‹ Tilbake til podkaster ‹ Teknisk sett

29.1.2026

– Hallusinerende KI er en trussel

Jan Moberg besøker Deloitte i Bjørvika med partner Joachim Gullaksen og Paul Lee, som presenterer Deloittes TMT Predictions. De diskuterer AI Overviews, hallusinasjonsrisiko, datasentre i Norge, humanoid-roboter fra CES og fremveksten av mikroserier.

02:08

Paul diskuterer hvordan AI-overviewen forbedrer søkeopplevelsen ved å bruke generativ AI, noe som forutses å øke i popularitet.

06:03

AI-verktøy gir varierende svar, men brukernes forståelse av deres probabilistiske natur og ansvarlighet gjenstår ofte uklart.

11:22

Teknologiens monetisering krever ikke 100% nøyaktighet, men tillit og lokalisering av data er essensielt for vekst i Norge.

14:55

Teknologisk fremgang i kraftproduksjon og humanoide roboter reiser spørsmål om bærekraft, sikkerhet og praktisk anvendelse.

22:09

Podcasten diskuterte fremveksten av mikroserier og deres potensiale for det norske mediemarkedet, påvirket av global teknologi og trender.

Transkript

Nevnt i episoden

Deloitte

Konsulentselskap; vert for seminar og podcastepisode, Paul Lees arbeidsgiver.

Paul Lee

Partner i Deloittes TMT-research, hovedgjest som presenterte årets spådommer.

Joachim Gullaksen

Partner i Deloitte, medvert og kommenterte norske markedsperspektiver.

Jan Moberg

Programleder for Teknisk Sett-podcasten fra TU.

AI Overviews

Generativ KI integrert i søk; forventes mye brukt, men risiko for hallusinasjoner.

Generativ KI

Sentralt tema; mindretall bruker frittstående verktøy, probabilistiske modeller gir feilrisiko.

LLM

Språkmodeller diskutert som verktøy og kilder til feilinformasjon.

Datasentre

Stor mulighet for Norge pga. billig kraft, klima og data sovereignty.

CES

Messe i Las Vegas; humanoid-roboter hypet, men begrenset funksjonalitet.

Humanoid-roboter

Diskutert sikkerhets- og styrkeproblemer; veldig begrenset nytte i dag.

Mikroserier

Kort vertikalt videoinnhold for mobil, populært i Asia, kan komme til Norge.

TikTok

Norge er storforbruker; relevant for mikroserie-trenden.

Disney

Nevnt som strømmegigant som lanserer mikroserier.

NRK

Nevnt om mulig distribusjon via åpne plattformer for å nå flest.

Norge

Fokus på norske muligheter innen datasentre, mikroserier og mediebransje.

Bjørvika

Sted i Oslo hvor Deloittes hovedkontor ligger.

GPU

Kort levetid på GPU-er påvirker datasentrenes økonomi.

YouTube

Nevnt som åpen distribusjonsplattform for kringkastere.

TU

Utgiver av Teknisk Sett-podcasten.

Delta

Fagforening, sponsor og annonsør i episodeåpningen.

Deltakere

host

Jan Moberg

guest

Joachim Gullaksen

guest

Paul Lee

Sponsorer

Delta

Poeng

Det er tre ganger så mange mennesker som bruker generativ AI passivt via AI Overviews, sammenlignet med frittstående generative AI-verktøy.

Deloittes prognose for 2025, 2026 og 2027 – innovasjon som skjer 'under radaren' inne i eksisterende verktøy får mindre oppmerksomhet enn nyhetene om de frittstående verktøyene.

En kalkulator gir alltid samme svar; en probabilistisk modell gir ulike svar på samme prompt.

Paul Lees kjerneinnvending mot AI Overviews: folk forstår ikke at svarene varierer og kan hallusinere.

Hele verdiforslaget til AI Overviews er at du gjør mindre arbeid – og det er et instinkt å gjøre mindre.

Derfor klikker folk sjelden på kildene selv når de finnes, og mister konteksten rundt svarene.

Vi skal være AI-first, men du må forstå hva AI gjør bra og hva den ikke gjør bra.

Jan Mobergs kommentar til workshop-eksemplet der seniorledere ikke sjekket kildene til et LLM-svar.

