WTEQ Datadammen 

Hvem klarer egentlig å utnytte KI-revolusjonen?

Jean spurte: «Jeg har et spørsmål til deg. Hva kan du si om mennesketypen som virkelig klarer å utnytte KI-revolusjonen?»

Godt spørsmål, og det finnes etter hvert nok erfaring til å si noe konkret om det. Slik jeg ser det er det ikke primært et spørsmål om teknisk dyktighet, men om en bestemt måte å jobbe og tenke på.

Noen trekk som går igjen

• De har domenekunnskap å bytte inn. KI forsterker det du allerede kan. Den som kjenner et fagfelt, en bransje eller et kundebehov dypt, får langt mer ut av verktøyene enn en generalist uten retning. Kunnskapen flyttes fra «hvordan gjøre det» til «hva er verdt å gjøre, og hvordan ser riktig ut».
• De kan vurdere resultatet. Dette er kanskje det viktigste. KI produserer mye som ser riktig ut. Den som klarer å skille bra fra plausibelt, og som gidder å sjekke, får en enorm fordel. Den som ikke kan det, drukner i overbevisende feil.
• De formulerer seg presist. Å kunne beskrive et problem, et ønsket resultat og rammene rundt det, i klartekst, er blitt en kjernekompetanse. Folk som allerede var gode til å skrive spesifikasjoner, brief eller instrukser, har fått et forsprang.
• De dekomponerer. Store oppgaver deles i biter som kan delegeres, verifiseres og settes sammen igjen. Det er i praksis lederkompetanse, bare brukt på maskiner i stedet for mennesker.
• De tåler å bli overflødige i deler av jobben. Mange bremser fordi identiteten sitter i håndverket. De som lykkes, flytter stoltheten fra «jeg skrev dette selv» til «jeg fikk dette til å skje». Det er en mental overgang mange undervurderer.
• De eksperimenterer billig og ofte. Terskelen for å prøve noe er nesten null. De som tester ti idéer på en ettermiddag, lærer raskere enn de som planlegger én i en måned.
• De bygger systemer, ikke bare svar. Én god prompt er lite verdt. En arbeidsflyt, en kodebase, et dokumentsett eller en rutine som gjør at KI leverer konsistent over tid, er mye verdt.

Det som ikke ser ut til å hjelpe like mye

• Ren teknisk dybde uten et problem å løse.
• Å behandle KI som en orakel man spør, i stedet for en medarbeider man leder.
• Å vente på at verktøyene skal bli «ferdige». De som lærer mens det er rotete, sitter med erfaringen når det roer seg.

En observasjon til: dette favoriserer små enheter og enkeltpersoner med bred kompetanse mer enn store organisasjoner. Én person som forstår kunden, produktet, teknologien og økonomien litt hver, kan i dag gjøre arbeid som krevde et team for tre år siden. Store organisasjoner har prosesser, godkjenninger og roller som bremser nettopp den eksperimenteringen som gir gevinsten. Så «mennesketypen» er ofte en erfaren generalist med sterk dømmekraft, som er villig til å gi slipp på deler av eget håndverk og som orker å sjekke arbeidet.

Det er verdt å legge til at dette er en beskrivelse av de som lykkes i dag, tidlig i skiftet. Hva som gjelder om fem år, når verktøyene er mer modne og fordelen er utjevnet, er det for tidlig å si.

Kontor uten sky

Denne måneden tok DataDammen steget inn i kontorpakken. Samskriving, regneark og presentasjon er egne editorer bygget rundt native ODF, med sanntids-samskriving via CRDT-er og full støtte for å kjøre helt lokalt. Ingen Microsoft, ingen sky som må være oppe. Fortsatt under utrulling, men grunnmuren står.

Fra en bærbar PC til hele Hamburg

En stadig påminnelse i arkitekturarbeidet: samme kodebase skal kjøre på en bærbar PC i den minste kommunen og skalere opp til en by på størrelse med Hamburg. Dimensjonerer vi for de store, får de små samme robusthet uten å betale for kompleksitet de ikke trenger. Kommunene er de mest kompliserte kundene vi har, og løser vi dem, løser vi resten.

Bridge og Admiralty: politisk behandling i DataDammen

Med v5.0 fikk DataDammen støtte for hele den politiske behandlingskjeden. Bridge lar møtesekretæren styre sakslister, innkalling og protokoll, mens Admiralty gir folkevalgte en egen portal for godkjenning og votering. Live møtegjennomføring med taleliste, inhabilitet og digital votering

104 000 linjer: en milepæl

DataDammen passerte 100 000 linjer kode denne uken. 5 mikrotjenester, 20 GUI-applikasjoner, og en felles komponentbibliotek som holder alt sammen. Det har vært en lang reise fra første prototype til et komplett økosystem for informasjonsforvaltning.

Pilotfish v1.1 og mapping-utkast

Pilotfish er verktøyet som lar brukere produsere innsynsvarianter (DIP) fra historiske datauttrekk. Med v1.1 kom støtte for mapping-utkast med auto-lagring, kildedata-preview og en ny peek-knapp som viser radata direkte i grensesnittet. Alle 77 Noark-klasser støtter nå visuell mapping.