AIDystopiFramtidSpåning1 mars 2026

När AI funkar för bra

Jag läste en text häromdagen som satte sig lite för hårt i magen. Inte för att den var klassisk AI-doom eller “allt går åt skogen”-fantasi, utan för att den gör något mycket mer obehagligt: den utgår från att vi har rätt i vår AI-bullishness. Att AI faktiskt levererar. Att verktygen blir bättre, billigare och mer integrerade.

Och så ställer den frågan: vad händer om det är… dåligt?

Artikeln heter “What if our AI bullishness continues to be right...and what if that’s actually bearish?” och finns här: https://www.citriniresearch.com/p/2028gic

Här är scenariot i korthet, och varför det kan spela roll även om AI utvecklas “som vi hoppas”.

Det obehagliga är att scenariot inte bygger på att AI “spårar ur”, utan på att den fungerar och blir en självklar del av hur beslut tas och arbete utförs.

Scenariot i korthet: “abundant intelligence” som ekonomisk kris

Artikeln är skriven som en framtida “macro memo” från 2028, där man i efterhand försöker förstå hur världen kunde gå från AI-eufori till en “Global Intelligence Crisis”.

Det centrala är inte att AI blir ond. Det centrala är en kedja av ganska rationella beslut som tillsammans blir en spiral.

1) Företag byter lönekostnader mot AI-kostnader

AI-agenter blir bra på kunskapsarbete: kod, analys, support, processer, administration, “mellanskiktet” i många bolag.

Företag behöver färre människor för samma output.
De säger upp.
Marginalerna förbättras.
Vinsterna går… till mer AI.

Det är logiskt på bolagsnivå: om konkurrenten kan leverera samma sak med lägre kostnad så måste du också effektivisera, annars dör du långsamt.

2) Men ekonomin är en konsumentekonomi (och maskiner konsumerar inte)

Det här är den obehagliga kärnan: vi har byggt en ekonomi där hushållens löner driver efterfrågan. Om löner pressas eller jobb försvinner i stor skala så minskar konsumtionen.

Artikeln myntar begreppet “Ghost GDP”: produktion som syns i nationalräkenskaperna (vi är “effektivare”), men som inte cirkulerar tillbaka i ekonomin via människor som spenderar.

En GPU-kluster “producerar” kanske lika mycket som 10 000 kontorsjobb — men den köper inga luncher, inga villor, inga vinterjackor, inga restaurangbesök, inga renoveringar.

3) Spiralen: AI → layoffs → mindre konsumtion → mer AI

När konsumtionen viker får företag press på intäkter. Vad gör man då? Samma som innan: kapar kostnader, automatiserar mer, köper mer AI för att överleva.

AI gör det möjligt. Och eftersom AI blir bättre och billigare fortsätter spiralen.

Det som gör scenariot extra läskigt är att det saknas en “naturlig broms”. I en normal lågkonjunktur finns ofta någon cyklisk återställning: räntor går ner, lager byggs upp igen, byggandet tar fart, etc. Här är “orsaken” inte cyklisk. Den är teknisk och fortsätter förbättras.

4) Andra ordningens effekter: mellanled dör när friktionen försvinner

Artikeln går också in på hur AI-agenter kan börja optimera vardagsbeslut: jämföra priser, säga upp abonnemang, förhandla försäkringar, hitta billigaste leveransen, boka resor.

Jag tyckte vissa detaljer blev lite väl nördiga (den tar t.ex. en sväng via krypto/stablecoins och betalningsräls). Men poängen är intressant även utan de delarna:

Många bolags “moats” är i praktiken byggda på mänsklig friktion:

att vi inte orkar jämföra allt
att vi glömmer säga upp
att vi tar det vi alltid tar
att vi betalar för bekvämlighet och vana

En agent bryr sig inte om vana. Den bryr sig om optimering.

5) Finansiell smitta: när löneantaganden blir osäkra skakar allt

När höginkomsttagare tappar jobb eller går ner kraftigt i lön så påverkar det mer än man tror, eftersom en liten del av befolkningen står för en stor del av konsumtionen.

Och om inkomster blir strukturellt osäkra börjar även “säkra” delar av finanssystemet kännas mindre säkra:

bolån (är prime-bolån “money good” om framtida inkomster är oklara?)
private credit/PE som sitter med antaganden om stabila intäkter i SaaS-världen
kommuner/stater som byggt budgetar på inkomstskatt från välbetalda tjänstemannajobb

Min obehagliga take: vi behöver knappt smartare modeller

Det här är en del jag inte kan släppa:

Jag tror inte vi behöver vänta på “AGI” eller ännu smartare modeller för att få enorm effekt på arbetsmarknaden. Jag tror mycket av transformationen kan hända med ungefär dagens förmågor, så länge vi får:

bättre integration i verktyg och flöden
fler agentiska arbetsflöden (inte bara chatta — utan att AI gör saker)
standardisering i organisationer (“så här jobbar vi nu”)
mätbarhet och acceptans (“det blev faktiskt bättre”)

Vi ser det redan bland utvecklare. Inte för att allt är magiskt, utan för att marginalnyttan av att få hjälp med rätt sak vid rätt tid är enorm.

Och när det väl är “default” i en bransch så kommer nästa bransch. Oavsett om modellerna blir dubbelt så smarta eller inte.