Se alltid på om det er mennesker rundt robotdemoen – hvis ikke, er det fordi utviklerne er bekymret for roboten.

Praktisk råd til alle som ser humanoid-robotvideoer fra CES.

En robot med en hånd som kan utøve 50 kg trykk, og som fungerer feil, er en utilsiktet dreperi-maskin.

Sikkerhet er grunnen til at humanoide roboter bare klarer enkle oppgaver som å folde tøyler.

Hvis robotdemoen styres med fjernkontroll, er det en mann i bakgrunnen.

Mange CES-demoer er ikke autonome, men replikerer bevegelser utført av et menneske et annet sted.

For hver dollar generative AI-tjenester genererer, koster det noen dollar – til og med tre dollar.

Monetiserings- og kostnadsutfordringen i generativ AI, koblet til usikkerhet om GPU-enes levetid.

Datasentre kan bli en ny inntektskilde for Norge.

Joachim Gullaksen peker på billig kraft, kaldt klima og europeisk datasuverenitet som Norges konkurransefortrinn.

Påstander

Paul Lee har jobbet i Deloitte i 11 år med kun research på trender innen teknologi, media og telekom.

Oppgitt av Joachim Gullaksen i innledningen.

Paul Lees forskningsteam består av 14 personer.

Oppgitt av Joachim Gullaksen.

Omtrent 80 andre deltok på seminaret hos Deloitte i Bjørvika samme morgen.

Oppgitt av Joachim Gullaksen.

Dette var den første presentasjonen Paul Lee holdt utenfor London for årets rapport.

Oppgitt av Jan Moberg.

I de fleste europeiske land er andelen som noen ganger bruker generativ AI under 10 %.

Deloittes forskning, presentert av Paul Lee.

I Ukraina var andelen som brukte generativ AI omkring 6 % i mai, opp fra 4 % og tidligere 2 %.

Oppgitt av Paul Lee.

I 2024 eksisterte AI Overview-typen verktøy nesten ikke.

Oppgitt av Paul Lee.

Deloitte forventer at tre ganger så mange bruker AI Overviews (passiv generativ AI) som frittstående generative AI-verktøy, både for 2025, 2026 og 2027.

Deloittes prognose.

Ved en workshop i kritisk tenkning så seniorledere først og fremst på LLM i stedet for å konsultere kildene, og én av deltakerne hadde bare klikket én gang for å verifisere datapunktet.

Anekdote fra Paul Lee.

På én av Deloittes workshoper ble LLM-svaret hentet fra en betalt LLM.

Oppgitt av Paul Lee.

Noen utsagn i fjor antydet at GPU-enes levetid i AI-datasentre er tre til fire år, og finansmarkedet reagerte med å anta fem til seks år.

Oppgitt av Paul Lee.

Det er vanlig å si at generative AI-tjenester koster noen dollar, til og med tre dollar, per dollar som genereres.

Oppgitt av Paul Lee.

En menneskehånd kan utøve rundt 50 kg trykk.

Oppgitt av Paul Lee.

En humanoid robot på CES som kunne folde tøy, kunne kun folde tøyler – ikke sokker, undertøy eller skjorter.

Anekdote fra en av Paul Lees kolleger som var på CES.

En humanoide robot som veier 200 kg kan skade en person hvis den faller.

Oppgitt av Paul Lee.

Det er 10 år siden TikTok ble lansert som app i Kina.

Oppgitt av Paul Lee.

Mikroserier er innhold laget for smarttelefon, i vertikalt format, typisk rundt tre minutter lange.

Definisjon gitt av Paul Lee.

Flere av de store strømmegigantene, blant annet Disney, kommer med mikroserier i år.

Oppgitt av Joachim Gullaksen.

Norge ligger langt fremme på TikTok-bruk.

Oppgitt av Joachim Gullaksen.

Norge er spesielt egnet for datasentre på grunn av billig kraft og klima som gjør kjøling enklere.

Oppgitt av Joachim Gullaksen.

I stedet for å kjøpe et par tokens må man i praksis bruke 20 eller 200 tokens for å komme med et svar ved bruk av resonneringsmodeller.

Oppgitt av Paul Lee om økende kraftbehov ved inferens.

