Chistian M. Andersen har lavet et super skriv, som også er super langt selv i linkedin-sammenhæng. -selv Stepahn Engberg kommer med næsten begejstrede kommentarer og det sætter lidt målet for kvaliteten.
Som ikke-akademiker ville det nok lidt tage pusten fra mig at skulle skrive et resume af artiklen, så jeg bad mistral om hjælp ;-)
Her er et struktureret resume af Christian M. Andersens artikel: (via chat.mistral.ai)
"Teknologiens kejser har ingen klæder – Myten om AI's uundgåelige dominans og revalueringen af den menneskelige kapital" (3. maj 2026).
Kernetese
Artiklen dekonstruerer myten om, at AI uundgåeligt vil erstatte menneskelig arbejdskraft på stor skala. Gennem empirisk forskning (bl.a. fra MIT, Gartner, NVIDIA, Uber) og økonomiske analyser argumenteres der for, at 77% af arbejdsopgaverne fortsat er billigere og mere effektive at udføre med mennesker – og at den aktuelle AI-hype er drevet af teknologisk determinisme, markedsføring og magtkoncentration snarere end økonomisk rationalitet.
Hovedpointer
- Den økonomiske illusion: AI er ikke altid omkostningseffektiv
MIT-studie (2024–2026): Kun 23% af opgaverne er økonomisk rentable at automatisere med AI (f.eks. computervision). For de resterende 77% er menneskelig arbejdskraft billigere, mere agil og pålidelig.
Årsager:
Tårnhøje driftsomkostninger: Store sprogmodeller (LLM’er) kræver kontinuerlig regnekraft, energi og vedligeholdelse (f.eks. NVIDIAs compute-omkostninger overstiger lønninger). "Jagged intelligence": AI excellerer i smalle domæner, men fejler katastrofalt i tilstødende opgaver → kræver menneskelig overvågning. Aftagende marginalafkast: At forbedre AI fra "god" til "nær-perfekt" kræver eksponentielt mere regnekraft (Acemoglu, 2024: 0,66% stigning i produktivitet over 10 år).
Eksempler:
Uber (2026): AI-budget for Claude (Anthropic) "fordampede" midt på året → virksomheden må ansætte flere ingeniører. Gartner (2026): Kun 28% af AI-projekter leverer forventet ROI; 20% fejler totalt (årsager: manglende kompetencer, dårlig datakvalitet).
- Afmonteringen af "eksponeringsmyten"
MIT CSAIL (2024–2026): Det er irrelevant, hvad AI kan gøre i laboratorier. Det afgørende er, hvad der er økonomisk rentabelt at automatisere.
Upfront-omkostninger: Skræddersyning, datarensning, træning og vedligeholdelse gør AI dyrere end lønninger for de fleste opgaver. Gradvis udrulning: Selv med 20% årlig prisnedsættelse på AI-systemer, vil det tage årtier, før automatisering bliver bredt rentabel.
Generative AI (LLM’er):
MIT-studie (2026): De bedste modeller (GPT-5, Claude Opus) klarer 50% succesrate for opgaver, der tager mennesker 3–4 timer (2024). I 2025 forventes dette at gælde for ugelange opgaver – men fuld automatisering (80–95% succesrate) først i 2029–2030’erne. "Human-in-the-loop" er nødvendig: AI fejler 5–20% af tiden i kritiske workflows → menneskelig ekspertise skal rette op, hvilket underminerer gevinsten.
- AI’s produktivitetsparadoks: Mere aktivitet, færre resultater
Gartner (2026):
Traditionel AI (maskinlæring) giver 37% produktivitetsgevinst. Generativ AI (GenAI) giver kun 34% – mindre end forventet. Årsager:
"Job creep": AI sænker tærsklen for at starte opgaver → medarbejdere påtager sig flere opgaver (f.eks. produktchefer skriver kode). Eksperter belastes: Specialister (f.eks. ingeniører) skal rette AI-genereret "vibe coding" (upålidelig kode) → arbejdsbyrde fordobles. Operationel friktion: GenAI skaber kaos i arbejdsgange og mistillid (f.eks. supply chain-studie: 72% implementerede GenAI, men gevinsterne kaskaderede ikke gennem organisationen).
Løsningen (Gartner):
Succesfulde virksomheder investerer 4x mere i datakvalitet, governance og opkvalificering end i AI-software.
- Den moralske omkostning: Magt, etik og dehumanisering
Hegemoni og magtkoncentration:
NVIDIA, Google, Meta kontrollerer infrastruktur, data og lobbyisme → skaber digital kolonialisme (udnyttelse af billig arbejdskraft i Global Syd til træning af AI). Gramscis kulturelle hegemoni: Narrativet om AI’s "uundgåelighed" er konstrueret af tech-giganter for at sælge hardware og frygt.
Etiske risici:
Overvågning og alienation: Algorithmer bruges til at måle medarbejderes præstation sekund for sekund → faldende moral og produktivitet (UK Parliament, 2026). "Omsorg erstattet med koder": AI reducerer komplekse sociale fænomener (f.eks. kundesager) til datapunkter → tab af empati og nuanceret dømmekraft. Irreversibel implementering: Når AI er dybt integreret, er det umuligt at fjerne bias eller tilføje etik bagefter (Tirana Business University, 2026).
Ledelsens rolle:
Ledere må skifte fra supervisorer til etiske arkitekter, der sikrer transparens, retfærdighed og menneskelig agens. Fare: Hvis AI erstatter menneskelig dømmekraft i kritiske beslutninger (f.eks. lån, kundeservice), eroderer tilliden til virksomheden.
Konklusion: Teknologiens kejser er nøgen
Økonomisk realitet:
77% af opgaverne er for dyre at automatisere med nuværende AI. Menneskelig arbejdskraft er billigere, mere pålidelig og kontekstforstående.
Teknologisk realitet:
AI udvikler sig som "stigende vand" (gradvis) – ikke en styrtbølge (pludselig disruption). Fuld automatisering (80–95% succesrate) først i 2029–2030’erne – og kræver menneskelig supervision.
Ledelsesmæssig realitet:
AI er ikke en tryllestav – 28% succesrate for AI-projekter viser, at kultur og proces er afgørende. Investering i mennesker (opkvalificering, governance) giver højere afkast end investering i sorte bokse.
Moralsk realitet:
AI må forstærke – ikke erstatte – mennesker. Etik og transparens skal indbygges fra dag 1, ellers risikerer virksomheder tab af tillid og legitimitet.
Opgør med myterne
- "AI tager alle jobs": Falsk. Kun 23% af opgaverne er rentable at automatisere.
- "AI er billigere end mennesker": Falsk. Driftsomkostninger (compute, energi, vedligehold) overstiger lønninger.
- "AI løser alle problemer": Falsk. 38% af projekterne fejler pga. manglende kompetencer og dårlig data.
- "AI er uundgåeligt": Falsk. Det er et konstrueret narrativ drevet af tech-giganters magt.
Fremtidens vindere
De organisationer, der lykkes, er dem, der:
✅ Fokuserer på menneskelig kapital (opkvalificering, trivsel).
✅ Investerer i datakvalitet og governance (4x mere end i AI-software).
✅ Anvender AI til at forstærke – ikke erstatte – mennesker.
✅ Prioriterer etik og transparens fra start.
Afsluttende observation
"Teknologiens kejser har ingen klæder. Frelsen findes ikke i koden alene – den findes i det menneske, kejseren febrilsk forsøgte at fyre."