En enda natt förändrade allt
Den 30 november 2022 lade ett amerikanskt AI-bolag ut en chatbot på internet. Utan fanfarer, utan presskonferens. De trodde kanske att 100 000 personer skulle prova den under hela det första året.
En miljon testade den på fem dagar.
Inom två månader hade ChatGPT 100 miljoner användare – snabbare än något annat digitalt verktyg i historien. Plötsligt kunde vem som helst ha ett samtal med en dator som svarade som en människa. Inte för att den förstod vad den sa, exakt. Men den producerade text som lät som om den förstod.
Det var ett genombrott som hade byggts upp under 70 år.
Decennierna innan dramat
AI som begrepp är gammalt. Redan på 1950-talet drömde forskare om maskiner som kunde tänka. Men framstegen var ryckiga. Decennier av entusiasm följdes av perioder av besvikelse – så kallade "AI-vintrar" – när löftena visade sig tomma och finansieringen torkade ut.
Det avgörande skiftet kom 2017 när en grupp Google-forskare publicerade ett papper med titeln Attention is All You Need. De beskrev en ny arkitektur för neurala nätverk: transformatorn. Idén var elegant. Istället för att behandla ord i en mening ett i taget kunde modellen väga varje ords relation till alla andra ord – och lära sig vilka kopplingar som var viktiga.
Det var motorn som ChatGPT, Claude, Gemini och nästan alla moderna AI-system bygger på.
Under åren som följde tränade bolag sina modeller på allt mer data och med allt mer beräkningskraft. 2020 lanserade OpenAI GPT-3, en modell med 175 miljarder parametrar – de matematiska vikter som avgör hur modellen svarar. Den var 100 gånger större än sin föregångare. Resultaten var häpnadsväckande.
Sedan kom 2022. Och ChatGPT.
Vad kan dessa modeller faktiskt göra?
Kortsvaret: förvånansvärt mycket. Och fortfarande förvånansvärt lite.
Språkmodeller är idag genuint imponerande på text. De kan skriva, sammanfatta, översätta, förklara, omformulera, föra argument och generera kod i i stort sett vilket programmeringsspråk som helst. En läkare kan mata in ett patientfall och få en differentialdiagnos att diskutera. En jurist kan klistra in ett kontrakt och be om en genomgång av riskerna. En gymnasieelev kan be om en förklaring av kvantfysik anpassad till hennes förkunskaper.
Modellerna kan numera hantera bilder, ljud, video och text i kombination. Du kan ta ett foto av en skadad cykelkedja och fråga vad som är fel. Du kan peka en kamera mot en meny på franska och få den översatt i realtid.
Det som exploderat senast är agenter – AI-system som inte bara svarar på frågor utan faktiskt utför uppgifter. Du kan ge en agent i uppdrag att boka dina resor, söka igenom 500 dokument, eller skriva och testa ett helt mjukvaruprogram. Anthropics kodningsassistent Claude Code lanserades i februari 2025. Inom sex månader hade fyra procent av alla offentliga kodändringar på GitHub gjorts av just det verktyget.
Det är en siffra värd att stanna vid.
Vad kan de inte göra?
Lika viktigt som vad de kan: vad de inte klarar.
Språkmodeller "hallucinerar" – de hittar på fakta med samma självsäkerhet som de redogör för verkliga. Frågar du om ett specifikt rättsfall, en vetenskaplig studie eller en historisk detalj kan du få ett svar som låter korrekt men är delvis eller helt fel. Det är inte en bugg som snart är åtgärdad. Det är en konsekvens av hur modellerna fungerar: de förutsäger nästa troliga ord, de verifierar inte sanningen.
Matematisk och logisk resonering är ett annat känt svagt område. Enkla aritmetikproblem går bra. Flerstegslogik med abstrakta variabler kan gå snett på ett sätt som är svårt att förutsäga.
Och modellerna förstår egentligen ingenting om den fysiska världen. De vet inte vad det innebär att hälla vatten i ett glas. De kan skriva en recept men vet inte vad det känns som att knåda deg. Det är ett grundläggande problem när AI ska styra robotar eller agera i den verkliga världen – inte bara i text.
Tre bolag dominerar världen
Marknaden för generativa AI-modeller är idag nästan ett oligopol. Tre aktörer kontrollerar tillsammans nära 90 procent av vad storföretag spenderar.
