Combat Cloud handlar i grunden om att förstå vad som händer först och agera innan motståndaren hinner reagera. Eftersom det finns lite av en förvirring runt begreppet tänkte jag bryta ner det lite, speciellt nu när Försvarsmakten kommunicerat SINCC, sitt nya Combat Cloud med namnet Swedish Interoperable Combat Cloud. Har upptäckt att många tror att ett Combat Cloud bara är ett "säkert it-moln för försvarsmakten". Det är betydligt mer än så.

Combat Cloud beskrivs ibland som nästa generations stridsledningssystem eller ett digitalt ekosystem för ledning och samverkan. Begreppet används av olika länder på något olika sätt, men grundprincipen är densamma.

Lite mer på vanlig svenska:

• Det samlar: Alla på slagfältet, från en drönare i luften runt Ringhals, stridsvagn i skogsbrynet på Gotland, korvett i Öresund, jägarsoldat som inhämtar underrättelser eller hemvärnssoldat som patrullerar vid objekt i Bergslagen etc. Informationen görs tillgänglig via en gemensam säker, suverän och rådig plattform.
• Det tänker: Informationen analyseras, korreleras och datafusion används för att skapa en gemensam lägesbild i realtid. Här pratar vi många olika teknologier bl.a. AI. Notera dock att vi inte pratar LLMer (Claude / ChatGPT, Grok, Gemini, Mistral etc), utan mer nischade algoritmer som tränats på detta specifika område.
• Det delar: Värdefull information presenteras för beslut i olika system som ledningssystem eller operativa tillämpningar. Detta så nära realtid som möjligt, så att beslut kan fattas snabbt.

Hur fungerar ett Combat Cloud jämfört med dagens ledningssystem?

Måste inleda med att var transparent, det är inte publikt kommunicerat vad målet med SINCC är eller hur det kommer att fungera i detalj när det är helt klart. Nedan är mer generellt om begreppet combat cloud och då i relation till hur t.ex Ukrainas Delta ser ut, som vi vet mycket mer om. Självklart beskrivs detta i ett svenskt kontext och väger in vad vi vet om SINCC så här långt. Vi vet inte heller om det som kommuniceras idag är hur det kommer se ut när SINCC är klart för skarp tillämpning.

Med det sagt, tillbaka till frågan i rubriken…

Systemen inom Försvarsmaktens olika områdena fungerar lite som silos och när information skall föras mellan alla dessa system tar det tid och ofta är det till och med manuellt. Det saknas även övergripande automatisering, analys och integration som täcker hela arenan.

Detta leder till att tiden från att något händer på slagfältet till att beslut fattas och det ageras på den informationen är lång så fort informationen skall röra sig utanför den egna strukturen. Självklart sker det och fungerar, men då kommer vi till kärnan med SINCC / Combat Cloud, se sanningen på slagfältet först och agera innan motståndaren hinner reagera.

Interoperabiliteten är även det något som varit en utmaning. De offentliga uppgifterna pekar mot en plattform med hög interoperabilitet mot NATO-allierade, bland annat på NATO Restricted-nivå.

Notera att jag inte menar att det vi har idag är dåligt, utan vill belysa förbättringen som ett Combat Cloud kan ge Sveriges operativa förmåga.

Vad är ett Combat Cloud som SINCC - analogi

Förenklat kan man likna ett Combat Cloud vid att bygga ett modellhus.

Ett traditionellt militärt system är som ett modellhus byggt av limmade delar. Behöver man byta ett fönster eller en dörr måste man ofta riva delar av huset, bygga om och sedan sätta ihop allt igen. Gör man samma förändring på hundra hus blir det hundra separata projekt.

Ett Combat Cloud fungerar mer som Lego. Grundplattan finns redan på plats och husen byggs av standardiserade byggklossar. Behöver man byta en typ av dörr eller införa ett nytt lås görs det en gång i plattformen, därefter får alla modeller den nya funktionen utan att varje hus behöver byggas om individuellt.

Hur fungerar ett Combat Cloud i praktiken?

Combat Cloud kan förenklat beskrivas som tre nivåer där varje nivå bygger på den underliggande.

Nivå 1 – Nationellt rådig molnplattform
Den nedersta nivån utgör den tekniska grunden. Här finns den infrastruktur som krävs för att kunna köra hela plattformen, exempelvis datacenter, nätverk, beräkningskapacitet, lagring, drift, säkerhet och kryptografi. Det är också den nivå som främst kommunicerats publikt kring SINCC.

Nivå 2 – Gemensamma plattformstjänster
Ovanpå infrastrukturen finns gemensamma tjänster som alla operativa tillämpningar kan använda. Det handlar exempelvis om identitet, API:er, datamodeller, meddelandebussar, AI-plattform, containerplattform, datalager och behörighetsstyrning. Genom att dessa funktioner delas behöver de inte utvecklas separat för varje nytt system. De flesta av dessa förmågor har också kommunicerats offentligt som en del av SINCC

Nivå 3 – Operativa tillämpningar
Den översta nivån innehåller de system som faktiskt används i verksamheten, exempelvis ledningssystem, gemensam lägesbild, sensorfusion, AI-baserat beslutsstöd, logistik eller ISR. Just dessa tillämpningar har inte kommunicerats som en del av SINCC, men enligt min bedömning utgör de en naturlig utveckling av en sådan plattform.

Operativ tillämpning

Tidigare har vi främst beskrivit plattformen och den tekniska arkitekturen. Syftet med ett Combat Cloud är dock inte att bygga ett bättre datacenter eller en modernare molnplattform. Syftet är att öka den operativa förmågan hos Försvarsmakten och dess förband, både nationellt och tillsammans med våra partners.

I praktiken handlar det om att rätt information når rätt person eller system i rätt tid. En radarstation kan upptäcka ett mål, ett JAS39 Gripen kan komplettera med sensordata, en drönare kan verifiera observationen och en ledningsplats kan fatta beslut utifrån en gemensam lägesbild. Informationen behöver inte längre stanna inom respektive system eller försvarsgren, utan kan delas och användas där den gör störst nytta, i realtid.

Förbanden får därmed tillgång till samma aktuella lägesbild, beslutsfattandet kan ske snabbare och resurser kan samordnas mer effektivt. Nya operativa tillämpningar, exempelvis AI-baserad sensoranalys, beslutsstöd, logistikstöd eller nya funktioner i ledningssystemen, kan införas eller uppdateras utan att hela systemet behöver byggas om.

Det behöver inte heller bara vara lösningar som är direkt kopplade till att hitta mål och skjuta iväg olika saker. Det kan vara en gemensam applikation för samarbete eller andra stödfunktion som logistik etc.

Resultatet är inte bara ett modernare IT-system, utan ett modernare sätt att bedriva militära operationer. Den operativa förmågan ökar samtidigt som tiden från observation till beslut och verkan minskar.

Sverige har en kraftfull strategi

Vet inte om detta är en genomtänkt strategi eller om det bara blivit så, men ett Combat Cloud som SINCC har precis samma strategi som det som gör Gripen E unikt. Vi separerar infrastrukturen från tillämpningen.

Precis som Gripen E konstruerats för att kunna utvecklas genom utbytbara system och funktioner, kan ett Combat Cloud skapa samma flexibilitet på systemnivå. Nya operativa förmågor kan då utvecklas och införas stegvis ovanpå den gemensamma plattformen, utan att hela systemet behöver byggas om varje gång och att varje förändring blir ett nytt stort integrationsprojekt.

Om den målbild som hittills kommunicerats realiseras har Sverige möjlighet att etablera en mycket modern arkitektur för framtidens ledningsförmåga. Kombinationen av nationell rådighet, interoperabilitet och en modulär plattform framstår som en mycket modern arkitektur.

Min analys är att den väg Sverige har valt är kraftfull på riktigt.

Sammanfattning

Combat Cloud handlar därför inte främst om moln. Det handlar om att skapa en gemensam plattform där nya operativa förmågor kan utvecklas, delas och införas betydligt snabbare än tidigare. Om SINCC utvecklas i den riktning som de offentliga signalerna antyder kan det bli en av de viktigaste förändringarna av svensk ledningsförmåga på många decennier.

Liknelsen med Ukrainas Delta (har skrivit en analys av Ukrainas Delta tidigare) känns väldigt relevant, även om det som just nu kommunicerats mest har fokus på infrastruktur, moln, säkerhet och suveränitet.

De offentliga uppgifter som finns idag är begränsade. Samtidigt finns det en del ledtrådar som gör att man kan göra en analys av hur SINCC kan komma att utvecklas. Det är samtidigt viktigt att skilja mellan vad vi vet och vad vi tror.

Vad är formellt kommunicerat om SINCC?

Den kanske mest tydliga och formella kommunikationen kommer från Försvarsdepartementet som i en egen pressrelease med titeln "Stor satsning moderniserar Försvarsmaktens krigföring" kommunicerar att Regeringen satsar 5 miljarder på …

…teknologiska lösningar som ska möjliggöra att enskilda soldater och befäl snabbare ska kunna upptäcka och bekämpa fiender. Det handlar om olika AI, 5G och molnlösningar som moderniserar krigföringen och tillåter informationsdelning i realtid mellan svenska soldater och förband...

De 5 miljarderna fördelas enligt följande:

• Digitalt system för att planera och genomföra krig (ledningssystem), AI-modeller: ca 2,5 miljarder kronor.
• Svenskt moln för känslig data (inspirerat av ukrainska Delta) med integration av AI: ca 1 miljard kronor.
• 5G, satellitlänkar, nätverk, krypto: 1,5 miljarder kronor.

Vi vet även att det så klart gäller Försvarsmakten samt FMV, men deltar gör Teracom, Evroc, Elastisys, Freja och Aityr. Det är Teracom som har avtalet med FMV och håller ihop projektet. Vi vet att projektet kopplas till NATO-interoperabilitet, AI, realtidsinformation och erfarenheter från Ukrainas Delta-system. Vi vet också att Evroc beskriver SINCC som en plattform för framtidens ledningsförmågor.

SVT Nyheter gjorde ett inslag om SINCC där både Försvarsmakten och Försvarsminister Pål Jonsson medverkar. Pål Jonsson är även tydlig med syftet med SINCC.

Målet med SINCC

Den mest uppenbara observationen är att kommunikationen kring SINCC innehåller betydligt fler referenser till ledning, samverkan, AI och interoperabilitet än till lagring eller traditionell molninfrastruktur. Det betyder inte att infrastrukturen är oviktig. Tvärtom är den en grundförutsättning framförallt inom suveränitet och säkerhet så klart. Det rent operativa slutmålet framstår som större än så.

Om man betraktar de deltagande aktörerna framträder flera lager samtidigt. Evroc bidrar med molninfrastruktur. Elastisys med plattformsförmågor. Freja med identitet och behörighet. Teracom med robust kommunikation. Aityr med AI-relaterade förmågor, vilket sannolikt är relaterat till sensoranalys och drönarsystem. Tillsammans liknar det mindre ett traditionellt molnprojekt och mer ett framtida ekosystem för digitala ledningsförmågor.

Det finns flera indikationer på att projektet skulle kunna utvecklas i en riktning där sensorer, datafusion, AI, beslutsstöd, operativa funktioner och infrastruktur integreras i samma ekosystem, ett så kallat Combat Cloud som ofta nämns som nästa generations ledningssystem. Ukrainas Delta klassas även det som ett Combat Cloud.

Ökad förmåga att fatta beslut snabbare och oftare

Detta har jag talat mycket om tidigare. Idag är den klart viktigaste förmågan för försvarsmakter världen över med vilken hastighet beslut kan fattas. Delta, Project Maven / Maven Smart System (MSS) och Israels Lavender, Where's Daddy och The Gospel är alla exempel som verkligen har förändrat hur krigföring sker och hänger vi inte med hamnar vi efter och då har vi inte en chans om skiten träffar fläkten.

Förmågan att fatta snabba beslut i stor skala är idag en kritisk framgångsfaktor för Sverige skall kunna försvaras effektivt. Därav att Sverige inspirerats av Ukrainas Delta.

Ukrainas Delta, USAs Project Maven / Maven Smart System eller JWCC?

Anledningen till att Delta nämns som inspiration tror jag är av två anledningar:

1. Delta likt SINCC, är tänkt som ett ekosystem Det är exakt vad Delta är, det är ett ekosystem där olika applikationer sedan pluggas in.
2. Delta är ett bredare ekosystem medan Project Maven / MSS är en mer specialiserad förmåga. Maven är imponerande och har som fokus just att fatta beslut snabbt, men besluten idag ligger inom AI-targetting dvs att identifiera mål genom bild- och sensor-analys. Det är en applikation i Delta (den applikationen beskrivs i min analys av Delta), inte hela Delta. Sen finns det nog även en politisk PR-vinkel. Att idag kommunicera att man inspireras av USA eller Israel funkar dåligt, men att inspireras av Ukraina är något positivt. Nu tror jag det är sekundärt då punkt 1 redan är avgörande.

