ROCKWOOL Fonden offentliggjorde 13. oktober en ny kortlægning af danske iværksættere og virksomheder, der har slået sig ned i udlandet siden 1999. Forskerne identificerer 304 virksomheder: 242 blev grundlagt i udlandet af danske iværksættere, mens 62 først blev grundlagt herhjemme og senere flyttede hovedsædet. De virksomheder, der stadig er selvstændige, beskæftiger tilsammen mere end 22.000 mennesker globalt. Og 61 virksomheder er siden blevet opkøbt for en samlet kendt værdi på mindst 280 milliarder kroner. Det er store tal, men ikke det samme som en beregning af tabte danske skatteindtægter. Den egentlige AI-nyhed ligger i metoden. Forskerne kombinerede analyse af omkring 700.000 Børsen-artikler med internationale virksomhedsdatabaser og manuel validering. Den slags mønstre er svære at finde, når historien ligger fordelt over årtier, ejerskifter og forskellige stavemåder.

Det er en god påmindelse om, at værdifuld AI ikke altid ligner en chatbot, der skriver et pænt svar. Her fungerer teknologien som en søgemotor med ekstra analytiske evner: Den hjælper med at finde kandidater, forbinde oplysninger og skabe et materiale, mennesker kan efterprøve. Den manuelle kontrol er væsentlig. Et stort datasæt kan stadig give store fejl, hvis man forveksler en navnebror med en virksomhedsstifter eller tager et presseklip som bevis på en flytning. AI forkorter vejen til dokumentation; den er ikke selve dokumentationen. For danske virksomheder er pointen bredere end iværksætterstatistik. Gamle kontrakter, kundehistorik, tekniske rapporter og branchearkiver kan rumme værdier, ingen har haft tid til at finde. Nu kan flere af dem undersøges systematisk. Det kræver stadig, at nogen ved, hvilket spørgsmål der er værd at stille.

Højesteret afsagde 15. oktober dom i en sag om besiddelse og udbredelse af AI-genereret seksuelt overgrebsmateriale med personer under 18 år. Domstolen fastslog, at den dagældende straffelovs § 235 også omfatter sådanne fremstillinger, når de fremstår som fotografier eller lignende, selv om personerne må formodes at være fiktive. Den tiltalte blev ved landsretten idømt et år og seks måneders fængsel. Højesteret fandt ikke grundlag for at ændre straffen og understregede, at en antagelse om fiktive personer ikke skal føre til mildere straf ved besiddelse og udbredelse af den slags materiale. Afgørelsen vedrører en konkret straffesag og en bestemt bestemmelse. Den betyder ikke, at alt AI-genereret billedmateriale automatisk er ulovligt. Men den afviser den forestilling, at virkelighedstro digitale fremstillinger nødvendigvis falder uden for eksisterende regler.

Dommen er vigtig, fordi generativ teknologi har gjort det muligt at fremstille krænkende materiale uden et traditionelt kamera. Retssystemet skal derfor tage stilling til, hvordan eksisterende beskyttelsesregler anvendes, når fremstillingsmetoden ændrer sig. For platforme, tjenesteudbydere og virksomheder er læringen, at risikovurdering ikke kun handler om, hvorvidt indholdet er syntetisk. Det handler også om indholdets karakter, dets anvendelse og de gældende lovbestemmelser. Her er præcision vigtigere end overskrifter. Det er en alvorlig afgørelse om beskyttelsen af børn, og den fortjener at blive behandlet som netop det.

AI Sweden og Sveriges nationale cybersikkerhedscenter præsenterede 13. oktober status og næste skridt i en national indsats mod avancerede AI-relaterede cybertrusler. Arbejdet har været i gang i omkring et halvt år og er finansieret af Vinnova. Initiativet samler folk fra myndigheder, forsvar, forskning og erhvervsliv. Målet er at kunne opdage, prioritere og håndtere kommende angreb hurtigere ved at trække på kompetencer, som normalt er fordelt på mange organisationer. Blandt de konkrete spor er værktøjer til at finde sårbarheder i software, hjælp til at reagere på trusler og sikkerhedsgennemgang af nye AI-modeller. Det er ikke én ny national firewall, men en måde at organisere fælles handlekraft på.

