Sandheden ligger et sted midt imellem. Og den er mere kompliceret end begge lejre vil indrømme.
Årets Model-Eksplosion
OpenAI lancerede GPT-5 i august som deres nye default-model – unified reasoning og multimodal i én pakke. Google svarede med Gemini 3 Deep Think i december. Anthropic tog føringen på coding med Claude Sonnet 4.5, der scorer højest på SWE-bench. Grok 4.1 overraskede med 2M token context. Mistral Large 3 viste at europæisk AI kan konkurrere.
Men den store historie var DeepSeek. Et kinesisk firma lancerede R1 i januar – en open-source reasoning-model der matchede amerikanske frontier-modeller. Træningsomkostninger: $5.6M. Nvidia-aktien faldt 18% på én dag.
DeepSeek beviste at du ikke behøver milliarder for at bygge konkurrencedygtig AI. Det har konsekvenser for hele industrien.
Kapløbet Mod AGI: Hvem Spurgte?
Vi er midt i et våbenkapløb mellem tech-giganter. Målet er AGI – Artificial General Intelligence. Men hvem har egentlig bedt om det?
Tristan Harris fra Center for Humane Technology siger det direkte: Vi bygger systemer der er smartere end os, uden at vide hvordan vi kontrollerer dem. Og vi gør det i et tempo hvor ingen har tid til at tænke over konsekvenserne. Hans pointe er simpel – der findes ingen definition af visdom der ikke involverer tilbageholdenhed. Det gælder også for teknologi.
Yoshua Bengio, Turing Award-vinder og en af "godfathers of AI", er så bekymret at han i juni grundlagde LawZero med $30M for at udvikle beviseligt sikker AGI. Hans argument: Du vil ikke have superintelligens kontrolleret af én person, ét firma eller selv én regering. Du har brug for checks and balances. I oktober underskrev han sammen med Geoffrey Hinton en erklæring der opfordrer til et forbud mod udvikling af superintelligens, indtil vi ved hvordan vi kontrollerer det.
Det er ikke aktivister. Det er forskerne der byggede teknologien.
Job-Debatten: Hvad Siger Kilderne Faktisk?
Her bliver det interessant. Jeg har gennemgået hvad WEF, ILO, Federal Reserve og EU faktisk siger. Billedet er mere nuanceret end overskrifterne.
World Economic Forum udgav deres Future of Jobs Report i januar. Nettoresultatet er positivt: flere jobs skabes end forsvinder inden 2030. Men læs videre, og billedet ændrer sig. Fire ud af ti arbejdsgivere planlægger at reducere deres workforce på grund af AI. Næsten fire ud af ti skills bliver forældede inden 2030. Og vigtigst: de nye jobs er ikke 1-til-1 erstatninger. De kræver andre kompetencer, opstår andre steder, går til andre mennesker.
WEF advarer også om noget de kalder "AI precariat" – millioner der mister ikke bare indkomst, men identitet og formål. Det er den psykologiske dimension vi sjældent taler om.
ILO og FN har et mere nuanceret syn. Deres research viser at én ud af fire jobs er eksponeret for GenAI – men transformation, ikke erstatning, er det mest sandsynlige udfald. Kun en lille brøkdel af jobs kan automatiseres fuldt ud. Resten vil ændre sig, ikke forsvinde.
Men her er den vigtige nuance: Kvinder rammes hårdere end mænd fordi de er overrepræsenterede i administrative roller. Og halvdelen af de jobs der kunne augmenteres bruger ikke engang computere i dag. Gevinsten kommer ikke automatisk.
Federal Reserve giver det mest bekymrende billede. Jerome Powell sagde i november at job creation er "pretty close to zero". Han koblede det direkte til AI – virksomheder producerer mere med færre folk. Amazon fyrede 14.000 middle managers. Verizon 13.000. IBM fryser hiring.
Økonomerne kalder det "The Great Freeze" – et arbejdsmarked hvor virksomheder vokser uden at ansætte. Det er ikke fremtiden. Det er nu.