Den extra obehagliga delen: jag är en av dem som driver på

Jag tror en stor anledning att texten träffade mig är att jag inte läste den som “någon annan människas problem”. Jag bygger själv, testar verktyg, drar i spakarna. Jag tycker AI är kul. Jag tycker det är coolt när ett nytt verktyg plötsligt gör en hel klass av problem mycket enklare att lösa.

Och ändå sitter jag här och känner: tänk om det vi kallar fram är ett system som blir för effektivt för sin egen skull?

Det går också rakt in i ett lite mörkt individuellt incitament: om jag tror att arbetsmarknaden blir tuffare, och att fler roller pressas, då är det rationellt för mig att bli ännu bättre på AI. Att bli den som kan automatisera. Den som kan integrera. Den som kan göra mer med mindre.

Alltså: att bli bättre på att driva på förändringen.

Som individ kan det vara en överlevnadsstrategi. På samhällsnivå kan det vara bensin på elden.

Okej. Om vi inte kan (eller vill) bromsa — hur kan vi kontrollera?

Jag tror inte på idén att “vi stoppar AI”. Dels för att det är svårt, dels för att det finns så mycket som faktiskt är bra: tillgänglighet, produktivitet, medicin, utbildning, kreativitet, verktyg för små aktörer, etc.

Men kontroll handlar kanske inte om att stoppa. Det handlar om att bygga stötdämpare, incitament och nya kontrakt.

Här är hur jag tänker på tre nivåer.

1) Regeringar: bygg stötdämpare som matchar en ny verklighet

Om scenariot ens är delvis sant räcker det inte med “reskilling” som enda svar. Inte för att reskilling är fel, utan för att AI äter upp nästa jobb också.

Några spår som känns relevanta att prata mer öppet om (utan att låtsas att vi har perfekta svar):

Nya sätt att omfördela produktivitetsvinster
Om avkastningen går till ägare av kapital/compute medan löner faller, behöver vi en mekanism som håller efterfrågan levande. Annars får vi “Ghost GDP”.
Skattesystem som inte bara är en skatt på mänsklig tid
Idag är mycket av statens intäkter kopplade till arbete. Om arbete ersätts strukturellt blir det ett hål. Vi behöver prata om vad som beskattas i en ekonomi där värdet skapas av mjukvara och automationskapital.
Snabbare policy-loopar
En obehaglig del av scenariot är “tiden”: tekniken rör sig snabbare än institutioner. Kanske behöver vi nya sätt att testa policy (piloter, sandlådor) och skala det som funkar innan krisen är här.

2) Företag: effektivisera utan att såga av grenen du sitter på

Det är här det blir cyniskt: varje företag gör “rätt” för sig. Men tillsammans skapar man något ohållbart.

Jag tror företag behöver börja se AI som mer än ett kostnadsbesparingsprojekt. Några praktiska principer (mer än konkreta recept):

Mät inte bara output per krona — mät risk i systemet du ingår i
Om alla pressar lönekostnader samtidigt: vem är kunden om 24 månader?
Designa roller där människor blir multiplikatorer, inte flaskhalsar
Inte “vi tar bort alla”, utan “vi skalar förmåga”. (Och ja — det kommer ändå minska behovet av folk, men skillnaden i tempo kan vara avgörande.)
Transparens och förtroende internt
Om AI införs som något man gör mot organisationen, skapas rädsla och defensivt beteende. Om det införs som något man gör med organisationen kan det bli en omställning som faktiskt går att leva med.

3) Individen: bli adaptiv, men prata om priset

Jag tror fler behöver acceptera att trygghet blir mer “portfölj” än titel: flera färdigheter, fler nätverk, fler möjliga sätt att skapa värde. Mindre “jag är X” och mer “jag kan lösa Y”.

Men jag vill också lägga till en sak som jag tror är underskattad:

Belys riskerna, även när AI funkar som vi hoppas
Debatten fastnar lätt i “AI hallucinerar” eller “AI är överhajpat”. Men den här risken är nästan värre: AI fungerar, integreras, och det förändrar ekonomiska loopar.
Bygg saker som förstärker människor, inte bara ersätter
Lätt att säga, svårt att göra. Men det är en kompass jag vill hålla i: “gör detta att fler kan skapa värde?” snarare än “gör detta att färre behövs?”

Och ja — jag hör hur det låter. För även om jag tycker det är en bra kompass, så är det fortfarande rationellt för individen att bli den som kan använda verktygen bäst. Det är den där krockzonen mellan individuell optimering och systemeffekt som gör hela grejen så obehaglig.

Varför skriva om det här nu?

För att jag inte tror vi får en stor, tydlig varningsskylt.

Om det här scenariot ens är delvis rätt så känns det som en process som smyger: lite fler verktyg, lite effektivare, lite färre anställda, lite sämre löneutveckling — tills vi plötsligt står där och undrar varför allt känns märkligt trots rekordproduktivitet.

Jag vill inte vara alarmistisk. Men jag vill heller inte vara naiv.

Och kanske är första “kontrollen” vi kan bygga just nu den enklaste: att prata om det. Tidigt. Även när AI-hypen känns rolig, kreativ och full av möjligheter.

För det är den.

Och det är exakt därför det här scenariot känns rimligt.

Om du läst artikeln (eller bara funderat i samma banor): vad tror du är den mest realistiska bromsen i systemet? Politik, företagens egen självbevarelsedrift, eller någon helt annan effekt som författaren missar?