Forskaren: AI-racet riskerar bubbeltendenser

– Ett grundläggande antagande bakom alla de här investeringarna är att AI är ett enormt teknikskifte som påverkar hela ekonomin. Men historien visar att teknikinvesteringar i sig inte automatiskt ger produktivitetsvinster. Robert Solow sa redan på 80-talet att han såg datorer överallt utom i produktivitetsstatistiken. För att AI ska ge långsiktig effekt krävs komplementära investeringar i organisation, arbetssätt och processer. Det är den mänskliga sidan av teknikskiftet – och den tar tid, säger han till Techtidningen.

Det innebär att AI-investeringar riskerar att bli kostnadsdrivande snarare än produktivitetsdrivande – om inte organisationen förändras i takt med tekniken.

Tre osäkerheter avgör utvecklingen

Joakim Wernberg beskriver AI-marknaden i ett läge där flera avgörande frågor fortfarande är öppna.

– Vi har tre stora osäkerheter just nu: hur användarna faktiskt kommer att arbeta med tekniken, hur värdekedjorna runt modellerna kommer att se ut och hur affärsmodellerna i slutändan ska fungera. Allt detta är i rörelse samtidigt. I ett så stort teknikskifte är det snarare regel än undantag att vi får någon form av bubbeltendens – frågan är hur den ser ut och hur omfattande den blir.

Det innebär att AI-investeringar kan bli kostnadsdrivande snarare än produktivitetsdrivande – om organisationen inte förändras i takt med tekniken.

”Skalning är inte hela lösningen”

Kapplöpningen mellan de stora aktörerna har till stor del handlat om att bygga större modeller och mer kapacitet. Men mer kapital och mer datorkraft är inte nödvändigtvis hela svaret, menar han.

– Det är inte säkert att mer kapital löser allt. Stora språkmodeller är ett kraftfullt verktyg, men de är inte hela lösningen. Om investeringstakten springer långt före den faktiska omställningen i hur tekniken används uppstår spekulation. Det är inte nödvändigtvis bra eller dåligt – men det är en risk man måste vara medveten om.

Utvecklingen kan därmed komma att präglas av perioder av överinvesteringar, följt av korrigeringar – något som historiskt har varit vanligt i stora teknikskiften.

Lärdomar från molnet

Joakim Wernberg pekar också på paralleller till molnrevolutionen. Investeringarna där har skapat betydande effektiviseringar – men också nya beroenden.

– Molninvesteringarna var inte ett misstag. De har skapat stora effektivitetsvinster. Men många företag underskattade hur beroende de blev. I vår undersökning såg vi att även stora företag uppgav att ett avbrott på 24 timmar skulle slå direkt mot kärnverksamheten. Det betyder att varje företag måste ha en plan för redundans och kontinuitet.

AI-tjänster levereras i dag på liknande sätt.

– AI-tjänster är i dag mjukvarubaserade och levereras på distans, precis som molntjänster. Det skapar ekonomisk nytta – men också nya beroenden. Företag behöver fundera på vad som händer om tjänsten försvinner, om priserna förändras eller om affärsmodellen skiftar. Anpassningsförmåga blir avgörande.

Nya beroenden – även i mindre värdekedjor

Samtidigt varnar han för att fokuset på de globala jättarna riskerar att bli för snävt.

– Vi tenderar att fokusera på de stora AI-bolagen, men det kommer också att växa fram kortare och mer nischade datakedjor mellan företag. Där måste man lika noggrant analysera vilka beroenden som uppstår. Det handlar inte bara om relationen till de globala jättarna.

För it-chefer och beslutsfattare innebär det att AI inte bara är en fråga om att välja rätt modell eller leverantör – utan om att bygga organisatorisk beredskap, redundans och flexibilitet i en marknad som fortfarande formas.