Den kunstige intelligensboblen og gjentakelsen av en gammel markedsfeil

Hver større teknologisk transformasjon bærer et paradoks, der det er uunngåelig, selv om det også er overvurdert på kort sikt. Kunstig intelligens ser ut til å ha nådd akkurat det punktet, ikke fordi den er skjør eller flyktig, men fordi den har blitt hevet for tidlig til tilstanden som uunngåelig destinasjon.

Spørsmålet er derfor ikke om AI er relevant, dette er allerede løst. Det mest ærlige spørsmålet er om markedet klarer å skille infrastruktur fra eufori, reell narrativ verdi og konkrete resultater av godt pakkede løfter.

Historien tilbyr en parallell til dette scenariet, der jernbanene på slutten av 1800-tallet symboliserte fremtiden og å investere i skinner betydde å satse på fremgang. Problemet er at det i et gitt øyeblikk sluttet å importere hvor skinnene tok, det var nok til at de fantes. Linjer ble bygget uten etterspørsel, selskaper dukket opp uten en bærekraftig forretningsmodell og feil beregninger begynte å definere suksess, for eksempel installerte og ikke-passasjerkilometer.

I dag er talen annerledes, men mønsteret gjentas med større modeller, flere parametere og flere behandlede tokens. Sofistikerte tekniske beregninger ble imidlertid ofte koblet fra den operasjonelle effekten. Som tidligere ble fremgang målt ved utvidelsen av jernbanenettet, innovasjon måles nå ved modellskalaen, ikke ved levert resultat.

Bare i 2024 nådde globale investeringer i AI-startups rundt 110 milliarder US$, ifølge en analyse fra Dealroom, Data Platform and Intelligence. Disse investeringene var hovedsakelig konsentrert i initiativer som fortsatt var prekære, med uklare avkastningssykluser. Samtidig så vi at en del av selskapene som startet storskala AI-prosjekter ikke var i stand til å gå fra pilot til produksjon konsekvent. Denne flaskehalsen er sjelden teknologisk, økonomisk, organisatorisk og operasjonell.

Dette misforholdet ugyldiggjør ikke teknologien, tvert imot, akkurat da jernbaneboblen sprakk, investorene tapte penger, selskaper forsvant, og likevel forble sporene og ble kritisk infrastruktur for den industrielle veksten de påfølgende tiårene. Det samme har en tendens til å skje med kunstig intelligens.

Den største risikoen ligger ikke i den eventuelle markedskorreksjonen, men i det psykologiske som følger med høyden på enhver boble, som er frykten for å bli etterlatt. Når diskursen blir “Hvis du ikke adopterer nå, blir du irrelevant”, gir rasjonalitet plass til hastverk og strategiske beslutninger tas basert på angst, ikke analyse.

På dette tidspunktet bør noen spørsmål gå foran ethvert større AI-initiativ, for eksempel: Er det reell etterspørsel etter denne applikasjonen eller tvinger vi et problem for å rettferdiggjøre løsningen? Er avkastningen på investeringen målbar eller bare anslått på presentasjoner? Snakker beregnings-, energi- og driftskostnader med forventet fordel? Er det nok styring til å håndtere risikoer som systemfeil, modellhallusinasjoner og regulatoriske konsekvenser? Å ignorere disse problemene er å sette spor der det ikke er noen rute.

Det er i dette presset miljøet at forskjellen mellom de som bruker det dannes som en strategisk rekvisitt og som inkorporerer det som en strukturell fordel. Organisasjoner som krysser bobler med modenhet er de som behandler teknologi som et middel, ikke et mål, som kobler den til klare prosesser, objektive indikatorer og konkrete forretningsbeslutninger. Å forstå at smart automatisering ikke handler om å erstatte alt, men om å orkestrere bedre det som allerede eksisterer.

Kunstig intelligens vil faktisk redefinere operasjoner, produktivitet og beslutningsmodeller, men ikke på den magiske måten som mange fortellinger antyder. Akkurat som stiene som virkelig trives var de som var knyttet til byer, industrier og mennesker, vil AI som vil overleve være koblet til reelle problemer, klare beregninger og bærekraftige resultater.