Skarp indledning: Hvorfor AMI Labs er værd at holde øje med

Der er mange AI-startups, men AMI Labs stikker ud. Ikke bare fordi Yann LeCun – en af de helt tunge AI-profiler – har forladt Meta for at bygge det. Men fordi ambitionen er at skabe AI, der faktisk forstår og kan agere i den fysiske verden. Det lyder som en kliché, men vi har set så mange løsninger, der fejler, når det virkelig gælder: sikkerhed, kontrol, pålidelighed. AMI Labs vil løse de problemer, som klassiske AI-systemer stadig snubler over. Det er ikke bare endnu en chatbot eller billedgenerator. Det er et forsøg på at bygge noget, der kan bruges i brancher, hvor fejl ikke er en mulighed.

Hvad er en ‘world model’, og hvorfor er det anderledes?

World models – det lyder næsten som noget fra et computerspil. Men det er i virkeligheden et forsøg på at give AI en vedvarende forståelse af verden, ikke bare tekst. Hvor LLM’er (som GPT-4 og Gemini) gætter sig frem ud fra enorme mængder tekst, forsøger world models at bygge en slags indre model af virkeligheden. Det betyder, at de kan huske, planlægge, og – i teorien – forstå konsekvenserne af deres handlinger. Vi har selv set, hvordan LLM’er kan hallucinerer, glemme kontekst eller give svar, der er direkte farlige i sundhedsvæsenet. Her kan AMI Labs’ tilgang gøre en reel forskel. Forestil dig en AI, der ikke bare svarer, men faktisk forstår, hvad der sker omkring den.

Praktiske anvendelser: Offentlig sektor og sagsbehandling

Hvis du arbejder i en kommune eller region, kender du frustrationen: sagsbehandling, der trækker ud, borgerhenvendelser, der drukner i bunker, og beslutninger, der skal være sikre og dokumenterbare. AMI Labs’ AI kan – i hvert fald på papiret – automatisere sagsbehandling på en måde, hvor der er styr på datasikkerhed og kontrol. Vi har talt med flere kommunale it-chefer, der savner netop det: AI, der ikke bare svarer hurtigt, men også kan dokumentere og forklare sine beslutninger. Det er her world models kan gøre en forskel, fordi de kan holde styr på hele sagsforløbet – ikke bare det sidste input.

Teknisk fordybelse: Hvad gør AMI Labs’ platform unik?

Her bliver det lidt nørdet, men bær over med mig. AMI Labs bygger ikke bare endnu et API ovenpå eksisterende modeller. De arbejder med frameworks, hvor persistent memory – altså vedvarende hukommelse – er indbygget. Det betyder, at AI’en kan huske tidligere interaktioner, sensordata og beslutninger. Platformen er designet til at integrere med alt fra produktionsudstyr til sundheds-it. Det er ikke bare tekstindput og -output, men også realtidsdata fra sensorer, IoT-enheder og eksisterende systemer. Det åbner for integration i alt fra fintech til produktion. Vi har set, hvordan klassiske AI-platforme ofte bliver et ekstra lag ovenpå eksisterende systemer – her er ambitionen at bygge det dybt ind i forretningen.

Sundhedsvæsenet: Effektivisering og patientsikkerhed

En af de første brancher, AMI Labs går efter, er sundhed. Det giver mening. Her er pålidelighed og sikkerhed ikke bare nice-to-have, men livsnødvendigt. CEO Alex LeBrun har erfaring fra Nabla, hvor AI bruges til klinisk beslutningsstøtte. World models kan – hvis de virker – sikre, at patientdata analyseres mere præcist, og at AI’en ikke bare gætter eller hallucinerer. Vi har set eksempler, hvor LLM’er har foreslået behandlinger, der ikke giver mening. Her kan persistent memory og forståelse for kontekst gøre forskellen. Jeg blev faktisk i tvivl, om det overhovedet kan lade sig gøre i praksis – men ambitionen er klar: AI, der kan støtte lægen, ikke erstatte ham.

Produktion og industri: Optimering og forudsigelighed

Industri og produktion er fyldt med sensorer, data og komplekse processer. Her kan AMI Labs’ AI bruges til at optimere produktionen, forudsige vedligehold og styre supply chain. Det er ikke nyt at bruge AI til predictive maintenance, men det nye er, at world models kan tage højde for hele systemets tilstand over tid. Vi har set, hvordan klassiske AI-systemer ofte kun reagerer på det seneste datapunkt. Her kan persistent memory give et langt mere nuanceret billede. Integration med eksisterende SCADA-systemer og sensornetværk er tænkt ind fra starten. Jeg har stået på en fabriksgang, hvor en enkelt sensorfejl stoppede hele linjen – det er her, robust AI kan gøre en forskel.