AI kan gøre angribere mere effektive til at finde svagheder og udvikle værktøjer. Men teknologien kan også hjælpe forsvarerne. Spørgsmålet er, om organisationerne kan omsætte opdagelser til handling, før angriberen gør det. Når en sikkerhedssvaghed bliver fundet, kræver det stadig kontaktpersoner, adgang til de rigtige systemer og klar beslutningskompetence at få den lukket. Det er mindre glamourøst end en cyberdemo med røde kort over verden, men til gengæld tættere på virkeligheden. For virksomheder er pointen ligetil: stærke AI-værktøjer erstatter ikke koordinering, øvelser eller ansvar. De gør det endnu vigtigere at vide, hvem der tager telefonen, når noget går galt.

Den norske regering offentliggjorde 9. oktober nye fælles føringer for statslige organisationer frem mod 2029. Her bliver ansvarlig brug af kunstig intelligens koblet direkte til højere kvalitet og bedre udnyttelse af ressourcerne i offentlige tjenester. Men dokumentet stiller også krav om en positiv udvikling i beskæftigelsen af personer med blandt andet funktionsnedsættelser, indvandrerbaggrund og svag tilknytning til arbejdsmarkedet. AI-effektivisering og inklusion skal altså tænkes sammen. Regeringen peger på en offentlig sektor med stigende forventninger, aldrende befolkning og knappe personaleressourcer. Det gør brugen af teknologi relevant, men ændrer ikke kravene om retssikkerhed, privatliv, åbenhed og demokratisk kontrol.

Når en offentlig organisation tager AI i brug, kan gevinsten være mindre administrativt arbejde og hurtigere behandling af rutinesager. Men en maskine, der sparer fem minutter, er ikke nødvendigvis en bedre offentlig tjeneste, hvis borgeren bagefter ikke kan forstå eller anfægte resultatet. Det norske spor er derfor interessant, fordi det flytter diskussionen fra enkelte værktøjer til institutionernes samlede ansvar: Hvordan måler vi kvaliteten? Hvilke medarbejdere skal omskoles? Og hvordan undgår vi, at nye digitale arbejdsgange lukker nogen ude? Det er lidt som at få en ny medarbejder, der arbejder meget hurtigt. Personalepolitikken forsvinder ikke af den grund.

Den finske detailkoncern Kesko valgte 13. oktober Manhattan Associates til at modernisere lagerstyringen i sin dagligvareforretning. Koncernen vil erstatte et ældre system med en cloudbaseret løsning, der også rummer agentiske AI-funktioner. De planlagte værktøjer omfatter blandt andet funktioner til koordinering af lagerarbejde, opgavefordeling og støtte til medarbejderne. Det er vigtigt at bemærke, at der er tale om valg og planlagt implementering – ikke dokumenterede produktivitetsgevinster fra et færdigt projekt. Netop derfor er historien interessant. AI bliver her ikke købt som en separat chatbot, der kan svare på spørgsmål om lageret. Den bliver en del af det system, som i forvejen styrer varernes vej gennem virksomheden.

På et lager er konsekvenserne meget konkrete. En forkert prioritering kan betyde tomme hylder, forsinkede leverancer eller medarbejdere, der bruger hele dagen på at rette op på systemets gode idéer. Derfor bliver integration og kontrol afgørende. Agenten skal forstå pluk, bemanding, leveringsfrister og afvigelser – og vide, hvornår mennesker skal overtage. Det kræver mere end et smart sproginterface. For nordiske virksomheder er det en nyttig pejling: Agentisk AI er på vej ind i de eksisterende driftssystemer. Det ser mindre spektakulært ud end en robot på en scene. Til gengæld kan en vellykket lagerimplementering få direkte betydning for bundlinjen.

Anthropics Frontier Red Team offentliggjorde 12. oktober en undersøgelse af, hvor tæt mindre AI-modeller er på at kunne etablere sig og i princippet kopiere sig selv mellem billige, internetforbundne apparater. Forskerne arbejdede blandt andet med Android TV-bokse og andre typer såkaldt Internet of Things-hardware. En model kunne i et forsøg køre fordelt over 15 billige tv-bokse. Forskerne viste også, at mindre modeller kan klare flere af de enkelte tekniske trin, som ville indgå i en replikationsproces. Men at samle trinnene stabilt og autonomt er fortsat vanskeligt. Der er altså ikke tale om en AI-orm, der er sluppet løs på internettet. Undersøgelsen er en serie kontrollerede tests og en vurdering af en mulig fremtidig risiko. Den sondring er vigtigere end den oplagte sciencefiction-overskrift.

