Verbos: AI og Softwareudvikling

Hvordan organiserer man viden, instruktioner og værktøjer, så en AI-agent selv kan finde det, den har brug for? Musiker og udvikler Troels Abrahamsen gæster Verbos til en samtale om yap.tools og kontekstsystemer til AI-agenter.

Yap er et open source-system, man selv kan hoste, hvor agenten navigerer gennem spaces og bundles via MCP. En bundle samler for eksempel procesdokumenter, data, filer og adgang til bestemte services omkring en opgave. Agenten kan så hente den relevante kontekst undervejs.

Troels fortæller, hvordan han bruger det i sin hverdag med musikkatalog, mail og udviklingsprojekter. Sammen med Kasper Junge og Jonas Høgh Kyhse-Andersen undersøger han, hvordan man bygger strukturen sammen med agenten, lærer af det løbende arbejde og afgør, hvad der skal stå i et dokument, og hvad der skal være en fast regel i kode.

Vi kommer også omkring adgangsstyring, åbne protokoller og interfaces, der vokser frem af de data og arbejdsprocesser, man allerede har opbygget.

Prøv Yap med et konkret workflow fra din egen hverdag: https://yap.tools/

Links:

Yap: https://yap.tools/

Yap på GitHub: https://github.com/yap-tools/yap-core

Troels Abrahamsen: https://troelsabrahamsen.com/

Kapitler:

00:00 Den rigtige kontekst på det rigtige tidspunkt

01:05 Troels: Fra musik til software og integrationer

04:20 Hvorfor Yap blev et fælles kontekstlag

08:30 Spaces, bundles og et musikkatalog

12:04 Services: Afgræns agentens værktøjer

16:49 Byg strukturen sammen med agenten

20:40 MCP-tools, resources og upload-widgets

24:49 Adgangsstyring på tværs af agenter og interfaces

30:24 Hvem skal strukturere konteksten?

34:07 Behold konteksten, når du skifter AI-klient

36:29 En arbejdsdag med Yap: Mail, tickets og kode

41:56 Logs, læring og løbende ændringer

44:42 Hvornår skal en instruktion være kode?

45:41 Progressive discovery og navngivning

51:37 MCP, CLI og værdien af åbne protokoller

59:08 Lad interfacet vokse ud af datastrukturen

01:01:17 Find Troels og kom i gang med Yap

Verbos er den danske podcast om AI og softwareudvikling med Kasper Junge og Jonas Høgh Kyhse-Andersen. Vi går tæt på teknikken og de konkrete workflows bag arbejdet med AI-agenter.

Hvad kræver det at køre stærke, åbne AI-modeller på dansk jord? Og hvor meget af arbejdet ligger i alt det, der omgiver selve modellen?

Kasper Junge og Jonas Høgh Kyhse-Andersen har besøg af Lars Maaløe, medstifter og CTO i Corti, og Rasmus Bisgaard, Chief Commercial Officer i DCAI, som driver Gefion.

Lars fortæller om rejsen fra realtidsanalyse af 112-opkald til en AI-platform og om modeller, der skal fungere med medicinske fagudtryk, støj og uventede situationer. Rasmus forklarer, hvorfor GPU-kapacitet først bliver brugbar for flere, når andre bygger de nødvendige services ovenpå.

Vi undersøger gæsternes tese om, at åbne modeller nu er et reelt alternativ til de lukkede. Vi diskuterer også, hvornår små modeller giver mening, hvornår prisoptimering begrænser et produkt for tidligt, og hvordan agent-workflows ændrer behovet for compute og lav latency.

Samtalen slutter med Corti og DCAI's samarbejde og Rasmus' eksempel med Vejle Kommune: forskellen mellem at have adgang til hardware og at have en løsning, der er nem at bruge.

Hvad holder jer tilbage fra at køre jeres AI på dansk infrastruktur?

Links og kilder:

Corti: https://www.corti.ai/

Corti Labs / Corti Models: https://cortilabs.com/

Cortis API-dokumentation: https://docs.corti.ai/get_started/welcome

DCAI og Gefion: https://dcai.dk/

Cortis forskning og publikationer: https://www.corti.ai/research

Corti og DCAI om samarbejdet: https://corti.ai/newsroom/dcai-and-corti-launch-sovereign-ai-control-layer-for-european-enterprises---trifork-first-to-adopt-as-implementation-partner

Kapitler:

00:00 Åbne modeller på dansk jord – mød Lars og Rasmus

01:04 Corti: Fra neurale netværk til hjælp ved 112-opkald

04:09 GPU'er, Theano og de tidlige deep learning-år

07:30 Rasmus' vej fra produktion til NVIDIA og DCAI

10:00 Gefion: Fra supercomputer til enterprise-infrastruktur

16:19 Cortis vej fra applikationer til AI-platform

22:50 Hvorfor domænekendskab stadig er afgørende

27:17 Speech-to-text skal fungere uden for testdatasættet

30:53 Er åbne modeller blevet gode nok?

