331 AI-modeller sporet, 7 prosent av bedriftene skalerer

Hva som egentlig skjer når en ny AI-modell slippes

På under fire år har AI-modeller gått fra sjeldenhet til jevn strøm. AI Release Tracker har fulgt 197 modeller fra 10 selskaper siden ChatGPT ble lansert 30. november 2022, og listen vokser stadig. Den ferskeste oppføringen der er Googles Gemini 3.6 Flash, sporet 21. juli 2026.

Ser du på hele språkmodell-markedet, ikke bare frontier-laget, blir tallene større. llm-stats.com sporer 331 modellutgivelser på tvers av over 500 språkmodeller, fra 54+ organisasjoner og 15+ API-leverandører, og oppdaterer oversikten hver time. For en leder i en norsk SMB er ikke poenget å telle. Poenget er at ingen rekker å følge alt, og at nesten ingen av utgivelsene faktisk endrer hva du bør gjøre på mandag.

Denne artikkelen gir deg en rolig metode. Du skal kunne skille de få lanseringene som er verdt et møte fra de mange som bare er støy, og du skal kunne teste en modell mot din egen oppgave i stedet for å stole på en topplistescore.

Fra benchmark til blogginnlegg til hype

Livssyklusen til en lansering er forutsigbar. Et laboratorium publiserer en modell med nye benchmark-tall, tekniske nettsteder rangerer dem, og innen timer er tallene overalt. På AI Release Tracker topper GPT-5.4-Pro GPQA Diamond med 94,4 prosent, mens Claude Opus 4.7 leder SWE-Bench Verified.

Tallene stiger fort. På AI Timeline nådde Gemini 3 Deep Think 84,6 prosent på ARC-AGI-2, mens Grok 4 satte toppresultater på Humanity's Last Exam og ARC-AGI v2. OpenAI o3 leverer på sin side sterke tall på både ARC-AGI og Frontier Math. Slike tall selger overskrifter. De sier lite om hvordan modellen håndterer fakturaene, e-postene eller kundedialogene dine.

Hvorfor de fleste utgivelser ikke angår deg

Det som brukes i produksjon, ligger langt bak frontlinjen. Orca Security analyserte 426 organisasjoner med minst en AI-modell i skyen og fant at den mest utbredte modellen var gpt-4o med 37,6 prosent adopsjon, ikke den nyeste generasjonen. Til sammenligning hadde GPT-3.5 en adopsjon på 79 prosent i 2024.

Nyere modeller som gpt-5.1, gpt-5-mini og o4-mini er med på listen, men ligger lenger nede, ifølge samme analyse. Bildet er en bedriftsverden som tar i bruk modeller sakte og beholder det som virker. Fartsdifferansen mellom hva som lanseres og hva som faktisk kjører i drift, er din venn. Den betyr at du har tid til å vurdere, ikke jage.

Modellflommen i tall

Det lønner seg å forstå hvor stort markedet er, uten å drukne i det. Tallene bak modellflommen forklarer hvorfor det føles umulig å henge med. De forklarer også hvorfor ro er en bedre strategi enn refleks.

197 frontier-modeller og over 500 språkmodeller

AI Release Tracker teller 197 frontier-modeller fra 10 selskaper siden slutten av 2022. Det er bare toppsjiktet. llm-stats.com dekker over 500 språkmodeller og har en egen seksjon for modeller som har blitt dårligere over tid, et signal om at selv en modell du allerede bruker kan endre seg under føttene dine.

Investeringene bak dette er rekordhøye. Stanfords AI Index for 2026 oppgir totale AI-investeringer på 581 milliarder dollar i 2025. SQ Magazine tallfester global bedriftsinvestering i AI til 581,7 milliarder dollar samme år, opp 130 prosent fra året før. I USA alene var privat AI-investering 285,9 milliarder dollar, ifølge oppsummeringen av AI Index.

331 utgivelser sporet, og listen vokser hver time

llm-stats.com sporer 331 modellutgivelser fra 54+ organisasjoner og 15+ leverandører, og nyhetsbrevet deres har over 400 000 lesere. Sporeren oppdateres hver time, med egne seksjoner for kvalitetsendringer, åpen kildekode og API-leverandører.