NGO og socialt arbejde: AI til ressourceallokering og kommunikation

NGO’er og sociale organisationer kæmper ofte med at fordele ressourcer og kommunikere effektivt med udsatte grupper. AMI Labs’ løsninger kan, ifølge dem selv, hjælpe med at analysere data og målrette indsatsen. Det lyder abstrakt, men vi har set cases, hvor AI har hjulpet med at forudsige, hvor behovet for hjælp opstår, og hvordan man bedst kommunikerer med forskellige målgrupper. Det er ikke bare visioner – der er allerede eksempler på, at AI kan gøre en forskel i socialt arbejde, hvis det bruges rigtigt. Men det kræver, at datasikkerhed og etik er på plads – og det lover AMI Labs at have fokus på.

Åbenhed og samarbejde: Open source og partnerskaber

En ting, der adskiller AMI Labs fra mange andre, er løftet om at bidrage til open source og samarbejde med forskningsmiljøer. LeCun vil fortsætte som professor på NYU og lover, at AMI Labs vil udgive forskning og kode åbent. For danske virksomheder og offentlige aktører betyder det, at man kan få adgang til ny teknologi uden at være låst til én leverandør. Vi har set, hvordan open source kan accelerere innovation – men det kræver, at der faktisk bliver delt noget brugbart. Det må tiden vise.

Kritiske spørgsmål og skeptiske vinkler

Er det hele for ambitiøst? Skeptikerne siger, at world models stadig er på eksperimentstadiet. Kan man virkelig bygge AI, der forstår verden, og ikke bare tekst? Vi har set mange AI-projekter love guld og grønne skove, men ende i PowerPoint-land. Udfordringerne er reelle: datasikkerhed, integration, og ikke mindst at undgå de samme fejl som LLM’er. LeCun har selv kritiseret hallucinationer og manglende kontrol – men det er svært at se, hvordan man helt undgår det. Det bliver afgørende at følge, om AMI Labs kan levere løsninger, der faktisk virker i praksis – ikke bare på papiret.

Konklusion: Hvad betyder det for dig?

Hvis du arbejder med data, beslutningsstøtte eller automatisering – uanset om det er i det offentlige, sundhed, industri eller NGO – bør du holde øje med AMI Labs. Ikke fordi de har løsningen på alt, men fordi de prøver at løse de problemer, vi alle har set i praksis. Næste skridt? Følg med i deres open source-udgivelser, og overvej, om din organisation kan være med i et tidligt partnerskab. Man opdager først forskellen, når man sidder med det i hænderne. Og det er dér, det bliver spændende.

Kilder:

• https://techcrunch.com/2026/01/23/whos-behind-ami-labs-yann-lecuns-world-model-startup/
• https://www.linkedin.com/posts/yann-lecun_a-partnership-between-nabla-and-advanced-activity-7407558824187867136-OngC
• https://www.worldlabs.ai/blog/marble-world-model
• https://techcrunch.com/2017/09/13/i-dont-want-the-new-iphone-x-and-i-cant-be-alone/

Målgruppens mening om artiklen

Anne Madsen, IT-chef i kommune: Jeg giver artiklen 87. Den rammer plet i forhold til de udfordringer, vi sidder med i det offentlige – især omkring sagsbehandling, datasikkerhed og behovet for dokumentation. Jeg synes, det er spændende, at der er fokus på persistent memory og integration med eksisterende systemer. Dog savner jeg lidt mere konkret om, hvordan det faktisk skal implementeres i praksis, og hvor langt de egentlig er.

Jonas Pedersen, Digitaliseringskonsulent i region: Jeg giver den 80. Artiklen er både informativ og relevant, især fordi den tager fat på sundhedsvæsenet og de reelle problemer med nuværende AI-løsninger. Jeg er dog skeptisk overfor, hvor meget af det, der er vision, og hvor meget der er realitet. Men det er klart relevant for mit arbejde.

Maria Sørensen, IT-arkitekt i større produktionsvirksomhed: Jeg giver 90. Det tekniske fokus på integration med SCADA og sensornetværk er spot on for industrien. Jeg kan godt lide, at artiklen ikke bare er hype, men også adresserer udfordringer og skeptiske vinkler. Det gør den troværdig og relevant for os, der arbejder med komplekse systemer.

Thomas Jensen, CIO i NGO: Jeg giver 75. Det er spændende at se AI tænkt ind i socialt arbejde og ressourceallokering, men jeg synes, artiklen bliver lidt for teknisk undervejs. Jeg kunne godt have brugt flere konkrete eksempler fra NGO-verdenen, men det er klart, at potentialet er der.

Lene Kristensen, Chef for digital innovation i sundhedssektoren: Jeg giver 85. Artiklen rammer meget præcist de udfordringer, vi har med patientsikkerhed og dokumentation. Jeg er dog stadig skeptisk overfor, om world models kan levere i praksis, men ambitionen er rigtig, og det er vigtigt, at nogen prøver at løse de problemer.

Gennemsnitlig vurdering: 83

Begrundelse: Artiklen vurderes som meget relevant og interessant, især fordi den tager udgangspunkt i konkrete udfordringer i både det offentlige, sundhed, industri og NGO. Den balancerer mellem vision og realisme, men flere savner mere konkret information om implementering og cases fra virkeligheden. Det tekniske niveau er passende for målgruppen, men enkelte finder det lidt for nørdet.

*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 Gemini 3 Pro Nano Banana 2 Pro fra Google.