36:13 Store eller små modeller – hvornår optimerer man?

41:18 Agenter øger behovet for tokens og lav latency

46:43 Corti og DCAI: Kontrol over modeller og infrastruktur

51:25 Ingen kan bygge hele AI-stakken alene

58:36 Vejle Kommune: Fra GPU-adgang til en brugbar service

01:00:23 Afrunding og hvor du kan komme i gang

Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen bygger bro mellem klassisk software engineering og arbejdet med AI-agenter.

YouTube: https://www.youtube.com/@VerbosPodcast

Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292

Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ

Hvorfor vente på en hel tekst, når din software bare har brug for en beslutning? Vi undersøger Jev fra TypeSafe AI og idéen om en hurtig System 1-model med et defineret udfaldsrum.

Jonas forklarer forskellen på en decision model og en generativ sprogmodel. Kasper spørger, hvad man kan bygge med den, og hvordan hurtige beslutninger kan spille sammen med en LLM.

Samtalen tager også en drejning mod Hugging Face-hændelsen, agentsværme og cybersecurity. Hvor meget kontrol kan vi bygge ind, og hvordan tager vi risikoen alvorligt uden at ende i hverken panik eller benægtelse?

I episoden:

- Klassifikation, sandsynligheder og et afgrænset action space.

- System 1 og System 2: hurtig reaktion og langsommere overvejelse.

- Dynamiske valgmuligheder, routing og samspil mellem modeller.

- Hvad der er kendt om Jev, og hvad vi spekulerer i.

- Agentsværme, sikkerhed og uenighed om de langsigtede risici.

Præcisering: Et typesikkert output er ikke en garanti for en rigtig beslutning. Tal om Jevs hastighed og pris er leverandørens egne resultater. Vores diskussion af den interne arkitektur og fremtidige risici rummer hypoteser.

Links og kilder:

TypeSafe AI og Jev: https://typesafe.ai/

TypeSafes lancering af Jev: https://typesafe.ai/blog/introducing-system-one-models-and-jev

TypeSafes egne workflow-evalueringer: https://evals.typesafe.ai/

OpenAIs gennemgang af Hugging Face-hændelsen: https://openai.com/index/hugging-face-incident-and-the-road-ahead/

Hugging Faces tekniske tidslinje: https://huggingface.co/blog/agent-intrusion-technical-timeline

Prøv Jev, og se, hvad du kan bygge med det.

Verbos er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks med AI og softwareudvikling.

Kapitler

00:00 Jev og AI med hurtige beslutninger

04:21 Hvad gør en decision model?

09:36 Doom, skak og System 1

12:50 Hvorfor Jev ikke er en almindelig agent

17:23 Dynamiske valg og samspil med en LLM

21:18 Hvad er nyt – og hvad ved vi om arkitekturen?

27:11 Fra Jev til debatten om AI-risiko

29:58 Hugging Face-hændelsen og tab af kontrol

33:59 Cybersecurity: Når agenter arbejder parallelt

38:43 Selvforbedrende AI og dommedagsscenarier

43:09 Hvordan forsvarer vi systemerne?

50:57 Tag risikoen alvorligt uden at gå i panik

54:04 Tilbage til Jev: Hvem styrer udfaldsrummet?

AI-agenter kan skrive mere kode. Men hvem får den testet, reviewet og sikkert i produktion?

DevOps-konsulent Anders Lykke forklarer, hvorfor små releases, automatisering og korte feedbackloops bliver endnu vigtigere, når kodeproduktionen stiger.

Sammen med Kasper Junge og Jonas Høgh Kyhse-Andersen undersøger Anders, hvad det kræver at omsætte mere kode til værdi for brugerne. Samtalen går fra DevOps' oprindelige idé om fælles ansvar til continuous delivery, DORA, platform engineering og AI-agenter med feedback fra produktion.