Beregningskapasiteten som driver dette, har mer enn tredoblet seg årlig siden 2022, ifølge AI Index. Samme rapport oppgir at USA sto for 50 fremtredende modeller utgitt i 2025, og at antall AI-relaterte GitHub-prosjekter nådde 5,58 millioner gjennom året. USA har også 5 427 AI-datasentre, ifølge oppsummeringen av rapporten.

Hvem som faktisk brukes i produksjon

Kontrasten mellom utgivelsestempo og faktisk bruk er stor. Orcas analyse viser at alle de ti mest brukte modellene i skyen er Azure OpenAI-utrullinger, og at flere av dem er embedding-modeller, et tegn på at RAG er blitt standard arkitektur. Tabellen under viser adopsjonen for de mest utbredte modellene blant de 426 organisasjonene de undersøkte.

Modell	Adopsjon
gpt-4o	37,6 %
gpt-4.1-mini	34,7 %
gpt-4.1	28,9 %
gpt-4o-mini	28,6 %
gpt-5-mini	19,7 %
o4-mini	17,8 %

Merk at ingen modell dominerer slik GPT-3.5 gjorde med 79 prosent i 2024, ifølge Orca. Markedet er fragmentert, og det betyr at det ikke finnes en fasit alle andre har landet på. Du må velge selv.

Et enkelt rammeverk for å vurdere en nylansert modell

Et rammeverk trenger ikke være komplisert for å være nyttig. Det trenger bare å stoppe deg fra å bytte modell på refleks, og tvinge frem noen få spørsmål før du bruker tid og penger.

Alura mener de fleste SMB-er bør velge modell etter oppgave og lisensvilkår, ikke etter hvor en modell ligger på benchmark-topplistene. En modell som er nummer tre på en poengliste, men som er billigere, bedre dokumentert og har lisensvilkår du kan leve med, er ofte det riktige valget.

Fem spørsmål før du vurderer å bytte

Før en ny modell fortjener et møte, still fem spørsmål. Løser den en oppgave du faktisk har? Er den vesentlig bedre enn det du bruker i dag, på nettopp din oppgave? Hva koster den i drift, ikke bare per token? Hvilke lisens- og datavernsvilkår følger med? Og er den stabil nok til å bygge på, eller er den en preview som kan forsvinne?

De fleste kandidater faller allerede på det første spørsmålet. En videomodell er irrelevant hvis du driver et regnskapsbyrå, og en resonneringsmodell i toppklasse er overflødig hvis oppgaven er å svare høflig på norske kundehenvendelser. Å svare ærlig på disse fem sparer deg for de aller fleste unødvendige byttene.

Oppgave først, deretter lisens

En modell er ikke god eller dårlig i seg selv. Den er god eller dårlig til noe. Mistral OCR 3 er bygget for å gjøre rotete dokumenter om til strukturert data og slår forgjengeren i 74 prosent av tilfellene, mens FunctionGemma er laget for funksjonskalling og treffer 85 prosent nøyaktighet på Googles Mobile Actions-benchmark. Ingen av dem er en allmennmodell. Begge kan være riktige hvis oppgaven din er nettopp dokumenter eller funksjonskalling.

Lisens kommer som spørsmål nummer to. En modell du kan bruke kommersielt, med tydelige vilkår for hvor dataene dine havner, er verdt mer enn en litt sterkere modell med uklare betingelser. Vi har skrevet mer om hvordan du velger språkmodell for norsk bedrift i en egen guide.

En beslutningstabell

Tabellen under kobler vanlige SMB-oppgaver til hva du bør vekte tyngst når du vurderer en ny modell.

Oppgave	Vekt tyngst	Mindre viktig
Kundedialog og chat	Norskkvalitet, latens, pris per samtale	Matematikk-benchmarks
Dokument- og datauttrekk	Spesialmodell for OCR, presisjon	Generell resonneringsscore
Kodeassistanse	SWE-Bench-resultat, verktøyintegrasjon	Kreativ skriving
Interne, sensitive data	Lisens, datavern, mulighet for lokal drift	Nyeste generasjon

Test modellen mot din egen oppgave før du bytter

Benchmarks er laget for å sammenligne modeller mot hverandre, ikke mot din virkelighet. En modell kan lede en poengliste og likevel svare dårligere på dine kundehenvendelser enn den du har i dag.

Det er en dyr feil å hoppe over testing. SQ Magazine rapporterer at 95 prosent av generativ-AI-pilotene ikke ga målbar effekt på bunnlinjen. En viktig grunn er at modeller velges på inntrykk, ikke på måling mot en konkret oppgave.

