Københavns Universitet lancerer to strategiske AI-missioner og investerer samlet 110 mio. kr. i at udvikle og anvende AI på tværs af forskning, undervisning og administration. Samtidig udnævnes professor Morten Axel Pedersen til viceprorektor for AI.

Det interessante er ikke blot beløbet. Det er organiseringen.

KU opretter et AI-kontor, en AI-taskforce og nye styringsstrukturer på tværs af universitetet. Der kommer tre AI-labs til støtte for forskernes anvendelse af AI, fælles modelplatforme og konkrete løsninger som en generativ KU-assistent, transskription og et såkaldt AI-trafiklys til vejledning om compliant brug.

Strukturen er i første omgang tænkt til tre år. Ambitionen er, at AI derefter ikke længere skal være et særligt projekt, men en integreret del af universitetets måde at arbejde på.

Universiteter står midt i nogle af de mest grundlæggende spørgsmål, AI rejser. Hvordan ændrer teknologien læring? Hvad skal studerende stadig kunne selv? Hvordan bruger forskere AI uden at svække metode og faglig dømmekraft? Og hvordan ændres administrationen, når stadig flere opgaver kan assisteres eller automatiseres?

Det er ikke kun universiteter, der har de spørgsmål.

Mange virksomheder er nået til præcis samme punkt i mindre skala. De har købt adgang til værktøjerne. Medarbejderne bruger dem. Enkelte teams har gode cases. Nu kommer den mindre glamourøse del: ansvar, governance, kompetencer, infrastruktur og ejerskab.

KU kalder selv AI et organisationschok. Det er egentlig en ganske præcis beskrivelse.

Modellerne bliver bedre hurtigt. Organisationer gør sjældent. Derfor er det ofte ikke teknologien, der er den svære del. Det er strukturen omkring den.

For første gang har Helsedirektoratet kortlagt brugen af AI på tværs af den norske specialisthelsetjeneste. Resultatet er 68 forskellige systemer, som enten er i brug, under indføring eller under afprøvning.

Det spænder bredt. Billedanalyse og diagnostisk beslutningsstøtte fylder naturligt meget, men der findes også løsninger til tale-til-notat, planlægning, dokumentation og administrative opgaver.

Det er et langt mere modent billede end fortællingen om AI som et laboratorieforsøg.

Men kortlægningen viser samtidig den klassiske udfordring. De fleste løsninger bruges stadig kun ved ét hospital eller i én helseregion. Kun ni af de 68 er udbredt til to eller flere regioner.

Det mønster kender de fleste større organisationer efterhånden. Ét team finder en god løsning. Et andet team finder en anden løsning, der næsten gør det samme. Et tredje team starter en pilot for lige at være sikker.

Pludselig har organisationen masser af innovation og meget lidt fælles drift.

Helsedirektoratet peger selv på potentialet for mere erfaringsdeling og hurtigere spredning af de løsninger, der fungerer. Det er også her, den virkelige produktivitetsdiskussion begynder. Ikke om systemet kan lave et imponerende resultat i en demo, men om det frigør tid, forbedrer kvaliteten og kan implementeres sikkert på tværs.

Der mangler stadig bedre dokumentation af de faktiske tidsgevinster. Det er vigtigt. I sundhedsvæsenet er en sparet time kun interessant, hvis den reelt bliver til mere eller bedre patientbehandling.

Norge har med andre ord bevæget sig fra kan vi bruge AI? til et bedre spørgsmål: hvilke løsninger er værd at skalere?

Det er mindre fotogent. Til gengæld er det der, værdien bor.

Norges digitaliseringsminister Karianne Tung vil have strengere regler for smartbriller og lignende enheder og nedsætter en ekspertgruppe, der skal rådgive regeringen om ny og kraftig teknologi.

Et muligt greb kan være at forbyde funktioner som ansigtsgenkendelse af andre mennesker i offentlige rum.

Det er vigtigt at holde tungen lige i munden her: et sådant forbud er ikke vedtaget. Det er et eksempel på den regulering, regeringen nu vil undersøge.

Men selve problemet er allerede ganske konkret. Moderne smartbriller kombinerer kamera, mikrofon, netforbindelse og AI i noget, der ligner et helt almindeligt par briller.

