---
title: "Trettien kollegaer i en mappe"
canonical: "https://forvarelset.tazk.no/space/TO/blog/430473218/Trettien%20kollegaer%20i%20en%20mappe"
format: markdown
---
![Flere enn fem fine frøkner jaffal](media://57b79832-7174-4159-b66c-9ca33b26a2ba)


«Axel, vurder dette opp mot NSMs grunnprinsipper.»

## Mappen

Tazk er operasjonsbasen min. Som etterhvert har blitt et system med 31 KI-agenter som dekker domenene jeg holder på med (eller bare er nysgjerrig på). Inkludert en haug spesialfelt jeg ikke hadde klart å oppdatere meg på selv. Teknisk sett er det en mappe med markdown-filer. Hver fil er en ekspert. Hver ekspert har en identitet, et fagperspektiv, en metode for å tenke — og en tydelig grense for hva den *ikke* gjør.

Det hele kjører på Claude-plattformen til Anthropic, og er bygd etter det som per mai 2026 er gjeldende beste praksis for agentarkitektur: strukturerte systeminstruksjoner, eksplisitte resonneringsstrategier, gradvis fordypning i fagstoff, og automatisert vedlikehold gjennom planlagte vedlikeholdsoppgaver.

Men det er ikke derfor det fungerer.

## Stammespråket

En norsk etterretningsoffiser og forsker brukte hele karrieren på å forstå hvorfor etterretning feiler. Ikke de åpenbare grunnene — ikke manglende data eller dårlige satellittbilder — men de dype, menneskelige grunnene. Hans svar: *diskurssvikt.*

Begrepet beskriver hva som skjer når en organisasjon utvikler sitt eget stammespråk — et lukket vokabular som gradvis innsnevrer hva organisasjonen er i stand til å tenke. Ikke fordi folkene er dumme. Men fordi språket de bruker til å beskrive verden begrenser hva de kan se i den.

Jeg ser likheter i det som skjer når du bruker *én* generell KI til alt.

Du ber den om en sikkerhetsvurdering. Du ber den om juridisk rådgivning. Du ber den om å skrive en tekst. Og for hvert spørsmål svarer den fra det samme perspektivet, med det samme vokabularet, i den samme tonen. Den utvikler — ikke bevisst, men strukturelt — sitt eget stammespråk. Og for hvert svar du aksepterer, vennes du gradvis til å tenke innenfor akkurat den rammen.

En jurist som bare snakker med jurister, mister evnen til å se det tekniske. En teknolog som bare snakker med teknologer, mister evnen til å se det regulatoriske. En generell KI som svarer på alt, mister evnen til å… *noe*.

Det er derfor navnene betyr noe.

## Induksjonsproblemet

Etterretningsoffiseren pekte på noe enda dypere: *induksjonsproblemet*. Den induktive metoden — ideen om at vi kan forutsi fremtiden basert på fortiden — er grunnsteinen i det meste av analytisk arbeid. Og den er utilstrekkelig.

Fremtiden kopierer aldri fortiden. Men den oppstår ofte på lignende vis.

En generell KI er en induksjonsmaskin. Den gir deg det mest sannsynlige svaret basert på mønstre fra treningsdataene — altså fra fortiden. Det er nyttig for spørsmål med kjente svar som bare trenger å graves frem, men utilstrekkelig for spørsmål om fremtiden som ingen ennå har svaret på.

Det er forskjellen etterretningsoffiseren brukte for å forstå hvorfor etterretningsmiljøet bommet på 11. september: de lette etter hemmeligheter med metoder designet for hemmeligheter, mens trusselen var et mysterium som krevde forestillingsevne.

Når du gir KI-en flere perspektiver — en sikkerhetsspesialist, en jurist, en risikofilosof, en strateg — tvinger du systemet ut av induksjonsfellen. Ikke fordi KI-en plutselig blir smartere, men fordi hver agent har en eksplisitt resonneringsstrategi som angriper problemet fra en annen vinkel. Sikkerhetseksperten spør «hva kan gå galt?». Juristen spør «hva er lov?». Risikofilosofen spør «hva vet vi egentlig?». Og i skjæringspunktet mellom perspektivene oppstår innsikter som ingen av dem ville funnet alene.

Magi? Neinei. Arkitektur? Ja.

## Rammer og annerledesheter

Men agentene er ikke bare for KI-en. De er der også for <u>deg</u>.

