Til årets årlige gjennomgang ba jeg AI-agenten om å gjøre en grundig databasert inventar av meg selv. Denne prosessen deles fordi den lar deg enkelt gjennomføre profesjonell datamining uten noen programmeringserfaring. Det er enda enklere enn Vibe Coding, og krever: full data + Coding Agent. For å validere øvre grense for denne prosessen valgte jeg bevisst den største og mest komplekse 10-årige helseprofilen av personopplysninger for stresstesting. 1️⃣ Dataskala og behandlingsterskel Det som til slutt ble eksportert fra Apple Health-appen, var en kopi av rå helsedata fra en Apple Watch på opptil 3,5 GB i størrelse. Dette dokumentet inneholder hundretusener av hjertefrekvensmålinger, samt ulike fysiologiske indikatorer med svært fin granularitet. Før AI tok over, måtte jeg bruke minst noen dager på å forske på Python-biblioteker og analysere komplekse XML-datastrukturer for å håndtere data i denne skalaen. Dette er ofte den største hindringen for mange når de skal «kvantifisere seg selv». 2️⃣ Agent-aktiverte arbeidsflyter Da vi introduserte Coding Agents som OpenAI Codex eller Claude Code, ble hele prosessen fullstendig forvandlet. Du trenger ikke lenger å fokusere på spesifikke kodeimplementasjoner, bare definere "analysemålet". Agenten kjører automatisk en rekursiv løkke: den forsker autonomt på datastrukturer → skriver Python-prosesseringsskript → støter på unntak → undersøker og fikser koden på nytt. Den kan fullføre hele prosessen fra rengjøring til analyse uavhengig, og hjelpe meg med å fullføre mange av mine tidligere ideer som ble satt på vent på grunn av høye tekniske kostnader. Hvis du ikke vet hvordan du skal starte, kan du først fortelle den bakgrunnen for oppgaven og de tilhørende filene, slik at den kan utforske på egenhånd, for eksempel: ...