Smartphones har vænnet os til kameraer overalt. Der er stadig et socialt signal i handlingen: nogen tager telefonen frem, peger den mod dig og filmer.

Med smartbriller kan signalet forsvinde. Den person, du taler med, kan i princippet optage, transskribere, analysere eller senere identificere dig uden den samme synlige gestus.

Det gør privatliv til mere end et juridisk spørgsmål. Det bliver et designproblem.

Hvordan viser produktet tydeligt, at kamera eller analyse er aktiv? Hvilke funktioner bør overhovedet være tilladt i offentlige rum? Skal arbejdspladser, skoler, butikker og mødelokaler have egne regler? Og hvem har ansvaret for, at mennesker omkring brugeren forstår, hvad teknologien gør?

Tung opfordrer allerede både offentlig og privat sektor til at overveje egne retningslinjer.

Det virker fornuftigt. For vi kan godt ende med meget intelligente briller. Det ville være rart, hvis de ikke samtidig gav os temmelig dumme sociale situationer.

Linda Palmgren overtager 1. oktober som Managing Director for AI Sweden. Hun kommer med mange års ledelseserfaring fra digital transformation og får et ret tydeligt mandat: styrk Sveriges samlede AI-evne og skab større værdi for konkurrencekraft, velfærd og teknologisk suverænitet.

En lederudnævnelse er normalt ikke den mest eksplosive AI-nyhed i verden.

Men formuleringen af opgaven er interessant.

AI Sweden har allerede rollen som nationalt samlingspunkt mellem forskning, virksomheder, offentlig sektor og det bredere innovationsmiljø. Palmgren beskriver selv udfordringen som et spørgsmål om, hvorvidt erhvervsliv, offentlig sektor og politik kan øge gennemførelseskraften sammen.

Vi mangler ikke strategier. Vi mangler heller ikke konferencer, testprojekter eller mennesker, der har set en demo og sagt spændende.

Det svære er at flytte teknologi fra isolerede initiativer til fælles kapacitet.

Det kræver standarder, kompetencer, adgang til data og compute, tydeligt ansvar og organisationer, der faktisk kan ændre deres arbejdsgange. Og det kræver, at offentlig og privat sektor ikke bygger parallelle løsninger uden at lære af hinanden.

Det er også derfor, ordet suverænitet dukker op igen. Ikke som et krav om, at Sverige skal bygge alt selv, men som et spørgsmål om at have tilstrækkelig kompetence og kapacitet til selv at vælge, styre og skifte teknologi.

Palmgren tiltræder først i oktober, så der er ingen ny svensk AI-politik at annoncere endnu.

Men mandatet fortæller noget om næste fase: mindre begejstring over teknologien i sig selv. Mere fokus på at få den til at virke i systemet omkring os.

Storbritannien og Ukraine har underskrevet en ny AI-partnerskabserklæring med fokus på militære og sikkerhedsmæssige anvendelser af kunstig intelligens.

Storbritannien bliver den første internationale partner med adgang til erfaringer og indsigt fra Ukraines Avengers AI Labs. Den officielle formulering er vigtig: der er ikke tale om et blankt adgangskort til alle ukrainske battlefield-data.

Partnerskabet er bygget op omkring tre spor. Regeringerne skal samarbejde om fælles modeller, sikre data- og compute-forløb og assurance. Industrien skal udvikle og teste AI-kapabiliteter mod konkrete operationelle problemstillinger. Forskning skal blandt andet fokusere på autonomi, cybersikkerhed og syntetiske data.

Aftalen er politisk og ikke juridisk bindende og skal udvikles pilot-first.

Det gør historien interessant langt ud over forsvar.

AI-systemer, der fungerer fint i laboratoriet, kan opføre sig helt anderledes i den virkelige verden. Data er støjende. Sensorer fejler. Netværk forsvinder. Modstanderen prøver aktivt at snyde systemet. Fejl har konsekvenser, som ikke kan løses med en refresh-knap.

Ukraines erfaring med hurtigt at udvikle, teste og ændre teknologiske systemer under reelle operationelle forhold er derfor værdifuld.

For Storbritannien handler samarbejdet også om egen kapacitet. Regeringen kalder det selv AI sovereignty in practice: at bygge kompetence og systemer, som ikke kun afhænger af eksterne leverandører.

