Sex skräddarsydda AI-modeller på två dagar – för 16 dollar styck. Nu försvinner tröskeln för vem som kan bygga kraftfull teknik
Sex skräddarsydda AI-modeller på två dagar – för 16 dollar styck.
Demokratiseringens genombrott sker nu – i siffror
Det har länge talats om att AI ska bli tillgängligt för alla. Men tal är en sak. Siffror är en annan.
När juridikteknikföretaget LegalOn nyligen rapporterade att de halverat – och i praktiken skurit med 65 procent – sina dagliga driftkostnader för AI-verktyget Codex, utan att offra ett uns av produktionstakt, landade det som ett kvitto snarare än ett löfte. Och när teknikskribenten Simon Willison på Hugging Face-bloggen berättar hur han tränade sex egna AI-modeller på två dagar för 16 dollar styck, börjar bilden bli kristallklar: vi befinner oss mitt i ett kostnadsras som kommer att rita om spelplanen för i princip varje bransch.
Rätt modell för rätt uppgift – en självklarhet som förändrar allt
LegalOns hemlighet är elegant i sin enkelhet. Enligt OpenAI:s blogg har företaget slutat behandla AI som ett enda, universellt verktyg. Istället körs enklare och mer rutinartade kodningsuppgifter på mer kostnadseffektiva modeller, medan komplexa och affärskritiska moment tilldelas den tyngsta kapaciteten.
Tänk på det som ett välskött konsultbolag: du låter inte din mest erfarna specialist skriva mötesprotokoll. Du fördelar arbetet klokt och betalar för rätt kompetens vid rätt tillfälle. LegalOn har gjort exakt detta – fast med AI-modeller – och lagt till aktiv budgetstyrning med tydliga resurstak för varje uppgift. Resultatet: 65 procents kostnadsminskning.
Det är inte ett teknikunder. Det är strategi. Och det är just därför det är så viktigt – för det innebär att vilken organisation som helst kan göra samma sak.
Från idé till färdig modell – på en dag, för en hundralapp
Men LegalOns historia handlar om att optimera befintlig användning. Vad händer när vi tittar på själva skapandet av AI-modeller?
Hugging Face-bloggen rapporterar om ett experiment som är svårt att inte bli entusiastisk inför. Skribenten identifierade ett gap: det fanns ingen lättviktsversion av en textomskrivare kopplad till bildmodellen Qwen-Image 2.1. Originalet väger 20 gigabyte och är oanvändbart i vardagsmiljö. Lösningen? Han beskrev vad han behövde för ett agentbaserat verktyg, och dagen därpå existerade en modell tolv gånger lättare än originalet – med en träffsäkerhet på 99,7 procent och en prislapp på 16 dollar.
Så upprepade han proceduren fem gånger till. Sex modeller. Två dagar. Offentligt tillgängliga för alla.
Den viktigaste insikten från projektet är inte tekniken i sig – det är att den avgörande färdigheten nu handlar om att formulera en bra instruktion. Hans första beskrivning var 450 ord. Vid sjätte projektet hade den vuxit till 2 000 ord, för varje omgång lärde honom något nytt om hur man kommunicerar tydligt med ett AI-system. Det är en kompetens som är mänsklig till sin kärna.
Vem vinner när tröskeln försvinner?
Det är här det verkligt spännande börjar. När kostnaden för att använda AI störtdyker – som LegalOn visar – och kostnaden för att bygga AI gör detsamma – som Willisons experiment bevisar – förskjuts makten fundamentalt.
Stora företag förlorar sin kostnadsmässiga vallgrav. En startup i Skellefteå eller en enskild branschexpert i Malmö kan nu träna en domänspecifik modell för priset av en restaurangmiddag. Specialistkompetens – djup förståelse för juridik, medicin, tillverkning, jordbruk – blir den nya konkurrensfördelen. Inte budgeten.
Det är naturligtvis inte helt enkelt. Att formulera rätt instruktioner kräver kunskap om vad man faktiskt vill åstadkomma. Strategisk modellfördelning, som LegalOn visar, kräver att någon faktiskt tar sig tid att kartlägga arbetsflöden. Kompetensen att tänka strukturerat kring AI är fortfarande en tröskel – men det är en tröskel som handlar om tankearbete, inte kapital.
Och det är en tröskel jag är övertygad om att vi klarar.
Vår analys
De två berättelserna – LegalOns kostnadsdisciplin och journalistens gör-det-själv-experiment – pekar mot samma slutsats: AI håller på att genomgå samma resa som molntjänster och smartphones genomgick. Från exklusiv infrastruktur till allmännytta.
Vad som är extra anmärkningsvärt är hastigheten. Kostnadskurvan faller inte gradvis – den rasar. Och när den gör det förändras inte bara vem som har råd med AI, utan vem som över huvud taget kan bygga med det.
För svenska och nordiska företag är detta ett sällsynt fönster. Vi har starka domänexpertiser inom juridik, industri, hälsovård och energi. Nu kombineras de med verktyg som gör det möjligt att omsätta den expertisen i skräddarsydda AI-lösningar – utan att behöva miljonbudgetar.
Framöver kommer frågan inte att vara om organisationer använder AI. Den kommer att vara hur klokt de gör det. Och det är en fråga som gynnar dem som tänker strategiskt snarare än dem som spenderar mest.