Bygg et lite testsett fra ekte oppgaver

Du trenger ikke et laboratorium. Samle et lite sett med ekte eksempler fra din egen drift: typiske kundespørsmål, dokumenter som skal tolkes, e-poster som skal oppsummeres. Kjør dem gjennom både modellen du bruker i dag og kandidaten. Vurder svarene blindt, uten å vite hvilken modell som ga hvilket svar.

Et testsett du gjenbruker, gjør vurderingene sammenlignbare over tid. Neste gang en modell lanseres, kjører du den mot det samme settet og ser umiddelbart om den er bedre for deg, ikke bare bedre på papiret.

Mål det som betyr noe for deg, ikke MMLU

Kimi K2 skårer høyt på MMLU, ifølge en samling av Kimi-statistikk, og Kimi K2 Thinking gjør det sterkt på Humanity's Last Exam, ifølge Humanity Redefined. Slike tall er interessante, men de er ikke din KPI.

Mål heller andelen svar du kan sende uten redigering, andelen dokumenter som tolkes riktig, gjennomsnittlig behandlingstid og kostnad per oppgave. Det er disse tallene som avgjør om en modell tjener penger for deg, ikke posisjonen på en akademisk poengliste.

En fast metode slår konstant bytting

Alura mener at en fast metode for å teste nye modeller slår det å bytte hver gang noe lanseres. Når du har et testsett og noen få tall du bryr deg om, blir hver ny modell en rask test i stedet for et strategisk veiskille.

De fleste kandidater faller på første test. De få som består, fortjener en grundigere vurdering. Denne roen er i seg selv en fordel, fordi 62 prosent av selskapene fortsatt sitter fast i eksperimenteringsfasen. Bedriften som har en metode, kommer forbi de som stadig starter på nytt.

Åpne vekter mot lukkede modeller

Skillet mellom åpne og lukkede modeller er blitt et reelt strategisk valg, ikke bare et spørsmål for utviklere. Valget påvirker kostnad, kontroll over data og hvem som har ansvaret når noe går galt.

Hva åpen faktisk betyr

Åpne vekter betyr at du kan laste ned modellen og kjøre den selv, ofte med rett til å tilpasse den. AI Timeline viser at DeepSeek åpnet resonneringsmodellene R1 og R1-Zero i januar 2025 og senere ga ut DeepSeekMath-V2 som åpen kildekode.

Åpne modeller kan være store. Kinesiske Kimi K2 er en MoE-modell med 1 billion parametere, hvorav 32 milliarder aktiveres per token, ifølge Kimi-statistikken. Størrelse er likevel ikke det samme som egnethet: en stor åpen modell krever kraftig maskinvare eller en vertstjeneste for å kjøre i det hele tatt.

Kostnad, kontroll og datavern

Lukkede modeller som GPT, Claude og Gemini er enklest å ta i bruk: du betaler per bruk og slipper drift. Åpne modeller gir deg kontroll over hvor dataene ligger og kan kjøres lokalt, noe som betyr mye hvis du håndterer sensitive data. Under AI Act reguleres ikke åpen kildekode separat, men forpliktelsene følger av risikokategori, og den som gjør vesentlige endringer i en modell blir selv leverandør, ifølge EPICs oppsummering.

Alura mener at stabilitet, dokumentasjon og pris betyr mer for en SMB enn å ha den aller nyeste modellen. En godt dokumentert lukket modell med forutsigbar pris er ofte tryggere enn en fersk åpen modell du må drifte selv, med mindre datavern eller kostnad gjør det motsatte.

Hensyn	Åpne vekter	Lukkede modeller
Oppstart	Krever egen drift eller vertstjeneste	API, i gang på minutter
Datakontroll	Full, kan kjøres lokalt	Data går til leverandør
Kostnadsmodell	Infrastruktur og drift	Pris per token eller abonnement
Vedlikehold	Ditt ansvar	Leverandørens ansvar

Video og spesialmodeller

Ikke alle nye modeller er allmenne språkmodeller. En voksende andel er spesialister: video, dokumenter, funksjonskalling. For en SMB kan en spesialmodell gi mer verdi enn neste generasjon allmennmodell.

Videomodeller: Seedance 2.0

ByteDance lanserte Seedance 2.0 i beta for utvalgte brukere av Jimeng AI-plattformen. Modellen støtter multimodal input med tekst, bilde, lyd og video, og en tidlig bruker beskrev en 10-sekunders videosnutt som vanskelig å skille fra ekte opptak.

