De arbetar dygnet runt och sover aldrig – nu skuldsätter sig teknikjättarna för att bygga om världens datacenter i rekordtakt

Agenten som inte stannar

En vanlig AI-chattjänst fungerar som ett samtal: du frågar, den svarar. Sedan är det klart. En AI-agent fungerar helt annorlunda.

Ge en agent uppdraget att bygga en webbplats, och den sätter igång på egen hand. Den formulerar delfrågor, planerar strukturen, skapar undersidor, menyer och databaser – och ger sig själv nya instruktioner längs vägen. Det kan ta timmar. Under den tiden skickar agenten kontinuerliga förfrågningar till underliggande språkmodeller, gång på gång på gång.

Detta är inte ett tankeexperiment. Enligt Wired meddelade OpenAI nyligen att ett nätverk av över 10 000 AI-agenter hade löst ett sedan länge olöst matematikproblem – efter att ha skickat sammanlagt 2,7 miljoner meddelanden sinsemellan. Beräkningskraften som gick åt uppgick troligen till ett värde av tiotals miljoner dollar – för en enda uppgift.

Det är den typen av beräkningsintensitet som nu styr investeringsbesluten hos världens största teknikbolag.

Infrastruktur i en skala vi inte sett förut

Som systemutvecklare har jag följt infrastrukturutvecklingen länge, och det som händer just nu saknar historisk motsvarighet. Teknikbolagen skuldsätter sig med astronomiska summor för att bygga nya datacenter världen över – inte för att optimera befintliga tjänster, utan för att förbereda sig för en helt ny beräkningsarkitektur.

Skillnaden mot tidigare generationers AI är fundamental. En chattjänst gör ett beräkningspass och är klar. En agent gör hundratals eller tusentals beräkningspass inom ett enda uppdrag, ofta parallellt med andra agenter i ett nätverk. Energiförbrukningen skalar inte linjärt – den exploderar.

Detta ställer helt nya krav på elförsörjning. Datacenter har historiskt varit krävande men förutsägbara energikonsumenter. Agentbaserade system introducerar en ny typ av ojämn, behovsdriven belastning som kan toppa kraftigt och snabbt – något som elnätsoperatörer i många länder ännu inte är rustade att hantera.

Transparensproblemet

En av de mest oroande aspekterna i det här skiftet är inte energiåtgången i sig – det är bristen på öppen information om den.

Wired rapporterar att AI-bolagen historiskt sett varit mycket återhållsamma med att redovisa miljömässiga nyckeltal. OpenAI:s vd Sam Altman har pekat på energiförbrukning per enskild fråga som ett rimligt mått – en beräkningsmetod som kritiker menar är vilseledande när agenter per definition ställer tusentals frågor per uppdrag.

Det är en viktig distinktion. Att mäta energi per fråga när en agent genererar tiotusentals frågor autonomt är ungefär som att mäta en bils bränsleförbrukning per meter snarare än per mil. Siffrorna ser bra ut, men berättar ingenting användbart.

För samhället, för klimatdebatten och för politiska beslutsfattare är detta ett problem. Vi kan inte fatta välgrundade beslut om en infrastruktur vars miljöpåverkan vi inte kan mäta.

Möjligheten mitt i utmaningen

Jag vill ändå vara tydlig: jag ser inte den här utvecklingen som enbart ett hot. AI-agenter har en genuint omvälvande potential. De kan lösa problem som tidigare krävde stora forskarteam, automatisera tidskrävande rutinarbete och, som OpenAI:s matematikexempel visar, faktiskt skjuta fram vetenskapens gränser.

Men möjligheten och utmaningen är sammanlänkade. Ju kraftfullare agenterna blir, desto viktigare är det att vi bygger rätt infrastruktur runt dem – inte bara teknisk, utan också regulatorisk och energimässig.

Sverige och Norden befinner sig faktiskt i ett intressant läge här. Med tillgång till förnybar energi, stabila elnät och en stark tradition av öppenhet i offentlig sektor finns förutsättningar att vara en förebild för hur agentbaserad AI kan skalas upp på ett ansvarsfullt sätt.

Frågan är om vi tar den möjligheten på allvar – innan infrastrukturen redan är byggd av någon annan, på andras villkor.