Vem kan använda AI på riktigt? Det är den frågan som nu avgör vinnarna
Kampen om AI-dominans avgörs inte längre av teknikens kraft – utan av dess nytta.
Implementering är den nya kapprustningen
Under lång tid har AI-nyheter dominerats av en enda fråga: vems modell är störst? Nu ser vi tydliga tecken på att spelplanen ritas om. Den verkliga striden handlar i allt högre grad om vem som kan omsätta tekniken till affärsnytta – och det är en helt annan utmaning.
Ta det gemensamma bolaget Ode, som Anthropic och kapitalförvaltaren Blackstone lanserade i maj med ett startvärde på 1,5 miljarder dollar. Affärsidén är nästan provokativt enkel: skicka spetskompetenta ingenjörer rakt in i kundernas verksamheter och se till att AI faktiskt gör skillnad på riktigt. Enligt TechCrunch uppstod idén ur en konkret frustration – varken stora konsultfirmor eller mindre specialister lyckades driva igenom AI-satsningar i Blackstones portföljbolag. Lösningen blev att bygga något nytt från grunden, med Fractional AI som bas.
— Det är lätt att föreställa sig att det här kan bli ett biljondollarsbolag någon dag, om vi verkställer det rätt, säger Odes vd Chris Taylor till TechCrunch.
Det är en utsaga värd att ta på allvar. Ode har hundra ingenjörer i dag och arbetar tätt ihop med Anthropics teknikteam. Men det intressanta är inte storleken – det är signalen. När en av världens mest välfinansierade AI-aktörer väljer att investera i implementering snarare än ytterligare modellkapacitet, säger det något om var det verkliga hindret sitter.
Öppen källkod som strategisk motrörelse
Samtidigt tar Mira Murati, tidigare teknisk chef på OpenAI, ett helt annat strategiskt grepp med sitt bolag Thinking Machines Lab. Lanseringen av den öppenviktiga modellen Inkling är inte ett försök att utmana GPT-5 eller Gemini i rena prestandamätningar – och det är just det som gör draget intressant.
Inkling bygger på en blandning-av-experter-arkitektur med totalt 975 miljarder parametrar men aktiverar bara omkring 41 miljarder vid varje given uppgift. Modellen flaggar osäkerhet i stället för att gissa, låter användaren styra beräkningskraften och är utformad för att anpassas – inte konsumeras i sin ursprungsform. Filosofin bakom är tydlig: AI som organisationer kan forma efter sin egen verksamhet kommer att prestera bättre än de universallösningar som teknikjättarna säljer.
Detta är en direkt motrörelse mot den allt-i-ett-logik som dominerat branschen. Och den kommer från en person med djup insyn i exakt hur den logiken fungerar.
Enhörningar föds nu på månader, inte år
Sedan finns det ett tredje mönster i veckans nyheter, och det kanske mest talande av dem alla. Det indiska AI-kodningsföretaget Emergent nådde enhörningsstatus – en värdering på 1,5 miljarder dollar – drygt ett år efter grundandet, rapporterar TechCrunch. Värderingen femfaldigades på sex månader. Den senaste finansieringsrundan på 130 miljoner dollar leddes av Creaegis med deltagande från Khosla Ventures, SoftBanks Vision Fund 2, Lightspeed och Y Combinator.
Det som skiljer Emergent från konkurrenter som Lovable och Cursor är målgruppen: inte erfarna utvecklare, utan entreprenörer och småföretagare som traditionellt förlitat sig på kalkylblad och e-post. Mer än 200 000 betalande kunder och en årlig intäktstakt på 120 miljoner dollar – upp 70 procent på fyra månader – visar att det finns en enorm och i hög grad outnyttjad marknad utanför de tekniska kretsarna.
Tre drag, en riktning
Ode, Inkling och Emergent är tre olika svar på samma fråga: hur gör vi AI användbar för fler? Ode svarar med konsulttjänster och ingenjörskompetens på plats. Thinking Machines svarar med öppenhet och anpassningsbarhet. Emergent svarar med att möta icke-tekniska användare där de faktiskt befinner sig.
Gemensamt för alla tre är att de rör sig bort från modellbyggarnas logik – där vinnaren är den med mest beräkningskraft – och mot en nyare och på många sätt svårare utmaning: att skapa verklig förändring i verkliga organisationer. Det är en omställning som kräver inte bara teknik, utan förståelse för hur människor och verksamheter faktiskt fungerar.
AI-kapprustningen är inte slut. Den har bara fått ett nytt lopp.
Vår analys
Det vi ser den här veckan är ett mognadssprång för hela AI-industrin. Under de senaste tre åren har investeringslogiken kretsat kring en enda variabel: modellprestanda. Nu diversifieras satsningarna – mot implementering, anpassningsbarhet och tillgänglighet för nya målgrupper.
Det är en sund utveckling. Tekniken har kommit långt nog för att nyttovärdet inte längre begränsas av modellernas kapacitet, utan av hur väl organisationer kan ta den i bruk. Odes existens är i sig ett erkännande av att den klyftan är stor och lönsam att överbrygga.
Emergets raketresa understryker dessutom att de största tillväxtmöjligheterna kanske inte finns bland Fortune 500-bolagen, utan bland de hundratals miljoner småföretag världen över som ännu inte berörts av AI-transformationen.
Min bedömning: de bolag som vinner nästa fas är de som behärskar förändringsledning lika väl som de behärskar teknik. Det är en kompetens som varken tränas på GPU-kluster eller mäts i prestandajämförelser.