13. July 2026
Den kjente tech-profilen George Hotz (Geohot) har nylig rykket ut med et friskt oppgjør mot den rådende AI-hypen. Han understreker at han elsker hva store språkmodeller (LLM-er) faktisk kan gjøre i dag, men advarer kraftig mot den oppblåste boblen av urealistiske forventninger som omgir teknologien.
Hotz peker på at dagens modeller er fantastiske verktøy for alt fra koding til tekstbehandling, men at markedsføringen ofte tilskriver dem en form for menneskelig intelligens de rett og slett ikke besitter. Når selskaper investerer blindt basert på visjoner om "kunstig generell intelligens" fremfor praktisk nytteverdi, legger de grunnlaget for kostbare feilinvesteringer.
For selskaper som utvikler egen programvare eller driver med omfattende IT-utvikling, betyr dette at man bør fokusere på umiddelbar effektivisering av eksisterende ansatte fremfor å vente på en fremtidig AI-revolusjon som skal gjøre alt arbeidet automatisk. I stedet for å prøve å erstatte hele ledd i organisasjonen, bør man integrere språkmodeller som avanserte støtteverktøy som fjerner administrative tidstyver. For prosjekteiere handler det om å kjøpe konkrete verktøy som løser dagens problemer, fremfor å investere i luftige fremtidsvisjoner.
Over en kaffekopp kan vi oppsummere det slik: Slutt å lete etter den magiske AI-medarbeideren som skal styre butikken selv. Se heller på AI som en ekstremt kjapp assistent som gjør dine beste folk enda mer effektive. Les hele refleksjonen her.
En fersk forskningsrapport belyser et økende problem i takt med at selskaper automatiserer prosessene sine: "Automatisering uten forståelse". Rapporten advarer mot å rulle ut autonome AI-systemer i kritiske ledd uten å ta høyde for at modellene mangler reell, kontekstuell forståelse av oppgavene de utfører.
Mange bedrifter opplever stor suksess med å la AI ta over rutineoppgaver fordi systemene er eksepsjonelt gode på mønstergjenkjenning. Problemet oppstår når det dukker opp uforutsette situasjoner eller avvik fra normalen. Siden AI-en ikke forstår hvorfor reglene eller prosessene eksisterer, feiler den ofte på måter et menneske med minimal opplæring enkelt ville ha unngått.
For logistikkaktører og finansinstitusjoner som opererer med små marginer og strenge regulatoriske krav, understreker dette viktigheten av et "human-in-the-loop"-design. AI-en kan gjerne generere utkast til kontrakter, ruteplaner eller kredittvurderinger, men kritiske beslutninger må fortsatt kvalitetssikres av ansatte med erfaring og sunn fornuft. For driftsledere handler det om å bygge avvikshåndtering direkte inn i systemarkitekturen, slik at uvanlige data automatisk routes til et menneske i stedet for å bli behandlet på autopilot. Les forskningsartikkelen her.