The Holy Trinity: Hva AI faktisk trenger for å jobbe

En produksjonsbedrift vil vite hvilke av sine 14 000 SKU-er som faktisk er lønnsomme. Svaret ligger i tre systemer som aldri har utvekslet ett eneste datapunkt med hverandre. Til for kort tid siden kostet det tre avdelinger, to uker og en god del velvilje å få det. Siden begynnelsen av 2026 kan en AI besvare dette spørsmålet på minutter: søke gjennom dataene, etablere sammenhenger, produsere en anbefaling. Forutsatt at den har tilgang.

Modellene er klare. De handler, utfører oppgaver over flere steg og systemgrenser, forbereder beslutninger, setter workflows i gang. Mange bedrifter har allerede fått et første inntrykk av dette gjennom Copilot, men Copilot kjenner M365-universet: e-post, dokumenter, kalender. Den som vil sette AI på dataene som bærer den egentlige forretningen, på ERP, CRM, IoT og produksjonssystemer, trenger et annet fundament.

Dette fundamentet består av tre deler. Vi har bygd hver av dem som Managed Service, hver går i produksjon på tre til fire uker, og sammen utgjør de plattformen der AI kan utføre reelt arbeid.

For det første: data som er verdt en spørring

Tilbake til de 14 000 SKU-ene. Produksjonsdata ligger i ERP, salgstall i CRM, og et sted imellom vedlikeholder én enkelt person et regneark som tilfeldigvis er den eneste kilden til en forretningskritisk KPI. Det er ikke noe særtilfelle. Det er regelen. Og så lenge disse dataene ligger i separate systemer, har AI ikke noe sammenhengende blikk på forretningen.

En lakehouse-arkitektur løser det i tre lag: rådata fra kildesystemene (Bronze), kuraterte og validerte datasett (Silver), forretningsaggregater som går rett inn i analytics- eller AI-pipelines (Gold). Om det kjører på Databricks eller Fabric, avhenger av kravene. Begge fungerer. En hybrid av de to også.

Azure Data Foundation er vår Managed Service for dette. Den integrerer data fra ERP, CRM, IoT og flere kildesystemer i én enkelt plattform, fullt ut definert som Infrastructure as Code, med automatisk Drift Detection, gjennomgående Data Governance via Unity Catalog eller Purview og rollebasert tilgang for business users, analytikere og data engineers på like linje. Den praktiske følgen: En bedrift med dette fundamentet kan for første gang stille spørsmål som tidligere var ubesvarlige, ikke fordi ingen ville, men fordi dataene var der, men aldri knyttet sammen.

For det andre: et sted der workloads faktisk kjører

Å ha data er én sak. Å gjøre noe med dem som går ut over en enkeltstående spørring, er en annen. AI-anvendelser, automatisert forretningslogikk, langtkjørende jobber: alt som autonomt og gjentatt aksesserer bedriftsdata, trenger et kjøremiljø som kan kontrolleres. Dette miljøet består, enten det er planlagt slik eller ikke, av containere.

Azure Container Foundation leverer denne rammen: en standardisert containerplattform basert på Azure Container Apps eller Azure Kubernetes Service, avhengig av workload. Ensartede nettverkstilganger, sentral autentisering via Entra ID med Managed Identities, gjennomgående monitorering. Alt styrt via Terraform og GitHub, alt reproduserbart.

Det dette muliggjør: I stedet for at hvert team setter opp sitt eget cluster og definerer sine egne regler, finnes det en felles ramme der workloads ikke bare kjører, men også forblir kontrollerbare. Det er forutsetningen for å gi dem autonomi.

For det tredje: stedet der modeller blir agenter

En modell er ennå ingen agent. Mellom en språkmodell og noe som pålitelig registrerer ordrer, kontrollerer fakturaer eller eskalerer servicesaker ligger en mengde uspektakulært arbeid: hvilken modell, hvilke verktøy, hvilke datakilder, hvilke rammer, og hva som skjer når agenten tar feil. Dette arbeidet må skje et sted, sporbart og gjentakbart, ikke i en notebook på laptopen til én enkelt person.

Azure AI Foundation er vår Managed Service for dette laget, satt opp på Microsoft Foundry (tidligere Azure AI Foundry): modellkatalog, agent-orkestrering, tilkobling til verktøy og datakilder, evaluering og observability på ett sted. En agent som bygges her, aksesserer data og workloads via de samme Entra-identitetene som resten av landskapet, kjører mot de rammene som er definert, og etterlater et spor som kan etterprøves.

Vi leverer den definert som kode, med rollebasert tilgang, innholdsfiltre og nettverksgrenser som ikke er til diskusjon, og med en deployment-vei som får en agent fra utvikling til produksjon uten at noen skrur på noe manuelt. Først da slutter en agent å være en prototype og blir til noe en bedrift faktisk kan drifte.

The Holy Trinity

Tre byggeklosser, hver produktiv på tre til fire uker, hver anvendelig alene, sammen plattformen der AI havner der verdien faktisk skapes i bedriften.

Azure Data Foundation gir AI tilgang til dataene som beskriver forretningen. Azure Container Foundation gir workloadene deres et sted å kjøre, varig og kontrollert. Og AI Foundation er stedet der disse dataene og disse workloadene blir en agent som kan bygges, etterprøves og driftes.

Setter man alle tre sammen, har man grunnen der AI slutter å oppsummere og begynner å jobbe.