Altman: AI har krysset terskelen til stor økonomisk nytte
Nøkkelinnsikt
- Altman hevder AI de siste månedene har krysset en terskel til reell og stor økonomisk nytte, særlig innen programvareutvikling
- OpenAIs finansieringsrunde på 110 milliarder dollar er fire ganger større enn den største børsnoteringen noensinne, og skal finansiere Stargate-infrastrukturen
- Kostnaden for å løse vanskelige problemer med AI falt 1 000 ganger fra o1 til GPT-5.4 i løpet av bare 16 måneder
- Altman advarer om en smertefull omstillingsperiode de neste årene, men avviser dommedagsspådommer om jobber på lang sikt
Dette er et AI-generert sammendrag. Kildevideoen inneholder demonstrasjoner, visuelt innhold og kontekst som ikke dekkes her. Se videoen → · Slik lages artiklene →
Kort fortalt
Sam Altman, administrerende direktør i OpenAI, deltok 11. mars 2026 i et intervju med Bayo Ogunlesi, styreleder i Global Infrastructure Partners (GIP/BlackRock) og styremedlem i OpenAI, under BlackRocks U.S. Infrastructure Summit i Washington, D.C. Altman sa AI har krysset en terskel til reell, stor økonomisk nytte. OpenAIs finansieringsrunde på 110 milliarder dollar skal finansiere en massiv infrastrukturutbygging, og kostnaden for å løse vanskelige problemer med AI har falt 1 000 ganger på 16 måneder. Han advarte om en smertefull omstillingsperiode, men avviste dommedagsspådommer om jobbmarkedet på lang sikt.
Les også:
Hva skjedde
Altman åpnet med å beskrive et skifte han sa har skjedd de siste månedene: AI har for alvor begynt å levere målbar økonomisk verdi. Det har vært synligst innen programmering, men han pekte på at det nå skjer i en rekke fagfelt, fra jus til vitenskap, med det han beskrev som «desorienterende hastighet».
Han trakk frem kodeagenter som det tydeligste eksempelet. I dag kan en AI-programvareutvikler løse oppgaver som tar noen timer. Snart vil det strekke seg til oppgaver som tar dager og deretter uker. På lengre sikt ser Altman for seg AI-systemer koblet direkte til bedrifter, som jobber proaktivt i bakgrunnen med full kontekst om alt de trenger å vite.
Nye oppstartsbedrifter tenker allerede annerledes. Altman fortalte at startups som søker råd hos Y Combinator nå ikke spør om hvor mange ansatte de trenger. De spør om hvor mye beregningskraft, altså prosessorkraft i form av GPU-er (grafikkprosessorer) og servere, de kan sikre seg.
Finansieringsrunden og Stargate-utbyggingen
To uker før samtalen kunngjorde OpenAI en finansieringsrunde på 110 milliarder dollar, med Amazon, Nvidia og SoftBank som strategiske partnere. For å sette tallet i perspektiv: det er fire ganger større enn Aramcos børsnotering på 25 milliarder dollar, som er den største i historien.
Altman forklarte at pengene i stor grad går til infrastruktur, som han beskrev som den hardeste delen av AI-bransjen. Man må investere enormt langt frem i tid, og infrastrukturen er dyr. Målet er å gjøre intelligens «for billig til å måle» («too cheap to meter»), et begrep hentet fra kjernekraftindustrien. OpenAI vil at intelligens skal bli en bruksressurs på linje med strøm og vann: noe folk bare bruker uten å tenke over det.
Det første Stargate-datasenteret i Abilene, Texas er allerede i drift. Altman opplyste at OpenAI akkurat nå trener det han håper vil bli «den beste modellen i verden» der. Stargate er et felles infrastrukturselskap OpenAI har etablert med SoftBank og andre partnere.
Egen inferensbrikke innen utgangen av 2026
OpenAI bygger også sin egen spesialbrikke for inferens. Inferens er fasen der en ferdig trent AI-modell svarer på spørsmål. Brikken er ikke laget for å være raskest, men for å være mest effektiv per watt, med tanke på energibegrensningene bransjen møter. De første brikkene skal rulles ut i stor skala innen utgangen av 2026.
1 000 ganger billigere på 16 måneder
Å løse et vanskelig problem med AI koster nå 1 000 ganger mindre enn med o1, OpenAIs første resonneringsmodell, som kom ut for 16 måneder siden. Den nyeste modellen med samme metode heter GPT-5.4.