Sen finns även likheter med tankesättet bakom JWCC (Joint Warfighting Cloud Capability), som i huvudsak handlar om infrastrukturen. SINCC verkar ha likheter med JWCC vad avser att hantera beräkningskapacitet, lagring och nätverk. Även här tror jag Delta ligger närmare då det igen är ett ekosystem, medan Project Maven / MSS körs som en applikation på JWCC dvs det är olika delar. Detta är så klart till stor del på grund av skala, då grundprinciperna kanske är liknande.

Sammanfattning

Min egen bedömning är att de offentliga signalerna pekar mot något större än ett traditionellt molnprojekt. Referenserna till Delta, AI, command and control (C2), NATO-interoperabilitet och gemensam lägesbild antyder en ambition som sträcker sig längre än att enbart tillhandahålla infrastruktur.

Det är dock viktigt att understryka att detta är en analys av möjliga framtida utvecklingsvägar, inte en beskrivning av vad SINCC är idag.

Detta tillkännagav Frankrikes premiärminister i öppningstalet till VivaTech som postades på X.

Detta är lite extra intressant då DGSI (typ Frankrikes Säpo) förnyade sitt avtal med Palantir så sent som december 2025, dvs för ca 6mån sedan, avtalet löper till 2028. Trots det väljer de nu att teckna avtal med ChapsVision med ambitionen att fasa ut Palantir. \n\nDetta är enligt mig större än när Tyskland valde ChapsVision. DGSI var en tidig kund och inledde sitt samarbete med Palantir 2016. De är även en av de mer prestigefyllda kunderna i Europa. det är onekligen en prestigeförlust för Palantir. Det är även intressant eftersom Palantir är erkänt svårt att fasa ut och det kommer troligt ta flera år, ändå väljer Frankrike att göra det jobbet.

Det är exakt detta som jag lyft att svenska myndigheter borde göra vad avser amerikanska molnleverantörer. Ta tjuren vid hornen och göra jobbet dvs sakta men säkert etablera suveränitet, autonomi och säkerställande att främmande makt inte genom en enkel order kan stänga av tjänsten.\n\nÄven Storbritannien ser över sina Palantir kontrakt (primärt det inom NHS), Danmark gör liknande med sina Palantir avtal bl.a. POL-INTEL.

Påverkar detta Palantir?

Palantir har uttalat sig och säger att allt är som vanligt, men helt klart är deras ställning inom Europa sargad. Å andra sidan tror jag inte de bryr sig speciellt mycket. Q1 så var ca 21% av intäkterna international (vilket inkluderar Europa), en minskning med ca 5% från FY25. Samtidigt har deras kontrakt inom den amerikanska militären nästan fördubblats under 2025 till totalt ca 2.8BUSD (TITAN, DCGS-A, Project Maven / Maven Smart System (MSS) m.fl).

Sammanfattning

Att ChapsVision börjar få fotfäste är klart positivt, troligtvis är det deras ArgonOS som är valt (inte verifierat). Som jag skrivit om tidigare behövs troligt kompletterande lösningar för att nå motsvarande förmågor som Palantir, men även inom de områdena finns bra spelare idag.

Att fler och fler i Europa tar aktiva steg mot suveränitet och autonomi är en utveckling som är nödvändig och hoppas att Frankrike kan fungera som en förebild. Frankrike har redan tidigare varit väldigt drivande i frågan om amerikanska molnleverantörer och CloudAct / Fisa702 mm.

Apples grundtes är enkel:

Om datan inte sparas finns inget att lämna ut.

Reflektera lite snabbt över vad du skrivit i dina senaste konversationer med ChatGPT, Claude eller Gemini.

• Affärsidéer
• Dokument
• Strategier
• Avtal
• Personliga frågor
• Resor

Oftast finns den informationen kvar hos AI-bolagen. Hos Apple är grundprincipen en annan. Hade samma fråga hanterats av Apple Intelligence / Siri AI hade inte informationen funnits kvar efter att uppgiften är utförd.

Det är en fundamental skillnad.

Fokus ligger på att inte lagra datan

De flesta AI-bolag fokuserar på att skydda lagrad data. För många av dessa bolag är insamling, lagring och analys av användardata en av de viktigare delarna i deras affärsmodell.

Apple har valt en annan väg.

Fokus ligger inte på att begränsa åtkomsten till lagrad data, utan på att undvika att lagra den från början.

Enligt Apple innebär PCC bland annat att:

• data används endast för den aktuella förfrågan
• data lagras inte efteråt
• Apple kan inte läsa användarnas innehåll
• extern granskning uppmuntras

Lite mer tekniskt innebär det bland annat:

• ingen generell lagring
• ingen generell loggning
• inga bakdörrar för Apple-personal

Grundtesen är densamma: Er data är säker eftersom vi inte har någon data att lämna ut.

Men Google då?

Apple använder både egna modeller och externa modeller som Gemini för vissa uppgifter. Apple har samtidigt ett samarbete med Google kring AI-infrastruktur genom Google Cloud. Det viktiga ur ett integritetsperspektiv är dock inte vilken modell som används. Det viktiga är hur data hanteras.

Apples modell bygger på att användardata inte lagras efter bearbetning och att varken Apple eller deras leverantörer ska kunna bygga upp historik eller användarprofiler baserade på användarnas AI-förfrågningar.

Varför är detta viktigt?

Apple Intelligence och PCC kan visa sig vara en av Apples största konkurrensfördelar inom AI.

Vi blir allt mer medvetna om värdet och känsligheten i vår data. Samtidigt använder vi AI till allt mer känsliga uppgifter. I den världen tror jag att hanteringen av vår data kommer bli minst lika viktig som vilken modell som används.

Apple har valt en annan väg än övriga stora AI-bolag. Medan de flesta bygger sina tjänster kring insamling, lagring och analys av användardata bygger PCC på motsatt princip:

Att datan inte ska finnas kvar när uppgiften är utförd.

1. Riskerna är identifierade.
2. Rekommendationerna finns.
3. Enligt policyn behöver i realiteten inte myndigheterna göra något alls, kör som vanligt, inget händer.
4. Ord som "rådighet", "stärka", "minska beroenden", "digital suveränitet" låter bra, men tolkningsfriheten är stor.
5. Det talas mycket om samordning, gemensam upphandling och stöd från olika instanser. Historien talar dessvärre inte för att det skulle göra processen effektiv eller bättre.
6. Det hänvisas till MCFs Metodstöd för systematisks informationsarbete, som inte heller är tydligt eller ger konkret vägledning (inte fel i sig och per design så klart).
7. IMY refereras som myndighet för att tillhandahålla information vad gäller t.ex EU-US DPF. Får dock uppfattningen att IMY inte riktigt hinner med att ens följa upp de direkta regelbrott som sker mot t.ex GDPR eller hur myndigheter hanterar personuppgifter mm. De släcker de största bränderna och hinner inte med allt. Tror du vill och kämpar, men är tvungna att prioritera i mängden (personlig reflektion utan faktastöd).
8. MUST chefen meddelar i intervju med SVT att MUST har en mer strikt syn, vilket jag personligen är övertygad om att de haft hela tiden, men nu väljer att kommentera för att skapa trygghet. Försvarsmakten är en stor Microsoft och Amazon kund så befogat uttalande.
9. GDPR: EU låter adekvansbeslutet ligga fast och IMY lutar sig på detta (korrekt så klart), trots att 4 av 5 ledamöter i PCLOB är sparkade och den som är kvar är Trump-vän. Det reflekteras inget över att EU-US DPF inte är lag eller att både CloudAct och Fisa702 trumfar (som är amerikanska lagar). EU-US DPF kan mer liknas vid ett "gentlemans agreement".
10. Microsoft Sveriges VD intervjuas i SVT och garanterar att alltid bestrida om information begärs ut.
11. ….men Microsoft Sverige kommer fortfarande inte få reda på något om det begärs ut genom t.ex Fisa702 order oavsett om datan ligger i Sverige. Detta undviker VDn (logiskt) att svara på och säger att de följer svensk lag, men det har ingen konkret betydelse då moderbolaget är amerikanskt och lyder under amerikansk lag, vilket även innefattar svenska dotterbolag och data som finns Sverige.
12. Microsoft Sverige och andra amerikanska molnleverantörer i Sverige är säljkontor, inget annat. De kommer alltid värna försäljning inget annat (detta är inget fel, bara så det är)

Övriga reflektioner

1. Upphandlingslagar, upphandlingkompetens och upphandlingsprocesser är ett stort problem.
2. Tonen i allt som skrivs är att de flesta myndigheter jobbar i stort uteslutande med de stora leverantörerna. Allt behöver inte alltid ligga hos de stora. Även om de stora har ett tekniskt försprång så går det bra att använda EU-moln, det borde kanske lyftas tydligare (se punkt 1).
3. Avsaknad av tydlighet dvs hade varit uppfriskande med ett tydligt "Välj Europeiskt där det är tekniskt möjligt, i undantagsfall använd andra lösningar, men då med fullt säkerställt suveränitet". Medveten om att det samtidigt blir lite klurigt då det är regeringen som skapat policyn och myndigheterna är fristående samt att ministerstyre är inget vi pysslar med.
4. Regeringen har utsett Försäkringskassan som samordnande myndighet tillsammans med Lantmäteriet och Trafikverket. Nu skall jag inte spela på sensation här, men dessa tre är väl inte de som har de mest fläckfria trackrecord inom området? Skatteverket är också med och ur minnet känns det som att de har ok trackrecord, även om de också gjort val som ifrågasatts inom området senaste åren.

Vill samtidigt vara tydlig

Jag har inget emot amerikanska leverantörer, tvärtom, de är innovativa, kompetenta och tillhandahåller ytterst bra produkter och lösningar. Känner personligen många på nästa alla av dessa bolag och har stor respekt för både personer, kunskap och produkter.

Det som är problemet är att de lyder under lagar de inte kan kontrollera samt en ytterst oberäknelig administration som konsekvent bryter lagar och regler. Även Bill Gates själv säger detta rakt ut hos Skavlan.

Min uppfattning är att leverantörerna menar allvar när de säger att de kommer att kämpa och bestrida om amerikanska myndigheter begär ut information. Varför? Ca 25-30% av dessa bolags intäkter kommer från EU. De kommer kämpa för sina kunder då konsekvenserna är katastrofala för bolagen.

Gör om gör rätt

Nu är det dags att myndigheterna tar sitt ansvar för all information de sitter på. Detta är din och min personliga information samt annan myndighetsinformation. Personligen kliar det i hela min kropp när jag ser hur nonchalant myndigheter agerar och hur fast de är i klorna på amerikanska leverantörer (duktiga säljare som de är).

Dags att göra det tuffa arbetet och faktiskt lösa problemet. Ibland behöver man göra det svåra också, inte fördröja för att det enkla är lättare. Stå upp för oss som bor i Sverige och gör ert jobb för att skydda vår och er (myndighetens) data.

Gör om, gör rätt!

Tidigare poster på ämnet

• En till riks med amerikanska molnleverantörer
• Amerikanska moln, uppskrivat tonläge
• Data hos amerikanska levarantörer - status Dec 2025
• Microsoft vill blidka företag i EU, jag har gått igenom detaljerna
• Datan hos amerikanska leverantörer? Är lagligt eller säkert viktigast?
• Svenska företags data inte längre säker hos amerikanska molnleverantörer.
• Snart kan det bli olagligt att ha data på Azure, AWS och Google Cloud
• Varför EU bötfäller Google och Facebook - för din skull
• Amerikanska moln är inte riskfria

Raaporten är en detaljerad genomgång av POL-INTEL och hur data om bl.a. personer mappas och vad resultatet blir i praktiken. Väldigt läsvärt om man vill förstå hur Palantir används i tillämpade situationer istället för att läsa sensationsrubriker. Finns det saker som sticker ut, absolut t.ex:

By clicking on one of these individuals, the officer brought up a profile and said 'Oh, no, that is the mother', as he realized that instead of showing a potential accomplice in a case to highlight how POL-INTEL visualizes relations during police investigations, he had accidently clicked on a suspect's close family member.

Samtidigt finns andra delar som avdramatiserar det som framförs i den publika debatten.

Rapporten är skriven av de två forskarna Vasilis Galis & Björn Karlsson och baserar sig bl.a. på intervjuer med både poliser och Palantir-anställda.

Det är även troligt (antagande från min sida) att POL-INTEL inte är helt olikt hur ACUS hos svenska polisen är implementerat. En hel del matnyttigt om man på riktigt vill förstå för och nackdelar med Palantir inom myndigheter.

