Hvorfor AI-superbrugere vil overhale alle andre

David Rice: De fleste medarbejdere bruger omkring 1 % af det, der er muligt med AI. Det skyldes ikke, at de er dovne. Det skyldes ikke, at de mangler adgang. Det skyldes, at ingen viser dem, hvad de kan gøre, og at de bør bruge det 5 til 10 gange i timen til at analysere alt det, de foretager sig, opsummere deres dag og finde huller i deres egen logik.

Dagens gæst er Kevin Surace, administrerende direktør for Appvance.ai, og han taler ved omkring 40 til 50 virksomhedsarrangementer om året over hele verden. Når han stiller dybdegående spørgsmål om, hvordan folk faktisk bruger AI, rækker en eller to procent hånden op. Alle andre bruger en lille smule Copilot til at rette deres sætninger og tænker: Hold da op, se lige AI.

Imens bruger en 23-årig i en startup i Silicon Valley det, som om vedkommende havde en ph.d. med 28 doktorgrader siddende ved siden af sig for en penny i minuttet. Og de 10 mennesker svarer tilsammen til omkring 100 af os andre. Så her er det, Kevin gerne vil have dig til at forstå. Det handler ikke om et kompetencegab. Og hvert år, hvor du ikke lærer denne teknologi, kommer du lidt længere bagud, indtil du en dag ikke længere er relevant.

Det skete med den stationære computer i 1980'erne. Det skete med internettet. Det skete med Excel. Folk hoppede enten med på vognen, eller også blev de udfaset. Denne bølge bevæger sig meget hurtigere end dem alle. Så i dag taler vi om, hvorfor dine prompts bør være tre afsnit og ikke fem ord, hvordan du tænker strategisk over det, du vil sige, i stedet for at skrive ord for ord, hvorfor i dag er det værste, det nogensinde bliver, når det gælder denne teknologi, og hvad det betyder for dit fag, det identitetsmæssige skift, der sker på tværs af hele brancher, og hvorfor modstand, for at citere Star Trek, er nytteløs.

Jeg hedder David Rice. Dette er People Managing People. Og hvis du brugte AI én gang i sidste uge, mens en person ved siden af dig bruger det 10 gange i timen, bliver denne samtale din sidste advarsel. Lad os komme i gang.

Kevin, velkommen. Hvordan går det i dag?

Kevin Surace: Jeg er virkelig glad for at være her.

David Rice: Jeg vil gerne begynde med det, vi talte om før udsendelsen. Du nævnte det gab, som mange oplever: De fleste medarbejdere bruger måske 1 % af det, der er muligt med AI. Hvorfor tror du, det sker, og hvad er omkostningen ved at fortsætte i det tempo?

Kevin Surace: Det er et meget interessant fænomen. Jeg får mulighed for at tale ved store virksomheds- og branchearrangementer 40 eller 50 gange om året, rundt omkring i verden. Det, man ser, er, at meget få rækker hånden op, når man begynder at stille dybdegående spørgsmål om, hvordan de bruger generativ AI. Det er måske én eller to procent, der rækker hånden op og siger: Ja, jeg gør det her.

Jeg skriver agenter, jeg gør det ene og det andet, men de fleste gør ikke noget. De bruger en smule Copilot. Det hjælper dem med at rette et par sætninger, og så siger de: Wow, AI. De aner ikke, at man bør bruge det fem eller ti gange i timen til at analysere alt, hvad man gør, opsummere alt, hvad man gør, og finde huller i alt, hvad man gør.

Hvis jeg skriver en præsentation, siger jeg: Find hullerne i dette. Hvad overser jeg, og hvordan kan jeg gøre det bedre? Kan du så hjælpe mig med at gøre det bedre? Kan du tegne denne illustration? Kan du analysere dette regneark? Hvad betyder regnearket, og hvad betyder fane tre?