Det er en anden version af den suverænitetsdiskussion, vi ser i resten af Europa.

Ikke hvem der har den flotteste nationale chatbot. Men hvem der faktisk har data, infrastruktur, sikkerhed, kompetencer og organisatorisk evne til at få AI til at fungere, når forholdene ikke er pæne.

Nvidia rapporterede i denne uge en kvartalsomsætning på 96,2 mia. dollar. Det er 106 procent mere end året før og 18 procent mere end kvartalet før.

Datacenterforretningen alene stod for 89 mia. dollar og voksede 117 procent på et år.

Det er tal, der er store nok til næsten at miste betydning. Men de fortæller noget vigtigt om, hvor AI-markedet befinder sig.

Efterspørgslen efter compute er ikke længere primært et løfte om fremtidig vækst. Den er allerede blevet en enorm, eksisterende økonomi.

AI-laboratorier, cloududbydere, startups, virksomheder og nationale projekter bygger samtidig. Nvidias regnskab er i praksis et temperaturmål på hele den udbygning.

Det ændrer også AI-strategien for almindelige virksomheder.

Valget handler ikke kun om, hvilken model der er bedst. Pris per opgave, adgang til kapacitet, energieffektivitet, latency, leverandørbinding og arkitektur bliver en del af forretningsregnestykket.

Det er også værd at bemærke, hvor meget af AI-værdikæden der koncentreres omkring infrastrukturen. Modeller kan skifte hurtigt. Datacentre, chips og strømkontrakter har en lidt længere opsigelsesperiode.

Nvidia har haft et usædvanligt godt sæde i den udvikling.

Tokens kan føles vægtløse. De 96,2 milliarder dollar bag dem gør ikke.

Salesforce og Anthropic udvider deres samarbejde under navnet Claudeforce. Ideen er at gøre Salesforce-data, workflows, forretningslogik, handlinger og governance tilgængelige direkte fra Claude.

Første konkrete produkt er Salesforce in Claude, som lanceres med 37 færdige salgs-skills.

De kan blandt andet hjælpe med mødeforberedelse, pipeline review og vurdering af deal health. Agenten kan arbejde på live kontekst fra Salesforce og udføre handlinger gennem de eksisterende forretningsregler og permissions.

Det sidste er vigtigt. Enterprise-AI bliver først rigtig interessant, når den ikke kun kan svare, men også handle uden at omgå alt det kedelige, virksomheden allerede bruger til at holde styr på ansvar og adgang.

I årtier har enterprise-software været bygget omkring skærmbilleder, menuer, dashboards og formularer. Informationen ligger i systemet, men brugeren skal vide, hvor den er, finde den og derefter udføre handlingen.

Agentiske systemer vender modellen om.

Brugeren beskriver intentionen. Agenten finder konteksten, anvender reglerne og gennemfører opgaven.

Det betyder ikke, at Salesforce-grænsefladen forsvinder i næste uge. Salesforce in Claude er i første omgang til pilotkunder, med åben beta planlagt til september.

Men retningen er interessant.

Hvis brugeren i stigende grad arbejder gennem agenten, kan virksomhedens vigtigste software ende med ikke at være det sted, medarbejderen arbejder. Det bliver infrastrukturen, dataene og reglerne, som agenten arbejder igennem.

Det er en lille forskel i formuleringen. Det kan være en meget stor forskel i softwaremarkedet.

Australiens officielle ARIA-hitlister har ændret reglerne for musik skabt med generativ AI.

Helt AI-genererede optagelser kan ikke længere kvalificere sig til hitlisterne. Musik, hvor generativ AI bruges i en støttende rolle, er fortsat tilladt, så længe optagelsen i væsentlig grad er menneskeskabt og ikke giver anledning til manipulation af streams eller charts.

Reglerne træder i kraft med ARIA-listen dateret 31. august.

Det er en interessant beslutning, fordi ARIA ikke har valgt den nemme version: AI er forbudt.

Det giver mening. Moderne musikproduktion har i årtier været fyldt med teknologi. Autotune, sampling, synthesizere, softwareinstrumenter, mastering-algoritmer og nu generative værktøjer.

Spørgsmålet er derfor ikke særlig brugbart, hvis det bare lyder: blev AI brugt?

Det mere interessante spørgsmål er: hvem tog de kreative beslutninger?