Forskningsrapporten i Pure: A world of Palantir – ontological politics in the Danish police's POL-INTEL

Direktlänk till PDF

Tidigare poster om Palantir

• Varför är Palantir kontroversiellt
• Vad är Palantir
• Project Maven
• Hur formas AI:s verklighetsuppfattning?
• Europeiska alternativ till Palantir: ArgonOS, Bardioc och Orcrist

Hur skulle Sverige agera om BankID, Swish eller Kivra hamnade i samma situation?

Ofta pratar vi om problemet att vi i EU skall sluta “köpa tech från USA”, men här blir frågan “skall vi sluta sälja tech till USA”. Frågan har varit uppe under många årtionden, då ur innovations- och ekonomi-aspekten. Nu har även resiliens- och säkerhets-aspekten blivit viktig.

En bredare diskussion är även att svenska framgångsrika bolag inom känsliga branscher, ofta säljs till USA. Några exempel är:

• iZettle (PayPal)
• Zana (Workday)
• Peltarion (Microsoft)
• Recorde Future (Mastercard)
• Mojang (Microsoft)
• Dice (Electronic Arts)

AI, säkerhet, finansiella bolag, men även spelbolag är känsliga branscher. Dataspel är idag en stor plattform för just hybrida hot samt att det är bra plattformar att påverka ungdomar, därav är två spelbolag med.

Det är en klurig diskussion där många parametrar möts. Innovationskraft (försvinner från Sverige), finansiella intressen (pengar till ägarna) och ibland t.o.m bolagets överlevnad (går dåligt, blir uppköpta). Detta ställs mot mer högt flygande ämnen som säkerhet och motståndskraft. Tror vi kommer se detta ämne diskuteras oftare och oftare framöver.

Medan Palantir vill vara ett operativsystem som hela länder körs på, har dessa tre en betydligt mer öppen inställning både i sin arkitektur och vad gäller datasuveränitet. Öppenhet och flexibilitet gör att det är enklare att bygga ut, komplettera och ta bort.

Lika bra som Palantir har passat USA, kan nu ArgonOS, Bardioc och Orcrist passa Europa. Olika världsdelar och helt olika inställning och filosofi.

En viktig del att ha med i beräkningen är att Palantir även är mycket duktiga på PR, marknadsföring och sälj. Har tidigare skrivit om hur detta påverkar verklighetsuppfattningen lite snett och att bara för att man ropar högst eller syns mest i chatGPT så betyder det inte att lösningen passar ett Europeiskt land. Samtidigt är det viktigt att förstå vad Palantir är och inte är. Att Palantir är amerikanskt, med ifrågasatt etik / moral och kontroversiella grundare / ägare bidrar inte heller på ett positivt sätt för Europeiska länder, vilket nu leder till att fler och fler utvärderar alternativen, varav de jag uppfattar som mest framstående just nu är listade i denna post.

Så vilka är alternativen och är summan av dessa tre bättre än Palantir?

ArgonOS, Bardioc och Orcrist

En av Palantirs mest omtalade styrkor har länge varit ontologin, alltså förmågan att förstå relationer mellan objekt, händelser och aktörer snarare än att bara hantera isolerade datapunkter. Dessa tre imponerar på mig i hur de angriper just ontologin. Bardioc verkar bygga hela workflow- och actionslagret direkt ovanpå ontologin snarare än att använda ontologi som ett separat analyslager.

En generell skillnad är att de angriper ontologin bottom-up mer än top-down som Palantir. Det är både fördel och nackdel. Fördelen är enkelhet och flexibilitet, nackdelen är att top-down ger tydlighet och förmåga att agera inom "systemet". Helheten för dessa tre har imponerat på mig. Det ställs även högre krav på datakvalitet hos Palantir så att data hamnar rätt i ontologin. Det är så klart även en konsekvens av att allt går in i samma låda vs att det är mer federerat om man väljer fler produkter som samspelar.

ArgonOS (Frankrike)

En produkt från ChapsVision. OSINT, dokumentanalys, semantisk förståelse och relationer mellan aktörer och händelser är fokus. Det är taktiska signaler som får en strategisk betydelse. Styrka inom allt som har med text att göra.

Läs mer om ArgonOS

Orcrist (Tyskland)

Starka på sensorlagret och den taktiska realtidsmiljön där signaler, geospatial data och information hanteras nära datakällorna. Plattformen verkar vara byggd för miljöer där hantering av rå sensorinformation är centralt. Här finns likheter med Andurils Lattice, men även de är amerikanska och har liknande, om än lite mer nedtonad, profil företagsmässigt som Palantir.

Läs mer om Orcrist

Bardioc (Tyskland)

En produkt från Almato. Data → Insikter → Workflows → Actions och operativa insatser. Fokusera på att förstå relationer, kontext och handlingar mellan system, objekt och processer. En reflektion är att Bardioc verkar vara underskattat inom området, avancerad ontologi är kärnan, men värdet är större än så. Intelligenta agenter, processautomation och integration mot äldre systemmiljöer är en central del av plattformen. Och just integration mot äldre och fragmenterade system är sannolikt ett område där många europeiska miljöer har betydligt större behov än vad amerikanska har.

Allt för att ta mängder av data till operativa actions.

Läs mer om Almato

Slutsats: Ett funktionellt mervärde för Europa?

I slutändan handlar detta sannolikt om två olika filosofier.

Den ena bygger på ett mycket integrerat system där en produkt äger stora delar av kedjan och där det operativa lagret och sammanhängande workflow prioriteras högt.

Den andra bygger på federation, öppenhet och specialisering där olika produkter tillsammans skapar den operativa förmågan. Det är så klart även här risken ligger dvs att få dessa att spela ihop friktionsfritt.

Palantir verkar fortfarande ha ett tydligt försprång inom det militärt operativa och den djupa integration mot militära miljöer. Men det betyder inte att det är rätt för Europa.

Snarare börjar det se ut som att Europa håller på att bygga något fundamentalt annorlunda, ett sammankopplat ekosystem där flera nischade plattformar tillsammans skapar samma typ av operativ förmåga men utan samma grad av centralisering och leverantörsberoende.

Och det är sannolikt en betydligt viktigare utveckling för länder i Europa än att försöka bygga ännu en centraliserad plattform.

Vi kan konstatera att USAs uppskruvade förmåga att driva PR och marknadsföring samt ha en enorm tilltro till sin egen förmåga bidrar starkt till att AI-modellerna idag framställer lösningar från USA som klart dominerande. Palantir är ett bra exempel på detta.

"skillnaden mellan ArgonOS och Palantir är sannolikt mindre än vad internet får det att framstå som", blev slutsatsen i dialogen efter mycket faktagranskning och förtydliganden. Det finns självklart skillnader, men nyckeln är "mindre än vad internet får det att framstå".

Detta är viktigt att ha med oss när vi tar till oss av information idag. Många använder AI för att kolla fakta, få inspiration och t.o.m verifiera om något är sant. Om man hör ett uttalande som låter för bra för att vara sant så kör vi ofta "jag kollar med chatGPT om det verkligen är så bra". Här måste vi våga utmana svaren och framför allt orka kämpa för fakta.

Vi i Europa mer modesta och inte alltid lika framåtlutade i vårt sätt att kommunicera. ChapsVision kommunicerar fortfarande till stor del på franska och når sällan utanför en mindre krets med sin kommunikation. För oss i Europa kan det t.o.m vara "by design" eftersom området i sig är känsligt och vi i Europa ofta inte har samma inställning till det affärsmässiga som det tillväxt och VC-drivna USA har inom detta område.

ChatGPT och Claude beskrev båda skillnaden mellan Palantir och ChapsVision. som att Palantir var ledande på alla plan. När jag lyfte ett par uppenbara fakta-fel och även ville få mer precisa exempel på vad som menades så ändrades bilden och lösningarna var betydligt mer lika än tidigare i dialogen...igen..

"skillnaden mellan ArgonOS och Palantir är sannolikt mindre än vad internet får det att framstå som"

Har skrivit om alternativen till Palantir och där ingår just ArgonOS från ChapsVision.

Allt beror så klart på behov, men kontentan var i slutänden att den största skillnaden ändå var filosofin bakom bolaget, resten är "bara" teknik.

(förstå mig rätt, det finns självklart skillnader i funktion och användningsområden, men det är ett ämne för en annan post)

Har tidigare skrivit om just Palantir:

• Vad är palantir
• Varför är Palantir kontroversiellt
• Project Maven – AI-systemet som förändrar hur krig förs

Bilden är från dagens lunchpromenad och får symbolisera vår dumhet att inte inse allvaret.

1. Individer
   Vi som individer utsätts idag för så mycket information att vi inte orkar att hålla koll på vad som är sant eller falsk. Bra desinformation innehåller dessutom ofta stora delar sanningar, men vrids för att passa det narrativ som är målet. Vi som individer måste orka stå emot samt bli bättre på att ifrågasätta på ett kvalitativt sätt. Vi hoppar på drev som låter logiska utan att kolla fakta, bara titta i era flöden så ser man det rätt fort.
2. Myndigheter
   Våra svenska myndigheter gör mycket bra inom området. Den stora utmaningen är att de ofta gör det i silos samt informerar allmänheten alldeles för lite. Vi får ofta redan på att något hänt, men inte alltid vem, vad, när eller hur. Detta leder till att vi som medborgare inte riktigt vet hur vanligt och farligt detta är eller vart hoten kommer ifrån och hur vi skyddar oss. Kompetensen sitter inom myndigheter som ofta inte kommunicerar öppet: Säpo, MUST och FRA. Myndigheten för Psykologiskt Försvar jobbar på, men är fortfarande en liten myndighet som oftast inte är operativa utan jobbar förebyggande (upplysning, rapporter mm). Även om transparensen från myndigheterna blivit bättre, är det inte synkat och för lite information. Media kan rapportera, men eftersom de jagar klick, så håller de ofta bensin på elden istället för att vara balanserade.
3. Företag
   Här är det nästan sämst, för de flesta företag kör huvudet i sanden som att området inte finns. Pumpa in ett par millar i cyber och saken är biff. Medarbetare visar skärmen på tåget, pratar om avtal och kritisk information högt i telefon på flygplatser. De svarar på detaljerade frågor från “rekryterare” eller “undersökningsföretag”. De tycker det är häftigt att berätta om nya spännande affärer och projekt på middagar i bekantskapskretsen, lämnar gärna detaljerade uppgifter till ett “intresserat” företag på en mässa etc etc. Det saknas ofta utbildning och förståelse. Det är dessutom jobbigare att förändra samtliga medarbetares beteende än att kasta ett par mille på cyber. OBS: detta är inte menat som negativt mot att satsa på cyber, utan enkom att den andra delen prioriteras ner.

Alla vet att säkerhetsläget vi har idag är den högsta sedan andra världskriget. Vi glömmer lätt att världen har utvecklats sen andra världskriget. Förr började kriget när stridsvagnar rullade över gränsen. Idag börjar krig långt innan och handlar om information och påverkan som skall splittra, minska förtroende mm.

Genom att bli bättre på detta kan vi stoppa kriget innan kriget.

Kan man säga att kriget i Iran 2026 baseras på motiv som är vilseledande

Innan själva svaret på frågan. Ja, AI-modeller är offer för vilseledande information, men inte av anledningen man kan tro. Grunden ligger i att när mycket information finns får modellerna svårt att balansera sina svar rätt. Modellerna försöker hålla sig till fakta, men väger samtidigt in vilseledande information och balanserar svaren därefter. Därav blev svaret:

Omstritt och oklart. För tidigt att säga att det är vilseledande

Ord som “omstritt” och “oklart” fick mig att reagera.

Det ledde till en intressant och avslöjande diskussion. De stora punkterna är att USA hävdat att det finns ett “imminent threat” samt att USA måste stoppa Irans möjligheter till att tillverka kärnvapen (väljer USAs snällare uttalanden här).

Det är här modellerna gör de största misstagen som gör att de bidrar till att sprida exakt den vilseledande information som USA politiska ledning vill skall få fäste.

Som en modell själv skrev

Risk ≠ imminent threat. Det är en avgörande skillnad, både analytiskt och folkrättsligt.

• Risk = möjlighet över tid, ofta månader eller år, med osäkerheter
• Imminent threat = konkret, nära förestående, där ett angrepp bedöms vara på väg att ske

Att blanda ihop de två är inte en liten nyansskillnad, det förändrar hela legitimiteten för militärt agerande.

När ett påstående saknar evidens (imminent threat), ska det inte balanseras med generella risker som om de vore jämförbara.

För då händer detta:

• evidens (0) vs risk (möjlig) → presenteras som 50/50

👉 och det är exakt så vilseledande narrativ fungerar

Samma problem uppstod i diskussionen om kärnvapen kontra anrikning av uran. Teknisk kapacitet och anrikning presenterades återkommande som om det vore likvärdigt med ett aktivt kärnvapenprogram trots att det inte finns bevis för det. Modellerna är bra på att ta fram fakta och underbygga med källor, men den vilseledande informationen påverkar också och det leder till att modellerna får svårt att balansera. Otydliga svar ges och på så sätt bidrar och sprids vilseledande information.

