Your token level has been used. Et nyoppdaget problem introdusert på denne siden av Covid. Fenomenet med at du har brukt opp alle tokens tilgjengelig i din betalte plan for AI agenter. På samme måte som når varsellampen for lite drivstoff tenner på bilen, eller da man i nittenhundreoglengesiden hadde rasjonering på strøm. Selve konseptet er med andre ord gammelt, men for vår generasjon er det på nytt kontekstualisert rundt et nytt domene.

I februar 2025 la Andrej Karpathy, en av hjernene bak GPT og tidligere AI-direktør hos Tesla, ut en post på X som satte fyr på utviklerforum verden over. Han beskrev en ny måte å kode på: du glemmer at koden eksisterer, følger magefølelsen, ber AI om det du vil ha, og aksepterer resultatet uten å lese for nøye.

Hos altfor mange datateam ser ingestionlaget omtrent slik ut: én notebook per datasett, én pipeline per kilde, og en vedlikeholdsbyrde som vokser proporsjonalt med antall integrasjoner. Etter hvert som teamet skalerer, er det ikke uvanlig å ha 30–50 notebooks som er 90% identiske, men med noe ulike løsninger ut ifra hvem på teamet som bygde integrasjonen. Her er også servernavn, API-endepunkter, tabeller og SQL-spørringer hardkodet inn slik at det er vanskelig å få oversikt over ulike parameterne som styrer den faktiske integrasjonen. Når noe feiler i produksjon, og du som Data Engineer må inn i koden for å debugge blir standardspørsmålet: "Okey, hvordan var det vi hadde løst det her?". Dette skaper store kognitive laster vi gjerne kunne vært foruten.

Vad är en MCP server?

Tidligere i år fortalte Marianne oss hvordan trening kan gjøre deg til en bedre utvikler.
Hvis du er av typen som ikke kan fordra treningssentre, og synes løping frister omtrent like mye som merge conflicts på en fredag ettermiddag, har jeg gode nyheter til deg.
Jeg skal nemlig fortelle deg om et langt mer behagelig tiltak du kan gjøre for å forbedre de kognitive evnene dine: å sove mer.

Du vet den følelsen når du finner et lite hjørne av arbeidsflyten som roper “dette burde gå an å automatisere”? Ikke fordi det er kritisk, men fordi det pirrer nysgjerrigheten, det er akkurat passe komplekst til at du får testet noe nytt, og enkelt nok til at det kanskje kan løses på en ettermiddag.

Vel, det var akkurat det som skjedde da vi bestemte oss for å automatisere en liten, men viktig del av rekrutteringsprosessen vår i Snøkam. Uheldigvis hadde den "enkle" løsningen (Jira Automation) veldig mange uforutsette egenskaper som vi skal utforske litt nå.

Når man jobber med data som endrer seg over tid, er det helt naturlig å ville beholde historikken. Dette er kjernen i det som kalles Slowly Changing Dimensions type 2 (SCD2), som er en måte å sørge for at vi alltid kan se hvordan en rad så ut før, samtidig som den oppdateres med ny informasjon.

Hva om ChatGPT ikke bare svarte kundene dine via en chatbot, men faktisk snakket med dem på telefonen? Hva om AI kunne tolke pauser, tonefall og avbrytelser, og svare som en rådgiver?

Hva får du hvis du kombinerer en mikrokontroller, Rust, 3D printing og et API som styrer kontoret?

La oss kutte gjennom alle buzzwords. En delta lake er i bunn og grunn bare en samling filer, typisk lagret på billig skylagring som Azure Blob Storage eller Amazon S3. Det er praktisk fordi du kan lagre enorme mengder rådata uten å betale for dyre databasesystemer. Hvorfor ikke bare bruke en relasjonsdatabase? Du kunne sikkert gjort det. For eksempel Postgres er en veldig allsidig og bra database. Men du sparer trolig en del penger på å bruke noe som er designet for analyse. I tillegg er slike databaser ofte radorienterte, mens analysejobber yter bedre med kolonnebasert lagring.

Bak de fleste effektive systemer ligger det et lag av automatisering, og det gjelder også våre interne løsninger i Snøkam. Ett av disse systemene er en løsning for å automatisere innhenting og visualisering av OKR-metrikker.

TL;DR: Hvordan det gamle tegneprogrammet fortsatt kan løse reelle utviklerbehov i 2025 – med null plugins og 100% sjarm.

