Modellen är motorn – men inte hela bilen
När vi pratar om AI hamnar nästan all uppmärksamhet på modellnamn och prestandatester. Men en modell som ska göra verkligt arbete behöver också instruktioner, minne, rätt verktyg, en säker arbetsmiljö och regler för när en människa ska ta över.
Microsoft kallar detta omgivande lager för en harness – ungefär en sele eller orkestreringsram. Den 28 oktober presenterade företaget Microsoft Copilot harness och meddelade att den görs tillgänglig genom Microsoft Foundry.
Samma grundidé används redan i bland annat Copilot Code, Copilot Studio och GitHub Copilots app, kommandoradsverktyg och VS Code-miljö. Nu kan utvecklare och organisationer använda lagret för att bygga egna agentbaserade arbetsflöden.
En dirigent för flera modeller
Det mest intressanta är att konstruktionen inte låser arbetet till en enda AI-modell. Enligt Microsoft kan den arbeta med fler än 20 ledande modeller och även med modeller som organisationen ansluter med egen nyckel.
Det öppnar för ett mer moget sätt att använda AI: låt en snabb och billig modell sortera material, en starkare resonemangsmodell lösa det svåra problemet och en specialiserad modell kontrollera kod eller bilder. Orkestreringslagret kan välja väg, ge modellen relevant sammanhang och ansluta verktyg först när de behövs.
Här finns också stöd för öppna byggstenar som MCP, agent skills och plugins. Det är viktigt eftersom verktyg och instruktioner då lättare kan flyttas mellan olika miljöer i stället för att byggas om från grunden varje gång.
Varför spelar det roll utanför utvecklarvärlden?
På kort sikt är det här främst en plattform för utvecklare och organisationer – inte en ny knapp som plötsligt dyker upp i vanliga Copilot. Men riktningen påverkar hur vardagens AI-tjänster kommer att fungera.
Framtidens användare behöver sannolikt inte välja en modell för varje liten uppgift. I stället beskriver vi målet, medan tjänsten väljer rätt kombination av modell, verktyg och kontrollsteg. Resultatet kan bli både billigare och mer pålitligt, förutsatt att valen är begripliga och går att granska.
Det påminner också om en nyttig princip redan i dag: bedöm inte ett AI-verktyg enbart efter modellen bakom. Fråga också vilka källor det får läsa, vilka åtgärder det får utföra, hur arbetet kontrolleras och när du själv får godkänna nästa steg.
Det positiva skiftet
AI-utvecklingen handlar allt mindre om att en enda modell ska vara bäst på allt. I stället växer ett ekosystem fram där flera modeller kan samarbeta under mänsklig styrning.
Det är mindre spektakulärt än ännu en rekordtabell – men för den som vill få verklig nytta av AI kan selen runt modellen bli minst lika viktig som modellen själv.