Denne klumme er et debatindlæg og er alene udtryk for forfatterens synspunkter.
De seneste måneder har debatten om en mulig AI-boble fyldt både danske og internationale medier.
Derfor trænger spørgsmålet sig på: er vi vidne til teknologisk hype, eller står vi midt i et grundlæggende skifte i måden, virksomheder arbejder med data, beslutninger og digital infrastruktur. Meget tyder på det sidste.
Tal fra Digitaliseringsstyrelsen viser, at 42 procent af danske virksomheder benytter kunstig intelligens, og blandt større virksomheder med mere end 250 ansatte gælder det tre ud af fire.
Det viser tegn på, at flere bevæger sig fra eksperimenter til reel skalering, på trods af både pres på energiressourcer og stigende krav til digital suverænitet og compliance.
Som leder i Danmark kan jeg kun nikke genkendende til denne tendens.
Nu hvor vi har skudt et nyt år i gang, ser jeg dog endnu flere muligheder og tendenser, der kommer til at præge 2026 og frem.
Genopbygning af infrastruktur til AI-æraen
Mange danske virksomheders infrastruktur er skabt før kunstig intelligens for alvor fik sit store folkelige gennembrud.
Cloud-strategier blev implementeret, før man kunne forudse, at ustruktureret data og behovet for edge-computing ville blive den nye normal.
Nu udfordres selvsamme strategier af en ændring i både datatyper og -mængder, ikke mindst fordi 80 procent af al ny data på globalt plan er ustruktureret og vokser med 55 procent årligt.
Dette er data, der skal analyseres og ikke mindst sikres for at leve op til strenge regler som GDPR.
De gode nyheder er, at kunstig intelligens trives med ustruktureret data, hvilket giver virksomheder mulighed for at bearbejde data, hvor det fra et strategisk perspektiv er mest hensigtsmæssigt.
For mange opstår der dog et valg mellem kontrol, omkostningsstyring og sikkerhed på den ene side og fleksibilitet og skalerbarhed på den anden, når AI-workloads fordeles mellem lokale miljøer og cloud.
Fleksibilitet og valgmuligheder bliver afgørende, så der kan vælges mellem forskellige infrastrukturer til workloads alt efter krav til ydeevne, pris og kontrol.
Mikro-LLM’er placeres i edge-miljøer
Kunstig intelligens flytter sig fra at være store, centraliserede modeller til et mere alsidigt landskab, hvor mikro-LLM’er og større sprogmodeller arbejder sammen for at gøre AI tilgængelig overalt.
Mikro-LLM’er kræver mindre computerkraft og energi, hvilket er et vigtigt parameter, når fokus er på også at skabe energieffektiv it-drift. Samtidig er data placeret lige der, hvor data skabes.
Med tanke på tidligere omtale af lovgivning, digital suverænitet og sikring af data, kan de være understøttende for danske virksomheders forretningsudvikling.
For brancher som energi-, produktions-, sundheds- og forsyningssektoren betyder det, at der kan træffes hurtige, kritiske beslutninger, sikres data og ikke mindst skabes et robust miljø, der kan arbejde videre, selv hvis forbindelsen ryger.
Udviklingen er allerede godt i gang. Open source-modeller som LLaMA 1B, Mistral 3B og Gemma 3 1B gør det muligt for danske virksomheder at udvikle og tilpasse egne mikro LLM’er og dermed bringe AI tættere på brugerne, medarbejderne og beslutningerne.
AI-robotter, der løser problemer
Robotteknologi vil få en langt større autonomi. Hvor robotter tidligere blev programmeret til at udføre en bestemt opgave, får de nu blot et mål og lærer selv at nå frem til det ved at prøve sig frem og begå fejl undervejs.
Robotter bliver derfor bygget, så de bedst løser problemet, og kunstig intelligens giver dem evnen til at kommunikere, samarbejde og tilpasse sig i realtid.
Det kan blandt andet komme til udtryk ved sværme af droner, der overvåger landbrug i afsides områder, og AI-styrede inspektionsenheder, der selvstændigt opdager og reparerer fejl på elnettet.
Robotter bevæger sig derfor væk fra blot at være en del af fabriksproduktionen til også at udføre repetitive, farlige og fysisk krævende opgaver, som mennesker ikke bør udføre.
De virksomheder, der implementerer specialudviklede AI-robotter, vil være i stand til at overgå hastighed og skala på al nuværende automatisering.
Stigende brug af tokens transformerer den teknologiske infrastruktur
Vi nærmer os et punkt, hvor token-forbruget vokser hurtigere end kapaciteten. Tokens er brændstoffet i alle AI-interaktioner, og i store komplekse miljøer kan en enkelt AI-forespørgsel involvere mange systemer, herunder API’er, identitetstjek, compliancekontroller, databaser og så videre.
Alle disse interaktioner og forbindelser genererer tokens, der forplanter sig i hele teknologi-stacken, uanset om det gælder dataopbevaring og netværk eller sikkerhed og governance.
I takt med at mængden af tokens bliver større, vil alle de sekundære processer vokse hurtigere end selve inferenslaget.
GPU’er er fundamentet i stacken, men for at få fuldt udbytte skal de kombineres med hurtige netværk, effektiv lagring og orkestrering.
AI-infrastruktur som konkurrenceparameter
Selvom debatten om reelle AI-use cases fylder, er det svært at overse, at kunstig intelligens fortsat bliver en større del af danske virksomheder.
2026 bliver året, hvor tempo, infrastruktur og ansvarlig implementering får stor betydning for konkurrenceevnen.
For virksomheder handler det ikke bare om at tage AI i brug, men om at prioritere rigtigt. Spørgsmålet synes ikke længere at være, om man skal tage AI i brug, men hvordan man som organisation sikrer, at potentialet udnyttes bedst.
Klummer er læsernes platform på Computerworld til at fortælle de bedste historier, og samtidig er det vores meget populære og meget læste forum for videndeling.
Har du en god historie, eller har du specialviden, som du synes trænger til at blive delt?
Læs vores klumme-guidelines og send os din tekst, så kontakter vi dig - måske bliver du en del af vores hurtigt voksende korps af klummeskribenter.