Lanseringen løftet aksjene til kinesiske medieselskaper: Huace Media steg rundt 7 prosent, Perfect World rundt 10 prosent, og COL Group nådde sitt daglige pristak på 20 prosent, ifølge IndexBox. For de fleste SMB-er er slike modeller foreløpig et markedssignal, ikke et verktøy de trenger på mandag.

OCR, funksjonskalling og andre nisjemodeller

På språksiden er spesialistene ofte de mest praktiske. Mistral OCR 3 gjør rotete dokumenter om til strukturert data, FunctionGemma bygger på Gemma 3 270M for funksjonskalling, og Nemotron 3 Nano er en liten 30B-modell. Små, fokuserte modeller kan kjøres billigere og raskere enn store allmennmodeller, og de gjør ofte en avgrenset jobb bedre.

Når en spesialmodell lønner seg

Regelen er enkel: hvis oppgaven din er smal og repeterende, er en spesialmodell ofte både billigere og bedre. En OCR-modell som vinner over forgjengeren i 74 prosent av tilfellene, er mer verdt for et regnskapsbyrå enn den høyeste allmenne resonneringsscoren.

En chatbot for kundeservice trenger god norsk og lav latens, ikke topplassering på matematikk-benchmarks. Vi går dypere inn i dette i guiden om AI-chatbot for bedrifter.

Kostnad og abonnement

Prislappen på en AI-modell er sjelden bare prislappen. De synlige kostnadene er abonnement eller pris per token. De usynlige er integrasjon, testing, opplæring og risikoen for at en modell endrer seg eller forsvinner.

Abonnement mot API

Forbrukerabonnementer gir en pekepinn på prisnivået. Kimi tar 9 til 19,99 dollar i måneden for Individual- og Pro-abonnement, ifølge Kimi-statistikken. For bedrifter er API-modellen som regel mer relevant: du betaler for det du bruker, og kostnaden skalerer med volum. Poenget er å regne på din faktiske bruk, ikke på listeprisen.

Skjulte driftskostnader

De største kostnadene er ofte ikke selve modellen. Bedrifter rapporterer betydelig produktivitetsøkning og kostnadsbesparelser fra generativ AI, men de samme tallene forutsetter at prosjektet faktisk kommer i drift. Med 95 prosent av pilotene uten målbar bunnlinjeeffekt, ifølge SQ Magazine, er den reelle risikoen at du bruker penger på integrasjon uten å høste gevinsten.

Kostnadstype	Synlig?	Kommentar
Abonnement eller pris per token	Ja	Enkel å sammenligne, men sjelden hele bildet
Integrasjon og oppsett	Nei	Engangskostnad, ofte undervurdert
Testing og kvalitetssikring	Nei	Løpende, øker ved hvert modellbytte
Opplæring av ansatte	Nei	Betaler seg ved bruk, tapes ved hyppig bytting

Hvert modellbytte nullstiller flere av disse kostnadene. Testing må gjøres på nytt, integrasjonen justeres, og ansatte må venne seg til en ny modell. Det er en av grunnene til at ro lønner seg: stabilitet lar deg hente ut gevinsten over tid i stedet for å betale oppstartskostnaden igjen og igjen.

AI Act fra 2. august 2026

For norske bedrifter er EUs AI Act relevant gjennom EØS, og datoene begynner å bite. Loven trådte i kraft 1. august 2024 og innføres trinnvis. Det irske næringsdepartementets oversikt beskriver en faset innføring over 36 måneder. Europaparlamentet kaller den verdens første helhetlige AI-lov.

Tidslinjen som betyr noe for deg

Prighter oppsummerer nøkkeldatoene. Forbudt AI-praksis og generelle bestemmelser gjaldt fra 2. februar 2025. Forpliktelser for generelle AI-modeller (GPAI) trådte i kraft 2. august 2025. EU-kommisjonen bekreftet 4. juli 2025 at fristene ikke utsettes. 2. februar 2026 skulle Kommisjonen komme med retningslinjer for klassifisering av høyrisikosystemer, og 2. august 2026 får loven full anvendelse, inkludert bøter for GPAI-leverandører.