Varför är det viktigt?

Vi är medvetna om att vi utsätts för vilseledande information och söker fakta på annat håll för att verifiera. Vi gör det oftare och oftare genom AI-modeller som chatGPT och Claude. När de då bidrar till spridningen leder det till att många kan uppfatta balanseringsproblemet och ordval som att det vilseledande narrativet faktiskt är sant även om det inte finns något bevis alls för att så är fallet.

Slutsats

Det har aldrig varit enklare att bli en “nyttig idiot” oavsett hur smarta vi är. Att verifiera fakta och vara uppdaterad på vad som är sant eller falsk kräver energi, noggrannhet och tålamod. Dessvärre är det något inte alla orkar att uppbringa och därav är vi där vi är.

Vi måste orka kämpa emot.

Bilden är AI-modellens sammanfattning av tråden baserat på prompten “Generera en bild som på ett roligt och med ironiska inslag sammanfattar denna tråd.”

Taktiken är inte ny och kan till stor del tillskrivas Nazitysklands propagandaminister Joseph Goebbels som sa:

Upprepa en lögn tillräckligt ofta, så blir den sanning.

I denna post får USAs påstående om att Iran har eller är nära att ha kärnvapen fungera som exempel, men denna metod används av många, hela tiden och i alla möjliga situationer. Faktagranskning och ork är således viktigt för att stå emot, annars är det svårt att inte påverkas.

Varför är detta så farligt

Jo, som exempel, Iran har inte varit på väg att framställa kärnvapen sedan 2003. Trots att USA just nu påstår raka motsatsen. Finns inga bevis för det alls, tvärtom. Vi matas trots detta med information där det står att "Iran har kärnvapen" eller "inom 2v har Iran kärnvapen". Detta skapar sårbarheter som utnyttjas till fullo av de som vill rättfärdiga sitt egna agerande.

Om vi inte invaderat hade Iran använt kärnvapen

Det har används som retorik från Trump otaliga gånger senaste tiden. Enda felet är att det inte är sant.

Grejen är ju bara att Iran inte har något att ge vika på vad gäller kärnvapen, då de inte enligt samstämmiga underrättelserapporter inte har något kärnvapen-program sedan 2003. Det är således olyckligt att svenska medier inte förtydligar att det inte finns belägg för detta påstående, utan väljer att sprida dessa felaktigheter utan förklaring. Att Iran inte har kärnvapen eller är nära att framställa har USAs underrättelsetjänster fastslagit och även den övergripande chefen för all underrättelsetjänst i USA Tulsi Gabbard nyligen vittnat om under ed.

Fakta i kärnvapenfrågan

Eftersom posten bygger på det falska påståendet att Iran har kärnvapen, behöver jag så klart backa upp det. Eftersom det är USA som far med dessa osanningar så är det relevant att backa upp med fakta från just USA. Detta är vad den amerikanska kongressen (under tiden för rapporten kontrollerad av republikanerna) sammanfattar i rapporten Iran and Nuclear Weapons Production, med referenser till massvis med olika underrättelsetjänster och rapporter.

Axplock från rapporten som publicerade 2026-04-09:

According to official U.S. assessments, Iran halted its nuclear weapons program in late 2003

A 2025 public U.S. intelligence assessment stated that "Iran is not building a nuclear weapon" and that the now-former Supreme Leader had "not reauthorized the nuclear weapons program he suspended in 2003." IAEA Director General Rafael Grossi stated on March 4, 2026, that the agency "never had information indicating that there was a structured systematic [Iranian] program to build or to construct a nuclear weapon."

Rapporten i sin helhet är klart intressant att jämföra med det som sägs publikt av Trump administrationen.

Vi måste stå emot att påverkas

Bara för att något upprepas om och om igen gör inte osanna uppgifter sanna. Vi måste stå emot och det aktivt. Att vara passiv i detta gör bara att vi ofrivilligt påverkas.

Kärnvapen-frågan är ett exempel, nyckeln i resonemanget är att detta sker hela tiden av många i alla möjliga situationer. Vi måste vara medvetna om att detta sker och orka stå emot genom att alltid verifiera fakta och källor.

Kan rekommendera rapporten Janusansiktet från MPF för den som vill läsa mer.

Hybrida hot - enkel förklaring

Hybrida hot i svensk kontext definieras ofta så här:

Samordnade åtgärder från en stat eller aktör som lågintensivt och över lång tid använder både militära och civila medel, öppna och dolda, för att påverka, destabilisera eller skada ett samhälle utan att utlösa ett öppet krig.

Det som gör att det är svårt med tydligheten för många är precis det som är ett hybridhot dvs det är lågintensivt, över tid och oklar avsändare. Hybrida hot är konstruerade just för att vara odefinierbara och oklara, det är det som dem kraftfulla.

Kärnan i begreppet

Det handlar inte om ett enskilt tillvägagångssätt, utan en kombination av verktyg och metoder som används samtidigt, koordinerat, ofta lågintensivt och över lång tid:

• Informationspåverkan och desinformation
• Cyberangrepp
• Ekonomisk påverkan (energi, handel, investeringar)
• Politiska påverkansoperationer
• Underrättelseverksamhet
• Sabotage och specialförbandsoperationer
• Hot om eller begränsad militär aktivitet

För myndighetsinformation på ämnet finns det bl.a beskrivet som "Typsituation 1 - Hybrida hot" i MCFs och Försvarsmaktens gemensamma dokument "Gemensamma utgångspunkter för totalförsvaret 2025-2030".

Tydlig förklaring av verkligheten

För 4 år sedan, dvs innan läget i världen eskalerade till där vi är idag, publicerade Försvarsmakten en mycket förklarande film "Försvaret av Sverige - idag och imorgon".

När dessa olika angrepp sker kallas det ofta "Gråzon". Ett läge som inte är varken fred eller krig och det är just detta som filmen (och bilderna nedan visar) samt våra politiker och försvarsmakt menar när de använder meningar som "Vi är inte i krig, men det är inte heller fred" och liknande uttryck.

De som vill oss illa (primärt Ryssland) har blivit ytterst duktiga på att balansera angreppen så att de inte klassas som krigshandlingar, utan genomförs på sätt som balanserar precis på gränsen. Tog ett antal skärmdumpar från "Försvaret av Sverige - idag och imorgon" som tydligt visar just detta (hela filmen är sevärd).

Gråzon

Varför använder då vara fiender dessa hybrida operationer? Förutom ovan nämnda punkter så styrs Sverige av lagar som reglerar som definierar när det är krig. När vi inte är i krig och inte heller i fred hamnar vi i denna "gråzon" (eller skymningsläge som det hette förr). Som exempel kan inte militären agera utanför militära områden och skyddsobjekt om det inte är formellt krig. Det finns vissa undantag där t.ex militärpolisutbildad personal kan agera med polismans befogenhet, men då sker det under Polisens mandat. Det gäller t.ex våra säkerhetsförband och SOG som båda har personal som är utbildade för detta.

Gråzon är helt enkelt ett komplext tillstånd. Det ger att det är snudd på perfekt och i mångt och mycket ofarligt sätt för vara antagonister att angripa oss på.

Kort sagt: Hybrida hot är ett sätt att bedriva konflikt utan att formellt gå i krig, genom att angripa ett samhälles svagheter brett och samtidigt.

Det finns massvis att läsa om området hos våra myndigheter om man vill fördjupa sig. Skrev denna mest för egen skull för att kunna referera till en enkel kortfattad förklaring med tydliga förklarande bilder.

Standard-läge är poll-of-polls och jämförelse med tidigare val (2022), men går att välja enskilda undersökningsinstitut och även titta historiskt. Valundersökningar från 1980 och valresultat sedan 2002. För att ha lite kul också, så blev det en timelapse där man grafiskt kan se hur olika partier mm utvecklats mot varandra över tid.

Jag saknade en enkel app som bara gör just detta. Delar mest om nån annan också vill använda. Gratis och ingen registrering eller liknanden krävs. Data är från Valmyndigheten samt SwedishPolls. För att få ihop det på ett bra sätt blev det även ett öppet API som appen sen använder.

Israels förmåga att samla in, bearbeta och omsätta underrättelser i operativ effekt är känd och beryktad. Israel har i praktiken utvecklat ett operativt AI-ekosystem där flera system tillsammans fyller ungefär samma område som USAs Project Maven / Maven Smart System (MSS) och Ukrainska Delta, men med en tydligare tyngdpunkt på automatiserad målgenerering och hög operativ takt.

Kortfattat: Vad gör dessa system?

• Vem (individer) - Lavender
• Vad (objekt) - The Gospel
• När (tid & plats) - Where's Daddy

Generellt arbetar AI-verktyg inom området enligt en process liknande nedan: Sensor → AI (identifiera objekt) → analys → beslut (människa) → verkan.

Israels process framstår snarare som: Sensor → AI (identifiering) → AI (generering) → AI (prioritering) → beslut → verkan

Det är tre stora skillnader:

1. Mängden måldata som ges till AI är betydligt bredare och fokus på individnivå
2. AI i hela kedjan
3. Rapportering indikerar att den mänskliga granskningen i vissa fall kan vara mycket begränsad i tid, i vissa uppgifter endast sekunder per beslut

Personlig moralisk reflektion

Vill lägga in en liten brasklapp tidigt. Hur imponerande kraftfulla systemen än är kan jag inte gå vidare utan att vara tydlig med att det hos mig triggar starka moraliska tveksamheter i Israels agerande.

Det som framträder är en modell där att döda människor i stor skala framstår som lösningen för att uppnå strategiska mål, snarare än att hitta vägar som minimerar mänskligt lidande för att nå målen. Det för onekligen tankarna till andra tillfällen i historien där denna typ av agerande har skett.

Även tolkningen av krigets lagar och speciellt proportionalitet känns inte på något sätt balanserat eller korrekt. Om fler länder kommer att tillämpa AI på samma eller mer aggressivt, finns starka själ att vara orolig.

Bakgrund

Israels modell vilar på fyra tydliga principer:

• Datadominans Massiv signalspaning, metadata och sensordata utgör grunden.
• AI i kärnan av processen AI används inte som stöd, utan som aktiv del i målgenerering.
• Industrialiserad targeting Fokus på volym och tempo, inte enbart precision.
• Modulär arkitektur Flera system som tillsammans bildar en operativ helhet.

Den första pelaren är datadominans. Israel har under lång tid byggt mycket starka förmågor inom signalspaning och datadriven underrättelsetjänst, inte minst genom Unit 8200. Detta ger tillgång till en mycket bred databas av kommunikationsmönster, metadata, telefontrafik, elektronisk kommunikation, sociala medier och andra indikatorer som kan användas för att identifiera mönster, relationer och misstänkta aktiviteter.

Den andra pelaren är underrättelseintegration. I många militära system finns en organisatorisk och teknisk tröghet mellan insamling, analys och verkan. Israels modell verkar i hög grad vara utformad för att minska denna tröghet. Målet är inte bara att förstå slagfältet, utan att snabbare än motståndaren omsätta information till handling. Här märks en tydlig skillnad mot mer traditionella militära organisationer där varje steg i processen är mer avgränsat.

Den tredje pelaren är hög operativ takt. Flera källor beskriver hur Israel under de senaste åren utvecklat förmågan att producera mål i mycket större skala än tidigare. Det centrala värdet i systemen är inte bara att hitta rätt mål, utan att göra det i större volym, snabbare och under högre tempo än vad en traditionell underrättelseprocess medger. Det innebär att systemens verkliga styrka ligger lika mycket i kapacitet och genomströmning som i ren precision.

Den fjärde pelaren är teknisk modularitet. Israel tycks inte ha valt en modell där hela denna förmåga paketeras i ett enda, tydligt system. I stället är förmågan uppbyggd av flera system som var och en har en specifik funktion. Denna modularitet ger större flexibilitet. Ett system kan arbeta med individklassificering, ett annat med objektmål, ett tredje med spårning, och ytterligare system med ledning, sensorer eller vapenkoppling. Resultatet blir ett system av system snarare än en enda stor plattform.

Israels AI-system

Sammanfattar först i en enkel tabell.

I ena änden finns system som arbetar med att identifiera individer, nätverk och misstänkta operatörer utifrån signalspaning, metadata, relationer och mönster i stora datamängder. Där är Lavender det tydligaste exemplet. Det beskrivs som ett system som hjälper till att klassificera individer och generera stora mängder personbaserad data.

I nästa led finns system som kopplar identifierade mål till en konkret tid och plats. Where's Daddy fyller denna funktion. Den funktionen är i första hand inte att avgöra vem som är mål, utan att följa ett redan identifierat mål och avgöra när personen befinner sig på en plats där personen kan slås ut.

