AI

Röstgränssnitt har tagit ett rejält kliv tack vare lokala taligenkänningsmodeller. Det som tidigare krävde molntjänster körs nu på en mobiltelefon – med bättre integritet och lägre latens som följd.

Whisper-familjen och dess efterföljare har gjort transkribering till en råvara. Innovationen sker nu i lagren ovanpå: talarseparation, känsloanalys och realtidsöversättning.

För produktteam öppnas nya möjligheter, men också ansvar. Röstdata är biometrisk data – designa för lokal bearbetning och tydligt samtycke från start.

RAG-arkitekturer har gjort vektordatabaser till standardkomponenter, men produktionserfarenheterna ger viktiga lärdomar. Indexval, chunkstorlek och metadatafiltrering påverkar kvaliteten mer än valet av databas.

Hybrid search – att kombinera semantisk sökning med klassisk nyckelordssökning – ger nästan alltid bättre resultat än endera metoden ensam.

Underskatta inte heller driftsfrågorna: omindexering vid modellbyte kan ta dagar för stora korpusar. Planera för det från början.

Chunkningen visar sig gång på gång vara den enskilt viktigaste ratten. För små bitar tappar sammanhanget, för stora dränker den relevanta meningen i brus. Semantisk chunkning – att dela vid rubriker, stycken och logiska gränser i stället för fasta teckenantal – ger nästan alltid bättre resultat, liksom att ta med omgivande kontext som dokumenttitel och avsnittsrubrik i varje chunk.

Årets stora utvecklarkonferenser har avlöst varandra och mönstren är tydliga. AI-agenter dominerar scenerna, men samtalen i korridorerna handlar lika mycket om kostnadskontroll och tillförlitlighet.

Ett annat genomgående tema är plattformsteamens renässans. Efter år av “you build it, you run it” söker organisationer en bättre balans mellan autonomi och standardisering.

Mest glädjande är kanske tillgänglighetsfrågornas comeback – flera stora ramverk lyfte inbyggt tillgänglighetsstöd som huvudnyhet snarare än fotnot.

AI-agenterna förtjänar en närmare titt, för tonläget har skiftat. Förra årets demos av autonoma system som bygger hela applikationer har ersatts av mer nyktra presentationer om avgränsade agenter med tydliga verktyg, mänskliga kontrollpunkter och utvärderingssviter. Branschen har lärt sig skillnaden mellan imponerande demo och pålitlig produkt.

EU:s AI-förordning är nu i full tillämpning och påverkar alla som bygger eller integrerar AI-system. Riskklassificeringen avgör kraven: från minimala för spamfilter till omfattande för system inom rekrytering och kreditbedömning.

För högrisksystem krävs dokumenterad riskhantering, spårbarhet och mänsklig översyn. Även den som bara använder en tredjepartsmodell har skyldigheter.

Vårt råd: utse en ansvarig, inventera era AI-användningsfall och dokumentera från dag ett. Efterlevnad i efterhand är mångdubbelt dyrare.

För utvecklare i praktiken betyder förordningen framför allt spårbarhet. Vilka data tränades modellen på? Vilka utvärderingar gjordes? Vem godkände driftsättningen? Frågor som tidigare besvarades med en axelryckning kräver nu dokumenterade svar – och de team som redan arbetar med versionshantering av modeller och data har ett rejält försprång.

AI-assistenter har på kort tid gått från nyfiken leksak till ett standardverktyg i utvecklarens verktygslåda. Kodkomplettering, testgenerering och automatiska kodgranskningar sparar timmar varje vecka.

Men verktygen kräver också nya arbetssätt. Den som blint accepterar förslag riskerar att införa buggar och säkerhetshål. Bäst resultat får team som behandlar AI:n som en junior kollega: snabb och flitig, men i behov av granskning.

Vår rekommendation är att börja smått – låt AI:n skriva tester och dokumentation först, och utöka ansvaret i takt med att teamet lär sig var den briljerar och var den brister.