Dato	Hva som gjelder
2. februar 2025	Forbud mot uakseptabel risiko og generelle bestemmelser
2. august 2025	Forpliktelser for generelle AI-modeller (GPAI)
2. februar 2026	Retningslinjer for høyrisikoklassifisering
2. august 2026	Full anvendelse, bøter for GPAI-leverandører
2. august 2027	Regler for produktrelaterte høyrisikosystemer

Fire risikonivåer

Loven sorterer AI etter risiko. Europaparlamentet beskriver et risikobasert klassifiseringssystem der generativ AI som ChatGPT ikke regnes som høyrisiko, men må oppfylle krav til åpenhet. EPIC deler systemene i forbudt, høyrisiko og lav eller ingen risiko. Innhold generert eller endret med AI må merkes tydelig som AI-generert.

For de fleste SMB-er er den praktiske konsekvensen begrenset. Bruker du en allmenn chatbot til kundeservice, havner du som regel i kategorien med krav om åpenhet, ikke i høyrisiko. Regler for høyrisiko bruksområder (Annex III) gjelder fra august 2026, mens produktrelaterte høyrisikosystemer først kommer i august 2027.

Hva modellvalget betyr for deg

Leverandører utenfor EU må utpeke en autorisert juridisk representant i EU, ifølge Prighter. Det påvirker hvilke modeller du trygt kan bygge på. En modell fra en leverandør som tar EU-etterlevelse på alvor, gir deg mindre å bekymre deg for.

Regelverket er fortsatt i bevegelse. EU Digital Omnibus fra 19. november 2025 foreslår målrettede endringer for å redusere overlappende forpliktelser. Praktisk betyr det at du bør velge leverandører som følger utviklingen, og unngå å bygge kritiske prosesser på en modell med uklar juridisk status.

Bøtene er reelle

Bøtene er ikke symbolske. Wikipedias gjennomgang og EPIC oppgir samme nivåer, som tabellen under viser. Selve loven ble vedtatt i Europaparlamentet med 523 mot 46 stemmer og 49 avholdende.

Type brudd	Maks bot	Andel av omsetning
Brudd på forbud	35 mill. euro	7 %
Andre forpliktelser og GPAI	15 mill. euro	3 %
Feilaktig informasjon	7,5 mill. euro	1 %

Markedsbilde: hvem leder på benchmarkene

Hvis du likevel vil vite hvem som leder, her er bildet akkurat nå. Men husk at ledelsen skifter fra måned til måned, og at forskjellene på toppen er små.

Frontier-toppen akkurat nå

På AI Release Tracker leder GPT-5.4-Pro GPQA Diamond med 94,4 prosent, mens Claude Opus 4.7 topper SWE-Bench Verified. AI Timeline lister nye modeller fra alle de store: GPT-5.3 Instant fra OpenAI, Claude Opus 4.6 og Sonnet 4.6 med 1 million tokens kontekstvindu fra Anthropic, og Gemini 3 Deep Think fra Google.

USA og Kina veksler på ledelsen

Ledelsen er ustabil. Oppsummeringen av AI Index viser at USA og Kina har vekslet på førsteplassen i modellprestasjon flere ganger siden tidlig 2025, og at Anthropics ledelse over nærmeste konkurrent var svært liten i mars 2026. Når forskjellen på toppen er noen få prosent, er det sjelden verdt å bytte hele oppsettet for å følge lederen.

Kinesiske utfordrere: Kimi

De kinesiske modellene presser prisene og øker tempoet. Kimi hadde over 36 millioner månedlige aktive brukere i oktober 2025, ifølge Kimi-statistikken, selv om tallet falt til 23,59 millioner i desember 2025. Selskapet hentet 500 millioner dollar i Series C til en verdivurdering på 4,3 milliarder dollar. Kimi K2 Thinking er beskrevet som et flaggskip blant seks nye modeller verdt oppmerksomhet.

Vanlige feil når SMB-er jager nyeste modell

De vanligste feilene er ikke tekniske. De handler om oppmerksomhet: hvor du bruker tid, og hva du lar deg rive med av.

Å bytte på hver lansering

Hvert modellbytte har en skjult kostnad: ny testing, ny integrasjon, ny opplæring. Når 331 utgivelser renner inn og enkelte modeller til og med blir dårligere over tid, blir konstant bytting en tredemølle. Velg et oppdateringstempo, for eksempel en gjennomgang hvert kvartal, og hold deg til det.

