den kunstige intelligens-boble og gentagelsen af en gammel markedsfejl

Enhver større teknologisk transformation bærer et paradoks, hvor selvom det er uundgåeligt, er det også overvurderet på kort sigt. Kunstig intelligens ser ud til at have nået præcis det punkt, ikke fordi den er skrøbelig eller flygtig, men fordi den er blevet ophøjet for tidligt til tilstanden af uundgåelig destination.

Spørgsmålet er derfor ikke, om AI er relevant, dette er allerede løst. Det mest ærlige spørgsmål er, om markedet formår at adskille infrastruktur fra eufori, reel narrativ værdi og konkret resultat af velpakkede løfter.

Historien tilbyder en parallel til dette scenarie, hvor jernbanerne i slutningen af det 19. århundrede symboliserede fremtiden, og investering i skinner betød at satse på fremskridt. Problemet er, at det på et givet tidspunkt holdt op med at importere, hvor skinnerne tog, det var nok til, at de kunne eksistere. Linjer blev bygget uden efterspørgsel, virksomheder opstod uden en bæredygtig forretningsmodel, og forkerte målinger begyndte at definere succes, såsom installerede og ikke-passagerkilometer.

I dag er talen anderledes, men mønsteret gentages med større modeller, flere parametre og mere bearbejdede tokens. Sofistikerede tekniske målinger, dog ofte afbrudt fra den operationelle påvirkning. Som tidligere blev fremskridt målt ved udvidelsen af jernbanenettet, innovation måles nu ved modelskalaen, ikke ved det leverede resultat.

Alene i 2024 nåede globale investeringer i AI-startups omkring US$ 110 milliarder, ifølge en analyse fra DealRoom, Data Platform og Intelligence. Disse investeringer var for det meste koncentreret i initiativer, der stadig var prekære, med uklare afkastcyklusser. Samtidig så vi, at en del af virksomheder, der startede store AI-projekter, ikke var i stand til at flytte fra pilot til produktion konsekvent. Denne flaskehals er sjældent teknologisk, økonomisk, organisatorisk og operationel.

Dette misforhold ugyldiggør ikke teknologien, tværtimod, lige da jernbaneboblen brast, tabte investorer penge, virksomheder forsvandt, og alligevel forblev sporene og blev kritisk infrastruktur for den industrielle vækst i de følgende årtier. Det samme plejer at ske med kunstig intelligens.

Den største risiko ligger ikke i den eventuelle markedskorrektion, men i den psykologiske, der følger med højden af enhver boble, som er frygten for at blive efterladt. Når diskursen bliver “hvis du ikke adopterer nu, bliver du irrelevant”, rationalitet viger for hastværk, og strategiske beslutninger tages baseret på angst, ikke analyse.

På dette tidspunkt bør nogle spørgsmål gå forud for ethvert større AI-initiativ, såsom: Er der reel efterspørgsel efter denne applikation, eller tvinger vi et problem til at retfærdiggøre løsningen? Er investeringsafkastet målbart eller blot fremskrevet på præsentationer? Taler beregnings-, energi- og driftsomkostninger til den forventede fordel? Er der nok styring til at håndtere risici såsom systemiske fejl, modelhallucinationer og regulatoriske virkninger? At ignorere disse problemer er at placere spor, hvor der ikke er nogen rute.

Det er i dette presmiljø, at forskellen mellem dem, der bruger det, er dannet som en strategisk rekvisit, og som inkorporerer det som en strukturel fordel. Organisationer, der krydser bobler med modenhed, er dem, der behandler teknologi som et middel, ikke et mål, og forbinder den med klare processer, objektive indikatorer og konkrete forretningsbeslutninger. At forstå, at smart automatisering ikke handler om at erstatte alt, men om at orkestrere bedre, hvad der allerede eksisterer.

Kunstig intelligens vil faktisk omdefinere operationer, produktivitet og beslutningsmodeller, men ikke på den magiske måde, som mange fortællinger foreslår. Ligesom de stier, der virkelig trives, var dem, der var forbundet med byer, industrier og mennesker, vil den AI, der vil overleve, være forbundet med reelle problemer, klare målinger og bæredygtige resultater.