AI-agenterna har landat – nu byggs infrastrukturen de behöver
AI-agenterna är här – nu byggs den infrastruktur de behöver för att fungera i verkligheten.
Infrastrukturen tar form
Det finns en viss ironi i att en av veckans mer omtalade AI-nyheter är ett litet skrivbordsprylar från Island. Clawdmeter – en pixelanimerad hårdvaruenhet som visar hur många AI-tokens du förbrukat via Anthropics Claude – är i grunden ett sidoprojekt. Men det säger något större: AI-verktyg har blivit så inbyggda i utvecklarens vardag att det börjar finnas ett behov av att mäta och visualisera dem, precis som man en gång hade CPU-mätare på skrivbordet. Tokenmaxxing, som trenden kallas, är kanske lite skämtsam – men den signalerar att Claude numera är lika självklar i många utvecklingsmiljöer som ett versionskontrollsystem.
På ett mer strukturellt plan ser vi samma rörelse i Osaurus, ett öppen källkodsprojekt för Mac som låter användaren växla fritt mellan lokala och molnbaserade AI-modeller via ett enda gränssnitt. Bakom projektet, som rapporteras av TechCrunch, står bland annat Terence Pae, tidigare ingenjör på Tesla och Netflix. Logiken är enkel men avslöjande: när AI-modellerna i sig börjar likna varandra, blir styrningslagret – det skikt som knyter ihop modeller, verktyg och arbetsflöden – den riktiga produkten. Det är inte längre frågan om vilken modell som är smartast. Det är frågan om vem som bygger det bästa ramverket runt dem.
Bankerna kliver in på allvar
Om Osaurus representerar konsumentledet, representerar Fiservs AgentOS företagsledet – och i synnerhet den finansiella sektorn. Finansteknikjätten, som betjänar tusentals finansinstitut globalt, lanserar nu ett operativsystem specifikt utformat för självständiga AI-agenter inom bank och finans. Plattformen ska hantera allt från kundtjänst och kreditbedömning till regelefterlevnad och transaktionsflöden, enligt Finextra.
Det är ett stort kliv. Självständiga agenter i finansmiljö är inte samma sak som en chatbot som svarar på kontofrågor – det handlar om system som fattar beslut och genomför åtgärder utan konstant mänsklig styrning. Och just här är Deloittes analys, publicerad av AI News, värd att ta på allvar. Konsultföretaget påminner om att hindret sällan är AI-modellen i sig – det är datakvaliteten. Ett inköpssystem som självständigt godkänner order fungerar bara om det har tillgång till juridiskt bindande priser, verifierade identiteter i affärssystemet och formellt sanktionerade godkännandenivåer. Utan den grunden är agenten inte självständig – den är bara oförutsägbar.
Deloittes rekommendation är en så kallad beslutsrevision: kartlägg var i värdekedjan flaskhalsarna faktiskt beror på beslut, inte bara på uppgifter. Först därefter är det dags att bygga tekniken.
Var ska intelligensen sitta?
En fråga som löper som en röd tråd genom veckans nyheter är infrastrukturell: var ska AI-intelligensen faktiskt befinna sig? Akamai, vars perspektiv lyfts av IoT Tech News, menar att de flesta företag ställer fel fråga. De frågar var modellen kan köras – istället för var intelligensen bör finnas för att affärsprocessen ska fungera optimalt. En fabrik kan träna sin modell centralt, men de operativa besluten måste kanske fattas i ett lager eller längs ett produktionsflöde där varje sekunds fördröjning får direkta konsekvenser. För agentbaserade system – som utför flera steg, anropar verktyg och hämtar data i realtid – är det här inte en detalj utan en kärnfråga.
Runway tänker om hela fundamentet
Mitt i allt detta gör Runway något mer radikalt. Bolaget, som startade med att hjälpa filmskapare och numera värderas till drygt 53 miljarder kronor, satsar inte på att bygga bättre språkmodeller – de satsar på världsmodeller tränade på video. Grundaren Anastasis Germanidis argumenterar, enligt TechCrunch, att text är en andrahandsrepresentation av verkligheten. Video är verkligheten direkt. Om han har rätt innebär det att nästa generations AI-agenter inte bara läser och skriver – de förstår hur saker rör sig, förändras och fungerar i den fysiska världen.
Det är ett stort om. Men Runway är inte längre ett konstprojekt – de har avtal med Lionsgate och AMC, och 400 miljoner kronor i återkommande årlig omsättning. De har råd att satsa långt.
Vår analys
Det som den här veckans nyheter sammantaget visar är att AI-agenter håller på att röra sig från arkitekturella diskussioner till faktiska produktbeslut – med allt vad det innebär av ansvar, infrastruktur och datahantering. Det är en mognadsprocess, inte ett genombrott.
Den viktigaste insikten kommer kanske från Deloitte och Akamai snarare än från de nya produktlanseringarna: tekniken är sällan det svåraste. Det svåraste är att förstå var i en organisation ett självständigt beslut faktiskt får fattas, och att bygga den datakvalitet och det förtroende som krävs för att det ska ske på ett pålitligt sätt.
Fiservs AgentOS och Runways världsmodeller pekar i samma riktning – mot AI som agerar, inte bara svarar. Men takten i den omställningen kommer att avgöras av hur väl företag lyckas lösa de tråkiga grundproblemen: datakvalitet, styrning och infrastrukturdesign. De som gör det jobbet nu bygger ett försprång som kommer att vara svårt att ta igen.