En resonneringsmodell er en AI-modell som tenker gjennom et problem steg for steg før den svarer, i stedet for å svare umiddelbart. Altman sa dette tallet viser to ting: vi er fortsatt tidlig i utviklingskurven, og menneskelig oppfinnsomhet alltid blir undervurdert.
USA mot Kina — og et globalt løp
Altman sammenlignet oppdagelsen av dyp læring, teknologien bak moderne AI, med å oppdage en fundamental egenskap ved fysikken fremfor en bedriftshemmelighet. Det betyr at de grunnleggende prinsippene til slutt vil bli allment kjent. Konkurransefordelene vil ligge i infrastruktur, spesialisert kunnskap og integrasjon i arbeidsprosesser.
Hans vurdering av konkurransen: USA leder på de mest avanserte modellene og infrastruktur, mens Kina leder på billigste inferens og åpen kildekode. Altman sa USA sannsynligvis leder totalt sett, men at infrastrukturavhengighet og farten på AI-bruk er USAs to største sårbarheter.
Han trakk frem India som særlig imponerende. Da han besøkte indiske oppstartsbedrifter, fikk han vite at bruken av Codex (OpenAIs kodeverktøy) hadde tidoblet seg på noen få måneder, noe han først trodde var en feil. Indiske gründere snakket om målet om å starte «nullperson-bedrifter», altså selskaper der all drift styres av AI-agenter.
Fagforeninger og demokratisk AI
Den samme morgenen kunngjorde OpenAI et partnerskap med North American Building Trades Unions (NABTU), den nordamerikanske fagforeningen for byggebransjen, for å bygge ut utdanningsløp for faglærte håndverkere. Altman begrunnet det med at alle flaskehalser i AI-infrastrukturen, enten det er transformatorer, datasenterbygg eller kraftlinjer, avhenger av faglærte arbeidere.
På et bredere spørsmål om demokratisk versus autoritær AI, hevdet Altman at AI-utvikling nå er blitt et avgjørende samfunnsspørsmål som ikke bør overlates til enkeltselskaper eller regjeringer alene. Regelverket bør formes gjennom demokratiske prosesser, sa han, men han etterlyste at disse prosessene beveger seg raskere.
En potensielt deflasjonær økonomi
Mot slutten av samtalen skisserte Altman et scenario som utfordrer etablerte mål for velstand: AI kan utløse et produktivitetshopp der livskvalitet stiger, mens bruttonasjonalproduktet (BNP) faller. Det skyldes at BNP måler prisnivå og transaksjoner, og billigere tjenester slår negativt ut i dette målet selv om folk faktisk får mer.
Han sa det er uklart hva det vil si å leve i en «evig deflasjonær verden», og at debatten om riktige velstandsmål vil ta mye plass de kommende årene.
Altman er ikke pessimist på lang sikt. Han sa han tror vi vil finne nye ting å gjøre, og at AI til slutt vil skape mer enn det fortrenger. Men de neste årene kommer til å bli en «smertefull» omstilling.
Ordliste
| Begrep | Forklaring |
|---|---|
| Inferens | Fasen der en ferdig trent AI-modell svarer på spørsmål. Tilsvarer det en person gjør når de bruker kunnskapen de har lært. |
| Trening | Prosessen der en AI-modell lærer ved å behandle store mengder data. Tilsvarer skolegang og utdanning for et menneske. |
| Beregningskraft | Den prosessorkraften, som GPU-er og servere, som trengs for å trene og kjøre AI-modeller. |
| GPU (grafikkprosessor) | Spesialbrikke opprinnelig laget for spillgrafikk, nå det viktigste maskinvareelementet for AI-trening. |
| Resonneringsmodell | En AI-modell som tenker gjennom et problem steg for steg før den svarer, i stedet for å svare umiddelbart. |
| Skaleringsregler | Matematiske sammenhenger som viser at mer beregningskraft og data gir forutsigbart smartere modeller. |
| AGI (kunstig generell intelligens) | AI som kan måle seg med eller overgå menneskelig evne på tvers av praktisk talt alle kognitive oppgaver. |
| Datasenter | Et bygg fylt med tusenvis av servere som driver nettskyen og AI-arbeid. |
| Tokens | De minste enhetene en AI-modell behandler, omtrent 3-4 tegn hver. Brukes som betalingsenhet for AI-tjenester. |
Kilder og ressurser
Vil du vite mer? Se hele videoen på YouTube →