Den 3 september började som vilken torsdag som helst – tills den plötsligt inte var det längre. Inom loppet av ungefär 90 minuter drabbades Chat GPT, Claude, Grok och till och med Microsofts egen Copilot av försämrad prestanda eller lade av ned, till följd av ett fel i Microsoft Azures region ”East US”. Downdetector registrerade mer än 37 000 rapporter enbart för Chat GPT, över 1 300 för Claude och cirka 1 365 för Grok. Open AI:s statussida visade på ett ökat antal fel i 15 Chat GPT-komponenter och fyra Codex-komponenter, och när teknikerna väl hade fått åtgärder på plats hade det sammanlagda antalet rapporter stigit till över 66 000.
Det som gjorde denna händelse anmärkningsvärd var inte omfattningen av något enskilt avbrott, utan att de inträffade samtidigt. Tre hårt konkurrerande AI-laboratorier – Open AI, Anthropic och xAI – lägger var och en miljarder på att differentiera sina modeller, men alla tre kollapsade nästan samtidigt eftersom de delade samma regionala beroende. Gemini förblev för övrigt i stort sett intakt eftersom Google kör sin flaggskeppsassistent på sin egen vertikalt integrerade molnplattform. Det avbrott som slog ut konkurrenterna hade ingen attackyta inom Googles systemarkitektur. Det är inte tur; det är arkitekturen.
Lärdomen som döljer sig i detaljerna från den morgonen är denna: En enda molnregion blev instabil, och fyra av de mest framstående AI-tjänsterna på planeten, ägda av fyra olika företag, gick ner samtidigt. Copilots inblandning är kanske den mest talande detaljen. Microsofts egen assistent körs på Microsofts eget moln, och ändå hade den en tuff morgon. När själva huset skakar vet man att felet ligger djupt i de delade infrastrukturlagren, inte i någon kunds konfiguration.
Det här är inte en berättelse om att ”AI är opålitligt”. Det här är en berättelse om koncentrerad risk, och varje företagsarkitekt bör nu se över sina egna beroendekartor på nytt.
En snabbt växande sprängradie
Här kommer den del som verkligen bör förändra ditt sätt att tänka. Det handlade om konsumentinriktade chattbotar som hade en dålig morgon. Föreställ dig nu samma felmönster sex månader framåt i tiden, när företagets stora språkmodeller, AI-agenter och agentdrivna kärnapplikationer sköter verksamheten på samma typ av delad molninfrastruktur.
I det här scenariot sträcker sig konsekvenserna till finansiella arbetsflöden, leveranskedjor, kundsupport, kodningspipelines och interna verksamheter. När en agent som koordinerar inköp eller driver er bokslutsprocess slutar fungera har ni ett större problem än att en avdelning förlorar ett chattfönster. Det handlar om automatiserade beslut, transaktioner och kundinteraktioner som stannar upp i stor skala, medan människor kämpar för att ta reda på vad agenterna gjorde och inte gjorde före avbrottet.
Det innebär en betydligt större ekonomisk påverkan än om en nyckelapplikation ligger nere i några timmar, eftersom du inte bara förlorar drifttid. Du förlorar genomströmningen i system som ersatte manuellt arbete och personalstyrka. Företag omarbetar i tysthet sin arkitektur utifrån antagandet att agenter, stora språkmodeller och AI-inbyggda applikationer utgör en pålitlig infrastruktur. Det är de inte. Ännu. De bygger på samma molnregioner, samma kantnätverk och samma lastbalanserare som redan i år har orsakat ett 28-timmarsavbrott i AWS US-East-1, en störning som drabbade 33 tjänster hos Google Cloud och 13 avbrott hos Cloudflare på åtta dagar. Var och en av dessa incidenter kostar riktiga pengar, och ingen av dem hade den typ av beroendeskikt för agentstacken som vi nu implementerar ovanpå.
Detta är viktigt eftersom vi inte har någon bra metod för att förstå de fullständiga kedjor av ömsesidiga beroenden som redan finns på plats. Era agenter anropar LLM:er, som körs i molnregioner. De bygger på leverantörsinfrastruktur som ni inte har tecknat avtal om, bakom leverantörer som själva kan vara beroende av tre lager av andra leverantörer. Företagen bygger upp denna beroendestruktur snabbare än de hinner kartlägga den, och jag skulle påstå att de flesta inte ens känner till sin verkliga exponering (vilka leverantörer, vilka regioner, vilka domäner med kaskadfel) förrän ett driftstopp inträffar och ekonomiavdelningen skickar en förlustsiffra.
Ni kör på mjukvara som ni aldrig valt
Tänk på vad som faktiskt ingår i en genomsnittlig företagsstack år 2026. Din huvudbok är en SaaS-produkt. Ditt CRM-system är en SaaS-produkt. Ditt HR-system, din dokumenthantering och ditt ärendehanteringssystem för kundsupport är alla SaaS, alla multitenant, och alla körs någonstans du aldrig har sett. Och varje leverantör körs på en molninfrastruktur som de har valt utifrån sina egna ekonomiska och arkitektoniska beslut. Du har ingen insyn i detta och, i de flesta fall, inga avtalsvillkor som kräver insyn.
