirke mit daglige arbejde, og hvordan medarbejderne bliver inddraget.

Lars, informationssikkerhedsansvarlig i en kommune:
Jeg giver den 88. Artiklen forklarer godt, hvordan Fara-7B kan hjælpe med at overholde GDPR og styrke sikkerheden. Jeg synes dog, der mangler lidt om, hvordan man konkret sikrer mod interne misbrug, og hvilke sikkerhedsforanstaltninger der anbefales.

Sofie, leder af borgerservice:
Jeg giver den 80. Det er spændende med automatisering, men jeg savner flere perspektiver på, hvordan borgerne oplever det, og hvordan vi sikrer, at servicen ikke bliver for upersonlig. Men det er bestemt relevant for os.

*Denne artiklen er skrevet af en redaktion bestående af kunstig intelligenser, der har skrevet artiklen på baggrund af automatiseret research og oplysninger om de seneste teknologi nyheder fra internettet.

Billederne i artiklen er lavet af FLUX.1.1 Pro fra Black Forest Labs.