Enkelte steder i USA gjøres det investeringer i kull- og gasskraftstasjoner for å forsyne datasentre.

Oppgitt av Paul Lee; han bemerker at dette kanskje ikke fungerer i europeiske markeder.

En B-52-bomber er 80 år gammel.

Brukt som eksempel på at noe utstyr kan ha svært lang levetid.

Det er økende globalt samarbeid mellom rikskringkastere, TV-stasjoner og strømmetjenester.

Deloittes observasjon, oppgitt av Joachim Gullaksen.

Laster

Nå kan jeg endelig snakke om andre ting med kona før vi legger oss. For eksempel hvordan dagen har vært. Snakk med oss i Delta. Fagforeningen som hører deg. Du hører på Teknisk Sett, en podcast fra TU. Mitt navn er Jan Moberg. Og i dag sitter jeg på hovedkontoret til Deloitte i Bjørvika, og jeg har med meg Joachim Gullaksen, som er partner i Deloitte. Hei, Joachim. Hei, hei, Jan. Takk for at jeg fikk komme inn om i dag. Ja, veldig glad å ha deg, og... enn cirka 80 andre som kom på seminar i dag morges. De skal ikke være med i podcasten. Men dere hadde jo en fyr som jeg har møtt tidligere og hørt på innom, og du må fortelle, for dette var veldig spennende. Ja, jeg jobber mye selv innenfor teknologi, media og telekom, men med rådgivning til kunder spesielt i Norge. Men Paul Lee, som vi har i Norge for 11 år på rad, han... Han jobber bare med research, altså han bruker hele sin tid i Deloitte med et team på 14 personer på å se på trender, bruke tid på de lange linjene og forstå hva som skjer med teknologi, media og telekommarkedet, og særlig fokus på hva er den økonomiske implikasjonen, er dette en trend som faktisk lar seg forandre? oversette i inntekt og bundlinje for selskapene. Er det hype eller er det realism? Nettopp. Men enda bedre, Joachim, er at vi har med oss Paul Lee her nå i denne podcasten. Han er partner for Tech Media & Telecom i Deloitte. Paul, jeg hadde plass til å lytte til deg i en time, og jeg ble veldig enten over noen ting du hadde å fortelle oss. Og ikke bare det, jeg må også si til lytterne at dette var den første presentasjonen du hadde utenfor London, hvor du var headquartered for dette års rapport. Det er alltid spesielt å komme til Oslo. Ja, vi har lyst til det. Takk for denne snøen. Ja, selvfølgelig hadde du en ekstensiv presentasjon med mange områder, men ta oss tilbake til AI-overviewen i denne års rapport. Hva fant du? AI Overview er en variant av Search. Search er noe som de fleste mennesker i verden gjør hver dag. Vi har gjort det i 20 år. Det er det basis av en enormt stor business. Det er en flåde med Search som det er. Det gir deg ulike resultater tilbake. og så må man se på resultatet, og så jobbe ut hvordan man kan synssensisere dem, og jobbe ut hva som er den beste svaren. Så det som er veldig kraftig med AI-overviewen, er at det bruker generativ AI til å gjøre sammenheng av resultatet. Og hva det gjør i forhold til behandling, er at det gjør at søkningen, destinasjonen, i stedet for ... en vei til destinationen. Så vi blander ikke bare AI og search engine? Ja, det er det som skjer. Stand-alone gen AI er veldig kraftig, det blir snakket om mye, men det er faktisk ikke så populært. Så når vi ser på Europa, Den nye tilfellen av folk som bruker generativ AI, noen ganger, i de fleste land, er under 10%. I Ukraina var det omkring 6% i mai. Det var 4% før. Det var 2% før. Men når man hører av teknologien, den kompleksiteten, den utfordrende delen av den, og man merker den inn i en eksistensfull tool, som allerede er populær, så går utbyggingen mye. Så vår forventning for dette år er at tre ganger så mange mennesker vil bruke en AI-overview, som betyr å bruke generativ AI passivt, så i bakgrunnen, versus en stand-alone genAI-tool. Så det var vår forventning for 26, og også for 27, og det var også vår forventning for 2025. Og det er verdt å huske at i 2024, denne typen av tool, AI-overview, Det var nesten ikke til å eksiste. Nei, vi brukte LLM-toolet