Du får konkrete spørgsmål til dit eget setup: Kan en færdig feature komme ud i dag? Kan andre end én bestemt kollega release? Og hvilke manuelle trin kan automatiseres først?

Hvad står mellem en færdig feature og produktion hos jer?

Links og kilder:

Anders Lykke: https://lykke.it/

Anders på LinkedIn: https://www.linkedin.com/in/lykkeanders/

DORA – rapporter og forskning: https://dora.dev/research/

DORA-rapporten 2025: https://dora.dev/research/2025/dora-report/

INSPIRED – Marty Cagan: https://www.svpg.com/books/inspired-how-to-create-tech-products-customers-love-2nd-edition/

Output to Outcome – Mik Kersten: https://www.simonandschuster.com/books/Output-to-Outcome/Mik-Kersten/9781966280231

Kapitler:

00:00 DevOps som fundament for AI-agenter

02:05 Fra siloer til ansvar for hele leverancen

05:29 Hvad skal et platformteam eje?

08:40 Koden er ikke færdig, før den er ude

11:07 AI forstærker forskellen mellem teams

13:09 Continuous delivery: validér hver ændring

17:34 Fra output til værdi for brugerne

23:21 Når kode ikke længere er flaskehalsen

29:32 Hvad kan vi bruge DORA-rapporterne til?

35:46 Legacy-kode: begynd med de manuelle trin

40:05 DORA-målinger og spørgsmål til releaseprocessen

44:30 Platformteams og agenter med feedback fra produktion

49:14 Symptomer på en skrøbelig releaseproces

55:08 Følg Anders og læs State of DevOps

Hvad hvis AI's næste effektivitetsløft ikke kommer fra flere GPU'er, men fra at lade fysikken udføre selve beregningen? Forsker Jens Egholm Pedersen forklarer neuromorphic computing – og hvorfor hjerneinspirerede, eventbaserede systemer kan ændre måden, vi bygger sensorer, robotter og AI-hardware på.

I episoden:

- Fra digitale 0- og 1-taller til kontinuerte og eventbaserede signaler

- Hvordan neuromorphic computing kan spare energi i sensorer, akustik og robotter

- Hvorfor et eventkamera kan registrere ekstremt hurtige ændringer uden at behandle komplette billeder

- Hvordan man programmerer et system, hvor kredsløbets fysik udfører beregningen

- Hvorfor en ekstremt hurtig AI-chip kan ende som en dyr mursten, når modellen bliver forældet

- Hvad embodied intelligence og hjernens plasticitet fortæller os om AI i den fysiske verden

Kapitler:

00:00 Velkommen og introduktion af Jens Egholm Pedersen

02:18 Hvad er neuromorphic computing?

09:00 Neurale netværk, quantization og fysisk præcision

16:42 Kan neuromorphic computing løse AI's energiproblem?

21:38 Robotter og embodied intelligence

27:47 Er informationsteknologien stadig i stenalderen?

30:35 Jens' forskning i eventbaseret signalbehandling

32:24 Hvordan programmerer man fysikken?

37:17 Fra analoge sensorer til mixed-signal computing

39:17 AI-modellen direkte på chippen

43:39 World models, læring og plasticitet

47:40 Hvad kan vi lære af biologien?

49:34 Sådan kommer du videre med neuromorphic computing

Links og kilder:

- Jens Egholm Pedersen på DTU: https://orbit.dtu.dk/en/persons/jens-egholm-pedersen/

- Jens' hjemmeside: https://jepedersen.dk/

- Jens på LinkedIn: https://www.linkedin.com/in/jens-egholm-pedersen-69543117/

- Practical Spiking Neural Networks, gratis open source-bog: https://snnbook.net/

- Jens' ph.d.-afhandling, Neuromorphic computation in space and time: https://kth.diva-portal.org/smash/get/diva2:2001119/FULLTEXT01.pdf

- Neuromorphic Intermediate Representation (Nature Communications): https://www.nature.com/articles/s41467-024-52259-9

- Norse – spiking neural networks i PyTorch: https://norse.github.io/norse/

- A Brief History of Intelligence af Max Bennett: https://www.abriefhistoryofintelligence.com/book

- Lessons from the Lobster af Charlotte Nassim: https://mitpress.mit.edu/9780262037785/lessons-from-the-lobster/

Følg Verbos: AI og Softwareudvikling:

- Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292

- Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ

- YouTube: https://www.youtube.com/@VerbosPodcast

Verbos er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter.