Samtidigt finns system för målgenerering på objektsnivå. Det mest omtalade är The Gospel, eller Habsora. Det är i praktiken ett system för att generera mål på basis av stora mängder underrättelser, särskilt byggnader, infrastruktur och andra objekt. Där Lavender handlar om individer och Where's Daddy om timing, handlar Gospel om att skala upp själva produktionen av mål.

Ovanpå detta finns Israels bredare system för sensorer, signalspaning, drönare, flygvapenledning, luftförsvar, stridsledning och operativ ledning.

Lavender

Lavender är det mest omtalade systemet på individnivå. Det beskrivs som ett AI eller maskininlärningsbaserat system som används för att identifiera, klassificera och prioritera individer som misstänks ha koppling till Hamas eller Hizbollah etc. Om dessa beskrivningar stämmer i huvudsak fungerar Lavender som en algoritmisk motor för personbaserad målgenerering, där stora mängder data används för att tilldela individer en sannolikhetsbaserad status som potentiellt legitimt mål.

Lavender kärnfunktion verkar vara att göra det möjligt att på mycket kort tid gå igenom enorma datamängder och producera stora volymer av personrelaterade målunderlag.

Funktioner och logik

Det centrala med Lavender är att systemet verkar arbeta med mönster och sannolikheter snarare än säker identifiering i varje enskilt fall. Det ska, enligt rapporteringen, väga samman en rad olika indikatorer, exempelvis kommunikationsmönster, grupptillhörighet, metadata, relationer till andra misstänkta individer och andra digitala eller signalbaserade spår. På så sätt skapas en klassificering där personer får en viss sannolikhetsbedömning som sedan kan ligga till grund för vidare operativ behandling.

Det som gör systemet militärt betydelsefullt är att det verkar kunna arbeta i mycket stor skala. Där en mänsklig analyskedja skulle ta lång tid att bygga upp samma mängd personunderlag kan Lavender generera stora mängder kandidater under kort tid.

Det är också just här systemets logik skiljer sig från mer traditionell underrättelsetjänst. En traditionell process försöker ofta nå så hög grad av individuell säkerhet som möjligt innan en person klassas som legitimt mål. Ett system som Lavender verkar i stället flytta tyngdpunkten mot statistisk sannolikhet och mönsterigenkänning. Det behöver inte innebära att mänsklig kontroll försvinner, men det förändrar karaktären. Människan går från att själv bygga målet till att i högre grad granska eller godkänna ett systemgenererat förslag.

Hur det används i verkligheten

I praktiken är det just denna förmåga till massklassificering som gör Lavender så kontroversiellt och samtidigt så militärt betydelsefullt. Uppgifter från undersökande journalistik pekar på att systemet användes för att ta fram mycket stora mängder personbaserade mål i Gaza och att dessa mål i flera fall kunde gå vidare med begränsad mänsklig kontroll per individ. Om denna bild är korrekt innebär det att Lavender fungerade som en kraftmultiplikator, inte genom att förbättra precisionen i varje enskild bedömning, utan genom att kraftigt öka antalet behandlade mål. Sannolikt med lägre kvalitet i bedömning om det är ett kvalificerat mål eller ej.

Lavender verkar fungera som det första avgörande filtret i en större operativ kedja. Det identifierar vem som ska uppmärksammas. Därefter kan andra system användas för att spåra, lokalisera och välja rätt tidpunkt för verkan.

Det är avgörande att skilja mellan målidentifiering och målgenerering. Identifiering handlar om att upptäcka och klassificera objekt i data, medan målgenerering innebär att systemet själv föreslår vad som bör betraktas som ett legitimt mål. Lavender framstår som ett system som genererar mål där dessa mål är människor.

Where's Daddy

Where's Daddy är det system som i rapporteringen kopplats till spårning av redan identifierade individer. Om Lavender besvarar frågan vem som ska bekämpas, så besvarar Where's Daddy frågan när och var denna person befinner sig i ett läge där bekämpning kan ske.

Detta gör Where's Daddy till ett system för timing, lokalisering och operativ exploatering av måldata. I en modern killchain är detta avgörande. Att veta vem målet är räcker inte. För att verkan ska kunna genomföras krävs också kunskap om var målet befinner sig och när det är möjligt att slå ut målet.

Funktioner och logik

Where's Daddy verkar, enligt tillgängliga uppgifter, använda spår från telefoner, signaldata, sociala medier och andra former av positions- eller närvarodata för att följa målpersoner i realtid eller nära realtid.

Ett mål kan vara känt sedan tidigare, men om det inte går att lokalisera och tidssätta blir bekämpningen svår eller ineffektiv. Det gör att en identifierad person kan följas tills denne befinner sig på en plats där angrepp bedöms möjligt, lämpligt eller prioriterat.

Hur det används i verkligheten

Det som främst gjort Where's Daddy känt är uppgifter om att systemet använts för att identifiera när mål befunnit sig i sina hem. Om det stämmer innebär det att systemet inte bara används för klassisk militär lokalisering i fält, utan för att knyta targeting till vardagliga rörelsemönster och bostadsmiljöer. Detta är operativt effektivt eftersom det kan vara lättare att lokalisera en individ i bostaden. Samtidigt för det med sig mycket stora risker för civila skadeverkningar, eftersom hemmet sällan är en isolerad militär miljö.

The Gospel (Habsora)

The Gospel, eller Habsora, är det system som tydligast representerar Israels förmåga till storskalig målgenerering på objektsnivå. Där Lavender fokuserar på individer verkar Gospel vara inriktat på byggnader, infrastruktur, militärt materiel, uppskjutningsplatser, ledningsfunktioner och andra objekt som kan definieras som militära mål eller som påstås ha militär relevans.

Gospel är därmed i praktiken en målfabrik. Dess betydelse ligger i att öka hastigheten och volymen i målgenereringen. Detta gör systemet särskilt viktigt för att förstå hur Israel kunnat upprätthålla ett så pass högt tempo i Gaza, Iran och Libanon.

Funktioner och logik

The Gospel beskrivs som ett system som använder stora mängder underrättelser för att identifiera och prioritera mål. Det kan handla om signalspaning, historiska mönster, tidigare kända samband, geografiska indikatorer, övervakningsdata och annan information som tillsammans pekar ut byggnader, fordon eller platser.

Det centrala är att systemet inte bara visualiserar data. Det verkar producera konkreta målrekommendationer.

Hur det används i verkligheten

Flera uppgifter pekar på att systemet användes för att stödja en mycket hög målgenerering i Gaza, där antalet identifierade och angripna mål steg kraftigt jämfört med tidigare konflikter.

Israel använder inte bara AI för att förbättra precisionen i en befintlig process. De använder AI för att förändra frekvens och skala. Gospel är därför ett exempel på hur AI i militär verksamhet inte främst handlar om smartare algoritmer i abstrakt mening, utan om att göra jobbet snabbare.

Unit 8200

Unit 8200 motsvarar i grova drag signalspanings- och cyberfunktioner som återfinns hos flera andra länder, exempelvis NSA (USA), GCHQ (Storbritannien) och vårt eget FRA.

Det som särskiljer Unit 8200 är dock inte själva uppdraget, utan hur tätt den är integrerad i operativ militär verksamhet. Enheten ansvarar inte bara för insamling av signalspaning och metadata, utan fungerar också som en utvecklingsmiljö för analysmetoder, algoritmer och operativa verktyg.

Kärnbidraget är datadominans. Genom omfattande insamling av kommunikation, nätverk och digitala spår byggs en detaljerad bild av individer och relationer. Detta utgör grunden för system som Lavender, Where's Daddy och The Gospel.

Unit 8200 har pekats ut att ligga bakom (tillsammans med USA) Stuxnet som slog centrifugerna i Irans kärnanläggning i Natanz 2007-2009 (upptäcktes 2010 då Stuxnet spred ut i det publika och blev lite rörigt). De var även inblandade när personer inom Hizbollah slogs ut med sprängmedel i personsökare.

Moraliska utmaningar

Utan att överdriva är de moraliska aspekterna med Israels AI-system stora på en helt annan skala än t.ex Project Maven. Den centrala frågan är inte enbart om systemen gör rätt eller fel i enskilda fall, utan hur beslut om dödligt våld kan skalas upp när de i allt större utsträckning struktureras och accelereras av AI.

Tre centrala risker:

1. Skalning av fel AI kan multiplicera misstag i stor skala
2. Ansvarsglapp Svårt att avgöra vem som bär ansvar
3. Människan som datapunkt Individer reduceras till sannolikhetsmodeller

När AI används för att generera, identifiera, klassificera och prioritera mål uppstår inte bara frågor om teknisk träffsäkerhet, utan om ansvar, proportionalitet och mänsklig kontroll. Detta gäller särskilt när systemen arbetar med sannolikheter, stora datamängder och hög operativ takt.

Det finns även uppgifter om att befäl inom IDF sänkt kraven för målgenerering för att öka antalet mål, vilket självklart ökar risken för målbekämpning av oskyldiga. Det finns även uppgifter om att operatörer lägger så kort tid som 20s på beslut om att gödkänna ett bekämpa mål som AI har genererat.

Det finns också en djupare moralisk fråga i att människor allt mer behandlas som datapunkter i ett statistiskt system. Där en traditionell process, åtminstone i teorin, bygger på individuell analys och relativt tydligt ansvar, riskerar ett AI-drivet system att göra själva urvalet mer abstrakt och mer opersonligt. Det är inte nödvändigtvis samma sak som att människan försvinner ur loopen, men det kan innebära att människans roll förändras från moraliskt omdöme till administrativ godkännandefunktion.

Det förekommer även uppgifter att beroende på hur viktigt ett mål är så finns angivet hur många civila som anses proportionerligt att döda för just det målet. Detta blir ytterst problematiskt när Israel kontinuerligt slår ut mål i bostadsområden. TV-sändingarna vi sett ger en tydlig indikation på att acceptansen för mängden döda civila är klart oproportionlig och knappast förenligt med krigets lagar eller internationell rätt.

Det är därför Israels system är så viktiga att analysera, inte bara som militära innovationer utan som ett testfall för framtidens krigföring. De visar både den militära effektiviteten i AI-drivna system och den stora risk som uppstår när tekniken gör det lättare att skala upp våld snabbare än den mänskliga prövningen hinner med.

Slutligen vill jag lyfta problematiken att när informationsbasen inför beslut om människoliv till så stor del tas fram av AI och människans roll i vissa fall reduceras till att godkänna eller avslå ett AI-genererat beslutsunderlag så kan man fundera över den emotionella kopplingen för operatören, finns det en förståelse för att "Approve" betyder att ett eller flera människoliv avslutas, även oskyldiga som collateral damage? Jämför detta med att fysiskt vara på fältet och ha en person i siktet och avgöra om man skall trycka av eller inte. Den emotionella förståelsen är sannolikt svår att jämföra för dessa två soldater.

Slutsatser

Israel har byggt en killchain där AI driver många steg fram till beslut, vilket förenklar beslutsprocessen och möjliggör en kraftig uppskalning av antalet mål. Detta är sannolikt en modell för framtida krigföring, men också en av de mest komplexa och kontroversiella utvecklingarna inom modern militär verksamhet.

Styrkor:

• tempo
• skala
• integration

Det tyder på att Israel har en mycket hög kapacitet att generera mål, när andra länders system främst fokuserar på att identifiera dem. Just detta möjliggör det tempo och den skala som också driver de moraliska utmaningarna.

Källor

För den som vill läsa vidare följer här ett urval av centrala källor. Beakta dock att det finns ytterst lite information som är bekräftad, mycket är baserat på undersökande journalistik.

Israeliska AI-system och targeting

• The Gospel: how Israel uses AI to select bombing targets in Gaza (The Guardian)
• Lavender: The AI machine directing Israel’s bombing campaign in Gaza (+972 Magazine)
• Israeli Military’s Use of Digital Tools in Gaza
• The machine did it coldly: Israel used AI to identify 37,000 Hamas targets (The Guardian)
• Why human agency is still central to Israel’s AI-powered targeting system in Gaza (+972 Magazine)
• ‘A mass assassination factory’: Inside Israel’s calculated bombing campaign in Gaza (+972 Magazine)

Unit 8200

• What is Israel’s secretive cyber warfare unit 8200? (Reuters)
• Hezbollah pager attack puts spotlight on Israel’s cyber warfare Unit 8200 (Reuters)
• Unit 8200 and Stuxnet: A cyber weapon that changed warfare (Columbia SIPA, K1 Project)
• The Stuxnet worm (Britannica)

Fördjupning om etik och tillämpning

• Israeli army uses AI to identify tens of thousands of targets in Gaza (Le Monde)
• IDF colonel discusses “data science magic powder” for locating terrorists (The Guardian)

Källa: US Energy Information Administration

Det är dock viktigt att påpeka att allt anrikat uran till USAs kärnvapenarsenal anrikas i USA och det finns redundans mm.

