Anna Lunde<\/p>\n
- \n
- Alder:\u00a028<\/li>\n
- Bo- og arbeidssted:\u00a0Oslo<\/li>\n
- Utdannelse:\u00a0Industriell \u00d8konomi og Teknologiledelse ved NTNU<\/li>\n
- Jobb:\u00a0Data Scientist, Schibsted<\/li>\n
- Fartstid som utvikler:\u00a0Tre \u00e5r<\/li>\n
- Oppsett:\u00a0Mac, MacOS, VS\/Cursor<\/li>\n
- H\u00f8rer p\u00e5 n\u00e5: Hans Zimmer<\/li>\n
- Ser p\u00e5 n\u00e5: A-laget<\/li>\n<\/ul>\n
Hvorfor ble du utvikler?\u00a0\ud83d\udc76<\/p>\n
Mitt f\u00f8rste m\u00f8te med koding kom gjennom et fag p\u00e5 NTNU f\u00f8rste semester \u2013 IT grunnkurs. Skal jeg v\u00e6re helt \u00e6rlig, s\u00e5 vekket ikke faget umiddelbar interesse i koding.<\/p>\n
Jeg s\u00e5 ikke verdien av \u00e5 kunne kode l\u00f8kker og kalkulatorer, og opplevde ogs\u00e5 at flere medstudenter allerede hadde betydelig\u00a0erfaring, noe som gjorde at man f\u00f8lte seg bak fra start.<\/p>\n
Kodeinteressen utviklet seg imidlertid senere i studiet. Det var s\u00e6rlig fag som objektorientert\u00a0programmering og spesielt KI-fagene som engasjerte meg.\u00a0KI-programmering ble en stor favoritt.\u00a0<\/p>\n
Da begynte jeg \u00e5 se de reelle anvendelsesomr\u00e5dene, og det var nettopp dette som motiverte meg: at\u00a0kode muliggjorde at man kunne bygge l\u00f8sninger som l\u00f8ste eller optimerte komplekse problemer.<\/p>\n
I tillegg var jeg heldig som fant Brain NTNU \u2013 en studentorganisasjon for KI p\u00e5 NTNU. Der\u00a0m\u00f8tte jeg en gjeng med likesinnede som delte samme interesse. Vi deltok p\u00e5 hackathons, hostet arrangementer med noen av verdens fremste KI-bedrifter. KI-bedrifter – presentasjonen med Google DeepMind var et absolutt h\u00f8ydepunkt – og hadde samtidig et sterkt sosialt milj\u00f8. Det var en gruppe mennesker som \u00f8nsket \u00e5 bygge noe spennende sammen og hvor det var kult \u00e5 holde seg oppdatert p\u00e5 det\u00a0fremste innen teknologi.<\/p>\n
Hva jobber du med?\u00a0\ud83d\udcaa<\/p>\n
Jeg jobber som data scientist, noe som inneb\u00e6rer \u00e5 utforske og analysere store datamengder for \u00e5 finne m\u00f8nstre og innsikt som kan l\u00f8se konkrete forretningsproblemer.<\/p>\n
Gjennom maskinl\u00e6ringsmodeller kan vi automatisere beslutninger og bygge systemer som kontinuerlig forbedrer seg selv. Jeg har v\u00e6rt heldig som har f\u00e5tt jobbe med ekstremt dyktige kolleger i dette\u00a0feltet, og l\u00e6rer fortsatt noe nytt hver dag.<\/p>\n
Blant mine tidligere prosjekter er en maskinl\u00e6ringsmodell som i dag brukes aktivt av operat\u00f8rer i landssentralen for balansering av str\u00f8mnettet. For \u00f8yeblikket jobber jeg med et veldig spennende prosjekt som heter Dynamic Paywall. M\u00e5let er \u00e5 optimere n\u00e5r og hvilket abonnement vi skal tilby ulike brukere \u2013 en utfordring New York Times har l\u00f8st ved \u00e5 ta i bruk sanntids kausale maskinl\u00e6ringsmodeller. B\u00e5de sanntidsaspektet og den kausale tiln\u00e6rmingen er nytt for meg, noe\u00a0som gj\u00f8r prosjektet ekstra l\u00e6rerikt.<\/p>\n
![\"\"](\"https:\/\/www.europesays.com\/no\/wp-content\/uploads\/2025\/12\/250770.webp\" "\\"TV-peisen")
<\/p>\n\n TV-peisen er p\u00e5 og kaffekoppen er klar! Slik ser hjemmekontoret til Anna Lunde ut.