Kasper Tidemann er tilbage i Verbos til en sommerspecial om rogue AI-agenter, agentic engineering og det enorme skift, der er sket i softwareudvikling på bare to år.

Kasper Junge og Jonas Høgh Kyhse-Andersen mødes med softwareudvikler og iværksætter Kasper Tidemann hos Warpigs i Kødbyen. De følger udviklingen fra de første ChatGPT-workflows til agenter, der kan undersøge en kodebase, planlægge, implementere og teste. Undervejs diskuterer de, hvad der stadig mangler: lokal kontekst, dømmekraft, reduktion, sikkerhed og evnen til at se tilbage på et system og gøre det enklere.

Du får blandt andet:

- Kaspers vurdering af, hvorfor AI-kollegaen er gået fra nyansat til senior på to år

- En teknisk diskussion af memory, context engineering og sprogmodellernes world model

- Erfaringer med Claude Code, Codex, lokale modeller og hardware til inference

- Rogue AI-agenter, shell-adgang og asymmetrien mellem angreb og forsvar

- JFrog-sårbarheder, open source-sikkerhed og ansvaret helt ned i Linux-kernen

- En konkret historie om en vibe-coded løsning på 300.000 linjer kode

- Hvorfor mere kode og flere abstraktioner ikke nødvendigvis giver bedre software

Episoden er en sommerspecial og en bevidst lang samtale fra maskinrummet. Den varer lidt over to timer og bevæger sig fra øl og gammel hardware til AI-agenter, cybersikkerhed og fremtidens softwarearkitektur.

Gæst: Kasper Tidemann

Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter.

Links:

Kasper Tidemann: https://dk.linkedin.com/in/kaspertidemann

YouTube: https://www.youtube.com/@VerbosPodcast

Apple Podcasts: https://podcasts.apple.com/dk/podcast/verbos-ai-og-softwareudvikling/id1650151292

Spotify: https://open.spotify.com/show/0wNglFesfNltKiDAhcu4nJ

Kapitler:

00:00 Sommerversion af Verbos fra Warpigs

01:20 Kasper Tidemann vender tilbage

07:13 Fra copy-paste til agentic engineering

10:29 AI-kollegaen er blevet seniorudvikler

16:39 Hvad mangler AI stadig for at forstå en kodebase?

21:15 Context engineering er et hack omkring en begrænsning

24:19 Når en kort prompt virker bedre

29:51 Open source-modeller og nye værktøjer

37:58 Håndværket er stadig vores ansvar

49:44 Små modeller, lokal afvikling og egen hardware

01:09:41 Rogue AI-agenter og adgang til shell

01:21:22 AI-sikkerhed bliver et våbenkapløb

01:26:51 JFrog, Artifactory og sårbarheder i open source

01:42:02 Hvor langt går ansvaret ned i Linux-kernen?

01:44:11 Mere software er ikke nødvendigvis bedre

01:47:21 Da vibe coding blev til 300.000 linjer kode

01:58:45 Din gamle tekniske viden er stadig relevant

02:02:00 Purple: et socialt netværk uden algoritmer og reklamer

En OpenAI-agent brød ud af sin sandbox, fandt en zero-day og fik adgang til Hugging Faces produktionssystemer. Hvordan kunne en intern modeltest ende som et virkeligt cyberangreb – og hvad betyder sagen for alle, der bygger eller bruger AI-agenter?

OpenAI oplyser, at en kombination af GPT-5.6 Sol og en endnu stærkere pre-release-model blev testet på cybersikkerhedsbenchmarket ExploitGym. Modellerne fandt en vej til internettet gennem OpenAIs testmiljø og søgte derefter efter facit hos Hugging Face. Hugging Face registrerede mere end 17.000 handlinger og brugte selv AI til at opdage, kortlægge og stoppe angrebet.

Sammen med Christian Bech Nørhave gennemgår Kasper Junge og Jonas Høgh Kyhse-Andersen hændelsen og skiller de bekræftede fakta fra hypen.

