Går AI-evolutionen for langsomt? For nogen, måske. Men nye undersøgelser viser, at AI-området faktisk udvikler sig hurtigere end forventet. Hvad der derimod lige nu ikke udvikler sig hurtigt nok, er Danmarks adaption af AI. En manglende adaption, der lige nu koster os omkring 75 mia. kroner i tabte produktivitetsgevinster – hvert år. Av.
Ifølge de nyeste analyser fra både METR og NVIDIA er udviklingen af AI ikke bare i gang – den accelererer. Men hvor AI-teknologien stormer frem, halter danske virksomheder fortsat bagefter.
Lad os stille skarpt på udfordringen sammen.
Da ChatGPT udkom i 2022 og blev billedet på generativ AI i populærkultur, var alle blown away over, hvad teknologien kunne. For det var nyskabende og banebrydende. Men siden da? Tja, mange har ikke oplevet den samme "wow"-følelse. Og det får nogen til at tro, at udviklingen er gået i stå.
Det er den ikke. Altså slet, slet ikke.
7-måneders springet
Ny forskning fra nonprofit-organisationen METR, der er dedikeret til at udvikle videnskabelige metoder til at vurdere AI-risici og fremtidsperspektiver, viser, at AI’s evne til at performe handler i særdeleshed om omfanget og kompleksiteten af en opgave.
Lige nu er AI for eksempel enormt god til at udføre opgaver, som normaltvist ville have taget et menneske op til fire minutter at fuldføre. AI har dog på nuværende tidspunkt sværere ved at opnå gode resultater ved opgaver, der normaltvist tager mennesker mere end 4 timer at løse.
Det mest interessante ved undersøgelsen er dog, hvor hurtigt AI rent faktisk udvikler sin evne til at tackle mere komplekse og omfangsrige opgaver.
METR's forskning viser nemlig, at AI's evne til selvstændigt at udføre længere opgaver indtil videre er fordoblet cirka hver syvende måned.
Den hurtige udvikling antyder, at AI inden for de næste fem år kan overtage opgaver, der i øjeblikket kræver menneskelig indsats over flere dage eller uger.
For hvor en fordoblingstid på syv måneder til en start virker som en mindre udvikling (tænk 4 minutter, der bliver til 8), så tager udviklingen altså rigtig hurtigt fart – med store forandringer til følge.
Svar med tankevirksomhed
Denne hastige udvikling af evner ser vi også i forbindelse med de nye reasoningmodeller, som vi også tidligere har skrevet om her.
Fremkomsten af reasoningmodeller har flyttet generativ AI fra at være chatmodeller, der får et spørgsmål og besvarer det, på baggrund af mønstre i data og læring, til at være modeller, der faktisk kan ræsonnere og lære, som arbejdet skrider frem. Altså AI med evnen til at tænke i trin, tjekke eget arbejde og justere kursen undervejs, hvis den opdager, at dens arbejde ikke er optimalt.
Men med AI, der fordobler sin evne til at håndtere opgaver ift. både kompleksitet og omfang hver 7. måned og AI-modeller, der i al hast bliver i stand til at håndtere opgaver på et mere menneskeligt niveau, følger også andre udviklinger.
100x mere computerkraft på ét år
På den nylige NVIDIA GTC-konference breakede NVIDIAs CEO, Jensen Huang, at avancerede AI-modeller, især dem med evnen til at ræsonnere og handle autonomt, kræver flere ressourcer at bruge end tidligere modeller. En del flere, hvis vi skal være helt ærlige.
Dette betyder at AI nu bruger op til 100 gange mere computerkraft, end man havde forventet for bare ét år siden. En stigning, der skyldes de komplekse processer involveret i opgaver som ræsonnering og problemløsning.
Vi kigger altså ind i en virkelighed, hvor AI udvikler sig hurtigere og bruger langt mere computerkraft, end nogen havde kunnet forvente for bare ét år siden. How's that for slow moving technology?
Kort sagt: Selvom udviklingerne måske ikke virker helt så eksplosivt banebrydende, som da vi i 2022 for første gang blev bekendt med ChatGPT, så udvikler AI sig som teknologi fortsat i en rivende fart.
Men lad os lige kigge på det modsatte af høj fart.
Hvis AI udvikler sig – hvorfor står vi så stille?
For skal vi pege på én ting, der faktisk er langsom, når vi snakker om AI? Så er det danske virksomheder adaption af AI. For som du måske selv har oplevet, er vi i Danmark nemlig en smule forsigtige, hvad angår AI. Og dette begynder vi at se afspejlet.
En nyere analyse fra Boston Consulting Group viser, at kun 16% af danske funktionærer bruger Generativ AI på ugentlig basis i deres arbejde. Et tal, der er signifikant lavere end det europæiske gennemsnit på 54% og det globale gennemsnit på hele 61%. Og hvor den gennemsnitlige europæiske bruger af GenAI oplever at spare 5.3 timer om ugen ved at bruge AI til at løse deres arbejdsopgaver, er vi i Danmark nede på kun 2.3 timers besparelse.
Og det har en klar konsekvens. For i danske virksomheder og organisationer går vi, pga. den manglende adaption, lige nu glip af op imod 75 milliarder kroner årligt i tabte produktivitetsgevinster og misset vækstpotentiale.
Vi skal altså måske droppe den løftede pegefinger mod alt det, AI som teknologi ikke kan endnu, og i stedet vende blikket ind mod os selv, vores medarbejdere eller organisationer og stille spørgsmålet: “Hvordan får vi AI ind i vores hverdag - nu?”.
