Glem promptene. KI-systemet 70/30

KI-prosjekter feiler sjelden på modellen. Modellen fungerer som regel. De feiler fordi systemet etter go-live faller inn i et gap der ingen lenger er ansvarlig. Data scientisten har gått videre til neste pipeline. MLOps-ingeniøren ser på dashboards med terskler han selv har satt. Fabrikksjefen vet at det kjører en modell et sted, men kjenner verken treningsdataene eller leverandøren av GPU-laget.

Det som ser ut som et programvareproblem, er et antropologisk problem. Tre roller ble ikke uttalt før systemet gikk i drift. Tre ansvar er ikke tildelt, tre eskaleringsveier ikke etablert: hvem trener, hvem kontrollerer, hvem er ansvarlig. …

Det finnes et håp som dukker opp i nesten hvert eneste KI-prosjektbrief. Det uttales sjelden, men det strukturerer forventningene til alle involverte. Håpet lyder: Hvis modellen er stor nok, korrigerer den dårlige inndata.

Det gjør den ikke. Ingen modell fra de siste ti årene har klart det, og neste generasjon vil heller ikke gjøre det. Hvis treningsdataene er motstridende, reproduserer modellen motsetningene. Hvis de er ufullstendige, reproduserer den hullene. Hvis de rett og slett er feil, reproduserer den en feilaktig virkelighet: presist, raskt og i industriell skala. …

Våren 2026 saksøker Steuerberaterkammer Berlin selskapet Accountable. Anklagen retter seg ikke mot verktøyet. Det handler ikke om skadde klienter, ikke om feilrådgivning, ikke om datalekkasjer. Det som påklages, er ett eneste ord på nettsiden: KI-skatterådgiver.

Dette søksmålet er ingen juridisk kuriositet. Det synliggjør et mønster som før eller senere når enhver produktiv KI-leverandør i regulerte domener. Det som står for retten, er som oftest ikke modellen, men posisjonen modellen selges med. …

EU AI Act trådte i kraft i august 2024. De fleste maskinbyggere i Bayern og Baden-Württemberg har ennå ikke kjent dens fulle vekt — overgangsfristene for de fleste høyrisikokategoriene er i aktiv fase eller trer snart inn i den. Når de utløper, blir reglene bindende, med sanksjoner på inntil 30 millioner euro eller 6 prosent av global årsomsetning.

Spørsmålet hvem som er ansvarlig hører til konstruksjonen, ikke til den juridiske etterbehandlingen. I de fleste prosjekter stilles det for sent, på steder der arkitekturvinduet allerede er lukket. Dette kapittelet beskriver hvordan man stiller spørsmålet så tidlig at svaret forblir bærende. …

Det finnes en asymmetri som oppstår i nesten hvert industrielle KI-prosjekt og sjelden uttales. Den gjelder ikke arkitekturen, ikke modellvalget, ikke teknologistacken. Den gjelder menneskene som holder systemet produktivt — og pengene de får for det.

En industribedrift eller et logistikkselskap med 200 til 500 ansatte bruker typisk mellom 80 000 og 250 000 euro i året på skytjenester rundt KI-arbeidslaster. Større selskaper — over 500 ansatte — overstiger ofte 500 000 euro i året bare for KI-regnekraft. …

Hvert av de fire tilfellene er en konkret utforming av samme mekanisme: En feil eller et uventet resultat på modellnivå når nivået av juridiske og økonomiske konsekvenser, fordi ingen av mellomlagene — signal, operatør, mandat, dokumentasjon, kontrakt — stoppet spredningen.

Det finnes en bekvem fortelling om KI-hendelser: Modellen hallusinerte, modellen var ødelagt, modellen var ikke klar. Fortellingen er bekvem fordi den skyver ansvaret over på teknologien. Dette kapittelet snur optikken: Det ser på beslutningene som ikke ble tatt, og rollene som forble ubesatte. …

Bain & Company viste i en undersøkelse fra 2025: Selskaper som kombinerer generativ KI med en reell ombygging av prosessene sine, senker kostnadene med inntil 25 prosent. De som setter KI oppå eksisterende prosesser uten å bygge dem om, oppnår ensifrede prosenttall eller ingenting.

De fleste arkitekturdiagrammer av KI-systemer viser det tekniske laget: modell, datapipeline, infrastruktur, integrasjoner. Noen ganger også overflaten for sluttbrukere. Sjelden mer. …