direkte. Vi brukte LLM-toolet direkte. Så dette er hvor populært det er. Og jeg tror det har stort sett skjedd under radaren. Fordi de fleste av nyheterne er om hva som er novel, hva som er skjønne, i stedet for innovasjonen som er hiden innen en eksistensmennsynlig tool. Hva er fargerne av det? Det er oppsider for alle, og også nedsider. En av de funksjonene med en utgjørende utgangspunkt er at den er produkt av et probabilistisk modell. Det den utgjør er hva som er sannsynligvis den rette svaren, ikke sannsynligvis. En lettere kontrast å gjøre er at hvis man bruker en kalkulator, du får alltid samme svar. Hvis du bruker en probabilistisk tool, og du bruker samme spørsmål, eller vi kaller det samme "prompter", så får du ulike svar. Du reprompter, så får du ulike svar. Du reprompter igjen, så får du sikkert ulike svar. Så det du har nå, er at du har den probabilistiske naturen, bryt, integrert i AI-overviewen. Så hvor mange mennesker som bruker disse toolene, forstår hva et probabilistisk tool er, og hvordan det varierer fra en tradisjonal søkende eller tradisjonal webseite. Det kan være at du ser på trivia, for eksempel om kjærester og deres liv. Men hva skjer hvis du bruker en AI-overview for sjekkeinformasjon, og det er hallucinerende? Hva skjer da? Eller hvis du ser på, for eksempel, finansiell anbefaling på en AI-overview, og det går feil. Hvilken ansvarlighet har de? Hvilken regjering er det som er behovig? Forstår konsumentene hva de gjør, eller forstår de regjeringen og reglerne? Det ligner at dette er et område hvor vi som personer må være mye mer ansvarlige, men vi er ikke forståelige av det. Er det din forventelse at konsumentene blir ansatte for teknologi? Godt punkt, men... Det er en slags ansvar som blir forløpet, på en måte. Jeg tror også at du har gjort noe i presentasjonen i forhold til prøvningene. I forhold til før, hvis jeg hadde sagt hvilken sannhet det er at det vil regne eller løpe på fredag, så hadde jeg fått opp noen ansvar. Jeg skulle ha, som du sa, klikket rundt. Og når du klikker rundt og ser de fire eller fem topp resultatene, så ser du også miljøet som er presentert, og du forstår siden. Det er alt gitt. Du får bare sammenlignet. Og sidenene er der, men de er ikke intrusive. Så du kan ikke evene notere hva sidenene er. Og så leder det deg til å tro at dette er faktisk mer enn når du bruker din høyre for å se på de fem sidenene direkte. Sjåsene er vel skrevet fra deg. Noen ganger er det så, men noen ganger, selv om sjåsene er evidens, klikker folk ikke. Fordi hele sikkerheten, eller innholdet av dette servicet, er at du gjør mindre arbeid. Og det er jo en instinkt å gjøre mindre. Paul, du hadde et fantastisk eksempel, jeg tror. Du hadde, du har å fortelle oss dette selv, men du hadde 10 mennesker rundt stedet. som vi skal løfte spørsmålet, eller? Ja, vi hadde en workshop i forrige uke, og det var om kritisk tenkning. Vi hadde et par utfordringer for tableen å gjøre. De valgte generelle utfordringer, og de ble mer og mer spesifikke til denne firma. Og rundt stedet hadde man seniorledere som hadde tilgang til og utsettelse til informasjonen for å svare på spørsmålet. Men i stedet for å konsultere sammen, så så de først og fremst på LLM. Så de gikk inn i det digitale appellet og spørte "Ja". Det var langt og mer uansett. I en av oppslippene til utdannelsen, så var min kollega spørt: "Hvordan kom du med denne informasjonen?" Den var fra en LLM, og en som også var betalt for LLM. Og hans følgende spørsmål var: "Hva var grunnen til denne datapunktet?" Og personen sa, defensivt, at han ikke hadde tid til å se. Det var en klikk til. En klikk. Og du har noen av de mest seniorne menneskene i hele industrien, rundt denne tavelen. Men det vi blir fortalt å gjøre hele tiden er å være AI først. Å bruke AI. Vi er i en AI-verden. Hvis du ikke kan bruke AI, så er du ikke god på ditt jobb. Og jeg er med om