Den virkelige historien er verre. November 2025: Amazon pålegger Kiro som sitt eneste AI-kodingsverktøy. Setter et mål på 80 % ukentlig bruk. 1 500 ingeniører protesterer internt og sier at Claude Code overgår det. Ledelsen presser seg gjennom likevel. Desember: Kiro sletter autonomt et produksjons-AWS-miljø. 13 timers strømbrudd. Amazons svar: «brukerfeil, ikke AI-autonomi.» 5. mars: Amazon[.]com er nede i 6 timer. Kasse, priser, kontoer — alt borte. Nå holder den samme SVP som medsignerte Kiro-mandatet et krisemøte om hendelser med «høy sprengningsradius» fra «Gen-AI-assisterte endringer». Agenten arvet en senioringeniørs tillatelser og oppførte seg som en — bortsett fra at den ikke nøler. 1 500 ingeniører sa at verktøyet ikke var klart. Ledelsen gjorde adopsjon til en KPI. Amazon fortalte Wall Street at de bruker 200 milliarder dollar på AI i år. De kan ikke trekke det tilbake. Dette er ikke en AI-feil. Det er det som skjer når adopsjon blir en bedrifts-OKR før gjennomgangsprosessen tar igjen. Verktøyene fungerer. Organisasjonskartet gjorde det ikke.

NETTOPP INN: Perplexity lanserte "Perplexity Computer" — og det kan være det mest komplette AI-agentsystemet som finnes akkurat nå. Ikke en chatbot-oppgradering. Ikke et forskningsverktøy med nytt navn. Et system som planlegger hele prosjekter, delegerer til spesialiserte AI-modeller, og kjører autonomt i timer, dager eller måneder (deres egne ord). Her er hva som virkelig gjør arkitekturen annerledes: → Opus 4.6 håndterer kjerneresonnement og orkestrering. → Tvillingene håndterer dyp forskning (og skaper sine egne underagenter) → Grok håndterer lette hastighetsoppgaver → Veo 3.1 håndterer videogenerering → Nano Banana håndterer bildeopprettelse → ChatGPT 5.2 håndterer lang-kontekst gjenkalling og bredt søk → Du kan overstyre modellvalg per deloppgave Totalt 19 modeller. Hver oppgave kjører i et isolert miljø med et ekte filsystem, ekte nettleser og reelle verktøyintegrasjoner. Du beskriver et utfall. Den deler det inn i oppgaver og underoppgaver, lager underagenter for hver av dem, og koordinerer dem automatisk. Når en underagent støter på et problem, spawner den flere underagenter for å løse det. Og den kobler til din eksisterende stabel — GitHub, Google Drive, Gmail, Slack, Jira, Linear, Notion, Confluence, Ahrefs, Airtable og flere. Avgjørende er at den ikke bare kjører én gang. Det kan gå etter en tidsplan. Leser dokumentasjonen din, sjekker prosjekttavlene dine, henter fra CRM-systemet ditt, og handler ut fra det det finner. Markedsovervåking. Konkurrentsporing. Ukentlige rapporter med diagrammer. Innholdspipelines. CRON-jobber som faktisk utføres. Ikke "AI som hjelper deg én gang." AI som kjører i bakgrunnen i dager eller måneder. Tenk på det som administrert OpenClaw — lignende autonom funksjonalitet (planlagte oppgaver, flerstegs arbeidsflyter, verktøyintegrasjoner), men fullt administrert. Ingen Mac Mini. Ingen sikkerhetskonfigurasjon. Ingen infrastruktur å vedlikeholde. Jeg testet det med en kompleks prompt — en full aksjehandelssimulator med hva-hvis-scenarier, korrelasjonsvarmekart, sentimentanalyse og en Bloomberg Terminal-estetikk. To prompts senere: distribuert til Netlify via GitHub, med fungerende CRON-jobber som oppdaterer live data. Jeg har begynt å bruke det til å analysere porteføljen min. Men koding er bare én bane. Denne tingen forsker, skriver rapporter, genererer datasett, lager videoer, behandler dokumenter og kobler seg til dine eksisterende verktøy – alt i én koordinert arbeidsflyt. Det virkelige skiftet: du velger ikke lenger en modell. Du beskriver hva du trenger. Systemet ruter hvert arbeid til den modellen som gjør det best — og genererer nye agenter når det møter en vegg. 19 modeller, dynamiske underagenter, planlagte oppgaver og hele verktøystakken din koblet sammen. Noen tanker?

Hvil i fred OpenClaw. Vi introduserer Agent One: Autonomi med sikkerhet. Bygget på 3 dager med Opus 4.6 og n8n. En kort demo: 🧵