ARIA forsøger at skelne mellem AI som værktøj og AI som den primære skabende aktør. Det bliver ikke altid let. Der findes masser af gråzoner mellem en lille assisterende funktion og et system, der genererer størstedelen af værket.

Men den principielle retning er vigtig for hele den kreative branche.

Vi får sandsynligvis ikke en fremtid med nul AI i kreativ produktion. Vi får en fremtid, hvor ophav, ansvar og menneskelig intention skal kunne forklares langt bedre.

Det er mindre dramatisk end at forbyde maskinen. Og sandsynligvis mere brugbart.

Singapores Ministry of Law og Intellectual Property Office har åbnet en offentlig høring om, hvordan AI påvirker landets system for immaterielle rettigheder.

Høringen løber fra 26. august til 22. oktober og spænder over både copyright og patenter.

På copyright-siden spørger myndighederne blandt andet til større sikkerhed og ansvarlighed omkring AI-træning, risikostyring når AI deployeres og bruges, og hvad menneskelig kreativitet egentlig betyder i AI-assisterede værker.

På patentsiden handler det blandt andet om, hvordan de eksisterende regler for opfinderskab skal fungere, når menneske og AI arbejder sammen, og hvad store mængder AI-genererede tekniske publikationer gør ved begrebet prior art.

Det er netop derfor, historien er interessant.

AI-jura bliver ofte behandlet som en række separate problemer. Træningsdata ét sted. Copyright-output et andet. Patenter et tredje. Ansvar et fjerde.

I virkeligheden hænger de sammen.

Hvis et system er trænet på beskyttet materiale, assisterer et menneske med at skabe et nyt værk og derefter genererer tekniske løsninger, der senere påvirker en patentsag, er det svært at nøjes med én lille juridisk skuffe ad gangen.

Singapore forsøger ikke at foregive, at svarene allerede findes. Høringen handler netop om, hvordan regler og praktiske vejledninger kan justeres.

For virksomheder er det værd at følge. Den endelige model bliver singaporiansk, men problemerne er globale.

Og de kommer til at dukke op i kontrakter, produktdesign og governance længe før de fleste har lyst til at læse selve lovteksten.

Starcloud har rejst yderligere 250 mio. dollar i en udvidelse af sin Series A-runde. Det løfter selskabets værdiansættelse til 2,3 mia. dollar og bringer den samlede kapital, virksomheden har rejst siden 2024, op på 450 mio. dollar.

Runden blev ledet af Manhattan West og inkluderer nye investorer som Nvidia og Cisco Investments.

Starcloud udvikler satellitter, der kan udføre AI-inference og anden compute direkte i kredsløb. Kapitalen skal blandt andet bruges på større produktionskapacitet, engineering og launch-adgang.

Virksomheden har allerede haft en Nvidia H100 GPU i kredsløb. Næste større skridt er blandt andet Starcloud-3 og samarbejde med Nvidia om hardware designet til de temmelig upraktiske forhold i rummet.

Argumentet for orbital compute er, at rummet kan tilbyde rigelig solenergi og radiativ køling uden samme pres på jord, vand, elnet og lokalplaner som enorme landbaserede datacentre.

Til gengæld får man nogle andre problemer forærende.

Raketter er dyre. Launch-kapacitet er begrænset. Hardware skal overleve vibrationer, stråling og ekstreme temperaturforhold. Og når et serverrack fejler, er teknikeren på vagt ikke lige rundt om hjørnet.

Starclouds meget store langsigtede planer skal derfor behandles som ambitioner, ikke eksisterende infrastruktur.

Men finansieringen gør historien værd at tage alvorligt. Nvidia og Cisco investerer ikke i en PowerPoint alene, og selskabet er allerede gået fra eksperimentel compute i kredsløb til planlægning af kommercielle systemer.

AI-kapløbet handler altså ikke længere kun om, hvem der bygger det største datacenter.

Det handler åbenbart også om, hvilken planet det står på.

