AI är redan på set – men fungerar bara om grunden är lagd
AI erövrar Hollywood – men byggbranschen saknar fortfarande den grund som krävs.
Ingen techbubbla – AI är redan ute i verkligheten
Det är lätt att tro att AI-revolutionen fortfarande pågår i laboratorier och på konferenser i Silicon Valley. Men titta lite närmare så ser du att verktygen redan används på inspelningsplatser i Hollywood, i efterproduktionsstudior och på byggarbetsplatser runt om i världen. Det intressanta är inte att AI används – det är hur det används, och vilka hinder som dyker upp längs vägen.
Hollywood hittar nya berättarverktyg
Producenten Todd Garner och filmstudion Massive Studios arbetar just nu med tre animerade kortfilmer med jultema, skapade med hjälp av AI-videogenereringsmodellen Seedance 2.5 i samarbete med innehållsplattformen CapCut, rapporterar The Hollywood Reporter. Det som gör projektet intressant ur ett tekniskt perspektiv är att det inte handlar om att låta maskinen ta över – filmerna börjar som handritade skisser och AI används för att ge karaktärerna rörelse och liv. Skådespelarframträdanden formar uttrycken.
– Det handlar om att göra filmer möjliga som annars aldrig skulle ha blivit av, säger Massive Studios grundare Reza Sixo Safai.
Det är en formulering som fastnar. AI som möjliggörare snarare än ersättare – det är den berättelsen jag vill se mer av.
Samtidigt rapporterar The Hollywood Reporter om dokumentärserien Unmasking a Monster: Aileen Wuornos på Investigation Discovery, där man använt avancerad AI-maskteknologi för att applicera den verkliga personens ansikte på en skådespelerskas framträdande. Tekniken påminner om avancerad rörelseavläsning och användes för totalt tio verkliga personer i serien. Exekutivproducenten Stephen Dost lyfter fram att Wuornos ansikte bär spår av ett liv fyllt av lidande – och att tekniken därför tillför meningsfull äkthet snarare än att vara ett tomt tekniskt spektakel.
ID:s president Jason Sarlanis konstaterar att traditionella rekonstruktioner länge utgjort ett trovärdighetshinder i dokumentärgenren. Det är ett tydligt exempel på hur AI kan lösa ett genuint berättarmässigt problem som branschen brottats med i årtionden.
Byggbranschen möter verkligheten
Men låt oss lämna de kreativa branscherna en stund och titta på vad som händer när AI möter tyngre industri. Construction Dive beskriver hur ett anläggnings- och marinentreprenadföretag försökte driftsätta AI-lösningar – och snabbt stötte på ett oväntat hinder. Inte tekniken i sig, utan den egna datahanteringen.
Företagets datachef pekar ut avsaknaden av en gemensam namnkonvention för mappar och filer som det största problemet. AI-system förutsätter strukturerad, enhetlig och lättillgänglig data. När den grunden saknas levererar systemen bristfälliga resultat – och det spelar ingen roll hur avancerad modellen bakom är.
Det här är en insikt som är värd att skriva ut i fetstil: AI löser inte dina dataproblem. Den avslöjar dem.
För oss som arbetar med systemutveckling är det här egentligen ingen nyhet – skräpdata in, skräpresultat ut, det har gällt sedan länge. Men att det nu blir synligt för organisationer som aldrig tidigare behövt ställa sig frågan om sin datahygien, det är faktiskt en sidoeffekt av AI-omställningen som är mer värdefull än den låter. Byggbranschen har nu ett konkret incitament att städa upp sin datamiljö, något som kommer att ge utdelning långt bortom AI-tillämpningarna.
Självförbättring utan fusk
På forskningsfronten öppnar Google Cloud AI Research upp sitt ramverk RRSI (Regularized Recursive Self-Improvement) som öppen källkod, rapporterar MarkTechPost. Det är ett system där en AI-agent kan förbättra sin egen uppbyggnad – utan att modellens grundläggande vikter ändras och utan att snävt anpassa sig till just de uppgifter den tränas på.
Det sistnämnda är ett känt och besvärligt problem: självförbättrande system tenderar att bli bra på de mätvärden de optimeras mot, men inte på verkliga, nya uppgifter. RRSI motverkar detta genom ett granskarverktyg som avvisar läckage från träningsdata, ett kostnadskrav och automatisk beskärning av komponenter som slutat bidra.
Resultaten är lovande. På kodningsriktmärket SWE-bench Verified – som aldrig användes under optimeringen – förbättrades resultatet från 82,0 till 83,8 procent. Ramverket är tillgängligt under Apache 2.0-licensen, men klassas som ett forskningsprojekt snarare än en färdig produkt. Det är en viktig distinktion.
Mönstret är tydligt
Oavsett om vi tittar på Hollywoods animerade julkortar, en dokumentärseries ansiktsbyten, en byggentreprenörs datakaos eller Googles självförbättrande agenter – mönstret är detsamma. AI är ett kraftfullt verktyg, men det kräver att grunden är lagd. Kreativt, organisatoriskt och tekniskt.
Vår analys
Det som slår mig när jag ser dessa exempel tillsammans är att AI-omställningen rör sig längs två spår samtidigt. I de kreativa branscherna – film, dokumentär, animation – används AI för att övervinna praktiska begränsningar och öppna berättarmässiga möjligheter som tidigare var stängda av ekonomiska eller tekniska skäl. Det är en relativt omedelbar och synlig nytta.
I tyngre industri, som bygg- och anläggningssektorn, är läget mer komplext. Där fungerar AI-implementering nästan som en röntgenbild av organisationens datamognad. Det är obehagligt, men i grunden hälsosamt – och de företag som tar den läxan på allvar bygger en infrastruktur som ger konkurrensfördelar i många år framöver.
Googles RRSI-forskning pekar mot nästa kapitel: AI-system som aktivt förbättrar sig själva utan att tappa generaliseringsförmågan. Det är fortfarande ett forskningsprojekt, men riktningen är given. Vi rör oss mot system som inte bara används av människor – utan som aktivt bidrar till sin egen utveckling. Det ställer nya krav på transparens och granskning, och det samtalet behöver vi föra nu.