For med alt dette kan du gøre det hvert eneste minut af hver eneste dag. Det er som at have en person med en ph.d. siddende ved siden af dig, som har 28 doktorgrader. Og det koster en penny i minuttet eller en penny i timen. Hvorfor skulle jeg ikke bruge det? Hver time, flere gange i timen. Jeg tror, folk ikke ved det. Jeg tror, mange kun bruger Copilot, som bare er en meget enkel lille ting, der hjælper dig på vej, og de udnytter ikke rigtigt alle modellerne på den måde, de kan udnyttes.

Jeg bruger alle de forskellige modeller, afhængigt af hvad jeg vil gøre. Gemini er bedre til visse ting end GPT 5.2, og den er bedre end måske Anthropic til bestemte ting. Så man bruger dem alle.

David Rice: Det er lidt, som hvis du satte mig ind i et fuldt udstyret cockpit uden flyvetræning. Du ved, hvad jeg mener?

Kevin Surace: Det er rigtigt. Noget af det interessante er, at jeg laver demonstrationer på scenen. Jeg siger: Her er nogle ting, jeg bogstaveligt talt har gjort for jeres virksomhed. Jeg har ikke engang fortrolige oplysninger fra jeres virksomhed, men lad mig vise jer, hvad jeg kunne gøre. Her er et helt nyt produkt, som jeg tror ville klare sig godt, her er markedets størrelse, her er det samlede adresserbare marked, og her er, hvordan jeg ved det.

Så siger de: Hvad? Vi ville have brugt fem milliarder dollars på at finde ud af det. Jeg brugte fem minutter. Eller måske 10. De aner ikke, at de kan gøre det med AI, fordi ingen har vist dem det før. Ingen har lært dem, hvordan man gør. De fleste skriver en prompt på fem ord eller noget i den stil. Mine prompts er tre afsnit lange og meget gennemtænkt opbygget: Hvem er mit publikum, hvad prøver jeg at gøre, hvem henvender jeg mig til, hvad prøver jeg at sige, hvorfor prøver jeg at sige det, og hvad er mine holdninger til det?

Der er meget, jeg skal skrive ind for at få noget værdifuldt ud. Ikke bare: Skriv et afsnit om X. Så ved du ikke, hvad du laver. Du bruger værktøjet forkert. Jeg tror derfor, folk har brug for træning.

De skal blive fortrolige med det. De skal have adgang til flere modeller og flere værktøjer end bare Copilot. Og så ændrer det spillet. Endelig: Hvis du er i en startup i Silicon Valley, gør du alle disse ting ti gange så meget. Det er det, du gør. De lytter til dette og siger: Ja, selvfølgelig gør vi det, Kevin. Hvis du er i en stor virksomhed i Midtvesten, siger du: Jeg har kun fået Copilot, og jeg spurgte om noget i Word, og den rettede min sætning. Så siger man: Wow, det er som om den erstatter Grammarly eller noget i den stil.

Der er altså denne todeling. Det er et stort problem for en stor virksomhed, fordi startups nu kører med 10 gange så høj hastighed med det antal mennesker, de har.

De er 10 mennesker, som svarer til 100, fordi de bruger AI, en række generative AI-modeller og generative AI-værktøjer til marketing, salg, analyse, til at finde huller og til at sparre med. De bruger det 10 gange i timen, hver person. Og du brugte det én gang i sidste uge. Så er det slut. Du bliver ganske enkelt udkonkurreret.

David Rice: Jeg tror, der bliver talt meget om kompetencegab, men det føles også lidt som et selvtillidsgab. Jeg tror ikke, folk undgår AI, fordi de ikke kan se potentialet. Jeg tror bare, mange ikke ved, hvor de skal begynde. Tror du, at den langsomme start vokser over tid?

Kevin Surace: Ja. Man kommer længere og længere bagud, og så begynder det at blive pinligt. På et tidspunkt ved man ikke længere, hvad man skal gøre, og så er man ikke længere relevant. Hvornår sker det? Den stationære computer kom ind i nogle menneskers karriere i midten eller slutningen af 1980'erne.