\n \ud83d\udcf8: Privat\n <\/p>\nTeknologistacken vi bruker best\u00e5r av Snowflake for batch-lagring, dbt for transformasjon i data pipelines, MLflow for modellutvikling, JFrog Artifactory for modellregistrering, samt Grafana og Prometheus for monitorering. I tillegg unders\u00f8ker vi Tecton for sanntidslagring av data, noe som er\u00a0avgj\u00f8rende for \u00e5 kunne levere prediksjoner i sanntid.<\/p>\n
Teknologistacken vi bruker best\u00e5r av Snowflake for batch-lagring, dbt for transformasjon i data pipelines, MLflow for modellutvikling, JFrog Artifactory for modellregistrering, samt Grafana og Prometheus for monitorering. I tillegg unders\u00f8ker vi Tecton for sanntidslagring av data, noe som er\u00a0avgj\u00f8rende for \u00e5 kunne levere prediksjoner i sanntid.<\/p>\n
Hvordan ser uka ut for deg?\u00a0\ud83d\udcc6<\/p>\n
Min arbeidsuke best\u00e5r som regel av flere dager p\u00e5 kontoret, men jeg tar gjerne en dag hjemmekontor innimellom, s\u00e6rlig i hektiske perioder.\u00a0<\/p>\n
N\u00e5r jeg jobber hjemmefra liker jeg \u00e5 skape en optimal arbeidsplass \u2013 gjerne med \u00abpeisen\u00bb p\u00e5 og en stor kaffekopp ved siden av, og en morgentur i\u00a0nabolaget f\u00f8r jeg setter i gang.<\/p>\n
Arbeidsuken er en blanding av koding og m\u00f8ter.\u00a0<\/p>\n
M\u00f8tene varierer fra vanlige sprintm\u00f8ter til presentasjoner for sluttbrukerne, som i mitt tilfelle er avisene (Aftenposten, VG, etc.). Jeg trives s\u00e6rlig godt i grensesnittet mellom teknologi og forretning, noe som gj\u00f8r rollen som Data Scientist ideell for meg. Her f\u00e5r jeg v\u00e6re med b\u00e5de p\u00e5 den strategiske scopingen av prosjekter \u2013 \u00e0 definere de mest gevinstgivende omr\u00e5dene \u00e5 optimere \u2013 samtidig som jeg h\u00e5ndterer de tekniske aspektene som\u00a0modellvalg, arkitektur og implementering.<\/p>\n
I det siste har jeg ogs\u00e5 funnet tilbake til \u00e5 delta p\u00e5 fagkvelder for \u00e5 holde meg oppdatert p\u00e5 de nyeste teknologiske utviklingene og se hvordan de brukes i praksis. Eksempler er Oslo KI sine meet-ups og Sn\u00f8kams fagkvelder, men det finnes mange gode arrangementer der ute som gir verdifull innsikt og\u00a0gir en rask oversikt over de nyeste trendene innenfor teknologi.<\/p>\n
<\/p>\n
VGs nye chatbot gir feil info, f\u00e5r kritikk<\/p>\n
\n VG sier AI-tjenesten heiVG skal gi leserne raske svar. Mediekritiker advarer om manglende kontroll.\n<\/p>\n
<\/a><\/p>\n
Hva er det neste du har lyst til \u00e5 l\u00e6re deg eller bli bedre p\u00e5?\u00a0\ud83e\udde0<\/p>\n
Akkurat n\u00e5 \u00f8nsker jeg \u00e5 l\u00e6re meg mer om sanntids-hosting og prediksjoner av maskinl\u00e6ringsmodeller.\u00a0<\/p>\n
For avisene i Schibsted – som Aftenposten, VG og E24 \u2013 er lav responstid avgj\u00f8rende n\u00e5r modeller skal bestemme logikk i bakgrunnen av nettsidene.\u00a0<\/p>\n
Dersom vi benytter informasjon om en brukers sesjon, m\u00e5 dataen f\u00f8rst lagres, preprosesseres og mates inn i modellen, f\u00f8r modellen spytter ut en anbefaling som igjen m\u00e5 hentes inn p\u00e5 nettsiden. Hvis denne prosessen tar for lang tid \u2013 typisk mer enn noen hundretalls millisekunder – blir det merkbart for brukeren og \u00f8delegger brukeropplevelsen.\u00a0Derfor er det essensielt \u00e5 forst\u00e5 hvordan man kan optimalisere hele\u00a0denne kjeden.<\/p>\n
![\"\"](\"https:\/\/www.europesays.com\/no\/wp-content\/uploads\/2025\/12\/250772.webp\" "\\"28-\u00e5ringen")
<\/p>\n\n 28-\u00e5ringen har tre \u00e5rs fartstid i bransjen. N\u00e5 er ut utvikler i mediebransjen.
