Notater fra havnen
Praktisk, sporadisk skriving om AI og data — hva som virker, hva som ikke gjør det, og hvorfor.
RAG som faktisk virker i produksjon
De fleste gjenfinningssystemer feiler ikke på modellen, men på rørleggingen. Hva som skiller en demo fra en pålitelig assistent.
Les →EUs AI-forordning, for nordiske team
Et praktisk kart over hva forordningen krever, når, og hvordan bygge inn styring fra dag én.
Les →Agentbasert AI: når man ikke bør bruke den
Autonome agenter er kraftige og lette å misbruke. Hvor de gjør nytte, og hvor en enkel pipeline vinner.
Les →Hvorfor datakvalitet slår modellvalg
Team fikserer på modellarkitektur og forsømmer dataene som mater den. Avkastningen er nesten alltid omvendt.
Les →MLOps uten en tung plattform
Du kan overvåke og retrene modeller pålitelig med lette verktøy. Her er minimumet som betyr noe.
Les →Det semantiske laget, enkelt forklart
Hvorfor én avtalt definisjon per måltall er den enkeltvis mest virkningsfulle løsningen.
Les →Vektorsøk: fem vanlige fallgruver
Chunking, embeddings og evaluering feller de fleste første forsøk. En sjekkliste for å unngå fellene.
Les →Feature stores: når de er verdt det
En feature store løser reelle problemer og skaper nye. Når avveiningen lønner seg, og når ikke.
Les →Å holde LLM-kostnader under kontroll
Token-regninger vokser stille til de overrasker. Praktiske grep for å kutte kostnad uten å kutte kvalitet.
Les →Datakontrakter i praksis
En datakontrakt er et løfte mellom produsent og konsument. Hvordan gjøre dem reelle i stedet for et diagram.
Les →Å evaluere LLM-utdata
Menneskelig gjennomgang skalerer ikke og magefølelse er ikke et måltall. Bygg en evalueringsrigg du kan stole på.
Innebygd personvern i AI-systemer
GDPR er ikke en avkrysning til slutt. Bygg dataminimering og formålsbegrensning fra start.
Streaming vs. batch: å velge ærlig
Sanntid er på moten og ofte unødvendig. Et klarsynt blikk på når streaming er verdt kompleksiteten.
Modellkort som faktisk betyr noe
De fleste modellkort er formalia. Hva som hører hjemme i ett så det er nyttig.
Når man ikke bør bruke AI i det hele tatt
Noen ganger er det ærlige svaret en regel, et skjema eller et regneark. Å vite når man skal si nei.
Havneloggen
Sporadiske, praktiske notater om AI og data. Ingen støy.