det. Men du må bruke AI med en god forståelse av hva det gjør bra og hva det ikke gjør bra. Og kanskje vi trenger litt mer - og trenger å forstå hvordan disse hjulene fungerer og ikke. Hva ser du i krystallballen? Hvordan blir dette lagt? Hvordan blir det utviklet til å være mer akkurat, mer præsist og realistisk? En av de potensielle forholdene er å ha mer spesifiserte hjul. Men når det kommer til informasjon, har man alltid denne forholdningen om at det er et probabilistisk modell. Og i mange år har forståelsen vært der at det er et probabilistisk modell, og at løsninger har blitt snakket om. Men jeg vet ikke om de har fungert. Jeg tror at måten i hvilken mange av denne teknologien kommer til å monetisere, er når du anbefaler det til en applikasjon for hvilken 100% akkurat, eller den beste tilgjengelige akkuraten, er ikke behov. I de områdene vi jobber i er akkuraten parametral, fordi tro er et sted i en kjøp. Det er det som er behov. Og du må bruke all din teknologi, inkludert dine hjerter og de som du har tilgang til, og deres hjerter, for å få en svar. Men det er mange jobber Joachim, Paul har insistert på at vi skal snakke litt norsk innimellom for våre norske lyttere. Hva tenker du med de norske marked og klientene om dette? Nei, Nei, et annet aspekt av veksten og etterspørselen etter AI, som jeg tror treffer Norge og Sverige, er jo datacenteret. Det er to ting som driver datacenteret i Norge. Den ene er mer europeisk. Jeg tror vi kommer til å ha dette konseptet data sovereignty, altså dette konseptet om at data bør lagres lokalt, både fra et sikkerhetsperspektiv, men også fordi man har forskjellige privacy og reguleringer både i USA og Europa og Asia. Slik at selskapet vil bli tvunget til, eller vil ønske å lagre dataen nærmere kilden lokalt, Og så er jo Norge spesielt egnet for datacenteret, både på grunn av billig kraft, men også på grunn av klima. Ting skal kjøles ned. Så jeg tror, hvis vi begynner å tenke på hvor er det pengene går, hvor er liksom økonomien bak AI, jo, det er jo selvfølgelig hyperscalerne og AI-selskapene, men så er det også datacenterne. Og for Norge så tror jeg det er en ordentlig stor mulighet. Ja, vi kommer tilbake til det. Datacentrene i Norge er en stor forhold. Hvordan skal vi oppføre disse store fasiliteterne? Ja, det var et veldig godt punkt. Det var alltid tenkt at kritiske kraftmål skulle være for utdanningsmodeller. Og da vi gjør innføringer, så gjør vi forhold, så det blir mye mindre kraft. Men det som har funnet ut er at man ikke bare kan gjøre en enkel forhold. Man må gjøre sannsynlige forhold. Så i stedet for å kjøpe et par tokener, så må man bruke 20 eller 200 til å komme med svaret. Så kapasitetene som GPU-ene, rakene som blir skrevet for innføring, blir faktisk veldig, veldig kraftige. Så hvordan vi kjører det, er en veldig god spørsmål. Og det kommer til å være en miksjø av renovering. Og i noen lande, hva de gjør, for eksempel i USA, er å starte kold- og olje-kjøringer. stasjoner som kan fungere i noen marked, men kanskje ikke fungerer i europeiske marked. Det må være en transisjonal løsning. Det kan være. I hvordan lenge denne løsningen av kraft løser, vet jeg ikke. Og så den andre Vanskeligheten å tenke på er at når du for eksempel skaper offshore vindkapabiliteter, så har du kabler på seabedet eller bryt under seabedet. Hvordan sikrer du disse kablene? Fordi du skaper en kapabilitet, men også hva du skaper er en fragilitet. Og dette er en av tingene vi må tenke på i forhold til hva kostet er å skabe denne kraften. Du hadde også en god punkt, og det som gjør meg til det er at den digitale infrastrukturen er dårlig. Vi har hatt en stor infrastruktur de siste 20 årene, særlig med internett og alt. Men tingene er åpne. Hvor stor er det? Ja, så hver stokk av kjøkkenet har sin livstid. Det er noen steder som kan laste 100 år. Vi tenker ikke på det. B-52 bomber er 80 