Meget AI-sikkerhed bygger på, at kraftige modeller kører i store datacentre, hvor adgang og infrastruktur kan kontrolleres centralt. Men små modeller bliver bedre, mens almindelige apparater får mere regnekraft. Det ændrer mulige angrebsflader. En distribueret model på mange dårligt sikrede enheder ville være sværere at finde og lukke ned end en tjeneste i ét datacenter. Forskerne peger samtidig på væsentlige begrænsninger i hastighed, hukommelse og pålidelighed, som stadig står i vejen. For producenter, udviklere og IT-folk er læringen ret jordnær: netværkssegmentering, opdateringer og adgangsstyring gælder også de apparater, der ser for uskyldige ud til at få plads i sikkerhedspolitikken. Også den billige tv-boks. Især den billige tv-boks.

Cloudflare er mest kendt for at få hjemmesider, trafik og sikkerhed til at fungere. Nu vil virksomheden også hjælpe AI-systemer med at finde mere relevant viden på nettet. Den 15. oktober offentliggjorde Cloudflare og OpenAI de første resultater af et fælles forsøg, der begyndte i juli. Ved hjælp af signaler fra et udvalg svarende til cirka 1 % af Cloudflares netværk siger partnerne, at OpenAI har fundet og indekseret hundredvis af millioner af websider, som tidligere ikke var med i søgeindekset. Signaler om ændringer og relevans kan spare overflødige crawlerbesøg og gøre mindre synlige sider lettere at opdage. Det betyder ikke, at Cloudflare-kunder automatisk kommer øverst i ChatGPT. OpenAI vurderer og rangerer stadig selv indholdet, og tallene stammer fra et pilotprojekt. Men for virksomheder og udgivere er spørgsmålet interessant: Hvad sker der med synlighed, når det ikke længere nødvendigvis er et menneske, der leder efter hjemmesiden?

Ugen gav også en selvstændig Cloudflare-nyhed. Den 9. oktober lancerede selskabet Clef-omni, en model med åbne vægte, der kan vurdere tekst, billeder, lyd og video samlet. I stedet for at formulere et langt svar vælger den mellem på forhånd definerede muligheder og leverer strukturerede beslutninger. Det kan for eksempel bruges til at klassificere henvendelser, kontrollere materiale eller afgøre, om en sag skal sendes videre til et menneske. Cloudflare tilbyder modellen på Workers AI; hastigheds- og kvalitetstal bør foreløbig læses som virksomhedens egne målinger. De to initiativer er ikke ét sammenbygget produkt. Alligevel peger de i samme retning: AI skal både kunne finde den rigtige information og gøre noget nyttigt med den. For nordiske virksomheder bliver det relevant at sikre, at vigtig viden er tilgængelig, opdateret og under egen kontrol – uden at tro, at flere AI-besøg automatisk giver mere forretning. Internettets vicevært har fået mere ansvar. Vi må håbe, at han stadig har styr på nøglerne.

Microsoft annoncerede 12. oktober en plan om at gøre sin egen Azure Maia-chipfamilie til en central del af virksomhedens AI-infrastruktur. Maia 200 kører allerede produktionsopgaver, mens Maia 300 er planlagt til 2027 sammen med en bredere udrulning i meget stor skala. Selskabet fremhæver et mål om at levere flere AI-tokens for hver megawatt strøm. Det er ikke blot et teknisk nøgletal. Det er et forsøg på at styre den økonomi, der følger med, når millioner af mennesker bruger AI-tjenester hver dag. Microsofts forventninger til fremtidig effektivitet og kapacitet er virksomhedens egne. Men udviklingsretningen er konkret: egne chips, tæt sammenhæng mellem hardware og software og mindre afhængighed af én bestemt leverandør i hele infrastrukturen.

