Jo mere jeg arbejder med kunstig intelligens, desto mindre interesseret bliver jeg i, hvilken model der ligger øverst på benchmarkene.
Det lyder måske underligt. For udviklingen af frontier-modellerne er noget af det mest spændende, der sker i teknologibranchen lige nu. Men samtidig er jeg begyndt at opleve en voksende afstand mellem den debat, der fylder blandt dem, der udvikler og følger AI tæt, og den virkelighed, jeg møder, når AI skal omsættes til et værktøj i en almindelig arbejdsdag. Det har fået mig til at tænke på, om vi måske stiller de forkerte spørgsmål.
Endnu en lancering, endnu en debat
For nylig sad jeg og fulgte endnu en lancering. Endnu en ny sprogmodel fra endnu en af de store aktører, og endnu en runde af den samme debat, der altid følger. Hvem er nu bedst? Hvem topper benchmarkene? Hvem kan ræsonnere længst, kode hurtigst, løse de sværeste matematiske opgaver? Det er en debat, jeg kender godt, for jeg har fulgt den i årevis, og jeg vil gerne indrømme, at jeg selv har ladet mig rive med i den. Der er noget ved konkurrencen mellem OpenAI, Anthropic, Google og de andre, der er svært ikke at blive fascineret af. Det er teknologisk fremskridt i realtid, og det er sjældent, man får lov at følge et kapløb så tæt på.
Men et sted undervejs begyndte jeg at hæfte mig ved noget andet. En lille uoverensstemmelse mellem den debat, jeg fulgte om aftenen, og den virkelighed, jeg mødte om dagen.
Det ingen spørger om
Jeg arbejder til daglig med AI i en stor international virksomhed. En del af mit arbejde handler om at hjælpe kolleger med at forstå, hvordan kunstig intelligens kan blive en del af deres arbejdsdag, ikke som en teknisk øvelse, men som noget der rent faktisk letter deres opgaver. Og det er her, forskellen for alvor bliver tydelig. For ingen kommer hen til mig og spørger, hvilken model der er bedst til abstrakt matematisk ræsonnement. Ingen spørger, om den ene model kan slå den anden på seneste benchmark. De spørgsmål hører hjemme i tech-medier og på Twitter, ikke ved skrivebordet.
De spørgsmål, jeg faktisk møder, er langt mere jordnære. Kan AI hjælpe med at skrive en ordentlig e-mail? Kan den opsummere et alt for langt dokument, så jeg slipper for at læse det hele? Kan den give mit slide et bedre sprog? Kan den oversætte den her tekst, eller hjælpe mig med at strukturere en idé, jeg ikke selv kan få hold på?
Det slog mig en dag, mens jeg sad med endnu en af de samtaler, at vi taler om AI på en måde, vi aldrig ville tale om andet software.
Ingen kårer en vinder mellem Excel og Photoshop
Tænk over det. Ingen virksomhed spørger, hvilket program der er det bedste i verden. Spørgsmålet giver ikke rigtig mening, når man siger det højt. Excel er ikke bedre end PowerPoint. Photoshop er ikke bedre end Outlook. De er lavet til forskellige ting, og vi vurderer dem efter, hvor godt de løser netop den opgave, vi har foran os. Ingen ville finde på at rangere dem på en fælles skala og kåre en vinder.
Måske er det her, AI er på vej hen. I de første år har vi været optaget af at finde den bedste model. Men ligesom med al anden software når der et tidspunkt, hvor spørgsmålet ændrer sig. Ikke fordi modellerne bliver mindre interessante, men fordi de bliver redskaber. Måske er vi bare ikke helt landet der endnu, fordi teknologien er så ny, og fordi lanceringerne stadig føles som begivenheder.
Forestil dig en økonomiafdeling og en marketingafdeling i samme virksomhed. De sidder måske to etager fra hinanden, men deres arbejdsdag har næsten intet til fælles. Økonomiafdelingen lever i regneark, rapporter og tal, der skal stemme. Her giver det god mening at vælge en løsning som Copilot, fordi den er vævet tæt sammen med Microsoft 365, Outlook, Teams og Excel, det system, de i forvejen lever i. Marketingafdelingen arbejder med noget helt andet: sprog, idéer, kampagner, tone. Her vil mange opleve, at en model som ChatGPT eller Claude giver mere, fordi den sproglige kvalitet og evnen til at udvikle en idé fylder mere end integrationen til et regneark.
Begge valg kan sagtens være rigtige. Det interessante er, at de ikke behøver at konkurrere med hinanden. De løser to forskellige opgaver for to forskellige mennesker.
En portefølje frem for ét valg
Jeg tror, vi har været for hurtige til at antage, at en virksomhed skal vælge én AI-platform, på samme måde som man engang valgte ét ERP-system eller ét CRM-system og så levede med det valg i ti år. Men måske bliver fremtidens AI-landskab langt mere sammensat end det. Måske ender virksomheder med at bygge en portefølje af modeller, hvor forskellige værktøjer bruges til forskellige opgaver. Nogle valgt på grund af integration, andre på grund af sproglig kvalitet, andre igen fordi de opfylder krav til datasuverænitet eller compliance, som slet ikke handler om, hvor “intelligent” modellen er.
Hvis det bliver virkeligheden, ændrer det også vores blik på frontier-modellerne, dem der topper alle benchmarks og fylder alle overskrifterne.
De bliver ikke mindre vigtige af den grund. Tværtimod. De er stadig drivkraften bag de store teknologiske spring, og hele branchen lærer stadig af det, de kan. Uden dem ville udviklingen gå langt langsommere, og de mindre, mere specialiserede modeller, som senere finder vej til virksomheder og almindelige brugere, ville ikke udvikle sig i samme tempo. Men deres rolle er måske en anden, end den offentlige debat giver indtryk af. At en model er den mest avancerede i verden lige nu, betyder ikke automatisk, at den er den mest værdifulde i den konkrete arbejdssituation, du eller jeg står i klokken ni en tirsdag morgen.
Fra teknologi til mennesker
Den erkendelse synes jeg er interessant, netop fordi den flytter fokus. Væk fra teknologien, benchmarkene, kapløbet. Og hen mod mennesker. For i sidste ende handler kunstig intelligens jo ikke om, hvem der vinder næste runde. Den handler om, hvorvidt et menneske kan løse sit arbejde en anelse bedre, en anelse hurtigere, med en anelse højere kvalitet, end det kunne i går.
Derfor tror jeg også, vi i de kommende år kommer til at stille et andet spørgsmål, end det der fylder debatten i dag.
Vi kommer ikke til at spørge, hvilken AI der er den bedste.
Vi kommer til at spørge, hvilken AI der er den rigtige til opgaven.
Det lyder som en lille sproglig forskel, næsten en detalje.
Jeg tror, det er begyndelsen på en helt anden måde at tænke kunstig intelligens på.
