Hvad kan man forvente sig af AI i 2026?

AI er godt i gang med at ændre spillereglerne for mennesker, virksomheder og samfundet generelt. Og ifølge Goldman Sachs har vi kun set begyndelsen. “I mine 40 år i teknologi har 2025 været det år med de største forandringer, jeg har oplevet”, siger finanshusets CIO – og tilføjer, at 2026 kan blive endnu mere omvæltende. På den baggrund peger han på syv forudsigelser for 2026.

1) AI-modeller bliver det nye operativsystem. En af de største ændringer handler om, hvordan software grundlæggende fungerer. Tidligere var systemer bygget op omkring faste programmer og forudbestemte arbejdsgange. Fremover vil AI-modeller tage over som en slags nyt operativsystem. Et operativsystem, der selv kan styre og koordinere forskellige opgaver.

I stedet for at mennesker manuelt navigerer mellem forskellige værktøjer, vil intelligente modeller i stigende grad kunne gøre det selv. De kan forstå en opgave, vælge relevante systemer, hente data, udføre handlinger og samle resultaterne – på tværs af platforme. Kort sagt: Man beskriver, hvad man vil opnå, og modellen sørger for resten.

2) Kontekst i fokus. Selvom AI i dag er trænet på enorme datamængder, er dens arbejdshukommelse – altså hvor meget den kan tage med fra tidligere dialoger, dokumenter og opgaver – stadig relativt begrænset.

Det er ved at ændre sig. Det handler i høj grad om at give modeller adgang til mere relevant kontekst: historik, virksomhedsdata, tidligere beslutninger og brugerpræferencer. Når konteksten stiger, stiger kvaliteten af output også. Svar bliver mere relevante, anbefalinger mere målrettede, handlinger mere præcise.

3) Personlige AI-agenter. En anden tydelig udvikling er fremkomsten af personlige AI-agenter. Hvor man i dag manuelt hopper mellem apps for at løse praktiske opgaver, vil meget af dette fremover ske automatisk. Det flytter AI fra at være et reaktivt værktøj til at blive en proaktiv assistent.

Argenti bruger en forretningsrejse som eksempel: et fly bliver aflyst på grund af dårligt vejr. I stedet for selv at skulle i gang med at kontakte flyselskab og finde alternative løsninger, vil en AI-agent kunne håndtere hele forløbet: ombooke flyet, rykke møder, opdatere kalenderen og endda bestille mad til ventetiden.

4) ‘Agent-as-a-service’-økonomi. Mange virksomheder vil i fremtiden opbygge teams af specialiserede AI-agenter, der bliver styret af mennesker. Det bliver altså menneskers rolle at sætte retning, sikre kvalitet og lave komplekse vurderinger, mens selve udførelsen af en stor del af opgaverne vil blive håndteret af AI-agenter.

Det kan også ændre forretningsmodellen. I stedet for at fakturere efter timer, vil man se en bevægelse mod afregning baseret på forbrug af AI-kapacitet – f.eks. målt i processeret datamængde. Dermed opstår en form for ‘agent-as-a-service’-økonomi, hvor værdien leveres af hybride teams af mennesker og maskiner.

5) Læring, aflæring og genlæring. I takt med, at AI overtager flere og flere opgaver, vil arbejdsgange ændre sig. De, der vil klare denne overgang bedst, er dem med viljen til at tilpasse sig den nye virkelighed. Derfor bliver læring et essentielt nøgleord.

AI kan sammenlignes med computerens indtog på arbejdspladsen. Dengang måtte man også gentænke, hvordan man arbejdede. Derfor bliver evnen til at lære, aflære og genlære en kernekompetence.

6) Mega-partnerskaber former AI-landskabet. AI er i høj grad et spil om skala – både når det gælder data, infrastruktur og adgang til brugere. Det baner vejen for meget store strategiske partnerskaber. Disse alliancer kan skabe netværkseffekter: Jo flere, der bygger på de samme økosystemer, desto mere magtfulde bliver de. Det kan føre til en selvforstærkende dynamik, hvor et relativt lille antal aktører får en dominerende position i AI-økonomien. I den forstand kan AI-landskabet minde om andre kapitalkrævende og teknologitunge industrier, som for eksempel rumfart, hvor duopol- eller oligopolstrukturer dominerer.

7) Energiefterspørgslen bliver en flaskehals. Den sidste forudsigelse peger på en helt afgørende faktor for AI’s videre udbredelse: energi. At kunne skalere AI-løsninger handler i den grad om adgang til tilstrækkelig og stabil strøm. Ifølge analyser fra Goldman Sachs Research forventes elforbruget fra datacentre at stige med omkring 175 pct. fra 2023 til 2030. Samtidig tager det mange år at planlægge og opbygge ny energiinfrastruktur. Det betyder, at adgang til elektricitet i stigende grad bliver et spørgsmål om relationer, langsigtede aftaler.

MAL