\n \ud83d\udcf8: Privat\n <\/p>\nDerfor er det essensielt \u00e5 forst\u00e5 hvordan man kan optimalisere hele\u00a0denne kjeden. I tillegg \u00f8nsker jeg \u00e5 l\u00e6re mer om kausale maskinl\u00e6ringsmodeller. Disse skiller seg fra vanlige prediktive modeller ved at de ikke bare ser p\u00e5 direkte korrelasjoner mellom input og output, men opererer p\u00e5 et h\u00f8yere niva.\u00a0<\/p>\n
I stedet for \u00e5 sp\u00f8rre «hva vil skje?», pr\u00f8ver de \u00e5 besvare «hva er den\u00a0optimale handlingen for \u00e5 oppn\u00e5 et \u00f8nsket utfall?». Kausal maskinl\u00e6ring fokuserer p\u00e5 \u00e5 identifisere og utnytte \u00e5rsak-virkning-sammenhenger i data, i stedet for bare \u00e5 gjenkjenne statistiske m\u00f8nstre.\u00a0<\/p>\n
Tradisjonell maskinl\u00e6ring er utmerket til \u00e5 finne korrelasjoner og gj\u00f8re prediksjoner basert p\u00e5 historiske data, men kan ikke i seg selv skille mellom om disse korrelasjonene representerer genuine \u00e5rsakssammenhenger. Med en god kausal modell kan man derimot anbefale optimale handlinger, ettersom man kan estimere hvordan hver enkelt handling vil p\u00e5virke utfallet – noe som er s\u00e6rlig verdifullt i situasjoner hvor man \u00f8nsker \u00e5 p\u00e5virke\u00a0brukeratferd eller forretningsresultater.<\/p>\n
<\/p>\n
VG trykte feil navn og falske sitater, fordi AI<\/p>\n
\n \u2013 VG bruker ulike AI-verkt\u00f8y for \u00e5 forbedre og effektivisere journalistikken v\u00e5r, sier sjefen til Journalisten, men denne gangen gikk det ikke helt etter planen.\n<\/p>\n
<\/a><\/p>\n
Hva synes du er mest krevende ved \u00e5 v\u00e6re utvikler?\u00a0\ud83d\udc40<\/p>\n
En av de st\u00f8rste utfordringene jeg opplever som utvikler er \u00e5 scope prosjekter riktig. Det er lett \u00e5 bli fristet av de mest avanserte og high-tech l\u00f8sningene, men det essensielle er \u00e0 fokusere p\u00e5 det som skaper st\u00f8rst verdi tidlig i prosessen.\u00a0<\/p>\n
Man m\u00e5 kontinuerlig stille seg sp\u00f8rsm\u00e5let: l\u00f8ser vi det reelle forretningsproblemet og leverer verdi tidlig, eller bygger vi noe prim\u00e6rt fordi det er teknologisk\u00a0interessant?\u00a0<\/p>\n
Min tiln\u00e6rming er derfor \u00e5 starte i det sm\u00e5 og bygge iterativt.<\/p>\n
En annen utfordring er \u00e5 balansere m\u00f8tevirksomhet med dypt konsentrasjonsarbeid. N\u00e5r arbeidsdagen er fragmentert av m\u00f8ter med lite sammenhengende tid mellom dem, blir det krevende \u00e5 oppn\u00e5 den flyten som er n\u00f8dvendig for \u00e5 l\u00f8se komplekse problemstillinger.<\/p>\n
Min l\u00f8sning har v\u00e6rt \u00e5 aktivt blokkere dedikert tid til konsentrert arbeid i kalenderen.\u00a0<\/p>\n
I perioder med h\u00f8y m\u00f8teaktivitet har jeg ogs\u00e5 funnet det hensiktsmessig \u00e5 forlate kontoret tidligere og heller fortsette med fokusert arbeid hjemmefra senere p\u00e5 kvelden, n\u00e5r det er f\u00e6rre forstyrrelser. Det handler om \u00e5 etablere en arbeidsrytme som gir rom for b\u00e5de samarbeid og konsentrasjon \u2013 og som til syvende og sist\u00a0maksimerer verdiskapningen bade for meg selv og teamet.<\/p>\n
Hva ser du p\u00e5 som bransjens st\u00f8rste utfordring akkurat n\u00e5?\u00a0\ud83d\udd2d<\/p>\n
Mediebransjen st\u00e5r overfor en fundamental utfordring: Akt\u00f8rer som OpenAl skaper et helt nytt \u00f8kosystem hvor brukere aldri forlater plattformen.\u00a0<\/p>\n
Et tydelig eksempel er ChatGPT Pulse, som kan gi deg personlig tilpassede nyhetsanbefalinger \u2013 \u00abGod morgen Anna, her er de mest viktige nyhetene for deg\u00bb \u2013 uten at du noensinne forlater ChatGPT-\u00f8kosystemet eller ser annonser. Dette\u00a0setter annonseinntektene direkte i fare.<\/p>\n