Christian Bech Nørhave: https://www.linkedin.com/in/cbechn/

Du får blandt andet svar på:

- Hvordan agenten slap ud af OpenAIs sandbox og ind hos Hugging Face

- Hvorfor long-running agents og adgang til bash ændrer trusselsbilledet

- Hvordan en zero-day, stjålne credentials og lateral movement indgik i angrebet

- Hvorfor Hugging Face måtte bruge den åbne model GLM 5.2 i sit forsvar

- Hvad guardrails, least privilege, sandboxing og nøje valgte tools betyder i praksis

- Hvorfor virksomheder skal styre AI-agenters interne adgang – ikke kun beskytte sig mod angreb udefra

Sagen viser både AI-agenters nye offensive evner og et konkret problem for forsvarere: De stærkeste hostede modeller kan afvise ægte sikkerhedsdata, mens angribere ikke følger de samme regler. Værterne diskuterer, om svaret er bedre sandboxes, færre rettigheder, afgrænsede tools, MCP, code mode eller modeller, som sikkerhedsteams selv kan køre.

Links og kilder:

- Hugging Faces hændelsesrapport: https://huggingface.co/blog/security-incident-july-2026

- OpenAIs redegørelse: https://openai.com/index/hugging-face-model-evaluation-security-incident/

- ExploitGym-benchmarket: https://arxiv.org/abs/2605.11086

- OpenAI om sikkerhed for long-horizon-modeller: https://openai.com/index/safety-alignment-long-horizon-models/

- Cloudflare om Code Mode: https://developers.cloudflare.com/agents/tools/codemode/

Har du dyb teknisk viden om hændelsen eller ser du en vinkel, vi har overset? Så vil vi gerne høre fra dig.

Verbos: AI og Softwareudvikling er den danske podcast fra maskinrummet. Kasper Junge og Jonas Høgh Kyhse-Andersen går teknisk til værks og bygger bro mellem klassisk software engineering og den nye virkelighed med AI-agenter.

00:00 OpenAI-agenten, der hackede Hugging Face

01:54 Hvad skete der hos OpenAI og Hugging Face?

06:59 Agenten fandt en zero-day og brød ud

09:26 Autonom hacking med maskinhastighed

14:35 AI mod AI og problemet med guardrails

23:59 Truslen kan komme fra egne AI-agenter

26:29 Gateways, least privilege og færre tools

34:40 Sandboxing, code mode og programmatic tool calling

41:55 Adgangsstyring, identitet og MCP

47:35 Reel cybertrussel eller AI-hype?

Hvad er en AI-agent egentlig, og hvorfor taler alle pludselig om dem?

I episode 115 tager Jonas og Kasper AI-agenter helt ned fra atomniveau. Vi starter med

sprogmodeller, transformers, GPT-3, ChatGPT og function calling, og bygger langsomt op

til det, der i dag kaldes agentic AI: systemer der ikke bare svarer på spørgsmål, men

kan planlægge, bruge værktøjer, læse og skrive filer, køre kommandoer og udføre rigtigt

vidensarbejde på en computer.

Vi taler om, hvorfor de første agent-demoer med AutoGPT og BabyAGI var vilde, men ikke

særligt brugbare, hvad der har ændret sig siden, og hvorfor coding agents som Cursor,

Claude Code og GitHub Copilot har været med til at gøre AI-agenter praktisk anvendelige.

Til sidst kigger vi fremad: Hvad sker der, når software skal bygges til agenter? Hvad

betyder det for almindelige brugere, virksomheder, interfaces, browseren, interne systemer

og måden vi arbejder på?

Links og ting vi nævner:

- Attention Is All You Need: https://arxiv.org/abs/1706.03762

- GPT-3 / Language Models are Few-Shot Learners: https://arxiv.org/abs/2005.14165

- AutoGPT: https://github.com/Significant-Gravitas/AutoGPT

- BabyAGI: https://github.com/yoheinakajima/babyagi

- ReAct-paperet: https://arxiv.org/abs/2210.03629

- LangChain: https://docs.langchain.com/oss/python/langchain/agents

- Cursor: https://cursor.com/

- Claude Code: https://claude.com/product/claude-code

- GitHub Copilot: https://github.com/features/copilot

- Google Agent2Agent / A2A protocol: https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/

- A2A-projektet på GitHub: https://github.com/a2aproject/A2A

- Bakspejl - Geniet i lommen 1:4 med Geoffrey Hinton: https://podcasts.apple.com/dk/podcast/geniet-i-lommen-1-4/id1536415884?i=1000770505364

Verbos Podcast handler om AI og softwareudvikling. Live på YouTube de fleste mandage

mellem kl. 11 og 12.

