Den artificiella intelligensbubblan och upprepningen av ett gammalt marknadsmisstag

Varje större teknisk omvandling bär på en paradox, där den, även om den är oundviklig, också överskattas på kort sikt. Artificiell intelligens verkar ha nått exakt den punkten, inte för att den är ömtålig eller flyktig, utan för att den har upphöjts för tidigt till tillståndet av en oundviklig destination.

Frågan är därför inte om AI är relevant, detta är redan löst. Den ärligaste frågan är om marknaden lyckas skilja infrastruktur från eufori, verkligt narrativt värde och konkreta resultat av välpaketerade löften.

Historien erbjuder en parallell till detta scenario, där järnvägarna i slutet av 1800-talet symboliserade framtiden och att investera i räls innebar att satsa på framsteg. Problemet är att vid ett givet tillfälle slutade den importera där rälsen tog, det räckte för att de skulle existera. Linjer byggdes utan efterfrågan, företag uppstod utan en hållbar affärsmodell och felaktiga mätvärden började definiera framgång, såsom installerade och icke-passagerarkilometer.

Idag är talet annorlunda, men mönstret upprepas med större modeller, fler parametrar och fler bearbetade tokens. Sofistikerade tekniska mätvärden kopplade dock ofta bort från den operativa påverkan. Liksom tidigare mättes framstegen genom utbyggnaden av järnvägsnätet, innovation mäts nu med modellskalan, inte av det levererade resultatet.

Bara under 2024 nådde globala investeringar i AI-startups cirka $ 110 miljarder US$, enligt en analys av DealRoom, Data Platform och Intelligence. Dessa investeringar koncentrerades till största delen på initiativ som fortfarande var osäkra, med oklara avkastningscykler. Samtidigt såg vi att en del av företagen som startade storskaliga AI-projekt inte kunde gå från pilot till produktion konsekvent. Denna flaskhals är sällan teknisk, ekonomisk, organisatorisk och operativ.

Denna oöverensstämmelse ogiltigförklarar inte tekniken, tvärtom, precis när järnvägsbubblan sprack, investerare förlorade pengar, företag försvann och trots det fanns spåren kvar och blev kritisk infrastruktur för den industriella tillväxten under de följande decennierna. Detsamma tenderar att hända med artificiell intelligens.

Den största risken ligger inte i den eventuella marknadskorrigeringen, utan i det psykologiska som följer med höjden av varje bubbla, vilket är rädslan för att bli kvar. När diskursen blir “om du inte adopterar nu kommer du att bli irrelevant”, rationalitet ger vika för brådska och strategiska beslut fattas utifrån ångest, inte analys.

Vid det här laget bör vissa frågor föregå alla större AI-initiativ, såsom: Finns det verklig efterfrågan på denna applikation eller tvingar vi ett problem att motivera lösningen? Är avkastningen på investeringen mätbar eller bara beräknad på presentationer? Pratar beräknings-, energi- och driftskostnader till den förväntade nyttan? Finns det tillräckligt med styrning för att hantera risker som systemfel, modellhallucinationer och regulatoriska effekter? Att ignorera dessa problem är att sätta spår där det inte finns någon väg.

Det är i denna miljö av tryck som skillnaden mellan de som använder den bildas som en strategisk rekvisita och som införlivar den som en strukturell fördel. Organisationer som korsar bubblor med mognad är de som behandlar teknik som ett medel, inte ett mål, kopplar den till tydliga processer, objektiva indikatorer och konkreta affärsbeslut. Att förstå att smart automation inte handlar om att ersätta allt, utan om att orkestrera bättre det som redan finns.

Artificiell intelligens kommer verkligen att omdefiniera operationer, produktivitets- och beslutsmodeller, men inte på det magiska sätt som många berättelser antyder. Precis som stigarna som verkligen frodas var de som var kopplade till städer, industrier och människor, kommer AI:n som kommer att överleva att vara kopplad till verkliga problem, tydliga mätvärden och hållbara resultat.