Å stole på topplistene

En høy benchmark-score betyr ikke at modellen er best for deg. Gemini 3 Deep Think på 84,6 prosent på ARC-AGI-2, ifølge AI Timeline, sier ingenting om hvor godt modellen svarer på norsk kundeservice. Bruk topplistene til å lage en kortliste, ikke til å ta den endelige avgjørelsen.

Pilot uten mål på bunnlinjen

Den dyreste feilen er å sette i gang uten å definere hva suksess er. 95 prosent av pilotene ga ingen målbar effekt, og 51 prosent av organisasjonene rapporterer negative konsekvenser fra AI-bruk, med hallusinasjoner som største bekymring hos 56 prosent. Definer en KPI før du starter, og mål mot den.

Ofte stilte spørsmål om valg av AI-modell

Kort svar på spørsmålene norske SMB-ledere oftest stiller når de vurderer en ny modell.

Hvor ofte bør vi vurdere å bytte AI-modell?

Sjeldnere enn du tror. Med en fast metode holder det ofte med en gjennomgang per kvartal. Bare 7 prosent av selskapene har fullskalert AI, så hastverket er mindre reelt enn det føles. Stabilitet slår nyhet for de fleste.

Er open source AI trygt for en SMB?

Ja, hvis du har kapasitet til drift eller bruker en vertstjeneste. Åpne modeller som DeepSeek R1 gir kontroll over data, noe som er en fordel for sensitiv informasjon. Under AI Act reguleres ikke åpen kildekode separat, men den som gjør vesentlige endringer blir selv leverandør og arver forpliktelsene.

Trenger vi den nyeste modellen for å være konkurransedyktige?

Sjelden. Forskjellen på toppen er liten mellom lederne i mars 2026, ifølge oppsummeringen av AI Index, og de mest brukte modellene i produksjon er ikke de nyeste. gpt-4o ledet fortsatt med 37,6 prosent adopsjon. Fortrinnet ligger i hvordan du bruker AI, ikke i hvilken versjon du kjører.

Hva betyr AI Act konkret for oss?

For de fleste SMB-er handler det om åpenhet, ikke høyrisiko. Generativ AI som ChatGPT må oppfylle krav til åpenhet, og AI-generert innhold må merkes. Full anvendelse kom 2. august 2026. Velg leverandører som tar etterlevelse på alvor, så slipper du å bære byrden alene.

Hvordan vet vi om en modell er god nok for vår oppgave?

Test den mot dine egne oppgaver. Bygg et lite sett med ekte eksempler, kjør både dagens modell og kandidaten, og mål andelen svar du kan bruke uten redigering. En benchmark som MMLU, der Kimi K2 skårer høyt, sier lite om nettopp din oppgave.

Oppsummering: en rolig strategi i et bråkete modellmarked

Modellmarkedet kommer ikke til å roe seg. Med over 500 språkmodeller og 197 frontier-modeller i omløp, og investeringer på 581 milliarder dollar i ryggen, vil tempoet holde seg høyt. Løsningen er ikke å følge bedre med. Løsningen er en metode som gjør at du slipper.

Velg etter oppgave og lisens, ikke etter toppliste. Test hver kandidat mot dine egne eksempler. Vekt stabilitet, dokumentasjon og pris tyngre enn nyhet. Da blir hver lansering en rask sjekk i stedet for en beslutning, og du kan bruke energien på det som faktisk gir gevinst: å få AI i drift, der bare 7 prosent av selskapene så langt har lyktes fullt ut.

En rolig sjekkliste

Kort oppsummert: Følg en sporer som llm-stats eller AI Release Tracker med et kvartalsvis blikk, ikke daglig. Ha et fast testsett. Kjenn lisens- og AI Act-kravene for din bruk. Regn på total driftskostnad, ikke bare pris per token. Og bytt bare når en kandidat er vesentlig bedre på din egen oppgave. For norske bedrifter som vil grave dypere i selve modellvalget, har vi samlet mer i oversikten over GPT, Claude, Gemini og andre.

I Alura hjelper vi norske bedrifter med å bygge AI-strategi som faktisk lar seg gjennomføre. Vi kombinerer dyp teknisk innsikt med erfaring fra alt fra SMB til enterprise, og leverer veikart som virker i praksis, ikke bare i PowerPoint.

Bestill en strategiøkt: en halvdags samtale der vi kartlegger virksomhetens AI-modenhet, identifiserer de tre prosessene med størst potensial, og leverer et konkret veikart med budsjettramme. Uforpliktende.