Hopp til innhold
Borge Labs

Automatisk AI-oversatt fra engelsk.

Laboratorium for AI-systemer og produktstudio

Praktiske AI-produkter, bygget for reelle rammer.

Borge Labs bygger og drifter praktiske AI-produkter i skyen og i selvdriftede miljøer, der personvern, evaluering og kontrollert leveranse er bygget inn fra starten.

Borge Labs ble grunnlagt og drives av Eldar Borge. Arbeidet omfatter Politikkradar, Ordrett, uavhengige plattformverktøy og agent- og MCP-prosjekter med åpen kildekode.

politikkradar.no
Politikkradar: kildebasert AI for offentlig informasjon i Norge.
Politikkradar er kildebasert AI for offentlig informasjon i Norge.

Hovedprosjekt

Politikkradar

Politikkradar hjelper folk å følge norsk politikk med enklere forklaringer, synlige kilder og varsom bruk av AI. Dekningen av Stortinget er i drift, mens utrullingen til kommuner bevisst er begrenset til Malvik.

Tjenesten kombinerer godkjente offentlige kilder, personvernfiltrering, lagret AI-assistert berikelse, gjenfinning og åpen sporbarhet. Sidene bygges fra lagrede artefakter uten modellkall i sanntid, slik at kildene forblir synlige og det er tydelig når noe mangler.

  • Godkjente offentlige kilder
  • Personvernfiltrerte data
  • Lagret AI-assistert berikelse
  • Kildebasert gjenfinning
  • Modellbehandling avgrenset til EU
  • Åpen sporbarhet

I drift på politikkradar.no

iPhone + Android

Ordrett

Norsktilpasset transkripsjon av møter, intervjuer og forelesninger, med talermerking, tidsstempler, sammendrag og tydelig markering av usikkerhet. Lyd og midlertidige kopier hos tjenesten fjernes i tråd med den dokumenterte livssyklusen. Den ferdige teksten lagres lokalt på enheten.

Produkter og forskningsutgivelser

Produkter i drift står side om side med private systemer som Borge Labs bruker selv, og med offentlige forskningsutgivelser fra verktøyene som brukes til å bygge dem.

  • Tidlig tilgang-forespørsler er åpne

    Kontert

    Selvdriftet bokføring for sensitive økonomiske data. Lokal AI foreslår dokumentuttrekk og klassifisering for dobbel bokføring, mens invarianter, en revisjonslogg som bare kan utvides og eksplisitt godkjenning beskytter regnskapet.

    Besøk kontert.no
  • Forskningsutgivelse

    AI Team

    Et Slack-basert rammeverk for avgrenset kontekst, varige beslutninger, spesialiserte AI-roller, verktøygrenser og kontrollerte overleveringer til utviklingsarbeid.

    Se på GitHub
  • Forskningsutgivelse + benchmarker

    AI Dev Team

    Et kjøremiljø for kodeagenter med menneskelig kontroll, separate Git-arbeidstrær, verifisering registrert av kjøresystemet, kostnads- og gjennomgangsartefakter, godkjenningsgrenser og dokumenterte verktøy for benchmarker.

    Kode og resultater
  • Under utvikling

    skrin

    En sandkasse for koding av CLIs for agenter, utformet slik at ingen hemmeligheter kommer inn i sandkassen: Legitimasjon forblir hos en megler utenfor sandkassenettverket, utgående trafikk er som standard avslått, og arbeidet forlater det disponible arbeidsområdet som en gjennomgangsbar lapp. Kilde åpner ved v1.

    Borge Labs på GitHub

Utvalgt arbeid

Systemene bak produktene.

Noen eksempler på hvordan Borge Labs arbeider med infrastruktur, leveranser og evaluering i systemer selskapet selv eier og drifter.

  • Skybaserte og selvdriftede AI-systemer
  • Kubernetes, Helm og GitOps
  • Dokumentert infrastruktur for evaluering
  • MCP og agentsystemer med menneskelig kontroll
  • Sikkerhet, personvern og prinsippet om minste privilegium
  • Observerbarhet, gjenoppretting og kostnadskontroll

Uavhengig plattform

Drift av Borge Labs' egne tjenester

En selvdriftet Kubernetes- og GitOps-plattform støtter tjenester i drift og GPU-basert behandling i Borge Labs' eget miljø og i skyprodukter.

Det som kan deles offentlig, er driftsmodellen: deklarative endringer, avgrenset tilgang, overvåking, kontroll av sikkerhetskopier, gjenopprettingsprosedyrer og menneskelig gjennomgang.

Forskningsutgivelse + evaluering

Kodeagenter med menneskelig kontroll

AI Dev Team kjører kodeagenter i separate Git-arbeidstrær og registrerer kodeendringer, tester, kostnader, gjennomgangsartefakter og godkjenningsstatus.

Den offentlige dokumentasjonen viser både positive og negative historiske observasjoner, blant annet et nytt blandet utvalg på 40 oppgaver der en enklere variant med én modell gjorde det marginalt bedre enn porteføljen. Råartefakter fra kjøringene er ikke med i den offentlige versjonen, så tallene er ment som kontekst, ikke som uavhengig etterprøvbare påstander om kapasitet.

