Sam Altman bommet på AI-tidslinjen: GPT-4 endret ikke økonomien så raskt som ventet

OpenAI-sjef Sam Altman ser ut til å justere tidsplanen for kunstig intelligens – ikke synet på hvor viktig teknologien kan bli. I et intervju publisert 23. august 2026 skal han ha sagt at han etter lanseringen av GPT-4 i 2023 ventet langt raskere omveltninger i programvarebransjen og resten av økonomien. 36

Lærdommen er at en kraftig modell bare er startpunktet. Skal teknologien gi store utslag i hele økonomien, må den kobles til nyttige produkter, nye arbeidsprosesser, organisatoriske endringer, infrastruktur, regulering og offentlig aksept. Det går saktere – og skaper mer motstand – enn AI-hypen etter GPT-4 ga inntrykk av.

Altman justerer prognosen

Det Altman beskriver, er forskjellen mellom teknologisk fremgang og økonomisk innføring. Han ventet at selskaper og programvaremarkeder raskt skulle endre seg da GPT-4 viste et nytt nivå av kapasitet. I praksis har veien fra gode modelldemonstrasjoner til omfattende forstyrrelser i næringslivet vært lengre. 36

Det betyr ikke at AI er blitt økonomisk ubetydelig. Det betyr at stadig bedre modeller ikke automatisk endrer hvordan bedrifter arbeider fra den ene dagen til den andre. Virksomheter må fortsatt finne pålitelige bruksområder, koble teknologien til eksisterende systemer, endre arbeidsflyt, lære opp ansatte og forsvare kostnadene.

Den kortsiktige flaskehalsen handler derfor mindre om hvorvidt modellene kan bli bedre, og mer om hvorvidt organisasjoner klarer å ta dem i bruk på en god måte. Altman har samtidig fortsatt å beskrive AI-utviklingen som rask, mens kostnadene ved å bruke modellene faller. Det tyder på at tregere omstilling ikke bør forveksles med lavere ambisjoner. 40

Hvorfor bruken henger etter kapasiteten

Avstanden mellom en imponerende demo og en løsning som fungerer i hverdagen, er stor. En bedrift kan måtte redesigne prosesser, etablere kontrollmekanismer, sikre data, håndtere sikkerhetsrisiko og avklare hvem som har ansvaret når et AI-system gjør feil.

Infrastrukturen er en annen begrensning. AI krever store mengder datakraft, mens datasentre møter motstand på grunn av strømforbruk, vannbruk, belastning på strømnettet, arealbruk og lokale ringvirkninger. En Gallup-måling omtalt av The New York Times viste at 71 prosent av voksne i USA var imot at et AI-datasenter skulle bygges i nærområdet deres. Den samme omtalen sa at mer enn et dusin prosjekter var blitt stanset eller forsinket etter lokal motstand. 18

Altman har sagt at han forstår hvorfor lokalsamfunn ikke ønsker datasentre i nærheten, og foreslått at de i større grad kan bygges i avsidesliggende ørkenområder. 23 Kommentaren illustrerer likevel at tilgang på strøm og databrikker ikke er nok. Prosjektene trenger også tillatelser, kraftlinjer, areal og støtte fra lokalsamfunnet.

Derfor kan AI-utviklingen måtte fases inn

Altman har også argumentert for at AI-utviklingen kan måtte «fases inn» slik at samfunnet får tid til å «herde seg» rundt nye nivåer av kapasitet. Samtidig har han advart mot at en slik ordning blir et middel for reguleringsfangst eller samarbeid mellom de ledende AI-laboratoriene. 37

Det er ikke det samme som å kreve en permanent stans i utviklingen. Poenget er heller at tempoet i utrullingen og tempoet i samfunnets tilpasning må samordnes bedre. Teknologien kan utvikle seg raskt, mens institusjonene som skal regulere den, bedriftene som skal bruke den, og befolkningen som skal akseptere den, trenger mer tid.

To «svært menneskefiendtlige» ytterpunkter

Diskusjonen peker på to motsatte risikoer:

1. AI blir så kraftig at mennesker og institusjoner ikke lenger kan kontrollere den på en meningsfull måte.
2. Kontrollen over avansert AI samles hos for få selskaper eller myndigheter.

Det andre punktet passer med Altmans bredere argument om at AI må demokratiseres, og at makten ikke kan bli for konsentrert. 44 Risikoene trekker imidlertid politikken i ulike retninger. Sterk sentral kontroll kan begrense enkelte former for misbruk, men dersom tilgang og beslutningsmakt samles hos noen få aktører, kan det i seg selv skape stor politisk og økonomisk risiko.

Materialet dokumenterer ikke at Altman direkte angrep Anthropic, eller at han beskrev selskapets sikkerhetsorienterte strategi som iboende menneskefiendtlig. Å lese uttalelsene som kritikk av Anthropic er derfor en tolkning, ikke et bekreftet faktum. Det mer forsvarlige poenget er at utviklingen av avansert AI skaper en reell avveining mellom sikkerhetskontroll og maktkonsentrasjon.

Hva NVIDIAs Poolside-avtale forteller

NVIDIAs rapporterte avtale med Poolside viser hvorfor tregere innføring ikke må forveksles med svakere investeringer. Selskapet skal betale 6 milliarder dollar for å lisensiere Poolside-teknologi og investere ytterligere 1 milliard dollar i oppstartsselskapet. Mer enn 100 Poolside-ansatte ventes å arbeide med NVIDIAs Nemotron-familie av modeller med åpne vekter. 1

Avtalen viser at AI-kappløpet handler om mer enn å trene de mest avanserte modellene. Maskinvareprodusenter og modellutviklere investerer også i programvare, metoder for modellutvikling og åpne modeller som kan tilpasses og tas i bruk av flere. 5

Dette ligner mer på forberedelser til en langvarig innføringsfase enn på et tegn på at NVIDIA forventer at AI-etterspørselen skal kollapse. Selskapene kan planlegge for at AI gradvis skal spre seg til mange ulike bruksområder og organisasjoner, i stedet for å anta at én ny modell umiddelbart vil snu opp ned på økonomien.

Den store konklusjonen: Spredning, ikke retrett

Altmans justerte tidslinje, motstanden mot datasentre og NVIDIAs investering i Poolside peker samlet mot en mer komplisert AI-overgang enn den opprinnelige hypen lovet.

AI-utviklingen går fortsatt raskt, men innføringen begrenses av:

• hvor vanskelig det er å lage pålitelige applikasjoner;
• det organisatoriske arbeidet som kreves for å endre arbeidsprosesser;
• kapasitet på datakraft, strøm, vann og strømnett;
• tillatelser og lokalpolitisk motstand; og
• spørsmål om sikkerhet, ansvar og konsentrert makt.

Den mest holdbare konklusjonen er ikke at de ledende AI-selskapene har blitt enige om å bremse utviklingen. Materialet viser noe mer nyansert: De fortsetter å investere aggressivt, samtidig som de erkjenner at den økonomiske omveltningen vil komme gjennom en langsommere, kapitalkrevende og politisk omstridt spredning.

GPT-4 kan ha markert et stort sprang i modellkapasitet. Men modellkapasitet har aldri vært det samme som umiddelbar bruk i hele økonomien.