Hjertet av internsystemet, Min side, er proppet fullt med masse forskjellige funksjonaliteter som arrangementer, webshop, lønn, aksjer, goder, økonomi, forsikringsdokumenter, info om ansatte osv, osv. Det vil si, funksjonalitetene eksisterer i sine representative microservice-apper, men Min side knytter disse sammen til et felles sted. Dette er en relativt vanlig arkitektur for større systemer da det tillater appene å kjøre for seg selv også utenfor koblingen til Min side. På denne måten kan vi utnytte det beste av to verdener - samle all funksjonalitet til Snøkam-ansatte på ett sted, samtidig som vi kan eksponere de appene vi ønsker også til personer utenfor Snøkam. Fra venstremenyen i skjermbildet så kan vi se at Min side router til veldig mange ressurser - både interne, men også eksterne. Vi skal titte innom noen av de i denne bloggposten, men mange av de er såpass innholdsrike og spennende at vi skal dedikere helt egne poster til dem.

Du sitter på tredje møte denne uken og prøver for n'te gang å forklare dataanalytikerene at dataene de trenger ligger i sølvlaget, og at de derfor har ansvaret for å foredle dem videre i gull. Frustrasjonen stiger - hvorfor føles det som en evig kamp å få dem til å forstå? Eller kanskje du og teamet ditt sitter fast i en diskusjon om hvilken transformasjon som egentlig hører til sølv, og hvilken som må vente til gull? Eller så har du en irreversibel schemaendring på et viktig datasett, og du lurer på hvordan du skal versjonere det uten å miste oversikt, da utbryter en på teamet: "Hva med pre-silver?"

Når man tenker på miljø og teknologi, så er det ofte mulighetene teknologi kan bidra med for å redde miljøet som er i fokus. Men teknologi er faktisk også et problem i miljøsammenheng. Teknologi står for mer utslipp enn hele flyindustrien gjør i dag – og mer utslipp enn enkeltland som Storbritannia. Det er estimert at utslippet fra teknologi kommer til å øke fra rundt 4% av det totalet utslippet i dag til 14% innen 2040!

Når vi nå har gitt deg et innblikk i filosofien og drivkraften bak Snøkam, er det på tide å ta det første steget ned i de tekniske detaljene.

Velkommen til Krystallklart, vår helt nye bloggserie der vi åpner opp for hvordan Snøkam drives fra innsiden. Hos oss er teknologien selve grunnmuren i selskapet, og mesteparten av manuelt arbeid er automatisert – faktisk i den grad at vi ikke trenger noen fast ansatte som jobber med interne prosesser på fulltid.

Kanskje du har hørt om DeepSeek V3 og tenkt: Ja, kult, men så kommer den umiddelbare bekymringen – jeg kan jo ikke bruke det til noe sensitivt eller firmainformasjon, det kjører sikkert på en eller annen kinesisk server et sted! Men hva om jeg fortalte deg at det ikke trenger å være sånn?

Som utvikler tilbringer jeg mesteparten av uka foran skjermen, dypt engasjert i kode og på jakt etter kreative løsninger på tekniske utfordringer. Men i helgene bytter jeg ut tastaturet med manualer og fungerer som treningsinstruktør. Det mange ikke vet, er at disse to tilsynelatende ulike verdenene har mye til felles. Faktisk har både styrketrening og kondisjonstrening hjulpet meg å bli en smartere, mer fokusert og robust utvikler.

Det er litt over to uker siden markedet ble sjokkert over en ny AI-språkmodell fra Kina. Det virker allerede som en evighet siden, noe det på mange måter også er i en AI-verdenen som utvikler seg raskere enn noen gang. Likevel, nå som støvet har lagt seg, er det greit å reflektere litt over hva som faktisk skjedde. For resultatet er et paradigme, men likevel har mediene muligens hatt en feil vinkling til denne store hendelsen. For det DeepSeek har bidratt med er rett og slett veldig viktig. For å dekke det store bildet skal vi innom tre hovedgrener:

Lønnsutbetaling i Norge har stått på stedet hvil i lang tid. Det kan være flere grunner til dette, men det enkleste svaret er nok at man har slått seg til ro med at dette fungerer “bra nok”. I hverdagen er vi godt vant med å betale for oss øyeblikkelig når det kommer til forbruksvarer som mat og sportsutstyr, mens abonnementstjenester som strømmetjenester og huslån oftest betales i et månedlig format. Hvorfor er det slik? Det er nok flere som har stått i den situasjonen at man før et toppoppgjør i Premier League gjerne bare skulle sett den ene kampen, isteden for å måtte forplikte seg til en hel måned. Når det gjelder arbeid på sin side, så kan man veldig tydelig begrunne at man har gjort en jobb en dag, men likevel må vente 30 dager med å få utbetalt lønn for strevet. Hvorfor er det slik? Hvordan har vi i Snøkam endret dette? Denne bloggposten vil belyse hvordan vi har angrepet problemstillingen, og implementert et automatisk lønnssystem som utbetaler lønn hver dag — i Bitcoin.

