Bedrifter henger år bak AI-fronten: Sakte adopsjon, ikke mangel på modeller, bremser veksten

Debatten om å bremse utviklingen av avanserte AI-modeller, ofte kalt «pacing», overser den virkelige utfordringen for næringslivet: bedrifter henger år bak AI-fronten. Det er ikke mangelen på banebrytende modeller som bremser økonomisk vekst fra AI, men heller bedriftenes evne til å integrere og benytte seg av de teknologiene som allerede finnes. Historien viser at brede produktivitetsgevinster fra nye teknologier tar flere tiår å materialisere seg. En fersk undersøkelse blant selskaper viser at over to tredjedeler peker på datakvalitet som den primære barrieren for AI-implementering. Kun syv prosent beskriver dataene sine som «helt klare» for AI, og mange mangler en grunnleggende datastrategi. Dette strukturelle problemet gjør at selv med de mest kapable AI-systemene, som ChatGPT, vil adopsjonen i bedriftsmiljøer være en langsom prosess. Flere bedrifter fokuserer nå på å automatisere oppgaver som kan løses med eldre AI-modeller. Dette betyr også at selskapene selv setter tempoet for AI-utrulling, uavhengig av hva utviklingslaboratoriene bestemmer. Et eksempel er at eldre generasjons brikker, som CPU-er, finner ny nytte i å håndtere de praktiske inferens-oppgavene som dominerer etterspørselen i virksomheter, i stedet for å bruke kostbare GPU-er. AI-adopsjon i bedrifter kan deles inn i tre faser: assistanse (for eksempel copiloter som hjelper ansatte), orkestrering (agentbaserte arbeidsflyter med menneskelig godkjenning) og autonomi (ende-til-ende automatiserte prosesser). De fleste sjefer i Fortune 500-selskaper befinner seg fortsatt i den første fasen, og investerer i forberedelsene til den neste. For norske virksomheter betyr dette at den praktiske implementeringen av AI handler mer om intern modenhet og datarensing, enn om å vente på den neste store AI-modellen fra Silicon Valley.