Hvis muskelminnet til folk endrer seg fra \u00e5 g\u00e5 til vg.no til chatgpt.com, f\u00e5r det store konsekvenser. Dette gjelder ikke bare Schibsteds aviser, men alle akt\u00f8rer som er drevet av annonseinntekter gjennom trafikk til nettsidene sine.\u00a0<\/p>\n
Brukerne f\u00e5r fortsatt tilgang til innholdet, men via en\u00a0mellommann som tar b\u00e5de oppmerksomheten og dermed inntektspotensialet.<\/p>\n
- \n
- Forbedre eksisterende tjenester – sikre at dagens plattformer fortsatt gir verdi og stabile\u00a0inntekter, ved \u00e5 legge til tjenester som, for eksempel, AI oppsummering av artikler. Effektivisere arbeidsprosesser – bruke teknologi til jobbe smartere og mer\u00a0kostnadseffektivt.<\/li>\n
- Satse p\u00e5 off-platform-l\u00f8sninger – gj\u00f8re innhold tilgjengelig i andre \u00f8kosystemer, der\u00a0brukerne etter hvert kan befinne seg.<\/li>\n<\/ul>\n
For \u00e5 m\u00f8te denne utviklingen har Schibsted innledet et samarbeid med OpenAl, og samtidig jobbes det med \u00e5 utvikle en definert strategi.<\/p>\n
Den siste kategorien er s\u00e6rlig kritisk. Gjennom for eksempel et innholds-API kan Schibsted ta betalt for at akt\u00f8rer som ChatGPT f\u00e5r tilgang til tekstinnhold i artikler. Dette jobbes det aktivt med i dag gjennom samarbeidet med OpenAI.<\/p>\n
P\u00e5 sikt kan dette utvides til multiformat \u2013 video og lyd i\u00a0ulike lengder, fra korte reels til lengre videoer. Samtidig kan det utvikles nye grensesnitt og brukeropplevelser.<\/p>\n
Tenk deg at VG.no blir en app som man kan koble til en sesjon i ChatGPT, der du kan sp\u00f8rre: \u00abGi meg en oppsummering av alle videoer dere har om Haaland\u00bb \u2013 tilgjengelig for eksempel til 100 kroner i uken. Dette \u00e5pner for helt\u00a0nye m\u00e5ter \u00e5 konsumere medieinnhold p\u00e5.<\/p>\n
Utfordringen for Schibsted blir \u00e5 balansere satsingen p\u00e5 eksisterende plattformer med investeringer i fremtidens l\u00f8sninger. Dette er selve kjernen i The Innovator’s Dilemma: Bedrifter som kun forbedrer dagens produkter risikerer \u00e5 bli utkonkurrert av akt\u00f8rer som skaper helt nye markeder og\u00a0forretningsmodeller \u2013 slik elektriske biler en gang utfordret bilbransjen.<\/p>\n
<\/p>\n
Halvparten av KIs svar om nyheter hadde feil<\/p>\n
\n If\u00f8lge rapporten klarte Googles Gemini seg d\u00e5rligst.\n<\/p>\n
<\/a><\/p>\n
Hva er ditt beste tips til andre utviklere?\u00a0\ud83e\udd16<\/p>\n
Mitt beste tips til andre utviklere er \u00e5 unng\u00e5 det som kalles \u00abAI code slop\u00bb \u2013 alts\u00e5 ukritisk bruk av Al-generert kode. Jeg anbefaler faktisk \u00e5 jobbe i \u00abask-modus\u00bb fremfor \u00abagent-modus\u00bb, hvor det er altfor lett \u00e5 akseptere alle forslag uten refleksjon.\u00a0<\/p>\n
Det er viktig \u00e5 opprettholde kritisk tenkning og ikke miste niv\u00e5et p\u00e5 kodingen sin, selv n\u00e5r verkt\u00f8yene blir stadig mer avanserte.\u00a0<\/p>\n
Dette har ogs\u00e5 v\u00e6rt fokus p\u00e5 innenfor fagfeltet de siste par ukene, blant annet i artikkelen av Vemund Santi<\/a>, sensor ved NTNU. Derfor b\u00f8r man alltid f\u00f8rst pr\u00f8ve \u00e5 tenke selv rundt hvordan man skal l\u00f8se et\u00a0problem, og holde et kritisk blikk p\u00e5 det som blir foresl\u00e5tt.<\/p>\n
For \u00e5 m\u00f8te denne utviklingen har Schibsted innledet et samarbeid med OpenAl, og samtidig jobbes\u00a0det med \u00e5 utvikle en definert strategi:<\/p>\n