Kapitler

00:00 Introduktion til AI-agenter

02:34 Fra NLP til Transformer-teknologi

05:26 Udviklingen af sprogmodeller og deres anvendelse

08:09 ChatGPT og interaktion med brugere

10:48 Struktureret data og agenters funktionalitet

13:51 Fremtidige perspektiver for AI-agenter

19:34 Struktur og Sikkerhed i Sprogmodeller

22:09 Fra Chatbots til Handlende Agenter

26:55 Indre Dialog og Funktionalitet i AI

30:24 Udviklingen af Agentmønstre og React Framework

33:59 Vibe Coding og Fremtidens Programmering

39:36 Delegering og Struktur i Arbejdet med Agenter

41:45 Fremtidige Udfordringer og Muligheder med Agenter

46:08 Teknologisk Udvikling og Interaktion mellem Agenter

52:23 Agenternes Rolle i Fremtidens Arbejdsliv

I dette afsnit af Verbos Podcast sidder Kasper Junge og Jonas Høgh Kyhse-Andersen alene

uden gæster og tager en ærlig, ustruktureret snak om AI, open weights-modeller, det nye

regeringsgrundlag og offentlig IT i Danmark.

Vi starter med open weights large language models og den nye GLM 5.2 fra det kinesiske

AI-firma Z.ai, som mange mener koder lige så godt som Opus 4.8. Hvad betyder det for

muligheden for at self-hoste state-of-the-art AI på dansk jord — særligt for offentlige

institutioner med tunge compliance-krav? Læs om modellen her:

https://huggingface.co/zai-org/GLM-5.2

Derefter dykker vi ned i det politiske grundlag for Firkløverregeringen, der har et helt

separat afsnit om kunstig intelligens. Vi diskuterer Cybernauterne-artiklen "Den nye

regering har slugt Silicon Valleys hype om kunstig intelligens råt" og spørger: Skal AI

overhovedet skrives ind alle steder i et regeringsgrundlag, eller bør vi fokusere på de

problemer, vi rent faktisk vil løse?

- Regeringsgrundlaget: https://stm.dk/statsministeriet/publikationer/det-politiske-grundlag-for-firkloeverregeringen/

- Artiklen: https://cybernauterne.dk/blog/den-nye-regering-har-slugt-silicon-valleys-hype-om-kunstig-intelligens-rat/

Vi tager også fat i, hvorfor offentlige IT-udbud ofte bestiller et output i stedet for et

outcome — illustreret med et konkret udbud på et CPR-masseopslagsværktøj til 1,2 mio. kr.:

https://udbud.dk/detaljevisning?noticeId=52f9a358-fdd5-4cfc-815a-d8cedc48e6be¬icePublicationNumber=¬iceVersion=01

Til sidst snakker vi om den nye (gamle) flaskehals i softwareudvikling: når agentic

engineering gør det lynhurtigt at skrive kode, flytter flaskehalsen sig til information og

afklaring — ikke selve kodningen. Vi diskuterer feature factories, clarification patterns,

product operating model, autonome tværfaglige teams og hvorfor softwareudvikling aldrig

kun har handlet om at skrive kode.

Emner i afsnittet:

- GLM 5.2 og open weights vs. frontier-modeller

- Self-hosting af AI i Danmark og compliance

- AI i det nye regeringsgrundlag

- Output vs. outcome i offentlige IT-udbud

- Den nye flaskehals: information frem for kode

- Product operating model og autonome teams

Verbos Podcast handler om AI og softwareudvikling. Live på YouTube de fleste mandage mellem kl. 11 og 12.

00:00 Intro og tak til alle nye lyttere

01:01 Dagens emner: open weights, regeringsgrundlaget og en ny flaskehals

03:16 Open weights LLM'er og den nye GLM 5.2 vs. Opus 4.8

08:18 Harness engineering: gør modellen eller miljøet forskellen?

10:21 Self-hosting af AI på dansk jord og danske providers

14:52 Det nye regeringsgrundlag og AI

15:54 Artiklen: Har regeringen slugt Silicon Valleys AI-hype råt?

26:27 Den digitale sundhedsassistent: et output bestilt i regeringsgrundlaget

32:30 Offentlige IT-udbud: CPR-masseopslag til 1,2 mio. kr.

35:19 Output vs. outcome i offentlige udbud

41:26 Outsourcing, konsulenter og interne IT-folk

46:43 Den nye flaskehals: feature factories og dårligt beskrevne tickets

50:16 Product operating model og autonome, tværfaglige teams

59:47 Bloat, fyringer og myten om at kode er kerneopgaven

01:02:19 Outro