12. July 2026
Det har ulmet i utvikler- og skribentmiljøene den siste tiden, og nå bobler frustrasjonen over til overflaten. Anthropic sin språkmodell, Claude, som lenge har vært hyllet som den ubestridte kongen av nyansert tekst og kompleks koding, opplever nå et merkbart tilbakeslag fra sine mest lojale brukere. Mange rapporterer at de nyeste oppdateringene har gjort modellen tregere, mer preget av unnvikende svar (såkalt "refusal"), og at den har mistet den kreative gnisten som gjorde den unik.
Bakgrunnen for dette er det evige dilemmaet i AI-bransjen: "alignment" og kostnadsoptimalisering. Når selskaper som Anthropic skalerer opp, må de gjøre modellene sikrere mot misbruk og mer økonomiske i drift. Dette fører ofte til at modellene blir overdrevent forsiktige eller "lobotomert" i forsøket på å spare regnekraft. For de som bruker disse verktøyene profesjonelt hver dag, føles dette som om favorittkollegaen plutselig har blitt en rigid byråkrat.
For teknologidirektører og produktutviklere som har bygget tjenester oppå Claudes API, er dette en vekker. Det viser risikoen ved å gjøre seg avhengig av én enkelt leverandør uten å ha en plan B. Hvis arbeidsflyten i din bedrift – enten det er automatisert kundesupport eller kodegenerering – plutselig opplever kvalitetsfall på grunn av en oppdatering du ikke har kontroll over, kan det skade sluttbrukeropplevelsen. Løsningen fremover blir å designe systemer som enkelt kan rute oppgaver mellom ulike modeller (for eksempel veksle mellom OpenAI og Anthropic) basert på løpende kvalitetstester. Les mer om saken her.
I teknologikretser snakker man ofte om "kentaure" – ideen om at et menneske og en AI sammen utgjør en uslåelig enhet, der mennesket styrer og maskinen utfører. Nå advarer samfunnsdebattanter om at vi er i ferd med å skape det motsatte: Omvendte kentaure (reverse centaurs). Dette er systemer der den kostbare AI-en sitter i førersetet og tar beslutningene, mens billig, menneskelig arbeidskraft blir redusert til manuelle "støttehjul" som må rydde opp i maskinens feil og mangler.
Dette paradokset oppstår når selskaper iverksetter AI-tiltak for raskt uten å tenke på arbeidsflyten. I stedet for at teknologien frigjør tid til strategisk tenkning, ender høyt utdannede medarbeidere opp med å bruke dagene sine på å faktasjekke middelmådige AI-genererte utkast, eller utføre repetitive oppgaver diktert av et rigid algoritme-system. Det er en oppskrift på både lav produktivitet og synkende medarbeidertilfredshet.
For HR-direktører og operasjonelle ledere som skal designe fremtidens arbeidsprosesser, gir dette en viktig lekse. Hvis du erstatter menneskelig skjønn med en algoritme, og deretter må bruke ressurser på at ansatte må overvåke og korrigere den samme algoritmen, har du ikke effektivisert – du har bare flyttet kostnaden. Selskaper som lykkes best med AI, snur formelen på hodet: De lar menneskene beholde den kreative og strategiske kontrollen, og bruker maskinlæring som en akselerator, ikke som en sjef. Les hele analysen her.