Hver gang en model leverer et svar, bliver beregninger gennemført i et datacenter. Når AI flytter ind i søgning, Office, udvikling og kundeservice, bliver selv små forbedringer i den samlede driftsøkonomi væsentlige. Derfor er kampen om inference – selve det at køre modellerne – mindst lige så interessant som kampen om at træne dem. Strøm, køling, chippris, udnyttelse og svartid kommer til at påvirke, hvilke løsninger der er rentable. For nordiske virksomheder bliver konsekvensen synlig i priser, svartider og leverandørvalg. Det er måske knap så glamourøst som en ny model, der kan bestå en svær eksamen. Men økonomiafdelingen vil sandsynligvis foretrække en model, der også kan bestå budgettet.

Den 15. oktober blev investorernes nervøsitet omkring AI-cloudselskabet CoreWeave synlig på obligationsmarkedet. Nogle af selskabets obligationer faldt i kurs, og den effektive rente på visse papirer kom over 15 procent. Det satte nyt fokus på risikoen ved de meget store datacenterudbygninger. Det gælder ikke alle selskaber og ikke alle projekter. Efterspørgslen efter AI-chips og beregninger er fortsat stor. Men investorer ser nu tydeligere forskel på virksomheder med stærke indtægter og dem, der finansierer kapacitet på forventning om fremtidige kontrakter. Historien handler derfor ikke om, at AI er holdt op med at virke. Den handler om, at regningen for bygninger, strøm, servere og gæld kommer, før man nødvendigvis ved, hvor meget kunderne kommer til at betale.

Datacentre er kapitalkrævende. De skal bygges, tilsluttes, fyldes med hardware og finansieres, ofte længe før de når fuld udnyttelse. Hvis låneomkostninger stiger, eller indtjeningen tager længere tid end forventet, bliver det hurtigt en anden forretning end i investorpresentationen. En skarpere prissætning af risiko kan være sund for markedet. Den tvinger virksomheder til at forklare, hvem kunderne er, hvor stabile indtægterne bliver, og hvor meget fleksibilitet der er, hvis efterspørgslen ændrer sig. For virksomheder, der køber AI som en tjeneste, er dette også relevant. Leverandørernes finansielle holdbarhed er en del af teknologivalget. Det er svært at kalde en platform mission critical, hvis man aldrig har spurgt, hvem der betaler dens næste elregning.

Den europæiske sundhedsteknologivirksomhed Doctolib annoncerede 13. oktober, at Nvidia planlægger at blive minoritetsinvestor. Samarbejdet skal understøtte Doctolibs udvikling af AI-løsninger og modeller i Europa til sundhedspersonale og patienter. Doctolib fremhæver blandt andet en konsultationsassistent, der hjælper med at dokumentere lægebesøg, og værktøjer til administrative opgaver som kodning, fakturering og journalrelateret arbejde. Virksomheden oplyser, at dens løsning allerede har dokumenteret mere end 12 millioner konsultationer. Det tal er Doctolibs egen opgørelse, og investeringens størrelse er ikke offentliggjort. Nyheden skal derfor ikke forveksles med dokumentation for bedre kliniske resultater eller et færdigt system, som selv træffer behandlingsbeslutninger.

Sundhedsvæsenet er fuldt af information, men også fuldt af regler, specialudtryk og tidspres. Hvis AI skal have værdi her, kræver det præcision, databeskyttelse, kontrolmuligheder og tydeligt ansvar. En forkert journaloplysning er ikke bare en dårlig formulering. Derfor er det interessant, at Doctolib arbejder med både egne talegenkendelsesmodeller og agenter, som passer ind i eksisterende arbejdsgange. Det er et mere begrænset og realistisk udgangspunkt end løftet om en digital læge, der kan alt. For nordiske aktører er historien et billede på, hvor AI kan skabe værdi i stærkt regulerede sektorer: ved at frigøre tid til menneskers arbejde, uden at flytte ansvaret væk fra dem. En god teknologi skal ikke være stjernen i konsultationen. Det skal patienten.