Hvis du var en af dem, der sagde: Jeg vil ikke have sådan en ting stående på mit skrivebord, så kom du længere og længere bagud for hvert år, der gik. Til sidst kunne du ikke længere deltage i det arbejde, du havde brug for at udføre, og du måtte gå på pension. Det var bogstaveligt talt håbløst.

Så kom internettet. Der var mange, der sagde: Jeg har ikke brug for det på arbejdet. Jeg har ikke brug for det overhovedet. Jeg skal ikke bruge det til noget. Enten hoppede du med på vognen, eller også gik du på pension. Det samme skete med Excel. Excel kom ind i alle økonomiafdelinger i slutningen af 1980'erne og begyndelsen af 1990'erne. Mange hoppede med og sagde: Det her ændrer spillet. Jeg vil bruge Excel til alt, hvad jeg gør. Andre sagde: Jeg vil ikke lære det her. Jeg har mine regnskabsbøger og blyanter, og det fungerer fint. De gik på pension. Der var ingen anden udvej.

Den vigtigste pointe er, at når du ikke lærer de nyeste teknologier, som er bredt udbredt, bevæger du dig mod pensionering. Det er fint, hvis det er det, du vil, men du skal vide, at det er den vej, du bevæger dig ad. Hvis du går på pension om et eller to år, er det ligegyldigt. Men hvis du siger, at du er 45 og har 20 år tilbage i branchen, så har du måske kun tre. Ingen vil have dig ansat, hvis du ikke behersker disse værktøjer.

David Rice: Et andet udtryk, vi hører meget i øjeblikket, er skygge-AI. Denne form for brug findes overalt, og det er der en god grund til. Folk er frustrerede over mange af virksomhedsværktøjerne, som ofte føles udvandede eller langsomme at implementere. Hvordan lukker vi efter din mening gabet mellem det, folk har brug for, og det, de faktisk får?

Kevin Surace: Jeg har sagt til virksomheder, at de skal have alle de store modeller til rådighed. Ikke til alle i virksomheden, men i deres private virksomhedsudgaver. De skal have virksomhedskonti og give adgang til de medarbejdere, der har brug for dem i bestemte afdelinger.

Hvis en medarbejder kommer og siger: Jeg skal analysere videoer, og her er grunden til, at vi analyserer denne linje, så siger man: Fremragende, det er Gemini. Du har nu adgang til den. Vi har en virksomhedskonto. Du skal have alle værktøjerne til rådighed.

Det, der sker i mange virksomheder i dag, er, at man siger: Jeg vil gerne bruge mere AI. Og svaret er: Vi har givet dig Copilot. Den rettede denne sætning. Jeg vil gøre mere end det. Copilot kan mere, men du forstår, hvad jeg mener. Så siger de: Nej, og vi tillader dig ikke at bruge noget andet. Derfor tager folk hjem og gør det, eller også gør de det i det skjulte, hvorefter de bliver blokeret på arbejdet.

Hvis du vil have succes, er du nødt til virkelig at give alle dine medarbejdere mulighed for at bruge værktøjerne. Du har ikke noget valg.

David Rice: Jeg hører ofte, at de godkendte værktøjer føles, som om de er bygget til at sænke farten i stedet for at øge den. Derfor går folk deres egne veje, ikke af oprør, men af nødvendighed. For forventningen er nu, at man skal gøre mere og gøre det hurtigere, mens de værktøjer, der bliver implementeret, ikke matcher de reelle behov i mange menneskers arbejde. For mig handler det ikke så meget om overholdelse af regler, men om relevans.