EU er stadig ved at finde fodfæste. AI Act og AI Continent Action Plan fokuserer på adoption og skills, men adresserer ikke job displacement direkte. European Policy Centre kalder EU's tilgang "ill-equipped" til det der kommer.
Hvad Betyder Det? Et Realistisk Billede
Lad mig prøve at give et ærligt svar.
På mellem sigt er netto job creation sandsynligvis positiv. Transformation dominerer over replacement for de fleste jobs. Augmentation – AI der gør mennesker mere produktive – er det mønster vi ser mest. Mange essential jobs kan simpelthen ikke automatiseres.
Men transitionen er ujævn. Entry-level og administrative roller rammes først og hårdest. Skills mismatch er reelt – de nye jobs kræver kompetencer de fyrede medarbejdere ikke har. Og Powells "job creation close to zero" antyder at vi måske allerede er midt i det.
Det store usikkerhedsmoment er tempo. Bliver det 5 år eller 15 år? Agentic AI kan potentielt erstatte vidensarbejdere hurtigere end forventet. Og vi ved ikke om regeringer vil handle proaktivt eller vente til krisen rammer.
Fra Prompt Engineering til Context Engineering
Midt i alt dette sker der et teknisk skifte der betyder noget for praktikere.
I 2023-2024 handlede det om at skrive den perfekte prompt. LinkedIn var fyldt med magic templates. I 2025 har industrien erkendt at det var forkert fokus.
Tobi Lütke fra Shopify formulerede det præcist: Det handler ikke om prompten – det handler om at levere al den kontekst der gør opgaven løselig for modellen. Andrej Karpathy er enig. I seriøse LLM-applikationer er din prompt en lille del af helheden. Resten er conversation history, retrieved documents, tool outputs, agent state.
Konsekvensen for dig: De fleste agent-fejl er context-fejl, ikke model-fejl. Investér i RAG-systemer, MCP-adoption og memory management. Tænk i systemer, ikke i enkelt-prompts.
Human-Centric AI: Stadig Den Bedste Vej
Trods usikkerhederne peger forskningen i én retning.
Erik Brynjolfsson fra Stanford HAI har sagt det i årevis: At bruge AI til ren automatisering er kraftfuldt, men begrænsende. Den store gevinst ligger i augmentation – AI der gør mennesker i stand til at gøre nye ting, ikke bare de samme ting billigere.
ILO's konklusion understøtter det: AI er mere sandsynligt til at augmentere end at automatisere – men kun hvis vi designer det sådan. McKinsey finder det samme mønster: Organisationer med høj ROI på AI prioriterer augmentation over automation.
Det er ikke blød snak. Det er hvad dataene viser.
Hvad Bør Du Gøre?
Opbyg hybrid intelligence. ILO og Geoffrey Hinton peger på kompetencer der er resiliente: interpersonelle skills, kreativitet, tværfaglig tænkning. Sygeplejersker og VVS'ere er blandt de mest sikre jobs. Det er ikke tilfældigt.
Lær context engineering. Hvis du arbejder med AI, så flyt fokus fra prompts til systemer. RAG, MCP, memory. Det er her værdien ligger de næste år.
Vær realistisk om transitionen. Den kommer. En stor del af dine nuværende skills kan være forældede om fem år. Det er ikke panik – det er planlægning.
Den Korte Version
2025 har været et år med eksponentiel acceleration. Modellerne er bedre end nogensinde. Job-effekten er mere kompliceret end begge lejre vil indrømme.
Netto positivt på lang sigt? Sandsynligvis. Ujævn og smertefuld transition? Helt sikkert. Transformation frem for replacement? Ja, for de fleste – men ikke for alle.
Du behøver ikke AGI for at skabe værdi. Du behøver context engineering, augmentering og en menneskecentreret tilgang.
Men du skal også være realistisk. Transitionen er i gang. Spørgsmålet er ikke om – det er hvordan du navigerer den.
Stefano Vincenti er GenAI Product Lead, ekstern lektor ved IT-Universitetet i København og co-founder af BotTellMe.
Har du spørgsmål om AI-strategi? Kontakt mig – jeg hjælper gerne med at navigere disse komplekse spørgsmål.