1. Kommunernes AI rykker tættere på drift: KL’s Teknologiradar 2026 viser en tydelig bevægelse fra eksperimenter mod implementering på tværs af kommunale fagområder. Det er et mere interessant modenhedssignal end endnu en enkelt pilot.
2. Anthropic binder sig til massiv britisk compute: En flerårig aftale med Nscale om betydelig datacenterkapacitet viser igen, hvor fysisk frontier-AI er blevet. Modellerne bor stadig et sted, selv når brugerfladen gør sit bedste for at skjule det.
3. OpenAI sænker prisen på GPT-5.6 Sol: Lavere tokenpriser gør frontier-kapacitet mere realistisk til flere professionelle workloads. Prisfald er sjældent lige så fotogene som nye modeldemoer, men kan ændre adoptionen hurtigere.
4. Google lancerer Gemini 3.5 Transcribe: Den nye speech-to-text-model retter sig mod blandt andet støj, fagsprog og komplekse samtaler. Tale fortsætter med at udvikle sig til en af de mest praktiske AI-grænseflader.
5. OpenAI vil have Californiens AI-sikkerhedslov gjort stærkere: Efter tidligere modstand ønsker selskabet blandt andet mere overvågning af frontier-modeller under træning og stærkere cybersikkerhed. Det er et interessant politisk kursskifte.
6. Meta får foreløbigt afvist endnu en AI-copyrightsag: En amerikansk dommer har afvist en sag om copyright-information i 3D-materiale brugt til AI-træning, men sagsøgeren får mulighed for at ændre klagen. AI-jura bliver stadig skrevet én kendelse ad gangen.
7. Google lancerer Expert Intelligence: Gemini Notebook kan arbejde med udvalgt indhold fra forfattere, publikationer og andre ekspertkilder. Det er et interessant svar på spørgsmålet om, hvordan mere dokumenteret ekspertise kommer ind i AI-svarene.
8. OpenAI lukker russisk påvirkningskampagne ned: Selskabet har lukket en gruppe ChatGPT-konti knyttet til en skjult russisk indflydelsesoperation. AI bruges både til at producere påvirkning og til at opdage den.
9. AI og kritisk tænkning kan faktisk supplere hinanden: Et randomiseret forsøg med mere end 1.000 studerende fandt forskellige positive effekter fra ChatGPT-adgang og træning i kausal tænkning. Måske behøver valget mellem AI og selvstændig tænkning ikke være helt så binært.
10. Stability AI rejser 76 mio. dollar fra blandt andre underholdningsindustrien: Universal Music Group, Sony Music Group, Warner Music Group og EA er med i runden. Det er værd at bemærke, når nogle af brancherne mest berørt af generativ AI samtidig begynder at finansiere værktøjerne.

Der er et tydeligt mønster i ugens historier: AI bevæger sig fra eksperiment til institution.

Når et universitet får en viceprorektor for AI, hospitaler kortlægger 68 systemer, og regeringer begynder at regulere smartbriller, er teknologien ikke længere noget, man bare prøver. Den bliver en del af strukturen omkring arbejde, uddannelse, sundhed og offentlighed.

Det gør governance langt mere interessant. Ikke governance som PDF-dokument, men som beslutninger om hvem der må gøre hvad, hvilke data der må bruges, hvordan systemet er koblet til organisationens regler, og hvem der har ansvaret, når noget går galt.

Samtidig bliver selve brugergrænsefladen udfordret. Claudeforce er interessant, fordi Salesforce-data ikke længere nødvendigvis møder brugeren i Salesforce. Agenten bliver laget ovenpå. Hvis den udvikling fortsætter, vil mange softwarevirksomheder skulle spørge sig selv, om deres vigtigste produkt er brugerfladen eller infrastrukturen under den.

Den kreative verden står med samme slags spørgsmål. ARIA forsøger at definere forskellen mellem et AI-værktøj og et AI-værk. Singapore forsøger at definere ejerskab, ansvar og menneskelig kreativitet. De spørgsmål bliver ikke mindre, bare fordi værktøjerne bliver bedre.

Og så er der compute. Nvidia viser, hvor enorm økonomien allerede er blevet. Starcloud viser, hvor langt man er villig til at gå for at finde mere af den.

Det interessante er derfor måske ikke, at AI bliver mere avanceret. Det interessante er, at den bliver mere almindelig samtidig med, at infrastrukturen bag den bliver mere ekstrem.

AI bliver både mere hverdagsagtig og mere fysisk på samme tid.

Det lyder lidt modstridende.

Det er nok derfor, det føles så meget som 2026.