17. June 2026
OpenAI har i samarbeid med ledende kjemikere vist at AI-modeller nå kan forutsi og optimalisere utfordrende kjemiske reaksjoner innen medisinsk kjemi. Ved å foreslå nye reaksjonsveier har AI-en klart å øke utbyttet av komplekse molekyler betydelig, noe som tradisjonelt har krevd ekstremt tålmodig laboratoriearbeid.
Tradisjonell kjemisk syntese er en av de største flaskehalsene i utviklingen av nye produkter, preget av uker med prøving og feiling for å finjustere temperaturer, katalysatorer og løsemidler. OpenAI demonstrerer nå at moderne modeller kan analysere enorme mengder kjemiske data og predikere de mest optimale forholdene langt mer presist enn menneskelig intuisjon alene.
I farmasøytiske selskaper og bioteknologiske oppstartsbedrifter kan denne teknologien kutte tidsbruken på tidligfase-forskning dramatisk. Ved å la algoritmer ta over den kjedelige prøve-og-feile-prosessen i laben, kan forskningsavdelinger redusere råvarekostnader og flytte dyktige hoder over på mer strategisk utvikling. Dette flytter AI ut av kontorlandskapet og rett inn i kjernen av fysisk produktutvikling i milliardindustrier.
Les mer hos OpenAI.
Tiffany Luck fra det profilerte risikokapitalselskapet NEA rapporterer om et markant skifte i styrerommene i Silicon Valley. Trenden med "tokenmaxxing" – der selskaper ukritisk oppfordret ansatte til å pøse på med AI-bruk uansett kostnad – har møtt veggen etter at gigantiske regninger har begynt å rulle inn. Blant annet skal transportselskapet Uber ha svidd av hele sitt årlige AI-budsjett på rekordtid før bremsene ble satt på.
Tidligere har fokuset ligget på raskest mulig adopsjon av generativ AI for å ikke havne bakpå i digitaliseringen. Nå krever finansdirektører og styrerom konkrete bevis på verdiskaping. Det holder ikke lenger at ansatte sparer noen minutter her og der; investeringene må forsvares med faktiske bunnlinjetall.
For selskaper med store kundesenter- eller innholdsavdelinger som vurderer å rulle ut store språkmodeller i drift, betyr denne trenden at man må etablere streng kostnadskontroll og knallharde KPI-er fra dag én. Tiden der man kunne forsvare AI-investeringer utelukkende som "læring og innovasjon" er over. Teknologidirektører må belage seg på å kreve mer gjennomsiktige prismodeller fra leverandørene, og sikre at de faktiske effektivitetsgevinstene er større enn de løpende API-utgiftene.
Hør hele samtalen hos TechCrunch.