Däremot har de inte eget uran för att säkerställa driften av sina kärnkraftverk mm. Anrikade uranet till dessa kommer från Europa och Ryssland. I Europa är det främst bolagen Urenco och Orano.

Urenco är ett konsortium bestående av företag från Tyskland (bl.a. E.ON), Nederländerna och Storbritannien.

Oreno är ett franskt statligt bolag (tidigare Areva)

Sverige då?

Fram till ca 2022 levererades ca 20% av vårt anrikade uran också från Ryssland (Rosatom/Tenex) genom ett avtal med Vattenfall. Detta stoppades både av sanktioner och policy. Vad jag hittar är det idag 100% EU-leverantörer. Urenco, konglomerat av bolag från Tyskland (bl.a. E.ON), Storbritannien och Nederländerna och Orano, ett statligt franskt bolag. Själva uranet kommer från Australien och Kanada.

Idag identifieras och bekämpas runt 2000 mål per dag i Delta. 150.000 drönar-uppdrag har rapporterats i Deltas nya Mission Control modul. Delta har idag ca 200.000 användare. Soldater på fältet, drönaroperatörer, analytiker, staber och chefer använder Delta.

Delta anses ha bekämpat ryskt materiel till ett värde av $15B (enligt Ukraina).

Det gör i praktiken Delta till det närmaste man kommer ett operativsystem för ett pågående krig.

Vad gör Delta

Delta används för att skapa och upprätthålla en gemensam lägesbild samt för att leda operationer. Till skillnad från mer specialiserade system som Project Maven (Maven Smart System / MSS), som fokuserar på en del av kedjan, binder Delta samman hela flödet. Systemet tar emot data från många olika källor, strukturerar informationen och gör den direkt användbar för beslut och genomförande.

Det som särskiljer Delta är att samma system används både nära frontlinjen och i högre staber. Det innebär att lägesbild, planering och genomförande sker i ett sammanhängande flöde istället för i separata system.

Ukraina beskriver ofta Delta som ett system för "situational awareness", men i praktiken hanterar det stora delar av hela killchain-flödet och är i många fall direkt kopplat till verkan.

Delta är integrerat med både Ukrainas egna system och med partners.

Är Delta AI

Delta är inte ett AI-system. Det är ett operativt system där AI används som stöd i specifika delar av arbetsflödet.

AI används främst för två saker: att identifiera objekt i bilder och video från drönare och sensorer, samt att stötta sammanställning av rapporter från slagfältet.

Jämfört med system som Project Maven (Maven Smart System / MSS) är AI-komponenten mindre central. Maven är fokuserat på målidentifiering som kärnfunktion, medan Delta använder AI som ett verktyg i ett bredare operativt system.

Beslut fattas av människor i systemet.

Bakgrund

Historiskt började Delta 2016 i volontärmiljön kring NGOn Aerorozvidka, alltså långt innan fullskaliga invasionen 2022. Det startade som ett relativt enkelt digitalt kartverktyg för att förbättra lägesuppfattningen i Donbas. Det viktiga här är utvecklingsmodellen: bottom-up, krigsdriven, snabb iteration, inte ett långsamt toppstyrt flerårsprogram. Just den delen lyfts ofta fram som en av huvudförklaringarna till att Ukraina kunnat bygga ett praktiskt fungerande system så snabbt.

Fram till 2023 drevs Delta helt frivilligt och utanför den ukrainska militären, men 2023 togs systemet över av Ukrainska staten.

Källor i Delta

Krig idag är lika mycket ett informationskrig som ett fysiskt krig. En av Deltas styrkor är att systemet samlar många olika typer av datakällor i ett gemensamt flöde.

Det som gör Delta modernt är inte en enskild datakälla, utan hur dessa kombineras och görs operativt användbara i samma system.

Det är troligtvis den mest unika delen av Delta, många olika typer av datakällor och givetvis hur de sen integreras i ett enhetligt arbetsflöde. Typen av data-flöden och hur de integreras för att Delta framstår väldigt modernt och tar in alla ytor i den miljö vi verkar i idag.

• Underrättelser från partners och egna
• Medborgarrapporter (viktigt)
• Spaningsrapporter och sensordata från taktisk utrustning
• Sigint och elektronisk data från fienden
• OSINT
• Akustiska system som identifierar ljudkällor
• Radar, IR och optiska kameror och sensorer
• Bilder och video från alla typer av drönare och satelliter

Moduler

Idag består Delta av 7 moduler. Det kommer troligt att förändras över tid då Delta är byggt för att kunna plugga-in nya moduler enkelt. Det är en plug-n-play plattform därav liknelsen med att det är ett operativsystem för hela planering, analys, genomförande och rapportering av hela Ukrainas försvarsmakt.

Delta Monitor

Monitor är själva kärnan. Detta är kartan dvs det var den första tillämpning. Det är Monitor som visar slagfältet på en karta. Datan matas in från många källor men primärt från militär personal på olika sätt och det läggs till ca 600.000 objekt per månad. Ett objekt kan vara en stridsvagn, drönare, trupp, skyddsvärn etc. Varje objekt är taggat med massvis med information.

Mission Control

Här planeras och rapporteras alla uppdrag. Det skapades för att hålla ordning på alla drönar-uppdrag. Två saker är unika med kivet i Ukraina, dels att det är ett skyttegravskrig, men i detta kontext är drönarna det som är nytt och den enorma mängd drönare som flyger. Mission Control skapades för att hålla koll på detta. Det är här drönaroperatörer planerar och rapporterar sina operationer.

Det har precis släppts en ny version där rapporteringen av genomförda uppdrag i stort är helt automatiserad med hjälp av AI. Det sparar ca 1h per uppdrag i tid för varje operatör = enorm effektivisering med tanke på att det under mars genomfördes 200.000 uppdrag i Mission Control.

UA Drone ID

Denna modul har ett fokus, identifiera om en drönare är fiende eller egen. Modulen stöttar i att undvika friendly fire samt att effektivisera hur egna drönare verkar mot fienden.

Delta Tube

Antalet kroppskameror på soldater, videokameror på fordon och drönare / UAVs mm har ökat explosivt på slagfältet, vilket kan ses på sociala medier och på nyheterna. Delta Tube suger helt enkelt upp alla dessa filmer och analyserar dem. Både egna såväl "interna icke publika" och publika kameror. Även fiendens filmer som läggs ut på Telegram eller andra kanaler sugs upp och analyseras. Mycket viktigt information kan fås ut vad avser underrättelser och vad som händer på slagfältet.

Vezha

Analys av realtidsvideo. Identifiering och analys av vad drönare ser i realtid. Skillnaden mot Delta Tube är att Delta Tube inte är realtid samt hanterar (generaliserat) mer publika filmer dvs inte video från avancerade övervakningsdrönare. Vezha identifierar ca 4000 objekt varje dag.

Vezha är även integrerad i Mission Control för att underlätta planering och rapportering.

En av de nyare modulerna som integrerades så sent som 2024. Vezha är utvecklad av de egna förbanden, specifikt 411th Separate Battalion of the Territorial Defense Forces, men har nu blivit försvarsgemensam.

Avengers

Den del som kan liknas med Project Maven. AI modeller för bildigenkänning (computer vision) och målidentifiering. Modellerna är tränade specifikt på Ukrainsk terräng och modellerna är bra på att identifiera maskerade objekt som artilleri och stridsfordon mm.

Messaging Service

Krypterad kommunikation inom Delta plattformen.

Övrigt

Det är en AI-driven analys plattform på gång samt att det finns en modul för säker distribution av Delta på alla typer av mobila enheter.

Ovan info om moduler är till stor del (inte allt) från modul-sammanfattningen i denna artikel.

Delta API

Genom Brave1-plattformen finns delar av data från Delta tillgängligt för utvalda partners. Det handlar främst om data från slagfältet som används för analys och träning av system. Det är inte ett öppet API, utan kontrollerad tillgång till specifika datamängder.

Öppen arkitektur och molnet

Delta är byggt på en öppen arkitektur och baserar sig inte på en stor huvudleverantör som sen alla andra skall integrera med, utan öppenheten är en del av kärnan. Det är ingen black-box och dessutom driftas Delta i molnet utanför Ukraina. Detta då Ryssland varit aggressiva i att slå mot Ukrainas infrastruktur och Ukraina vill säkerställa att Delta alltid är säkert. Baksidan är att systemet är beroende av internet. Det har lösts till stor del med backup från Starlink.

Kommer mer

Desto mer jag analyserar dessa plattformar desto mer information hittar jag. Det började med att jag tittade på varför Palantir är kontroversiellt och vad Palantir är och inte är, vilket ledde vidare till en djupanalys av Project Maven / Maven Smart System (MSS). I den analysen hittade jag en hel del om Delta jag inte sett tidigare och började skriva på denna post. Nu när jag skrivit om Delta har jag hittat nya plattformar jag vill titta närmare på. Har även skrivit om Israels militära AI-system Lavender, Who's Daddy och The Gospel.

Innovationen inom defence-tech går just nu på högvarv.

Maven används för att analysera satellit- och drönarbilder samt sensordata för att identifiera militära mål i realtid. Systemet har utvecklats sedan 2011 och är idag i operativ användning inom hela den amerikanska militären.

Bakom Maven finns några av världens mest inflytelserika teknikbolag, däribland Microsoft, Amazon / AWS, Palantir och Google. Samtidigt väcker systemet frågor om etik, ansvar och hur AI förändrar modern krigföring.

Vad är Project Maven (Maven Smart System)?

Maven förenklar och snabbar upp beslutsförfarandet vid analys och val av militära mål inom den amerikanska militären.

Maven är AI targeting, ett ATR-system (Automatic Target Recognition)

Leverantörer till Maven

Lägger in denna tidigt eftersom det cirkulerar så mycket rykten om vilka leverantörerna är till Maven. De viktigaste leverantörerna till Maven är de som levererar data och algoritmer. Data är i stort enbart intern data från satelliter och drönare. På senare år har sensordata och taktisk utrustning blivit mer och mer viktigt och då har leverantörer som Oculus-grundaren Palmer Luckeys Anduril m.fl blivit viktiga. Algoritmerna levereras av interna och externa leverantörer. Maven äger algoritmerna, inte leverantörerna. Inledningsvis var Google den största leverantören av algoritmer, med stöd av Clarifai och Xnor. Palantir fanns med, men mer som gränssnitt på den tiden och även i liten skala vad avser kontrakt, men har alltid varit en väldigt integrerad del i projektet. När Google efter internt uppror lämnade 2018 tog Microsoft över som den stora leverantören och även AWS, så är det även idag. Google har på senare år återvänt, med ny policy (som inte har några som helst problem med att jobba med militära projekt) och nya uppdrag.

Palantir är numera den centrala leverantören och idag är kontraktet på över $1.3B över 5år (nyligen utökats från $480M). Jag har tidigare skrivit en genomgång av varför Palantir ofta anses kontroversiellt samt en faktapost om vad Palantir är och inte är.

Det är Microsoft, AWS och Clarifai som i grunden levererar det mest betydelsefulla i Maven dvs algoritmerna. Det är också detta som utgör grunden för det som i Maven är “AI” och det som kallas algorithmic warfare. Även om Palantir touchar området är de inte i närheten av till exempel Microsoft.

Som nämns senare i posten är data-labelling viktigt och Enabled Intelligence fick precis ett uppdrag från Maven inom området på $708MUSD.

Sammanfattning leverantörer

Vad gör de olika leverantörerna? Nedan är en förenklad lager-beskrivning av vem som gör vad.

1. Palantir sköter det operativa beslutslagret. Integration, ontologi och workflow.
2. Enabled Intelligence sköter data-labelling
3. Microsoft / AWS m.fl sköter compute, storage och AI-infrastruktur.
4. Anduril m.fl sköter sensor och annan realtidsinformation från autonoma drönare / fordon och taktisk utrustning.

Palantir

Levererar det operativa lagret dvs integration, ontologi, beslutsmotor och workflow. De levererar inte data och inte algoritmer. Värde: $1.3B över 5år.

Microsoft / AWS

Levererar via JWCC. Det hette tidigare JEDI (liknande, inte samma) och det var det avtal Google hoppade av. Google är dock med igen och en part i JWCC. JWCC kontraktet är en jaktlicens på $9B för Microsoft, AWS, Google och Oracle. Microsoft och AWS är de stora inom Maven. JWCC gäller Compute, Lagring, Algoritmer, AI-infrastruktur

Enabled Intelligence

Data-labelling och träning av algoritmer.

