När ska AI jobba lokalt, och när får den gå till molnet?

När AI-verktyg börjar välja mellan din dator och molnet åt dig blir frågan ganska enkel: vilka data får lämna huset?

Perplexity beskriver nästa steg för Personal Computer som en hybrid lokal/server-baserad AI-orchestrator. Tanken är att ett mindre lokalt system ska avgöra vilka delar av en uppgift som bör stanna på enheten, medan tyngre arbete kan skickas till kraftigare molnagenter. Funktionen är beskriven som kommande i juli, så det här är inte en checklista för något alla kan slå på i dag. Det är en tidig signal om vart arbets-AI rör sig.

Källa: Perplexity, "The Data Center Moves to Your Machine"

För Hammer Automation-läsare är poängen inte att vänta på en perfekt automatisk router. Poängen är att skriva ner er egen regel först. En lokal/moln-policy för AI är en enkel överenskommelse om vilka uppgifter som ska köras nära användaren, vilka som får använda molntjänster, och vilken människa som måste säga ja innan känsligt material flyttas.

Vad "lokalt först" betyder i praktiken

Lokalt först betyder inte att allt måste göras på en laptop. Det betyder att arbetsflödet börjar med frågan: finns det rådata här som inte bör skickas vidare?

Det kan vara kundavtal, ekonomirapporter, elevunderlag, vårdrelaterade uppgifter, HR-anteckningar, styrelsehandlingar eller filer där ni helt enkelt inte vet vem som får läsa vad. Om svaret är ja bör AI-arbetet antingen stanna i en godkänd lokal miljö, köras i ett företagsstyrt verktyg med rätt datagränser, eller göras om så att molnmodellen bara får en rensad sammanfattning.

Det viktiga är att detta inte bestäms i prompten varje gång. Det ska stå i arbetssättet.

Molnet är inte förbjudet, men det ska ha ett skäl

Molnmodeller behövs fortfarande. De kan vara bättre på svår analys, längre resonemang, källsökning, kodning, bildarbete och uppgifter där lokal hårdvara inte räcker. Men då behöver ni veta varför molnet används.

Ett rimligt beslutsmönster är:

• Kör lokalt eller i en godkänd intern miljö när uppgiften innehåller rå persondata, ekonomi, elevdata, hälsoinformation, avtal eller interna konflikter.
• Skicka till molnet när uppgiften kräver en starkare modell och materialet är anonymiserat, redan godkänt för verktyget eller kan delas utan att bryta policy.
• Be om mänskligt godkännande när AI:n själv föreslår att en uppgift ska flyttas från lokal behandling till molnbehandling.
• Logga beslutet om arbetsflödet är återkommande, kundnära eller affärskritiskt.

Det här behöver inte bli ett långt dokument. En sida räcker ofta för att stoppa de vanligaste misstagen.

Tre nya leverantörssignaler som gör policyn mer akut

Perplexitys lokala/moln-styrning är den tydligaste signalen, men inte den enda. Flera leverantörer flyttar nu AI från "svara i chatten" till "kör arbete i en miljö med regler".

Google skriver i Gemini Enterprise-release notes att bildmodellerna Gemini 3 Pro Image och Gemini 3.1 Flash Image nu är GA i Gemini Enterprise-appen, men att de är avstängda som standard och bara finns i Global-regionen. Det är en påminnelse om att modellval också är en admin- och datafråga, inte bara en kreativ funktion.

Källa: Google Cloud, Gemini Enterprise release notes feed

OpenAI ändrade den 2 juni sin debitering för vissa container-sessioner: berättigade sessioner debiteras per minut med fem minuters minimum i stället för en hel tjugominuterssession. Det låter som ekonomi, men för den som bygger agentflöden betyder det att körlängd, väntetid och tomgång faktiskt hör hemma i designen.

Källa: OpenAI API changelog

Anthropic lade samma dag till två praktiska detaljer i Claude Platform: advisor-verktyget kan få en egen max_tokens-gräns, och vissa vägran-svar utan genererad output debiteras inte. Även här är signalen jordnära: begränsa vad verktyget får producera, mät kostnaden, och bygg stoppregler.

Källa: Claude Platform release notes

En enkel lokal/moln-policy för AI

Börja med sju rader. Skriv dem för ett konkret arbetsflöde, inte för hela organisationens AI-strategi.

• Data: Vilka data kan dyka upp i uppgiften? Skriv exempel, inte kategorinamn. "Kundavtal från Drive" är bättre än "konfidentiellt".
• Lokal regel: Vad ska alltid stanna lokalt eller i en godkänd intern miljö?
• Molnregel: Vad får skickas till en molntjänst, och under vilka villkor?
• Rensning: Vilka fält, namn, personnummer, belopp eller filnamn ska tas bort innan AI:n får hjälp av molnet?
• Godkännande: När ska användaren få en tydlig fråga innan något lämnar enheten eller arbetsytan?
• Region och admin: Finns modellen, funktionen och datalagringen i rätt region och med rätt admininställningar?
• Kvitto: Var loggas beslutet, kostnaden och resultatet om flödet körs igen?

Det här är också ett bra första steg för en Tankesmide- eller Verktygssmide-session: välj ett verkligt flöde, till exempel mötesanteckningar till uppgifter, kundunderlag till offertutkast eller ekonomifil till sammanfattning, och rita var data får röra sig.

Snabbt svar: när ska AI-arbete stanna lokalt?

AI-arbete bör stanna lokalt när uppgiften innehåller rå persondata, ekonomiska underlag, HR-material, elev- eller patientliknande information, styrelsehandlingar, privata filer eller annat material där ni inte kan förklara vem som får läsa det och varför.

AI-arbete kan gå till molnet när materialet redan är godkänt för verktyget, är rensat från känsliga uppgifter, kräver en starkare modell, och användaren förstår vad som skickas. Om ni inte kan svara på de fyra punkterna är det bättre att pausa än att hoppas att leverantörens standardinställning löser allt.

Börja med ett flöde, inte en policyworkshop

Välj ett återkommande arbete som redan orsakar friktion. Kanske en veckorapport. Kanske uppföljning efter kundmöten. Kanske research inför styrelsemöte.

Skriv sedan flödet som en karta:

• Vad läser AI:n?
• Vad får AI:n skriva?
• Vad måste stanna lokalt?
• Vad får skickas till molnet?
• När frågar AI:n människan?
• Vem äger resultatet?

Om kartan känns svår att fylla i har ni hittat problemet. Inte att AI:n är för avancerad, utan att arbetssättet saknar tydliga gränser. Det går att fixa. Och det är mycket billigare att fixa innan agenten börjar flytta data åt er.