Kevin Surace: Det er nemt for IT-afdelingen i dag at oprette virksomhedskonti med 10 forskellige værktøjer: nogle til salg, nogle til marketing, nogle generelle og fem generiske modeller. Derefter tilføjer man kun de personer, der har brug for dem i de forskellige afdelinger. Men virksomheden skal fortælle folk, at der findes masser af værktøjer, og at de skal spørge om adgang.

Vi ruller ikke dette ud til 40.000 medarbejdere, hvis 200 har brug for det. Men hvis 200 har brug for det, gør vi det, fordi det gør dem mere produktive.

Mange af de tilbagemeldinger, jeg får efter mine demonstrationer, lyder: Det var fantastisk. Desværre giver virksomheden os ikke adgang til det. Derfor siger jeg altid på forhånd, at virksomheden måske ikke giver dig adgang til alt det, jeg viser. På min værktøjsside er der omkring 40 forskellige værktøjer, jeg bruger i præsentationen, og folk siger: Vi har ikke adgang til dem alle. Jeg svarer: Nej, men jeres administrerende direktør sidder i rummet, så det må I finde ud af sammen.

Jeg er her for at vise jer kraften og mulighederne i generativ AI i dag, og det kræver adgang til mange forskellige ting. I bør spørge jeres ledelsesteam, jeres IT-afdeling og andre relevante personer om det, I mener, I har brug for. Men gå ikke ud og brug tingene i det skjulte. Det kan man ikke. Skygge-AI og skygge-IT er begge dårlige løsninger. Man kan ikke spore det, og folk bruger værktøjer uden en konto. Hvis man ikke har en betalt konto, tror man måske, at det nok går. Men så er alt offentligt, og data kan bruges til træning. Det er ikke godt.

David Rice: Du er ret fast i mælet, når det gælder agenter. Virksomheder kommer ikke rigtigt videre, før de har løst problemerne med sikkerhed og kontrol. Hvad går tabt, hvis vi venter for længe? Holder vi det næste store spring tilbage, bare fordi det er besværligt?

Kevin Surace: Virksomheder arbejder allerede med agenter på passende steder. Noget af det, der holder dem tilbage, er, at de har brugt 10 år på at implementere RPA, altså robotstyret procesautomatisering. RPA er en slags agent, der er stærkt reguleret af et sæt regler. Den er regelbaseret. Den er ikke dårlig, og den er ikke AI-baseret, men den er regelbaseret.

Alle beslutninger går gennem et beslutningstræ, og systemet udfører dem. Det går gennem et sæt regler. Det fungerer meget godt i forudsigelige situationer. Man forstår sikkerhedsproblemet, og man forstår alt ved systemet. Alt fungerer.

Når du allerede har automatiseret mange arbejdsgange med RPA, er agenter ikke noget mirakel. Det, du måske vil gøre med en agent, er at automatisere en arbejdsgang lidt bedre med mere intelligens. Ja, men til hvilken sikkerhedsrisiko, og hvor lang tid tager det at finde fejlene?

Det tog lang tid, før RPA blev en realitet. At virksomheder allerede har implementeret RPA, er derfor en større hindring. De siger: Jeg har brug for en agent til at gøre det. Men de har allerede en agent, der gør det. Det er en RPA-agent, men den fungerer.

Et eksempel er, at man skal behandle noget i forsikringsbranchen, som skal gennem 11 forskellige systemer. RPA gør det allerede. Du starter processen, systemet fungerer som en agent, tager imod data, sender det mellem systemerne, arkiverer det, kontrollerer det og følger reglerne. Til sidst kommer det tilbage og siger: Jeg udsteder en check. Det gør det allerede.

Jeg kan implementere en agent til at gøre det, men jeg sparer ikke nødvendigvis penge. Jeg kan måske få bedre beslutninger med mindre menneskelig indblanding, men jeg kan også få en dårlig beslutning, fordi jeg har overladt beslutningen til AI i stedet for til et regelsæt, jeg selv har skabt.