OpenAI skapade startskottet med ChatGPT och är fortfarande störst i konsumentled med runt 800 miljoner användare. Google med sin Gemini-familj äger en unik fördel: miljarder människor använder redan Google Sök, Gmail och Android, och AI byggs sakta in i varje produkt. Anthropic – grundat av en grupp som lämnade OpenAI i protest mot säkerhetsarbetet – har fokuserat på företagskunder och gick nyligen om OpenAI i andelen amerikanska företag som betalar för deras verktyg.
Utanför dessa tre finns Meta, som öppet publicerar sina Llama-modeller för att vem som helst ska kunna ladda ner och använda dem – en strategi som dels är välgörenhetsarbete, dels undergräver konkurrenternas affärsmodeller. Och kinesiska DeepSeek visade i januari 2025 att det går att träna modeller av toppklass till en bråkdel av kostnaden, vilket skickade chockvågor genom Silicon Valley.
Att ta sig in i detta sällskap är extremt svårt. Att träna en ny toppmodell kostar idag flera miljarder dollar i beräkningskraft. OpenAI har offentligt förbundit sig till investeringar i datacenters för 1 400 miljarder kronor. Pengarna – och de gigantiska datorhallar de köper – är en vallgrav som nästan inga nykomlingar kan hoppa över.
Vad gör Sverige?
Sverige är i ett märkligt mellanläge.
Från ett teknikperspektiv är landet imponerande. Fler enhörningar per capita än något annat land utanför Silicon Valley. Klarna hanterade under 2025 kundtjänstuppgifter med AI som annars hade krävt 700 heltidsanställda. Lovable – ett stockholmsbaserat bolag som låter vem som helst bygga appar utan att kunna koda – var i början av 2026 ett av världens snabbast växande AI-bolag.
Från ett folkperspektiv är bilden sämre. I EY:s globala undersökning från 2026 med 18 000 svaranden hamnar Sverige i den lägsta kategorin för AI-adoption – tillsammans med Finland, Japan och Storbritannien. Bara 37 procent av svenska befolkningen känner sig bekväma med AI, mot 49 procent globalt. Sex av tio saknar helt utbildning i ämnet.
Regeringen presenterade i februari 2026 sin första nationella AI-strategi, med målet att Sverige ska placera sig bland världens tio främsta AI-länder. Kritiker är snabba att påpeka att den offentliga forskningsbudgeten – runt 100 miljoner kronor per år – är löjlig i jämförelse med vad enskilda bolag spenderar. Men AI Sweden, det nationella centret för tillämpad AI, arbetar med EU-projektet OpenEuroLLM för att ta fram europeiska öppna språkmodeller, och den svenska GPT-SW3-modellen är tränad på svenska och nordiska språk.
Sverige är inte i täten. Men landet är inte ute ur leken heller.
Vad händer härnäst?
På kort sikt – de närmaste två till tre åren – är agenter den stora förändringen. Inte en AI som svarar på frågor, utan en AI som faktiskt arbetar åt dig under timmar eller dagar. Bokar, söker, sammanfattar, skriver, testar, skickar. Effekten på kontorsjobb kan bli mer dramatisk än vad de flesta hittills räknat med.
På längre sikt är alla prognoser osäkra – men trenden pekar åt ett håll. Forskarnas medianbedömning för när AI klarar i stort sett alla kognitiva arbetsuppgifter bättre och billigare än människor har skiftat från 2047 (2023 års bedömning) till 2040 (2024) och nu till mitten av 2030-talet i många bedömningsmodeller. Chefer för de ledande bolagen – Dario Amodei på Anthropic, Sam Altman på OpenAI – pekar mot slutet av detta decennium.
De kan ha fel. Stora genombrott följer inte tidtabeller. Men om tempot håller i sig har vi kanske tio år på oss att räkna ut hur samhället ska förhålla sig till maskiner som gör det mesta av det vi kallar tankearbete.
Det är en kort tid.
---
Källor
- OpenAI, Anthropic, Google DeepMind – offentliga produktlanseringar och årsrapporter - Vaswani m.fl. (2017), Attention Is All You Need, Google Research - Ramp AI Index, maj 2026 - EY AI Sentiment Index 2026 (18 000 svaranden, 23 länder) - AI Sweden, Impact Report 2025 - Sveriges regering, AI-strategi 2026 (februari 2026) - Brookings Institution, What happens when AI companies compete with their customers? (mars 2026) - 80,000 Hours, When will AGI arrive? (mars 2025) - RAND Corporation, AGI timeline survey, februari 2026 - Eurostats data om företagsadoption av AI, 2025
Vad tyckte du om artikeln?