Vi mennesker tenker relasjonelt. Vi formulerer skarpere spørsmål når vi vet hvem vi snakker med — fordi relasjonen gir oss en kognitiv ramme. Når du spør «Nora, er dette lovlig?», har du allerede begynt å tenke juridisk. Når du spør «Kai, hvilken modell passer her?», har du allerede begynt å sortere tekniske krav. Navnet og rollen gjør noe med *din* tenkning, ikke bare med KI-ens output.

Det er det samme prinsippet som gjør at gode team fungerer bedre enn gode enkeltpersoner: ikke fordi summen av kompetanse er større, men fordi strukturen tvinger frem perspektiver den enkelte ikke ville oppsøkt alene. En sikkerhetsekspert og en jurist i samme rom ser ikke dobbelt så mye — de ser *annerledes*. Og det er annerledeshetene som fanger opp det uventede.

## Hva som faktisk *er* i mappen

Rent teknisk er det enkelt. Hver agent er en markdown-fil med:

En YAML-header som gir agenten et navn, en beskrivelse med triggerfraser, og vedvarende minne. En identitetsseksjon som definerer fagperspektiv og det agenten *ikke* gjør (like viktig som det den gjør). En resonneringsstrategi — fem til åtte spørsmål agenten må ha tenkt gjennom *før* den svarer. Fire interaksjonsmoduser som styrer hvordan agenten tilpasser seg: vurderer den noe konkret, utforsker den noe åpent, gir den en anbefaling, eller sier den fra om noe som er feil? Og foreldelsessoner som varsler når faginnholdet kan være utdatert.

Det siste er kanskje det viktigste. Fordi her gjør systemet noe mange (de fleste?) KI-oppsett ikke gjør: det innrømmer at det kan ta feil. Ikke som en generisk ansvarsfraskrivelse, men konkret — «dette domenet endrer seg innen 90 dager, og da skal du sjekke på nytt.»

Det å eksplisitt erkjenne at kunnskap forvitrer er en form for intellektuell hygiene.

## Duoen, trioen og orkesteret

Noen agenter jobber alltid sammen. Felix og Runa — OT-teknologi og IT-nettverk — er et fast par fordi domenene deres er gjensidig avhengige. Du kan ikke vurdere sikkerheten i et SD-anlegg uten å forstå nettverket det lever på, og du kan ikke sikre et nettverk uten å vite hva som faktisk er koblet til det. Å spørre den ene uten den andre er som å sjekke det ene hjulet på sykkelen og erklære den kjørbar.

Tora, Bjarne og Trond — IT-drift, bygg og sikring — er et operativt trio. Fordi i enhver virksomhet henger nettverket, strømmen og sikringsanlegget uløselig sammen, selv om de driftes av forskjellige avdelinger.

Og når oppdraget er stort nok, kommer Otto inn. Otto er arbeidsflytarkitekten — den som ikke utfører fagoppgaver selv, men som designer rekkefølgen, identifiserer parallelle spor, definerer overleveringspunkter og sørger for at hver ekspert faktisk leverer det neste ekspert trenger. Otto orkestrerer aldri på autopilot. Han tester alltid planen mot spørsmålet: *hva er det svakeste leddet her?*

## Noe å ta med seg

Du trenger ikke 31 agenter. Du trenger kanskje ikke engang fem. Men du kan slutte å behandle KI som én generell samtalepartner som kan alt, og begynne å tenke på *hva slags tenkning* hvert spørsmål krever.

Start med det her: Neste gang du åpner en chat og skal skrive et spørsmål, stopp opp. Tenk deg at du står i en gang med kontorer. Hvilken dør ville du banket på? Hva er *det* fagperspektivet som gjør at *akkurat den personen* ville gitt deg et bedre svar enn en tilfeldig forbipasserende?

Skriv det ned. Gi agenten et navn, en identitet, en metode. Legg til noen ting den *aldri* skal gjøre (det avgrenser tenkningen mer enn du tror). Og legg til spørsmålene den må ha tenkt gjennom før den svarer — ikke som en sjekkliste, men som en måte å tenke på.

Den første agenten du skriver endrer kanskje hvordan du jobber. Den tiende endrer hvordan du tenker. Og et sted rundt der begynner du å innse at det aldri handlet om maskinen. Det handlet om å bli bedre til å stille de riktige spørsmålene — til noen som aldri blir lei av å svare.