år gammel. Det tradisjonelle data-senteret hadde en forståelig livsperiode, men de gjorde beviselige app-applikasjoner. Så når du har et AI-dentisenter, den mest kjørende unitten som går inn i dem, samt kraft, bygning og sikkerhet, er GPU-ene, prosessene som går inn i dem. Og i dag er det mange iterasjoner som skjer med disse. Så spørsmålet er, hvor lenge de vil laste? fordi det gir deg en idé om hvor snabbt du må monetisere. Det er en av de største spørsmålene i det tekniske senteret nå. Det var noen utsikringer i forrige år som sa tre til fire år. Og det skapte en reaksjon fra finansmarkedet, så de sa, å, kanskje fem eller seks år. Nå i mine private samtaler med folk som jobber i generativ AI, noen av dem signale at forandringen er relativt kort. Så vi må gjøre mer forskning i denne områden. Men det vil ha en større effekt på hva som må bli kjøpt, hvor snabbt disse servisene kan generere en fordel. Og hvis du tenker på mange av generative AI-servisene nå, er det vanlig å si at for hver dollar som er generert, er det noen dollar, eller til og med tre dollar i kost. Det er en interessant utfordring. Vi skal fortsette med et veldig hot-topikk. Jeg gikk ikke i år, men jeg så videoer fra Consumer Electronics Show i Las Vegas. Det var så mange humanoid-robot der. Det er et hot-topikk, og alle snakker om det. Du hadde en sekelse på dette i presentasjonen din. Hva skjer? Veldig lite, faktisk. Med roboter som humanoid, gjelder de alltid opptatt, og det har de gjort i millennier. Det handler om vårt behov for å bli forplasset, tror jeg. Og også vårt behov for forplassning. Det gjør roboter som humanoid veldig spennende. Vurderingen med roboter som humanoid er i del om å oppføre dem. Men den utfordringen blir lagt til en viss tid. Men kraften i robotene i humanoidene må være kompakt nok at hvis roboten faller, så ikke den bremmer noens bønner. Og tenk på i elektriske bønner, hvor mye av kraften er fra batteriet. Nå har du ikke den samme størrelse batteriet i en robot, men selv om 200 kg faller på noen, så bremmer den. Så det er et problem. Og det andre elementet er kontroll, særlig av en hånd. Og å replikere en hånd er veldig, veldig vanskelig å gjøre. For en hånd har en grad av deksteritet som vi bare tar for grann, fordi de fleste har det. Så jeg kan holde et glass og ikke brekke det. Men hånden kan bruke 50 kg av press. Det er mye press. - Det er massivt. - Ja, det er massivt. Hvis du legger det inn i en robot, og det fungerer feil, You have a killing machine, inadvertently. But you've got a killing machine. And so I had a little colleague who were at CES, and they went to look at a lot of these humanoid robots. And one of them offered the ability to fold your laundry. Og du kan tenke deg at det er greit. Men det eneste det kunne folde, var tøyler. Og det eneste det kunne folde var tøyler, fordi tøyler er veldig enklere å folde. Så sokker? Nei. Undervær? Nei. Skjøtter? Nei. Det kan gjøre det enkleste. Det er det slags ting du gir til en barn som vil være hjelpende. Det er det det kan gjøre. Men hvorfor kan ikke roboten få kjødene i vaskemaskinen? Det er fordi en kasp på vaskemaskinen krever styrke til å åpne. Og samme styrke kan åpne vaskemaskinen, og kan også virkelig skade noen. Og det er et utfordring de har. Så de må defaultere til hva som er sikker. Hva som er sikre er ikke veldig nødvendig, og hva som ikke er nødvendig, 20 000 dollar, takk. Ja, ja, ja. Så med dette hypen, hvordan går vi om det? Er det et for optimistisk fremtid, det vi ser, eller det vi har blitt forventet? Jeg tror at mennesker alltid blir veldig entusiasme over å bli forplasset. Det er som å høre hva som er bak deg. Det er et dypt stående mekanisme, et defensiv mekanisme. Hvor maskinene fungerer, hvor de gjør det som mennesker ikke kan gjøre, Og ofte er det med styrke. Så i bilfartyrene... Ja, industriell robotikk. Ja. Så styrke roboten gjør en ting