Som virksomhed har jeg derfor ikke lige så mange ting, der skal automatiseres med en agent, fordi jeg allerede har brugt det seneste årti på at implementere RPA og brugt mange millioner dollars på det. Det betyder ikke, at der ikke er steder, hvor agenter kan tage over. Men mange virksomheder lukkede de største huller i løbet af det seneste årti.

På medarbejdernes computere kan agenter dog være interessante. Der findes arbejdsgange, som er helt unikke for nogle få personer, og som virksomheden aldrig ville have automatiseret. Det kan være interessant. Men vil du virkelig tillade, at folk skriver deres egne agenter? Hvad er sikkerhedskonsekvensen? Agenterne får adgang til vores mest kritiske systemer, og jeg ved ikke, om de har ret til det. Jeg ved heller ikke, om det virkelig er agenten, der gør det, eller en hacker.

David Rice: Begynder brugen af agenter måske i toppen, hvorefter man ser, hvor den bevæger sig hen? For eksempel har direktionen en agent, men ingen andre i begyndelsen.

Kevin Surace: Måske, men det er også den agent, en hacker helst vil trænge ind i og overtage.

Spørgsmålet om agenter er meget vanskeligt. Du har allerede RPA, som er implementeret mod de største mål. Det fungerer, sparer penge og øger produktiviteten. Nu har du en nyere teknologi, som kan overtage det. Men vis mig besparelserne.

Jeg har allerede automatiseret alt det, der kunne automatiseres i løbet af det seneste årti. Den yderligere besparelse er måske 2 %. Vil jeg gøre mig umage? De har allerede opnået de 80 %, der kunne spares. Om 10 år vil agenter tydeligvis være implementeret overalt. De vil være meget sikre, og vi vil have løst problemerne. De vil erstatte RPA, eller RPA-virksomhederne vil selv implementere RPA som intelligente agenter.

En startup vil implementere agenter til alt, hvad den kan, fordi de er billigere end mennesker, og fordi virksomheden ikke har RPA eller ældre teknologi, der allerede har automatiseret processerne. De starter fra nul og kan bruge agenter.

David Rice: Startupmiljøet virker oplagt til eksperimenter. Det er der, vi lærer, og der, vi opbygger den muskel.

Kevin Surace: Det er rigtigt.

David Rice: Du sagde, at den virkelige superkraft ikke så meget er modellen, men personen, der ved, hvilken model der passer til hvilken opgave. Hvad er kompetencesættet?

Kevin Surace: Hvordan lærer man? Man bruger værktøjet og lærer det at kende. Brug en time eller to på at finde ud af, hvad der fungerer bedre dér end andre steder.

Hvis det er en transformer-model, en stor sprogmodel eller en multimodal model, kan du begynde der. Hvis jeg laver denne type research, går jeg til Perplexity, fordi den giver mig referencer. Hvis jeg skal analysere video, går jeg til Gemini. Hvis jeg genererer musik eller arbejder inden for musik, bruger jeg måske et andet værktøj. Det afhænger af, hvad jeg forsøger at gøre.

Hvis du ikke har taget dig tid til at tegne abonnementer på disse værktøjer og lære dem alle at kende, har du et problem. Infografikker viser kun andres syn på værktøjerne. Før du selv bruger dem, ved du ikke, hvad du skal gøre.

Teknologierne kræver meget tid at forstå. Hvis du er musiker og er vant til en digital lydarbejdsstation, vil du måske forstå stem-separation og MIDI-eksport. Hvis du aldrig har brugt sådanne værktøjer, kan du ikke bare gå ind og bruge et studie uden at vide, hvad stem-separation betyder, eller hvordan de enkelte instrumenter og stems fungerer.

Det samme gælder video. Hvis du aldrig har redigeret video før, kan du sandsynligvis ikke bare skabe en film med et hvilket som helst værktøj. Men hvis du begynder at bruge værktøjerne og arbejder med dem i dage eller uger, kan du lære at udvide en scene, tilføje undertekster og sætte elementerne sammen.

