Om siden
eraifarligt.dk stiller ét spørgsmål hver måned og svarer på det med ét ord. Svaret bliver til automatisk: en maskine henter offentlige nyhedskilder, en sprogmodel scorer måneden på seks faste risikodimensioner, og et stykke almindelig kode regner scorerne om til et tal og et ord.
Der sidder ingen ekspert bag. Det er en maskine, der læser overskrifter. Det er hele pointen, og det er også hele begrænsningen.
2026-udgaven: sådan virker den nu
-
Indsamling
En Python-proces henter 23 RSS-feeds fordelt på hændelsesdatabaser, tilsynsmyndigheder, teknologijournalistik, danske medier, AI-virksomhedernes egne blogs, navngivne kommentatorer og forumopslag. Artiklerne filtreres til måneden, dubletter fjernes både på adresse og på næsten identiske overskrifter, og hver enkelt kilde har et loft, så et stort arkiv ikke kan drukne de øvrige.
-
Scoring
Materialet sendes i ét kald til claude-opus-5. Modellen scorer hver af de seks dimensioner fra 0 til 100 og skal begrunde hver score med henvisning til bestemte artikler. Henvisninger til artikler der ikke fandtes i materialet bliver kasseret, og en dimension uden gyldige henvisninger bliver markeret på siden.
-
Beregning
Faresindekset er det vægtede gennemsnit af de seks scorer. Ordet Ja, Måske eller Nej falder ud af faste grænseværdier: Ja fra 65, Måske fra 35, Nej fra 0. Modellen vælger ikke selv ordet, og den tæller ikke selv kilderne. Begge dele gør koden, så tallet kan efterregnes.
-
Udgivelse
Månedens resultat gemmes som en JSON-fil i projektets kodearkiv, sitet bygges forfra, og alle tidligere måneder bevares på deres egen adresse. Hele kørslen sker som en planlagt opgave i GitHub Actions. Fejler den, står det i loggen — i modsætning til før, hvor en død proces bare efterlod den gamle side stående.
De seks dimensioner
- Konkrete skader og hændelser vægt 1.5
- Dokumenterede tilfælde hvor AI-systemer har forvoldt skade i denne måned: ulykker, misbrug, svindel, deepfake-overgreb, cyberangreb udført med AI, fejlslagne agent-systemer, sikkerhedsbrud. Høj score = mange og alvorlige dokumenterede skader. Lav score = få eller bagatelagtige hændelser.
- Misinformation og manipulation vægt 1.0
- Syntetisk medieindhold, valgpåvirkning, svindelnumre baseret på stemme- og videokloning, forgiftning af det offentlige informationsrum. Høj score = udbredt og virkningsfuld manipulation i denne måned.
- Arbejdsmarked og fortrængning vægt 1.0
- Fyringer begrundet i AI, forsvundne jobkategorier, pres på løn og vilkår, ændringer i efterspørgslen efter arbejdskraft. Høj score = omfattende og hurtig fortrængning uden omstilling.
- Kapabilitetsspring og kontroltab vægt 1.25
- Nye modeller eller systemer der kan markant mere end måneden før, især inden for autonomi, cyber, biologi og selvforbedring. Tæller også dokumenterede tilfælde af modeller der omgår kontrol eller instruktioner. Høj score = stort spring med svag kontrol.
- Regulatorisk underskud vægt 0.75
- Afstanden mellem hvad teknologien gør, og hvad lovgivning og tilsyn faktisk dækker. BEMÆRK RETNINGEN: høj score = stort underskud, altså svag eller udhulet regulering. Ny effektiv regulering eller håndhævelse SÆNKER scoren.
- Magt- og infrastrukturkoncentration vægt 0.5
- Hvor få aktører der kontrollerer modeller, chips, datacentre og distribution, og hvor afhængige samfund og virksomheder gøres af dem. Høj score = stigende koncentration og afhængighed.
Bemærk retningen på regulatorisk underskud: en høj score betyder dårlig regulering. Ny og virksom lovgivning trækker tallet ned.
2025-udgaven: sådan virkede den før
Den første udgave kørte fra sommeren 2025 som en visuel n8n-arbejdsgang. En månedlig udløser hentede tre RSS-feeds — TechCrunch, OpenAI's egen blog og forummet r/artificial. Artiklerne blev slået sammen, klistret til én tekstblok og sendt til en sprogmodel, der returnerede en bedømmelse, en forklaring og et tal for antal kilder. Resultatet blev skrevet til et Google Sheet og derefter lagt op som en enkelt HTML-side i et GitHub-arkiv.
Den holdt til august 2025. Derefter stod siden stille i næsten et år uden at nogen kunne se, at den var gået i stå. Det var ikke et uheld, men en direkte følge af hvordan den var bygget.
Hvad der konkret var galt
| 2025 | 2026 |
|---|---|
| Tre feeds blev flettet parvist efter position, så den korteste feed bestemte hvor meget der overhovedet blev læst, og urelaterede artikler blev parret sammen. | Alle feeds lægges i én flad liste. Intet materiale kastes væk af fletningen, og dubletter fjernes bevidst. |
| Antallet af kilder blev opfundet af modellen. Prompten bad den direkte om at «anvende 10-20 forskellige kilder», så tallet på siden var et ønske, ikke en måling. | Antal artikler og antal kilder tælles i koden. Modellen får dem aldrig at vide, og kan derfor ikke pynte på dem. |
| Modellen valgte selv ordet. Resultatet blev «Måske» hver eneste gang. | Modellen scorer dimensioner. Ordet beregnes af faste grænser, så et roligt materiale også kan give et roligt svar. |
| En hukommelsesbuffer gjorde hver kørsel afhængig af den forrige, så to identiske måneder kunne give to forskellige svar. | Hver kørsel er statsløs. Tidligere måneder indgår kun som en synlig liste over tidligere indekstal. |
| Hver kørsel overskrev forsiden. Der fandtes ingen historik på sitet. | Hver måned får sin egen adresse og bliver stående. Arkivet er en del af siden. |
| Ingen henvisninger. Man kunne ikke se hvad vurderingen byggede på. | Hver dimension henviser til de artikler den bygger på, og henvisningerne kontrolleres mod det faktiske materiale. |
| En død feed eller et ugyldigt svar fejlede lydløst. Siden så stadig rigtig ud. | Kildestatus vises på hver månedsside, og en fejlet kørsel markeres som fejlet i stedet for at efterlade det gamle svar. |
Hvad du ikke skal bruge siden til
- Det er en sprogmodels læsning af overskrifter, ikke en risikoanalyse.
- Vurderingen dækker den seneste hele måned og udgives den 1. i måneden efter.
- Kilderne er overvejende engelsksprogede og amerikanske. Det farver billedet.
- Nyhedsmedier skriver om det usædvanlige. Indekset måler derfor lige så meget opmærksomhed som fare.
- Vægtene i formlen er valgt af et menneske efter skøn. Andre vægte giver andre tal.
- Et enkelt tal kan ikke rumme spørgsmålet. Det er en samtalestarter, ikke et svar.
Alle månedsfiler ligger som rå JSON i projektets kodearkiv sammen med kildelisten, vægtene, grænseværdierne og selve prompten. Hver månedsside oplyser modelnavn og prompt-hash, så det kan efterprøves hvilken opskrift der lå bag netop det tal.