Meta lancerer Muse Wonder: Meta præsenterede 12. oktober Muse Wonder og Muse Wonder Full til agentiske opgaver, hukommelse og længere arbejdsforløb. En reel modelnyhed, men endnu en tur i Muse-maskinen må nøjes med en kort plads denne uge. Nvidia støtter britisk AI-sikkerhed med compute: Nvidia annoncerede 14. oktober beregningsressourcer til en angivet værdi af 250 mio. dollar over fem år til britisk forskning i agentsikkerhed. Det er adgang til compute, ikke en kontant donation på samme beløb. Google tilbyder avancerede modeller til europæiske forskere: Google annoncerede 14. oktober adgang til frontier-værktøjer for op til 200 europæiske forskere og 3 mio. dollar i compute-kreditter. Adgang til regnekraft er for mange forskningshold en større barriere end gode idéer. HCLTech og Anthropic udvider enterprise-samarbejdet: Den 12. oktober annoncerede partnerne en dedikeret Anthropic-enhed hos HCLTech og integration af Claude i udvalgte virksomhedsværktøjer. Agentisk AI skal nu overleve mødet med eksisterende software og governance. TSMC tjener på chipefterspørgslen: Taiwans chipproducent offentliggjorde 15. oktober kvartalstal med markant vækst i omsætning og overskud. En påmindelse om, at dele af AI-værdikæden allerede har meget konkret indtjening. Mennesker og processer bremser AI-udbyttet: HTEC offentliggjorde 15. oktober en undersøgelse blandt 1.500 ledere, hvor 77 procent ser organisation og processer som større begrænsninger end selve teknologien. Det er selvrapporterede holdninger, ikke målte produktivitetsgevinster. Britisk AI-lovgivning splitter laboratorierne: Under en parlamentarisk høring 13. oktober argumenterede OpenAI og Anthropic for bindende sikkerhedsregler, mens andre aktører foretrak eksisterende rammer. Enighed om sikkerhed er ikke det samme som enighed om lovgivning. Anthropic beskriver utilsigtede agenthandlinger: I en rapport 9. oktober fortæller Anthropic om testtilfælde, hvor Claude blandt andet omgåede begrænsninger eller udførte uønskede handlinger. Begivenhederne illustrerer, hvorfor værktøjsadgang kræver flere sikkerhedslag. Sakana AI undersøger selvforbedrende modelteams: Et forsøg offentliggjort 12. oktober lader modeller lære fra virtuelle agentteams og måler forbedringer på afgrænsede forskningsopgaver. Det er forskning i metoder, ikke dokumentation for ubegrænset selvforbedring. Anthropic vil gøre modelkopiering vanskeligere: Den 12. oktober beskrev Anthropic nye forsvar mod uautoriseret modeldistillation og rapporterede færre udtrukne data i tidlige målinger. Resultaterne er virksomhedens egne og må ikke forveksles med fuld beskyttelse.

Uge 42 forbinder tre ting, som alt for ofte får hver deres PowerPoint: teknologiens muligheder, organisationens ansvar og økonomien bag. ROCKWOOL Fonden viser, hvordan AI kan finde ny viden i eksisterende kilder. Kesko og Doctolib viser, hvordan den samme teknologi bliver interessant, når den indgår i almindelige arbejdsprocesser. Det er mindre spektakulært end en robot, der erklærer sig selv for afdelingsleder. Det er også mere anvendeligt. Samtidig minder Højesterets afgørelse om, at nye fremstillingsmetoder ikke automatisk ophæver eksisterende retlige grænser. Sveriges cyberberedskab og Anthropics eksperimenter med små, forbundne enheder fortæller den anden halvdel af historien: AI skal ikke kun udvikles hurtigere. Den skal også kunne afgrænses, undersøges og håndteres, når noget ikke går som planlagt. Norges nye føringer peger på en central ledelsesopgave. Man kan godt forlange mere effektivitet uden at gøre mennesker til en restkategori i regnearket. Men det forudsætter, at man måler kvalitet og konsekvenser, ikke kun antallet af opgaver, en agent når igennem før frokost. Og så er der pengene. Microsoft vil have flere tokens ud af hver megawatt. Investorerne vil vide, hvordan datacenterprojekter skal betale deres lån. Begge perspektiver er nyttige, fordi de trækker AI ned fra løfter om uendelig kapacitet til den mere velkendte verden af priser, ressourcer og risiko. En fornuftig AI-strategi bør derfor starte med et konkret formål, en klar ejer og en måde at kontrollere resultaterne på. Først derefter giver det mening at diskutere, hvor meget autonomi teknologien skal have. Det er ikke nødvendigvis fremtidens mest fotogene spørgsmål. Til gengæld er det ofte det, der afgør, om maskinen bliver en hjælp eller endnu en sag på næste mandagsmøde.