Les benchmarkrapporten

Arbeidsmodell

Leveranser med flere agenter under tilsyn

En leveransesløyfe rigget for piloter: De kraftigste modellene planlegger og vurderer, rimeligere API-modeller og lokale modeller tar utvalgte lette oppgaver, og den dokumenterte prosessen legger beslutninger om spesifikasjon og fletting til menneskelige kontrollpunkter.

Agentene arbeider med skrivebeskyttet tilgang til infrastrukturen og skriver gjennom avgrensede git-identiteter. Hver AI-skapte endring venter på en kritisk gjennomgang fra en annen modell i frontsjiktet. Leveranser fra rimeligere spor ber også om en ekstra vurdering fra en modell i frontsjiktet. Hvis den ekstra vurderingen ikke er tilgjengelig, registrerer driftsveiledningen at den ekstra kontrollen ikke ble gjennomført.

Les designnotatet

Tekniske notater

Notater fra laben.

Mer utfyllende notater om designbeslutninger, evalueringspraksis og grensene som holder overvåkede AI-systemer trygge å bruke.

Dømmekraft i front, iterasjon som hyllevare

Et leveransemønster for agentiske kodeplattformer: Bruk den kraftigste modellen der den vurderer, ikke der den skriver. Eksplisitt samtykke, lagdelte byggespor, to menneskelige godkjenningspunkter og disiplinen som holder det rimelig.

Les notatet

En leveransesløyfe med flere agenter under tilsyn

Driftsmodellen bak Borge Labs: saksdrevne tilstandsmaskiner, de kraftigste modellene til planlegging og vurdering, rimeligere API- og lokalkjørte spor rigget for piloter på lette oppgaver, og avgrensede tilganger.

Les notatet

Funksjonen vi sa nei til

Ansiktsgjenkjenning ville vært den enkle måten å knytte tale til personer i kommunestyrevideoer. Hvorfor GDPR artikkel 9 utelukket det, og hvordan den regelverkstilpassede arbeidsflyten fungerer i stedet.

Les notatet

Evalueringer som endret beslutninger

Tre ganger førte en evaluering til at en plan ble forkastet: en ødelagt søkerute, en gjennomgangsmodell som var blind for en hel feilklasse, og en sammenligningstest der det enklere systemet vant.

Les notatet

Leveransesløyfen

Arbeid raskt uten å miste kontrollen og før læringen tilbake i systemet.

Leveransesløyfen er arbeidsmodellen bak Borge Labs: avklar behovet, samle kontekst, planlegg, implementer i et kontrollert arbeidsområde, gjennomfør uavhengige kontroller, vurder resultatet og før læringen tilbake i systemet. Den samme sløyfen brukes i produktarbeid, infrastruktur og AI-assistert utvikling.

Behov → Kontekst → Plan → Implementering → Tester → Gjennomgang → Menneskelig beslutning → Læring

  1. Avklar og planlegg

    Avklar behovet og samle inn kontekst og godkjente kilder. Skriv deretter en plan med riktig detaljnivå.

  2. Bygg med kontroll

    Implementer i et separat Git-arbeidstre med tester og gjennomgangsartefakter. Irreversible handlinger krever eksplisitt menneskelig godkjenning.

  3. Vurder og avgjør

    Et menneske gjennomgår arbeidet og tar avgjørelsen. Resultatet og læringen føres tilbake til produktet og neste runde.

Hvorfor vi bygger på denne måten

Poenget er en mer sporbar vei fra idé til et forbedret produkt.

  • 01

    Fra idé til testet endring, uten å miste kontekst.

  • 02

    Bruk evaluering til å velge bort kompleksitet som ikke gir nok verdi.

  • 03

    La produktene forbedre verktøyene, og verktøyene forbedre produktene.

Om

Én ingeniør, tydelig eierskap.

Borge Labs bygges og driftes av Eldar Borge, tech lead og principal platform engineer. AI-roller kan bidra til å undersøke, foreslå, implementere og gjennomgå, men et menneske beholder ansvaret for arkitektur, risiko, kvalitet og produksjonsbeslutninger.

Eldar Borge

Tech lead og principal platform engineer

Mer enn ti års erfaring med kundevendt sky- og plattformutvikling. Det uavhengige arbeidet retter seg nå mot praktiske AI-systemer, Kubernetes, GitOps og evaluering.

Slik fungerer eierskapet

  • Direkte ansvar for arkitektur, leveranse og drift.
  • Tilganger og irreversible handlinger holdes avgrenset, også når AI-roller gjør nyttig arbeid.
  • Evalueringsresultater og driftshendelser føres tilbake til plattformen, driftshåndbøkene og neste løsningsdesign.

AI Team dokumenterer de navngitte rollene i arbeidsflyten. De er en måte å strukturere arbeidet på, ikke en oversikt over antall ansatte.

La oss bygge noe nyttig.

Interessert i Politikkradar, Ordrett eller systemene bak dem?