I et år har jeg skrevet noter i et system der hedder IWE. Det er en lille kommandolinjeværktøj der behandler markdown-filer som en graf — noter linker til hinanden, og man kan navigere, søge og omstrukturere uden at røre filerne direkte. Det er mit arbejdshukommelseslag som strategisk rådgiver.
I denne uge kom der en MCP-server til det. Og det er første gang jeg har en reel oplevelse af at dele hukommelse med en maskine.
Hvad MCP er, kort fortalt
Model Context Protocol er Anthropics forsøg på at standardisere hvordan AI-modeller taler med eksterne systemer. Tænk på det som USB-C for LLM'er: én port, mange værktøjer. En MCP-server eksponerer en række funktioner, og modellen kan kalde dem som enhver anden funktion.
Det lyder teknisk, og det er det. Men konsekvensen er ikke teknisk. Konsekvensen er at modellen ikke længere er en samtalepartner der glemmer alt når vinduet lukkes. Den kan skrive til et vedvarende lager som jeg også skriver til. Og læse det jeg har skrevet siden sidst.
Tretten værktøjer, ét delt rum
IWE-serveren giver modellen tretten funktioner: søge, hente med kontekst, vise hierarki, oprette, opdatere, slette, omdøbe, udtrække afsnit til nye noter, samle blokreferencer fladt ud. Det er operationerne en videnarbejder laver på sit notesystem. Nu kan modellen lave dem også.
Det lyder småt. Det er det ikke.
Før MCP havde jeg to muligheder: kopiere mine noter ind i samtalen manuelt, eller lade modellen arbejde i blinde. Nu kan den selv slå op i min vidensgraf, hente den rigtige note med ét lag forældre og to lag børn, og svare på mit spørgsmål med kilder fra min egen tænkning.
Når jeg skriver et blogindlæg, henter den tonen fra brand-og-budskab, argumenterne fra relevante kildenotater, og opdagede sammenhænge jeg selv havde glemt. Når jeg foreslår en kunde en pakke, trækker den historik frem fra kundemøder jeg havde noteret ned for tre måneder siden.
Den asymmetri der forsvinder
Det interessante er ikke at AI'en nu kan arbejde med mine data. Det er at den kan vedligeholde dem.
Når jeg opdager et hul i min vidensbase — en note der burde være skrevet, en forbindelse der mangler — kan jeg bede modellen om at oprette den. Den skriver noten, tilføjer den til den relevante MOC, og linker den ind i grafen. Næste gang jeg sætter mig til tasterne, er hullet lukket.
Det er en ny slags asymmetri. Tidligere var jeg producent, modellen konsument. Nu er vi begge begge dele. Mit notesystem vokser hurtigere end jeg selv kan skrive.
Det er også derfor jeg kalder det delt hukommelse og ikke AI-assistance. En assistent henter kaffe. En delt hukommelse ændrer hvordan du tænker, fordi du ved at du kan eksternalisere dele af din kognition og få dem tilbage struktureret.
Det der ikke er hype
Jeg har stået på scenen og holdt foredrag om AI i et par år. Jeg har set alle fadæserne — den ene gang efter den anden har virksomheder skullet "integrere AI" og endt med et ChatGPT-abonnement og en PowerPoint.
MCP er ikke sådan. Det er ikke en model der bliver smartere, ikke et nyt interface, ikke endnu en chatbot. Det er infrastruktur. Plain, usexet infrastruktur der gør det muligt at koble modeller til det vi arbejder med i forvejen.
Infrastruktur er det der skaber reelle produktivitetsløft. Modeller der bliver 10 % bedre til benchmarks, gør det ikke. Den forskel mærker du ikke i din hverdag. Forskellen mellem en model der kan læse dine noter og en der ikke kan — den mærker du med det samme.
Hvad det betyder for SMV'er
Jeg rådgiver små og mellemstore virksomheder om AI. Det her er relevant for dem, men ikke på den måde mange tror.
Det relevante er ikke at de selv skal sætte IWE op. Det er at MCP-arkitekturen — en model der kobles til virksomhedens eget datalager via en standardiseret protokol — er det der bliver normen. De mest værdifulde AI-implementeringer de næste to år er ikke nye modeller. Det er modeller koblet til CRM'et, dokumentarkivet, regnskabssystemet.
Og her er pointen: hvis din virksomhed ikke har sine data i en form der kan eksponeres via en MCP-server, er du ikke AI-klar. Uanset hvor mange ChatGPT-licenser du køber.
Dataorden er den nye forudsætning. MCP gør det tydeligt hvorfor.
Det lille eksperiment
Jeg har en lille test. Når jeg møder en virksomhed der siger de er i gang med AI, spørger jeg: "Hvis I skulle koble en AI-model til jeres kundehistorik i dag, hvor mange timer ville det tage jer at udpege hvor den står?"
Svaret er oftest uger. Nogle gange ved de det ikke selv. Det er ikke et AI-problem. Det er et datagrund-problem. Og AI gør det problem synligt på en måde intet andet har gjort.
Jeg sidder her med mit lille markdown-bibliotek koblet til en sprogmodel via en protokol der ikke fandtes for et år siden. Det er ikke imponerende fordi teknologien er avanceret. Det er imponerende fordi mit hjemmelavede notesystem nu er mere AI-klart end de fleste virksomheders CRM.
Det er den afstand bestyrelser bør tænke over. Ikke i morgen. I dag.