Anduril

Stort fokus på sensorer och taktisk utrustning. De feedar idag in realtids data från bl.a. sensorer. Detta genom integration mellan Lattice och Maven. De levererar inte direkt till Maven utan genom sitt större kontrakt med armén om $20B över 10år. Anduril leverarer Lattice plattform, sensorer och autonoma system.

För den intresserade är Joe Rogan avsnittet med Palmer Luckey intressant. Han berättar mycket öppet om olika DoD projekt, konkurrensen med Microsoft på flera områden samt visar upp en del av den taktiska utrustning de har och hur sensorerna fungerar.

Övriga

Det finns massvis med leverantörer till Maven inom alla områden och Maven har aktivt valt att inte förlita sig på en leverantör inom ett område utan har flertalet leverantörer på alla områden. Listar några leverantörer nedan:

• Clarifai - algoritm
• Maxar - satellitdata (bilder) + algoritm
• Xnor - algoritm (se mer nedan om Apple)
• Saab - algoritm (inte betydande men lägger med dem då de är svenska)
• Scale.ai - data-labelling
• L3Harris - sensordata
• Booz Allen - integratör
• ECS - integratör
• Popily - social media (då Popily, sen Yonder, nu Primer)

Anthropic och OpenAI då?

LLMer är idag inte centrala på något vis. Det förekommer många artiklar och annat som nämner Anthropic som viktig och betydande i Maven, det finns inga belägg för det. Däremot har Anthropic ett samarbetade med Palantir och finns i Palantirs produkt AIP.

Apple?

Apple har aktivt sagt nej till alla inbjudningar. De håller på sin etik att inte bidra till militära projekt. En av de tidiga och stora leverantörerna av algoritmer till Maven var Xnor, när Xnor köptes upp av Apple för 2 miljarder, så avslutades direkt kontraktet med DoD och Maven.

Vad är historien bakom dagens Maven?

2011 startade Drew Cukor, en underrättelseofficer inom Marinkåren, ett projekt för att få bättre koll på all information, primärt satellitbilder och senare drönarbilder. Redan samma år testades projektet skarpt i Afghanistan (Helmand-provinsen), genom att Cukor själv flög in systemet.

Andra saker som behövde lösas var säkerhet för informationen dvs hur projektet kopplas in på det säkra militärnätet och det tog tid. Projektet löste det genom att inte säkerhetsklassa systemet (som tar tid, vilket Cukor inte kunde acceptera) och sätta det innan det säkra nätet. Detta var genomförbart, då informationen in inte var av samma säkerhetsklass. Detta var såklart bara temporärt. Det skall nog tilläggas att Cukor är känd för att få saker att hända och inte alltid följa den tänkta processen, allt för att hålla fart och nå resultat.

2017 blev projektet formaliserat genom en snabbt godkänt memo för att skapa Algorithmic Warfare Cross Functional Team, det är detta som sedan blev Project Maven och som idag heter Maven Smart System (MSS). Fram till 2021 var Cukor den som i praktiken styrde och drev Maven, även om han inte alltid var formellt högst ansvarig. Det är dock helt klart att utan Cukor, inget Maven.

Maven har använts eller bidragit i operationer som Operation Kayla Mueller (Abu Bakar al-Baghdadi), Ukraina, 12-dagarskriget (Iran 2025), Absolute Resolve (Maduro), Epic Fury (Iran 2026). Utöver detta har Taiwan varit en av de platser som Maven har scenario-tränats mest för.

Algoritmer och data

Det som idag kallas AI och AI warfare eller andra moderna termer heter fortfarande inom Maven algorithmic warfare. När Maven startade handlade det om två saker.

1. Utveckla så bra computer vision algoritmer det bara går
2. Samla så mycket bild och video data det bara går

Cukor fokuserade redan från starten 2011 på att:

1. Knyta de absolut bästa utvecklarna av algoritmer som finns. Det blev först Google, sen blev det Microsoft och AWS med hjälp av Clarifai och Xnor.
2. Data data och mer data, överallt och alltid. Han fick access till all möjlig data som laddades ner på bl.a. portable AWS-moln (det som idag kallas Snowballs) eller på annat sätt.

Inledningsvis fick Google uppdraget att skapa algoritmerna. Algoritmerna utvecklades av Google, men ägdes av Maven. Google hade på den tiden en filosofi som inte rimmade med Maven. Det ledde till det numera kända upproret 2018 som fick Google att inte förnya uppdraget ... men de skulle komma tillbaka och har nu helt ändrat sin inställning och t.o.m aktivt säljer på försvarsindustrin. Sundar Pichai har personligen varit inblandad i Maven.

Efter att Google lämnade kom Microsoft galopperande och sopade ihop smulorna efter Google. Microsoft är länge den absolut största leverantören av algoritmer till Maven. Troligt den största leverantören över tid (egen uppfattning, har inga siffror som stödjer det) på algoritm-sidan är Microsoft. När AWS kom in bidrog de med nytänkande. När de övriga leverantörerna visade upp 5 modeller för bildigenkänning, visade AWS upp 60. De hade identifierat att generella modeller är för breda. Det som är en bil i öknen är inte samma som en bil i Manilla (riktiga exempel). Både miljö och vilken typ av bilar som används påverkar.

Microsoft vann även ett av de mer tidsnära större algoritm-uppdragen för Maven, då de vann uppdraget at ta fram algoritmer för havet dvs att identifiera fartyg mm.

Övriga betydande leverantörer var / är Clarifai som var väldigt tidiga in och fångades upp av Maven när “företaget” bara var en person, Matthew Zeiler. Deras computer vision modeller var helt galet bra och har haft en prominent ställning inom just computer vision.

Skit in skit ut - data kvalitet spelar roll

Det största problemet fram till nyligen var data-labelling dvs att träna modellerna och för att göra detta behövde medarbetare sitta och tagga upp alla bilder från satelliter och drönare. Det fungerade när det skedde i liten skala, men när det skulle skala upp blev kvaliteten på data-label medarbetarna lägre och det blev dålig uppmärkning av bilder dvs skit in skit ut. Detta gjorde att Maven hade stora problem att få förtroende hos förbanden ute i verkligheten.

Scale.ai kom in i bilden tidigt och bidrog på många sätt till att underlätta detta arbete. De hade mer eller mindre monopol på området tills 2025. Scale.ai hade såld 49% till Meta och Maven skulle upphandla tjänsten igen. Scale.ai förlorade och uppdraget gick till Enabled Intelligence.

Desto mer projektet växte desto högre krav på struktur och ordning behövdes. Detta främst på att sortera all data från alla olika källor så att en bil är en bil oavsett vem som skickar data. Det är här Palantirs plattform och ontologi kommer in. Det är Palantirs ontologi som håller ihop helheten och även det som mest troligt har lett till att Palantir blivit huvudleverantör (förutom djupa relationer och kunskap).

Olika algoritmer beskriver samma objekt på olika sätt. En modell kan säga “white pickup”, en annan “Toyota Hilux”. Palantirs ontologi översätter detta till en gemensam representation där systemet förstår att det handlar om samma objekt, över tid, och kan koppla det till rätt plats, personer och händelser. Det gör att ett fordon som identifieras av en drönare vid ett tillfälle kan kopplas till observationer från andra sensorer vid senare tidpunkter, även om beskrivningen skiljer sig.

Agilt, snabbt och startup-mentalitet

Detta är en av de saker som gör Maven unikt i den militära världen, snabbheten. På det sätt Maven kommit till är helt unikt. Det testades skarpt innan massvis med interna tester. Det kraschade och fungerade inte, men det gav insikter som snabbt kunde åtgärdas och garanterat bidragit till vad det är idag. Inställningen från främst Cukor men även Palantir är nog nyckeln till detta.

Drew Cukor

Det utåt kanske mest kända namnet som ledare för Project Maven är Generalen Jack Shanahan. Det är inte helt fel, han var chef under en kort, men viktig, tid. Han hade flest stjärnor på axlarna, men den person som startade allt och den som drev Maven tills han lämnade 2021 var Drew Cukor.

Dessa två var ett ytterst välfungerande team. Dessvärre slutade det i att vänskapen fick sig en törn då Shanahan blev chef för ett nytt initiativ inom DoD, JAIC (Joint Artificial Intelligence Center), som var tänkt att vara övergripande inom algorithmic warfare. Tanken var att Maven senare skulle ingå i JAIC. Det gick inte Cukor med på, så då blev det inte så. Då ville JAIC få tillgång till Mavens data, det fick Cukor inte heller med på och då skar det sig mellan dem. Skall väl tilläggas att den som var ansvarig för data inom DoD var Cukors “stridsparskamrat” från Irak / Afghanistan, så Cukor hade nog lite bias flyt också. Mavens data är troligt en av de mest känsliga inom hela DoD och Cukor ville inte att denna data skulle lämna Maven. Cukor stod på sig och hävdade nationell säkerhet och att säkerheten inte gick att säkerställa om den lämnade Maven.

När Cukor lämnade militären blev han Jamie Dimons (CEO JPMorgan) AI-protegé. Numera är han på TWG och driver AI på stor skala bl.a finns partnerskap med (surprise) Palantir, men även XAI och utländska SWFs som Mubadala.

Cukors inställning till AI är att det är inte tekniken som är farlig, det är dålig policy / dålig styrning som är det stora hotet.

Cukor gick från att vara underrättelseofficer inom Marinkåren till att ansvara för det troligt viktigaste projektet i modern tid inom den amerikanska militären. Idag tar Cukor det lite lugnare. Läser och surfar varje helg. Huset vid stranden har fortfarande idag en Marinkårsflagga vajandes.

Tidslinje

2011 - Cukor fick finansiella medel att starta det som senare skulle bli Maven.

2017 - Algorithmic Warfare Cross Functional Team startade med Generalen Jack Shanahan som chef och Cukor som den som gjorde jobbet.

2018 - Google drar sig ur p.g.a intern kritik. Microsoft (mest) och AWS samt Clarifai tar över. JAIC startas som övergripande DoD enhet för AI innovation, Generalen Jack Shanahan blir chef för JAIC.

2019 - Tokfokus på algoritmer och data.

2020 - Här börjar systemet bli en del av killchain dvs del av beslutsprocessen för att slå ut mål. Algoritmerna börjar nu med kvalitet kunna identifiera mål (ej besluta om mål). Nu börjar även Maven integreras med sensorsystem och taktisk utrustning.

2021 - Drew Cukor lämnar och går till JPMorgan.

2022 - Project Maven blir Maven Smart System (MSS) och flyttas runt en del och hamnar till slut till stor del hos NGA.

2022 - Maven stöttar Ukraina.

2026 - Alla delar av USA krigsmakt använder idag Maven.

Maven idag

Idag heter det Maven Smart System (MSS) och ligger under National Geospatial Intelligence Agency (NGA) och en liten del hamnade till slut hos CDAO dvs det som var JAIC. Shanahan fick till slut delvis sin vilja igenom även om han själv redan gått i pension. NGA är troligt en rättvisande hemmaplats. Det är fortfarande underrättelser, kartor, bilder och analys av dessa som är nyckeln. NGA är en hemlig enhet som bl.a. var de som tog fram alla kartor mm så att Seal Team 6 kunde bygga en modell av Usama bin Ladens hus innan Operation Neptune Spear som dödade Usama bin Laden.

Då Maven idag är så prominent så är det lite catfight över ansvar. Vad som händer under 2026 är oklart. Idag ligger ca 80% av data hos NGA. Det är allt relaterat till imaging och kartor dvs den stora delen. De 20% som är hos CDAO är data relaterat till sensor och taktisk utrustning. Detta samtidigt som det övergripande AI ansvaret ligger hos CDAO. Varför tar jag upp det igen, jo för den video som cirkulerat väldigt brett sista tiden är en presentation från Palantirs konferens AIPCON och hålls av chefen för CDAO. CDAO har en kul URL: https://www.ai.mil.

Lägger in videon med talet för det är en del fakta som sägs där som reder ut det många missuppfattat. Cameron Stanley, Chief Digital and Artificial Intelligence Officer of the Department of War, säger bl.a.

“We built the best computer vision models possible. They were built on our data, deployed on our systems.”

Det blir dock rörigt när Palantir numera har en produkt som heter just "Palantir Maven Smart System". Detta är en produktifiering av beslutslagret, det är inte hela Project Maven, men namnet är klart förvirrande. Därav att en kortare klippt version av nedan video skapat mycket uppmärksamhet. Den inleds med meningen "Detta är Palantirs Maven Smart System", har man inte hela kontext så är det lätt att tro att Maven = Palantir, vilket inte är korrekt. Nedan är hela oklippa versionen.

Maven utanför USA?

