AI-agenter tvinger skyen bort fra menneskemønstre

Skyinfrastruktur har i stor grad vært bygget for mennesker. Vi søker, klikker, scroller, streamer og logger inn i mønstre som er relativt forutsigbare. AI-agenter oppfører seg annerledes. De kan starte flere underagenter, slå opp i mange systemer, kalle API-er, søke i dokumenter og forsvinne igjen på sekunder.

TechCrunch beskriver nå hvordan dette presser frem en ny generasjon infrastruktur. AWS har lansert neste generasjon OpenSearch Serverless for søk og vektordatabaser rettet mot agentiske arbeidslaster. Poenget er å kunne skalere opp når agentene setter i gang, og ned til null når de er ferdige. Det er en annen driftsmodell enn tradisjonell webtrafikk, der kapasitet ofte planlegges rundt mer stabile brukermønstre.

Tia White, general manager for Amazon OpenSearch Service, sier til TechCrunch at agentene flytter seg fra eksperimentering til produksjon, og at de skaper trafikkmønstre tidligere infrastruktur ikke var laget for. Hun peker på brå topper, perioder uten aktivitet og behovet for enterprise-søk uten å betale for tom compute. Det er et ganske presist bilde av hva mange CIO-er snart vil møte: arbeidsflyter som ikke er kontinuerlige, men som plutselig bruker mye kapasitet når en agent får en oppgave.

Cloudflare ser samme retning fra nettverkssiden. Selskapet oppgir til TechCrunch at roboter stod for 31 prosent av HTTP-trafikken de siste seks månedene. AI-crawlere, søkemotorer og assistenter utgjorde omtrent en fjerdedel av bot-forespørslene. Cloudflare forventer at ikke-menneskelig trafikk passerer menneskelig trafikk i første halvår 2027.

Dette er mer enn en teknisk skyoppdatering. Det endrer hvordan virksomheter bør planlegge AI-arkitektur. En agent som skal besvare et komplekst spørsmål kan hente data fra CRM, dokumentlager, datavarehus, søk, API-er og eksterne tjenester i samme løp. Hvis hundre ansatte gjør dette samtidig, er det ikke lenger snakk om litt ekstra chatbotbruk. Det blir maskin-til-maskin-trafikk som kan belaste interne systemer og skyløsninger på nye måter.

For CIO-er betyr det at agentprosjekter må inn i kapasitet- og arkitekturplanleggingen før de skaleres. Det holder ikke å godkjenne et pilotverktøy og anta at trafikken ligner vanlig SaaS-bruk. Agenten kan starte arbeid mens brukeren venter, mens brukeren er offline, eller som del av en automatisert prosess. Da blir køer, rate limits, retry-logikk, kostnadstak og observability en del av produktdesignet.

For CISO-er ligger risikoen i at mer av trafikken blir autonom. Når systemer kaller systemer på vegne av brukere, må identitet, tilgang og logging være tydeligere enn i mange dagens integrasjoner. Hvilken bruker handler agenten på vegne av? Hvilke data fikk den lov til å hente? Hvilke verktøykall gjorde den? Hvilke forespørsler ble stoppet? Uten dette blir hendelseshåndtering og revisjon vanskelig.

For CFO-er er saken like praktisk. Serverless-modeller kan redusere tomgangskost, men agenttrafikk kan også gi brå forbrukstopper. Hvis en arbeidsflyt starter hundre parallelle søk, henter store dokumentmengder og gjør flere modellkall før den gir et svar, er kostnaden ikke intuitiv for brukeren. Kost per oppgave må måles på tvers av modell, søk, lagring, nettverk og interne API-er.

AWS-endringen peker på et større skifte: søk og vektordatabaser blir mer sentrale i enterprise-AI. Agentene trenger minne, gjenfinning og tilgang til virksomhetens egne data. Databricks og Snowflake posisjonerer seg også rundt data og AI-minne, mens Microsoft og Cloudflare bygger komponenter for agenttrafikk og vedvarende miljøer. Dette er infrastrukturen under AI-agentene, ikke bare et nytt brukergrensesnitt på toppen.

Norske virksomheter bør derfor behandle agenttrafikk som en egen trafikkklasse. Den bør merkes, logges og kostnadsføres separat. Den bør ha egne grenser for samtidighet, datatilgang og ekstern trafikk. Og den bør testes med realistiske topper, ikke bare med en pen demo der én bruker ber agenten gjøre én ting.

Det viktigste spørsmålet før produksjon er enkelt: Hva skjer når agenten lykkes for godt? Hvis den blir populær, får flere rettigheter, kaller flere systemer og kjører oftere, må infrastrukturen tåle mønsteret. Ellers kan AI-prosjektet gå fra effektivisering til ustabilitet og uoversiktlige skykostnader.

Dette er neste fase i AI-implementering. Modellvalget er fortsatt viktig, men det er ikke nok. Bedrifter må bygge for en internetttrafikk der maskiner i økende grad er brukerne. Da må også skyarkitektur, sikkerhet og FinOps slutte å anta at mennesket er den eneste som klikker.

Kilder og medier

• Kilde: TechCrunch, «The internet is being rebuilt for machines», https://techcrunch.com/2026/05/28/the-internet-is-being-rebuilt-for-machines/
• Kildekreditering: TechCrunch, med uttalelser og trafikkdata fra AWS og Cloudflare gjengitt i saken.
• Thumbnail: OpenAI Image 2 / hogby.ai