Så när Azures region i östra USA drabbas av driftstörningar är det inte bara Microsofts kunder som påverkas. Det är alla som är beroende av någon som i sin tur är beroende av Microsoft. Generativa AI-tjänster havererade spektakulärt, men det gjorde även supportbotar, kodningsassistenter, interna sökverktyg och automatiserade arbetsflöden inom företag som aldrig har betalat Microsoft ett öre. Du kanske inte tror att ett driftavbrott hos AWS eller Microsoft kommer att påverka dig eftersom du inte är deras direkta kund. Men dina kärntjänster bygger på deras, så när de går ner, går du också ner. Och i takt med att dina LLM:er och agenter blir verksamhetens operativa lager snarare än ett överlager på den, blir den kopplingen allt starkare för varje driftsättning.
Jag är inte säker på att de flesta företag verkligen har beräknat den risken i kronor och ören. Att en enda molnregion är ur funktion i ett par timmar, medan verksamheten står stilla till ett värde av 100 miljoner per timme, är inte längre något ovanligt scenario. Vi såg omfattningen av förra årets sammanlagda förluster, och jag är inte övertygad om att företagen ens kan sätta fingret på var deras sårbarhet är som störst.
En ärlig jämförelse med lokala system
Nu ska jag vara rättvis, för någon kommer säkert att anklaga mig för att kritisera molnet. Interna lokala system går också ner, och det har de alltid gjort. Servrar går sönder, strömavbrott inträffar, migreringar misslyckas. Jag har ägnat en stor del av min karriär åt att städa upp efter katastrofer i lokala system. Jag hävdar inte att egen infrastruktur i sig är mer tillförlitlig timme för timme.
Men felmekanismerna skiljer sig i grunden åt i ett avgörande avseende. När ditt eget system går ner begränsas felet vanligtvis till ett system du förstår, som sköts av personal du anställer, med beroenden du kan räkna upp. Med molntjänster och SaaS har du accepterat en kedjereaktion av delade beroenden som du inte har utformat, inte kan se och inte kan åtgärda själv. Det är en helt annan riskprofil, och de flesta riskregister har inte hunnit ikapp den utvecklingen.
Vad du bör göra för att förbereda dig
Kartlägg först dina verkliga beroendekedjor, inklusive specifikt agent- och LLM-lagret. Dina AI-orkestreringslager och kodningsagenter är nu en del av din kritiska kedja, inte en lyx. Katalogisera vilka av dem som körs hos vilka molnleverantörer och i vilka regioner, och kräv att varje SaaS- och molnleverantör redovisar sina hostingberoenden som ett villkor för att göra affärer. Om en leverantör vägrar, betrakta det som en väsentlig riskupptäckt, inte som ett försäljningshinder.
För det andra: utforma arkitekturen för fel i din egen miljö. Allt som är affärskritiskt, inklusive agenternas arbetsflöden, behöver reservlogik som spänner över mer än en leverantör eller region, där failover faktiskt testas under belastning och inte bara finns nedtecknat i en pärm. Utforma agentdrivna processer så att de kan hantera gradvis försämring, så att ett två timmars avbrott minskar genomströmningen istället för att stoppa den helt. De flesta organisationer upptäcker under verkliga incidenter att deras ”redundanta” system delar samma felområde som de primära.
För det tredje: kvantifiera risken och lägg fram den för ledningen. Beräkna kostnaden för en timmes driftstopp för varje kritisk affärsprocess, inklusive intäkter, produktivitet, böter och skada på anseendet, och presentera exponeringen ärligt. I takt med att stora språkmodeller och agenter tar över en större del av företagets kärnverksamhet stiger kostnaden per timme för att förlora dem kraftigt. Inte förrän en siffra som ”100 miljoner per timme” dyker upp i en riskdiskussion på styrelsenivå kommer något strukturellt att förändras.
Jag reser jorden runt och tittar på företags-AI-projekt hela tiden, och här är det som oroar mig mest: Jag ser sällan att verklig sårbarhets- och tillförlitlighetshantering är inbyggd i dessa agentimplementeringar. Teamen arbetar snabbt, sätter agenter i drift och behandlar molnet i bakgrunden som något som helt enkelt alltid kommer att finnas där. Hyperskalarna satsar hundratals miljarder på AI-kapacitet, och tillförlitligheten för äldre arbetsbelastningar konkurrerar om samma operativa uppmärksamhet.
Utgå från att nästa regionala driftstopp är på väg. Utgå från att det kommer att drabba dina agenter hårdare än dina appar. Se till att när det händer så står din verksamhet fortfarande på fötterna medan dina konkurrenter lägger upp ursäkter på sociala medier.