Du skal lære alle delene. Du kan ikke bare gå ind og være klar. Men du kan bruge værktøjerne og lære dem at kende på få dage. Så kan du blive superbruger inden for nogle få områder.

Tænk over din karriere, hvad du prøver at opnå, hvilke værktøjer der findes, og hvordan du lærer dem. Hvis jeg arbejder med marketing, bruger jeg alle mulige AI-værktøjer til målrettede e-mails, LinkedIn-kampagner og tilpasning af indhold. Det er meget kraftfuldt.

Der er altid mere at lære. Jeg prøver at gøre det hver dag. Bliv ved med at være nysgerrig.

David Rice: At opbygge et globalt team bør ikke betyde, at man skal jonglere med fem forskellige systemer til HR, løn og IT. Deel samler det hele, så du kan ansætte, onboarde, betale og udstyre medarbejdere overalt uden det sædvanlige kaos. Uanset om du ansætter medarbejdere i 10 lande eller administrerer kontraktansatte på tværs af tidszoner, håndterer Deel overholdelse af regler, personalegoder og løn ét sted. Det betyder færre værktøjer, færre hovedpiner og mere tid til dine medarbejdere.

Klar til at se, hvordan ansættelse uden grænser faktisk ser ud? Besøg deel.com/pmp. Det er deel.com/pmp for at booke en demonstration. Deel: Ansæt, administrer og betal hvem som helst hvor som helst.

David Rice: Det føles ikke som teknisk trolddom. Hvis jeg skal opbygge et økosystem af værktøjer, handler det mere om systemtænkning og dømmekraft omkring, hvad der er bedst. Traditionelt har vi trænet folk i at løse veldefinerede problemer, men værdien flytter sig til, hvilke spørgsmål man stiller.

Kevin Surace: Ja. Du skal kunne orkestrere systemet af værktøjer. Du kan også skrive agenter, der hjælper dig med det. Du definerer din arbejdsgang og opretter en agent, der udfører den for dig. Den kan flytte en fil fra ét værktøj til et andet og gennemføre hele arbejdsgangen automatisk.

Tidligere kunne man gøre noget lignende med scripts i Windows og Mac, men nu er det langt smartere. Det kan analysere, hvad der bliver sagt i en video, gennemgå halvanden time og automatisk lave 20 opslag til sociale medier uden, at du selv redigerer dem. Det kan gøre det ud fra det, der blev sagt, også i denne podcast.

David Rice: Jeg gør det hele tiden. Du gav et godt eksempel: Det, der tidligere tog McKinsey seks måneder og kostede millioner, kan man nu gøre på en time med AI. Men det handler ikke kun om værktøjerne. Det afgørende er, hvordan du fodrer systemet. Hvordan får du AI til at tænke sammen med dig og ikke bare for dig?

Kevin Surace: Først og fremmest skal du bruge lange, gennemtænkte og holdningsprægede prompts. Hvem er mit publikum? Hvad mener jeg om emnet? Jeg kan bruge 10 minutter på at skrive flere afsnit. Det er min prompt.

Tænk over dit publikum, de input du vil bruge, kilderne, din holdning og din stemme. Jeg kan lave en kompleks markedsanalyse, som tidligere ville have krævet et konsulentfirma og millioner af dollars. Jeg kan få AI til at lave researchen på en time, få den til at lave udkast og diagrammer og sætte det ind i en præsentation.

Jeg gjorde for nylig dette for en virksomhed, der havde 82.000 garantikrav. De ville vide, hvordan de kunne reducere dem. Fordi kravene var skrevet på engelsk, var det svært at sortere dem med traditionel analyse. De lå bare i et regneark. Generativ AI kunne læse hele regnearket og komme tilbage med fem anbefalinger til ændringer, der kunne implementeres i produktionen allerede næste dag.