I år satte jeg som et personlig mål å sette meg skikkelig inn i vim, eller rettere sagt neovim, som er en fork av vim, og som har vokst i popularitet de siste årene. De fleste utviklere har sikkert noe kjennskap til vim, enten man har måttet redigere noen filer på en remote server som ikke har stort annet, eller at man har blitt stuck i et modus i terminalen man ikke kommer seg ut av.

Dette er en av flere mantraer jeg lever etter som utvikler, og gjelder for mange områder: kode, dokumentasjon, design, arkitektur, prosesshåndtering. Flere vet mest sannsynlig om denne teorien, men jeg syns uansett det er kjekt å få en påminnelse om den og tenke gjennom eksempler på hvordan dette gjelder prosjekter jeg har jobbet med, eller jobber i, og hva konsekvensene av den er.

dbt (data build tool) er et verktøy som virkelig har skutt fart de siste årene, og det er ikke rart. Endelig har vi fått et verktøy som gjør det enkelt å versjonere, dokumentere, teste og release data ved hjelp av SQL. Eller?

Tidlig på 90 tallet gjorde Guido Van Rossum en endring i Python’s kodebase som skulle få store konsekvenser. Mekanismen han introduserte har fått mye av æren for at Python er så populært som det er i dag, men også mye av skylden for hvorfor språket er så dårlig posisjonert for å dra nytte av alle resurser i moderne datamaskiner.

Er du lei av å bruke tid på å forstå API-er, finne ut hvordan de fungerer, hvilke data som må sendes inn, og hva du får tilbake? Er du lei av å manuelt tolke responser og skrive modeller/DTO-er som ofte ender opp med feil? 🤯

Den evinnelige diskusjonen mellom React og Angular fortsetter å engasjere utviklere verden over. Med nylig release av Angular 18 og en offisiell release av React 19 rett rundt hjørnet har diskusjonen blomstret opp på nytt. Men hvorfor er dette valget så viktig, og hva er de langsiktige konsekvensene av å velge den ene teknologien fremfor den andre?

«Every piece of knowledge must have a single, unambiguous, authoritative representation within a system»

Blokkjedeteknologi har raskt blitt et hett tema innen teknologi og økonomi, men mange lurer fortsatt på hva som gjør denne teknologien så revolusjonerende. I denne artikkelen vil vi se nærmere på to sentrale konsepter som blokkjedeteknologi introduserer; unikt og tid. Disse konseptene kan hjelpe oss å forstå hvorfor blokkjeder kan endre måten vi håndterer digital informasjon på.

Har du noen gang sittet og ventet på en viktig e-post, bare for å oppdage at du oppdaterer innboksen hvert femte sekund? 🤔 Jepp, det har vi også (på et vis!)

I vår stadig mer digitaliserte verden har kunstig intelligens (AI) blitt en uunnværlig del av hverdagen. Fra å skrive e-poster til å løse komplekse matematiske problemer, har AI-assistenter som ChatGPT gjort livene våre enklere. Men, selv om mange bruker AI som et hjelpemiddel, er det få som har integrert AI direkte i systemene sine for å effektivisere og forbedre prosesser. I denne artikkelen vil vi utforske hvordan Snøkam har implementert AI for å revolusjonere hverdagen, samt se på hvordan OpenAI støtter konfigurering av GPT-er (Generative Pre-trained Transformers) som kan styre egenutviklede API-er med stemmen.

Dersom du har lagt en strategi for hvordan din bedrift kan bli mer datadreven: Gratulerer, du har allerede kommet lenger enn de fleste! I altfor lang tid har de fleste bedrifter sagt at de skal satse på å bli mer datadrevne uten at de egentlig forstår helt hva det innebærer. Det holder dessverre ikke å ansette et team av data scientists og tro at man har klart det. Uten en mer helhetlig tilnærming til en datadrevet transformasjon, er man dømt til å mislykkes.

For litt over et år siden stod vi ved et viktig veiskille; vi var i ferd med å åpne døren til et nytt eventyr kalt Snøkam. Hvordan ble egentlig ideen om Snøkam til?