Et par gange om ugen sidder jeg og læser produktbeskrivelser fra AI-platforme. Og hver gang lægger jeg mærke til det samme mønster: noget der teknisk er en helt almindelig, gammel, kedelig mekanisme har fået et navn der får det til at lyde som om det lever.
"Heartbeat" er det klassiske eksempel. En "heartbeat" er en pakke der sendes med fast interval, så modtageren ved at afsenderen stadig er online. Det er en keepalive. Et periodisk ping. En health check. Konceptet er fra 1970'erne og findes i hver eneste netværksprotokol der findes.
Men "heartbeat" lyder som om systemet har et hjerte. Og hvis det har et hjerte, så er det jo næsten i live. Og hvis det er i live, så er det jo intelligent. Og hvis det er intelligent, så er det jo et premium-produkt.
Det er sproget der gør arbejdet. Ikke teknologien.
Et lille katalog over besjælende navne
Her er nogle af de mest udbredte oversættelser fra ærligt sprog til marketing-sprog som jeg ser i AI-verdenen lige nu:
| Marketing siger… | Det er i virkeligheden… |
|---|---|
| "Heartbeat" | Periodisk ping eller keepalive |
| "Agent" | Et script der kalder en API i et loop |
| "Memory" | En fil eller en database-række der appendes til prompten |
| "Reasoning" | Token-generation med en chain-of-thought-prompt |
| "Self-healing" | Retry med exponential backoff |
| "Autonomous worker" | Et cron-job |
| "Cognitive architecture" | If-statements og funktionskald |
| "Intelligent routing" | En opslagstabel |
| "Empathetic AI" | En sentiment-klassifikator |
| "Insights engine" | En SELECT ... GROUP BY-query |
| "Living documentation" | En wiki nogen redigerer i |
| "Conversational interface" | Stdin og stdout med formatering |
| "Orchestration layer" | En state-machine — eller bare et shell-script |
| "Digital twin" | En model eller en simulering |
| "Goal-oriented agent" | En while-løkke med en exit-betingelse |
| "Wake up" / "Sleep" | Start og stop af en proces |
| "Personality" | En system-prompt |
Listen kunne være meget længere. Hver gang et nyt værktøj lanceres, kommer der et nyt sæt antropomorfe ord med.
Hvorfor det er et problem — og hvornår det ikke er
Det er ikke et problem at bruge billedsprog i sig selv. Programmører har altid kaldt baggrundsopgaver for "daemons", funktioner der står og venter for "listeners", og data-strukturer for "trees" og "forests". Det er fint. Det hjælper hukommelsen.
Problemet opstår når billedsproget gør det sværere — ikke lettere — at gennemskue hvad systemet faktisk gør.
Når en SMV-ejer får forklaret at deres nye AI-platform har "agents med memory der kommunikerer via en heartbeat for at sikre cognitive continuity", så er der ingen reel chance for at vurdere hverken driftssikkerhed, GDPR-eksponering eller pris. De ord er ikke kun smukke — de er bevidst uskarpe.
Hvis konsulenten i stedet sagde "vi har tre scripts der kalder OpenAI's API i et loop, gemmer resultatet i en SQLite-fil, og pinger hinanden hvert tiende sekund for at sikre at de stadig kører", så ville det være muligt at stille de rigtige spørgsmål: Hvor ligger SQLite-filen? Hvad sker der hvis OpenAI er nede? Hvem ejer dataen?
Det er den samtale en SMV-ejer skal kunne have. Og det er den samtale marketing-sproget aktivt forhindrer.
En tommelfingerregel
Når jeg evaluerer et AI-produkt i dag, oversætter jeg systematisk produktbeskrivelsen til hvad systemet teknisk gør, ikke hvad det lyder som om det gør. Hvis jeg ikke kan oversætte, så har leverandøren enten et utroligt nyt koncept (sjældent) eller noget banalt de prøver at få til at lyde sofistikeret (langt det almindeligste).
"Heartbeat" er en ping. Et "agent" er et script. "Memory" er en fil. Når man kan se det, kan man også begynde at træffe ordentlige indkøbsbeslutninger.
Det er en spade.