Virksomheden havde haft dataene i flere år uden at vide, hvad de skulle gøre. Jeg gjorde det på fem minutter. Det er det, folk ikke tænker over. Jeg kan tage enorme datamængder ind, så længe jeg ikke overskrider modellens kapacitet, og analysere dem uden først at rense alt. Det giver anbefalinger, som mennesker måske ikke selv kunne have fundet.

Jeg havde et andet eksempel med arbejdsulykker på en fabrik. Her var alle ulykkerne, og spørgsmålet var, hvordan de kunne reduceres. Efter få minutter kom der anbefalinger: Gør disse ting, så kan I reducere ulykkerne med 80 %. Man ved aldrig, om det er korrekt, før man implementerer det, men det var på rette spor.

Det viser, hvad der ændrer sig. Du har meget kraftfulde værktøjer til rådighed, hvis du ved, hvordan du bruger dem.

David Rice: Det går tilbage til det, vi talte om i begyndelsen: Folk bruger måske kun 10 % af det mulige. Det er hurtigt, men det er ikke magi. Resultatet afspejler kvaliteten af inputtet. Du skaber noget sammen med systemet i stedet for bare at uddelegere.

Kevin Surace: Det er en sparringspartner, der er klogere end dig, men stadig en sparringspartner. Du skal udfordre den og spørge hvorfor. Jeg fortæller den nogle gange, at den tager fejl. De gode modeller svarer ofte: Du har ret, det havde jeg ikke overvejet. Når de derefter tager det med i betragtning, kommer de med et bedre svar.

Jeg bruger den til at udfordre mine anbefalinger og holdninger. Er denne holdning gyldig? Jeg analyserede for nylig en artikel om, hvorvidt AI kan foretage moralske vurderinger. Jeg bad modellen forklare, hvorfor forfatteren mente, at AI ikke kunne, og hvorfor modellen selv mente, at den kunne.

Den kan ikke træffe en beslutning på dine vegne, fordi du skal leve med konsekvenserne. Men den kan fortælle, hvad der sandsynligvis vil blive betragtet som moralsk ud fra de mulige resultater. Jeg syntes, det var en fantastisk samtale: Forsvar dig selv. Kan du foretage en moralsk vurdering eller ej?

Hvis jeg arbejder i efterretningstjenesten eller regeringen, vil jeg spørge maskinen, hvordan en beslutning vil se ud baseret på alt, den har læst. Derefter kan jeg udfordre svaret og arbejde videre med det. Det er meget stærkt.

David Rice: Vi talte også om, at vi måske bevæger os mod en situation, hvor tre eller fire modeller dominerer. Når nøjagtigheden når et vist niveau, bliver forskellen for de fleste næsten usynlig.

Kevin Surace: Den er næsten usynlig allerede. Hvis du ikke ved, at Gemini er bedre til én bestemt ting, ville du bare bruge GPT 5.2 eller ChatGPT. For tre år siden var der måske én model. Den lavede mange fejl, men var imponerende. Så kom Claude, Gemini, X.ai, modeller fra Kina og Llama. De klarer sig alle meget godt, og i testene ligger de inden for få procent af hinanden.

Der bliver derfor mindre forskel på dem. De bliver bedre, og ingen af dem kan blive bedre end den menneskelige viden, de er blevet trænet på. Omkostningerne vil også falde, fordi området bliver meget konkurrencepræget. Måske kommer man til at betale en dollar om måneden eller slet ingenting.

David Rice: Hvad betyder det for, hvordan virksomheder bygger og køber AI i 2026 og på længere sigt?

Kevin Surace: Forhåbentlig bygger ingen virksomheder deres egne generative AI-modeller. Man bør udnytte det, der allerede findes. Omkostningerne vil fortsætte med at falde, så forhandl jeres kontrakter klogt. Om 10 år bør omkostningerne være omkring 5 % af det, de er i dag. Beregningsomkostningerne vil falde med 90 til 95 %. Det kører på GPU'er i stedet for CPU'er, men det kører stadig på silicium, og prisen på silicium halveres hver 12. til 18. måned.

