Den verkliga historien är värre. November 2025: Amazon kräver Kiro som deras enda AI-kodningsverktyg. Sätter ett mål på 80 % veckovis användning. 1 500 ingenjörer protesterar internt och säger att Claude Code presterar bättre. Ledarskapet driver sig igenom ändå. December: Kiro raderar autonomt en produktionsmiljö för AWS. 13 timmars avbrott. Amazons svar: "användarfel, inte AI-autonomi." 5 mars: Amazon[.]com går ner i 6 timmar. Kassa, priser, konton — allt borta. Nu håller samma vice vice ordförande som medundertecknade Kiro-mandatet ett krismöte om "högtrycksradie"-incidenter från "Gen-AI-assisterade förändringar." Agenten ärvde en senioringenjörs tillstånd och agerade som en – fast den tvekar inte. 1 500 ingenjörer sa att verktyget inte var klart. Ledarskapet gjorde adoption till en KPI. Amazon berättade för Wall Street att de spenderar 200 miljarder dollar på AI i år. De kan inte backa tillbaka det. Detta är inget AI-fel. Det är vad som händer när adoption blir en företags OKR innan granskningsprocessen hinner ikapp. Verktygen fungerar. Organisationsschemat gjorde det inte.

PRECIS IN: Perplexity lanserade "Perplexity Computer" – och det kan vara det mest kompletta AI-agentsystemet som finns just nu. Inte en chatbot-uppgradering. Inte ett forskningsverktyg med ett nytt namn. Ett system som planerar hela projekt, delegerar till specialiserade AI-modeller och körs autonomt i timmar, dagar eller månader (deras ord). Här är vad som gör arkitekturen genuint annorlunda: → Opus 4.6 hanterar kärnresonemang och orkestrering. → Gemini hanterar djupforskning (och skapar egna underagenter) → Grok hanterar lättviktshastighetsuppgifter → Veo 3.1 hanterar videogenerering → Nano Banana hanterar bildskapandet → ChatGPT 5.2 hanterar långkontext-återkallning och bred sökning → Du kan åsidosätta modellval per deluppgift Totalt 19 modeller. Varje uppgift körs i en isolerad miljö med ett riktigt filsystem, en riktig webbläsare och riktiga verktygsintegrationer. Du beskriver ett utfall. Den delar upp det i uppgifter och deluppgifter, skapar underagenter för varje och koordinerar dem automatiskt. När en underagent stöter på ett problem spawnar den fler underagenter för att lösa det. Och den kopplas till din befintliga stack — GitHub, Google Drive, Gmail, Slack, Jira, Linear, Notion, Confluence, Ahrefs, Airtable och fler. Avgörande är att den inte bara körs en gång. Den kan köras enligt ett schema. Läser dina dokument, kollar dina projekttavlor, hämtar från ditt CRM och agerar på vad det hittar. Marknadsövervakning. Konkurrentspårning. Veckovisa rapporter med diagram. Innehållsflöden. CRON-jobb som faktiskt utförs. Inte "AI som hjälper dig en gång." AI som körs i bakgrunden i dagar eller månader. Tänk på det som hanterad OpenClaw — liknande autonom funktion (schemalagda uppgifter, flerstegsarbetsflöden, verktygsintegrationer) men fullt hanterad. Ingen Mac Mini. Ingen säkerhetskonfiguration. Ingen infrastruktur att underhålla. Jag testade det med en komplex prompt — en fullständig aktiesimulator med tänk-om-scenarier, korrelationsvärmekartor, sentimentanalys och en Bloomberg Terminal-estetik. Två promptar senare: distribuerad till Netlify via GitHub, med fungerande CRON-jobb som uppdaterar live-data. Jag har börjat använda det för att analysera min portfolio. Men kodning är bara en bana. Den här saken forskar, skriver rapporter, genererar datamängder, skapar videor, bearbetar dokument och kopplar till dina befintliga verktyg – allt i ett samordnat arbetsflöde. Den verkliga förändringen: du väljer inte längre en modell. Du beskriver vad du behöver. Systemet leder varje arbete till den modell som gör det bäst – och skapar nya agenter när det stöter på en vägg. 19 modeller, dynamiska underagenter, schemalagda uppgifter och hela din verktygsstack uppkopplade. Tankar?

Vila i frid OpenClaw. Vi presenterar Agent One: Autonomi med säkerhet. Byggd på 3 dagar med Opus 4.6 och n8n. En kort demo: 🧵