Det är inte AI som bubblar, utan förväntningarna
Det här är en opinionstext, åsikterna är skribentens egna.
De senaste veckorna har det varit mycket prat om AI-bubblan. Men vad är det egentligen som bubblar?
I januari 2025 släppte det kinesiska AI-företaget Deep Seek en ny språkmodell. Den tog världen med storm, och inom loppet av några dagar rasade chipjätten Nvidias börsvärde med 600 miljarder dollar.
Det berodde inte på att Deep Seek hade byggt något revolutionerande. Det var för att de hade byggt något tillräckligt bra, för en bråkdel av den kostnad som de amerikanska techjättarna satt på sina modeller.
Plötsligt blev det tydligt att de astronomiska summor som pumpats in i AI-infrastruktur kanske inte var nödvändiga. Myten om att bara de dyraste chipen duger visade sig vara just det – en myt.
De senaste veckorna har det varit mycket prat om AI-bubblan. Men vad är det egentligen som bubblar?
Här gäller det att skilja päron från äpplen. Spamfilter sorterar bort oönskade mejl.
Bildigenkänning i cancerdiagnostik skapar värde.
Tekniken utvecklas, sakta men säkert. Men förväntningarna, värderingarna och investeringarna har skenat.
Rekommendationssystem, röststyrning och prediktionsmodeller finns inbyggda i vardagliga tjänster. Alla exempel på osynliga AI-lösningar som vi knappt tänker på.
Det som bubblar är marknaden för generativ AI: språkmodeller och andra system som producerar nytt innehåll utifrån mönster i träningsdata. Chat GPT, Gemini, Copilot, Claude – olika namn på tjänster som bygger på samma grundteknologi.
Tekniken utvecklas, sakta men säkert. Men förväntningarna, värderingarna och investeringarna har skenat.
Historien har sett det här förut. På 1840-talet pumpades pengar in i järnvägarna. Bubblan sprack, investerare förlorade. Men järnvägarna blev kvar och byggde grunden för industrialiseringen.
Just nu befinner vi oss i gränslandet mellan hype och nytta, där det kan vara svårt att skilja användbara lösningar från dyra svar på påhittade problem.
Dot-com-bubblan vid millennieskiftet utplånade tusentals företag, men internet försvann inte. I stället blev det en av våra viktigaste infrastrukturer.
Mönstret är detsamma: den inledande hypen byts ut i besvikelser, men tekniken överlever och användningen landar i stabil nytta. Någonstans mellan utopistiska framtidsvisioner och dystopiska domedagsprofetior.
Det kommer att hända även nu: tekniken kommer finnas kvar och användas där den faktiskt gör skillnad.
Just nu befinner vi oss i gränslandet mellan hype och nytta, där det kan vara svårt att skilja användbara lösningar från dyra svar på påhittade problem.
Ingen vill halka efter, och FOMO (Fear of Missing Out), rädslan att gå miste om något, gäller inte bara privatpersoner, utan har blivit en institutionsrisk.
Problemet är inte tekniken. Problemet är tempot och skalan.
När organisationer rullar ut system utan att riktigt veta vad de ska användas till, konsulter säljer ”AI-transformationer” som om tekniken vore målet i sig, och budgetposter för ”AI-satsningar” växer snabbare än förståelsen för vart pengarna går – då uppstår ett gap mellan kostnad och nytta.
För små organisationer och offentlig sektor är det en farlig sits.
Men vad händer om systemen kräver mer anpassning, handpåläggning och mänsklig översyn än planerat?
Med redan pressade budgetar blir frestelsen stor att se generativ AI som en genväg: automatisera bort kostnader, effektivisera processer, ersätta personal.
Men vad händer om systemen kräver mer anpassning, handpåläggning och mänsklig översyn än planerat?
Då är det inte tekniken som svikit, utan förväntningarna som varit felkalibrerade.
Så vad gör man?
Man testar i liten skala. Ställer den enkla men samtidigt svåra frågan: vilket problem försöker vi lösa? Man bygger in en plan B.
Generativ AI är inte magi. Det är en teknik som är bra på vissa saker och sämre på andra. Den kommer att hitta sin plats: mindre dramatisk än hypen lovar, men mer användbar än skeptikerna tror.
Järnvägarna överlevde sin bubbla. Internet överlevde sin. Det kommer även generativ AI att göra.
Men vi kan gott sluta låtsas att vi redan vet exakt hur.
Här kan du läsa fler kolumner av Linda Mannila.