David Rice: Det føles, som om denne gang er anderledes.

Kevin Surace: Det siger man hver gang. Internettet var anderledes. Smartphonen var anderledes. Computeren på skrivebordet var anderledes. De var alle anderledes.

David Rice: Ser du et tegn på, at ledere ikke har råd til at sidde på sidelinjen?

Kevin Surace: Det samme gjaldt computeren, Excel og tekstbehandleren. Da tekstbehandleren kom, havde du ikke råd til at vente. Ellers måtte du gå på pension.

Denne bølge er større, fordi den bygger på internettet, smartphones og computere. Den kunne nå ud til tre eller fire milliarder mennesker på kort tid, fordi infrastrukturen allerede fandtes. Vi kan sende enorme datamængder over hele verden næsten gratis. Det er sket igen og igen, og du vil ikke gå glip af denne bølge.

Personen ved siden af dig, som bruger AI fem gange i timen, er måske 10 gange mere produktiv end dig. Det gælder også musik. Musikere har tidligere bevæget sig fra papir og blyant til notationsprogrammer, digitale lydarbejdsstationer og samples. Nu kan AI skabe guitarpartier, arrangementer og hele sange.

Nogle siger, at de aldrig vil bruge AI, fordi det fjerner kreativiteten. Andre siger, at de kan være mere kreative, fordi de kan lave 10 sange i timen. Vinderne bruger altid den nyeste teknologi.

Hvis du skriver blogindlæg i marketing og stadig skriver ét hver tredje dag, mens en anden producerer et helt års indhold på én dag, er du færdig. Ingen betaler dig længere for at skrive ord for ord. De betaler dig for at tænke strategisk over, hvad der skal siges, få det skrevet, redigere det og udgive det. Det tager 15 minutter, ikke 15 dage.

David Rice: Det er et identitetsmæssigt skift for mennesker og hele brancher. Det er naturligt, at der kommer modstand. Og fordi teknologien bevæger sig så hurtigt, er det sværere end nogensinde at indhente det forsømte.

Kevin Surace: Den bevæger sig hurtigt, fordi den bygger på tidligere teknologier, og fordi alle nu har adgang til alt med det samme. På tre år er den blevet utrolig meget bedre. Jeg plejer at sige: Jeg genererer noget i video, og folk siger, at det næsten ikke kan skelnes fra noget, der er optaget med et kamera. Så siger jeg: I dag er det det værste, det nogensinde bliver.

Det samme gælder musik. Jeg sendte musikere syv sange og bad dem fortælle, hvilke der var lavet af mennesker, og hvilke der var lavet af AI. De gav op. Når de siger, at AI ikke har en sjæl, svarer jeg: Det kan I ikke høre. I dag er det så dårligt, som det nogensinde bliver. Morgendagens version bliver bedre.

Du er ikke fortabt. Lær at bruge værktøjerne, og brug din erfaring til at skabe noget bedre end en person uden erfaring. Det samme gælder Hollywood. Historier vil blive lavet med digitale mennesker, virkelige mennesker, kameraer og uden kameraer. Der vil være en rolle for alle. Men en film, der i dag koster en million dollars i minuttet, kan måske koste én dollar i minuttet og stadig blive et hit.

David Rice: Kevin, tak fordi du kom. Jeg satte stor pris på samtalen.

Kevin Surace: Det var sjovt. Det er et spændende emne.

David Rice: Hvis du ikke allerede har gjort det, så gå til peoplemanagingpeople.com/subscribe. Tilmeld dig nyhedsbrevet, og få opdateringer om kommende arrangementer, podcasts og alt det, vi laver her, samt de nyeste artikler. Indtil næste gang: Lær at gøre det, du gør, bedre.