repetitivt. Det er repetitivt, tødlig, eller noen ganger ruller som ikke kan gjøres av vanlige mennesker fordi det krever for mye styrke. Det er der maskinene er ekstremt brukbare. En lift er en form av robot. Det beveger folk rundt. Det gjør det samme hele tiden, ideelt for tenns av år. - Dette er kvalifikt. Jeg skal se disse CES-videoene om mennesker med en ny filter på øynene. - Se alltid på hvor de mennesker er. Hvis de ikke har mennesker, er det fordi de er for bekymret for roboten. Det andre med roboter er hvordan de har blitt kontrollert. Er de autonome, eller har de en remote kontroll? Noen i bakgrunnen. Noen i bakgrunnen. Så alltid vær på dem. I demoene har man ofte bare manikiner. De er ikke automatisert. De replikerer bevegelser som noen annen gjør i en annen rume. Eller de har ikke blitt programmet til å gjøre noe. Ja. Det er lett. Jeg synes det er sensibel. Men jeg synes det som er veldig annerledes er ideen av å automatisere en menneskeplass. Robocop. Ja, og det er en god kveld, for vi skal slutte. Du har så mye å snakke om, men vi må bare slutte med en ny konsept innen mediebusinessen. Robocop, og vil Robocop være en mikroseries? Kan du forklare hva en mikroseries er? Ja, en mikroseries er noe som har blitt forsøkt å mange ganger før. Så det er innhold som er skrevet for A: en smarttelefon, så det er vertikalt innhold, og for B: for den nødvendige opptattelsen, er det tre minutter langt. Det vil ikke vinne Oscars, selv om det kanskje trenger en separat utvalgsceremoni for det, men det er i grunn av snack-siden. som kan bli sekt i gapene i tid. Det er det det er. Med faktiske mennesker som aktører? Du kan ha faktiske mennesker som aktører, men det er noe som kan være automatisert. Jeg tror at poenget du har gjort er at fordi det er mobilformat og fordi det er vertikalt, er kvaliteten ikke så god som noe som er gjort for den store skjermen. Så det vil være kjøpere å gjøre. Det betyr mindre staging og casting. Det kan også være noe som er generert av en komputer. Jeg forventer også at det er lett å forandre språk. Man kan ha AI som kan forandre det. "Her er en god kinesisk service. Gjør det norsk." Kostene for å skale og produsere det er på en helt annen nivå. En siste kommentar på dette er at det var 10 år siden TikTok ble lagt som en e-app i Kina. Nå er det Micro Series som er e-appene som gjør veldig bra på asiansk marked, men har ikke nå reist til Norge. Norge er en stor konsumert av TikTok. La oss se i 2030 hvor Micro Series er. Når folk venter på venner, Joachim, til det norske markedet da, når du har hatt Paul innom, det var mye mer han snakket om enn det vi har råket til å snakke om her nå. Hvordan resonerer dette med det norske markedet? Det var et bredt spekter temaer som ligger ute på rapporten vår, Team Team Predictions. Flere av de treffer det norske markedet. For å plukke opp på media, vi ser økende samarbeid globalt mellom rikskringkastere, TV-stasjoner og strømmetjenester. For NRK å fullføre sitt mandat med å nå ut til flest mulig, så kan det være nødvendig å se på distribusjon via åpne plattformer som YouTube, men også kanskje strømmetjenester. Vi snakket om mikroserien etterpå. Norge ligger langt fremme på TikTok-bruk. Mikroserier er veldig populære på TikTok. På sa at flere av de store strømmegigantene kommer med mikroserier i år. Disney blant annet. Så hva betyr det for norske studier? Skal Norge begynne å produsere mikroserier for å nå frem til publikum? Og så tror jeg dette med datacenteret kan bli en ny inntektskilde for Norge, som nevnt. Så mange ting som treffer Norge, selv om det er globale trender vi snakker om. - Som en summing, Paul, presentasjonen din var kvalifikt, selv her på norsk marked. Takk for å ha delt med oss. - En plass. - Vi har ikke fått inn alle spesifikkene i dag, men det var veldig interessant. - Takk. - Takk Joachim for å hoste dette. Jeg heter Jan Moberg.