Nato

Nato beslutade i april 2025 att införa Maven och testkördes inledningsvis på AWS region Stockholm. Här kommer dock tiidigare nämnd namnförvirring in i bilden igen. I NATOs release står “Palantirs Maven Smart System” det avser integration, workflow, ontologi och inte data och algoritmer. Detta framgår även i Palantirs release där det framgår att europeiska algoritmer används.. Algoritmerna kommer från Tysklands Quantum Systems, Frankrikes Safran.ai och UKs Hadean. Det finns även uppgifter att NATO Maven inte körs alls i molnet utan endast on-prem (har dock ingen officiell källa på det).

UK

Även om det inte är formellt bekräftat tyder mycket på att UK håller på att införa Maven Smart System. Om det är USAs Maven eller Palantirs Maven Smart System är inte heller klart. Även hur det ser ut med algoritmer och moln är oklart. Det som är officiellt är att UK har ingått ett avtal med Palantir värt £1.5B över 5år där £750m ser ut att vara öronmärkt till försvaret.

Ukraina

Ukraina har inte själva Maven, men de har stöttats extensivt av USA med Maven kapacitet. Detta har gjorts främst av 18th Airborne från Wiesbaden i Tyskland.

Som beskrivits tidigare i posten är data-labelling en utmaning och inledningsvis var det enorma problem i Ukraina. Algoritmerna klarade inte av Ukrainsk terräng (de flesta algoritmer var bäst på Mellanöstern). Maven gick från en träffsäkerhet på identifiering på 80% till 30%. Det tog dock endast två veckor sen hade Microsoft, AWS och Maxar uppdaterat algoritmerna.

Maven var även supersegt. AWS fick rycka ut för att uppdatera. Massa data och paket förlorades då info skickades fram och tillbaka över Atlanten. AWS Snowballs och Starlink var viktiga för att lösa problemet.

I slutänden användes en blandning av Maven och Ukrainas eget Delta system. Delta blev med tiden bättre och bättre och behovet från Maven minskade.

Palantir bidrog på egen hand med tjänster. Palantir stöttar publikt Ukraina.

Scarlet Dragon

En viktig komponent i historien om Maven är tidigare nämnda 18th Airbourne. Scarlet Dragon är en övning som sker vart tredje år och som anordnas just av 18th Airborne. Nu till det som sticker ut. Det är en AI warfare övning. Det är här alla prylar med AI testas i en riktig miljö. Maven har givetvis varit en konstant deltagare.

Det var även 18th Airborne som skötte stödet till Ukraina. De gjorde det från Wiesbaden i Tyskland.

Moral och etik

Här kommer en del personliga tankar och således inte lika fakta baserat som allt ovan i posten. Personligen har jag svårt för “the scale” och snabbheten som Maven skapar. Det som oroar är om det finns utrymme för tillräcklig eftertänksamhet när allt är “en knapptryckning bort”. Knapptryckning = döda människor. Upplever att det uppkommer en risk för brutalare insatser än nödvändigt. Tiden för beslut blir så ofantligt kort och sker så ofta att kontakten mellan knapp och människoliv försvinner.

Här kan det senaste Iran-kriget (2026) vara ett exempel. Maven möjliggjorde att USA kunde identifiera enorma mängder mål redan första dagarna. Uppgifter som cirkulerar är 1000 mål första dygnet och 5000-6000 första två veckorna, detta har aldrig varit möjligt tidigare. Det kan vara bra i vissa lägen, men sämre i andra. Ta till exempel attacken mot flickskolan i Minab i Iran 2026, där 175 personer dog, varav 100 skolflickor. Jag vet inte om Maven var inblandat där, men som tankeexempel visar det hur brutal skalan kan bli när beslutstempot drivs upp. Korrelerar mängden bekämpade mål med resultatet? Hade resultat kunnat uppnås med mindre bekämpade mår? Frågorna är många och mer förstörele och död är inte alltid samma sak som snabbare och bättre resultat.

System som Maven kan även minska barriären för att starta krig, allt finns på skärmen, bara trycka på knappen så är det igång. Det blir för enkelt och dessutom svårare att reflektera över den mänskliga aspekten av krig.

Är Maven ett vapensystem?

Detta diskuteras inom den amerikanska militären, men de flesta verkar idag vara överens om att det är ett vapensystem. Bara för att Maven inte avfyrar själva vapnet betyder det inte att Maven inte är anledningen till att så sker. Maven sköter precis allt som sker innan dvs fram till att informationen skickas till systemen som hanterar själva avfyrandet. Maven är idag integrerat i flera avfyrningssystem inom alla försvarsgrenar (BAS-T et al).

Är det bra att andra länder använder Maven

Här blir det riktigt snårigt. Maven är ett amerikanskt system och själva motorn som får Maven att snurra är Palantir. Utan att sväva ut för långt här så ser jag personligen stora utmaningar med detta och att Nato, UK eller andra länder med svenska relationer eller för den delen Sverige själva skulle använda just Maven eller ens Palantir. Under denna rubrik syftar jag enbart på det moraliska och etiska och här har Palantir varit tydliga.

Nedan film från Palantirs senaste konferens beskriver väldigt tydligt vart Palantir står dvs kommer ett land, organisation eller liknande på kant med t.ex USA, så är lojaliteten från Palantir kristallklar.

Kommer ett företag som Palantir följa ingångna avtal när lojaliteten är så tydlig. Vad händer när det blir tveksamheter i relationerna med USA och / eller Palantir. De flesta företag sätter kunderna först, men Palantir sätter USA först, vital skillnad och bör beaktas.

Avseende just Palantir så finns en punkt många missförstår. Många är arga för att Palantir stöttar Israel, fokuserar på USA etc. Vi kanske tycker det är kontroversiellt, men i grunden för ett amerikanskt företag i denna industri är det nog mer normen än något annat. Tror vi kan applicera samma tankebana på t.ex svenska Saab. Det som skiljer Palantir från övriga är att dom är tydliga. Även om man inte delar deras syn, så är tydligheten något positivt. Tycker den tydligheten är uppfriskande. Ovan film är ett väldigt tydligt exempel.

Israel

När jag grävde i Maven så kom självklart Israel upp kontinuerligt i det jag hittade. Deras Lavender och Project Nimbus är på många sätt likt Maven och JWCC, men finns några tydliga skillnader, dels i teknik, men framförallt i policy. Post på detta kommer troligt snart, denna post är alldeles för lång redan.

UPDATE: Här finns en djupare analys av hur Israel militära AI-systemen Lavender, Who's Daddy och The Gospel.

Källor

Har försökt att ange källor / länkar på de flesta ställen jag kunnat. Många de lite mer granulära detaljerna kommer till stor del från den eminenta boken “Project Maven - A marine Colonel, his team, and the dawn of AI warfare” av Katrina Manson (journalist på bl.a. Financial Times och Bloomberg). Det är en ytterst faktagrundad bok med i stort uteslutande förstahandsuppgifter från intervjuer med alla inblandade bl.a. Drew Cukor. Boken finns där böcker finns (storytel, amazon).

Palantir är ett bolag som ofta diskuteras, men där många missförstår vad produkten faktiskt är. Den här texten är inte för eller emot, utan en saklig genomgång av vad Palantir är och inte är.

Vad är Palantir?

Enklast kan Palantir beskrivas genom följande värdekedja:

Integrationsmotor + ontologi + analyslager + processmotor / workflow

Lite utvecklat:

• Integrerar data från olika datakällor (mer om vad dessa är i kommande poster som tar upp olika kundprojekt och därmed även datakällor)
• Ontologi som gör att systemet förstår “verkligheten” dvs relationer, händelser och objekt. Detta är en av de största skillnaderna mot produkter som Databricks, Splunk och Snowflake
• Analyserar integrerad data genom AI, främst ML/deep learning men även LLM i vissa delar av produkten (AIP) och hos vissa kunder (inte alla). En tung LLM-leverantör är Anthropic
• Process- och workflowmotor med arbetsflöden och gränssnitt för användare att analysera och ta beslut. Tillsammans med ontologin är detta det som gör Palantir unikt

Har även skrivit om alternativen till Palantir.

Vad Palantir inte är

• Palantir är ingen datakälla. Det är kunddata eller partnerdata som integreras i plattformen
• Palantir är inte i sig en övervakningsplattform
• Palantir är inte ett AI som fattar egna beslut. Beslut fattas av människor

Varför blir det kontroversiellt?

Kontroversen handlar i praktiken inte om tekniken i sig, utan om hur den används hos kunderna samt hur företaget själva kommunicerar.

Palantirs ontologi, analyslager och workflow är utvecklade för att fungera i miljöer med stora mängder komplex och ofta känslig data, till exempel myndigheter, försvarsmakter och underrättelseorganisationer. När dessa organisationer integrerar sina datakällor i plattformen uppstår frågor kring övervakning och integritet.

Detta är tydligt i exempelvis projekt kopplade till DHS och ICE.

Det viktiga att förstå är att Palantir är ett verktyg. Det är kunderna som väljer vilken data som integreras och hur den används.

Palantir kan hos en kund bli en övervakningsplattform, men Palantir är inte i sig en övervakningsplattform. Det är en central och ofta missförstådd skillnad.

Implementation och suveränitet

Palantir kan implementeras som SaaS, hybrid, on-prem eller air-gapped, beroende på kundens krav. Detta är en viktig faktor i diskussioner om datasuveränitet och kontroll.

Vidare läsning

Har tidigare skrivit om en del andra delar som gör Palantir kontroversiellt. Vill du förstå hur denna typ av system används i praktiken och specifikt inom militären, läs gärna min detaljerade genomgång av Project Maven (Maven Smart System / MSS), där Palantir är operativt beslutslager och ontologi. Har även skrivit om hur Palantir har ett stort informationsövertag och hur AI-modellerna verklighetsuppfatting påverkas av detta.

Testa gärna appen och återkoppla med vad du tycker. Jag har själv kört den i snart 5år och nu är all data importerad i nya Mood.

Jag har redan använt Mood i nästan 1300 dagar

21 Augusti 2021 gjorde jag min första Mood. Det har blivit min dagbok och har gjort Mood-noteringar 76% av alla dagar sen dess. Den har faktiskt hjälpt mig en hel del för att reflektera över hur jag egentligen mår. Ibland tror man att man mår sämre än man gör (ibland tvärtom också) och det kommer fram i Mood. Så konverterade webb-Mood till iOS-Mood. Har haft den som en PWA som betett sig som en native app, men i grunden en webbsida med både backend och databas. Nu är Mood en native iOS app utan backend och utan databas. Det gamla är helt nedstängt och jag kör nu endast via denna iOS app.

Man kan bara göra ett Mood per dag och kravet är just ett Mood dvs klicka på en ikon med dagens humör. Sen kan man lägga till bild, vilket har gjort att det blivit lite av ett privat instagram för mig, då jag bara kan göra en post per dag och ingen annan ser bilden, så ger det en ärlig bild av dagen. Värdefullt på nått vis! Man kan även lägga till en notering, plats, sömn / träning (Apple Health) samt väder.

Efter midnatt låses posten och den går inte att ändra eller uppdatera. Kommer du på att du missade dagens post så har man till kl 10.00 nästa dag på sig.

Man kan se sina mood på en karta, i ett fotoalbum eller i en kalender. Sen finns en hel analys sida, där man kan se hur ens mood utvecklar sig över tid. Saker som att du är gladare när du tränar eller sover bra etc.

Mood är helt utan backend och utan central databas

Precis som med DogTrack K9 så finns inget backend och ingen central databas, allt lagras i appen. Apple har verifierat att ingen data delas med utvecklare. Vill man ha backup så finns export (JSON + fotomapp) eller iCloud (frivilligt) till ditt privata iCloud, datan är krypterad. Precis som med DogTrack K9 så rekommenderar jag att slå på ADS i iCloud settings för tillräcklig säkerhet. Det innebär att du sitter på krypteringsnyckeln och inte Apple, vilket gör att även om amerikansk lag kräver det, så kan inte Apple låsa upp datan.

Sammanfattning

Jag vet att en dagboks-app är en isolerad app med en enda användare, men jag säger det igen, om vi ändrar vårt tankesätt till att vi inte behöver veta allt om de som använder våra system hela tiden, så kan vi skapa lösningar som minskar riskerna med person data som läcker, risker med datahantering, privacy, säkerhet och suveränitet.

Jag behöver inte veta mailadressen eller namn på de som laddar ner Mood. Jag behöver inte veta hur ofta de öppnar appen eller hur många bilder de lägger upp eller för den delen hur länge de är inne i appen. Och inget av detta kan jag får reda på med Mood heller. Jag vet bara hur många gånger appen laddats ner, thats it!

Data behövs för våra affärsbeslut, men behöver vi allt, tycker vi kan skruva ner volym-ratten lite så är det ett steg i rätt riktning.

Nu blir det inga fler appar på ett tag 😅 men jag kommer att lägga till funktiner i Mood kontinuerligt. Närmast ligger lite tydligare analys samt en Apple Watch app för de dagarn du vill logga ditt mood på absolut enklaste sätt.