Den vanligaste oron inför AI handlar om hastighet och om jobb: hur fort går det, och vad försvinner? Det är rimliga frågor. Men det finns en annan, som är svårare och som diskuteras mindre: frågan är inte främst om AI går snabbt eller långsamt, utan för vem den går snabbt.
Kalla det Delningen. Det är förloppet där frontierkapaciteten fortsätter uppåt — modellerna blir bättre på kod, analys, dokument, verktyg — men där tillgången till det bästa blir ojämn. De mest avancerade modellerna, de lägsta användningskostnaderna, de bästa integrationerna och de mest robusta säkerhetsfunktionerna kontrolleras av ett begränsat antal bolag och molnekosystem. Kapaciteten finns. Den finns bara inte på lika villkor.
Det är detta som skiljer Delningen från det rena hastighetsförloppet. När oron handlar om fart är hastigheten huvudproblemet. I Delningen är kontrollen huvudproblemet. Och de två behöver inte se olika ut på ytan. Ett land — eller ett företag — kan ha mycket hög AI-användning och samtidigt litet inflytande över själva tekniken. Man kan få stark produktivitetsnytta och samtidigt bli alltmer beroende av externa leverantörer, prismodeller, användarvillkor, gränssnitt och säkerhetsbeslut som fattas någon annanstans. Användning och suveränitet glider isär. Det är Delningens kärna.
Inåt i ekonomin ser mönstret likadant ut. Stora och digitalt mogna organisationer bygger intern förmåga, förhandlar med leverantörer, säkrar datakvalitet och bygger om processer. Mindre aktörer saknar oftare specialister, tid, kapital och beställarkompetens — alltså förmågan att veta vad man ska köpa och hur det ska användas. Statistiken visar redan klyftan: stora företag använder AI i långt högre grad än små, och det vanligaste skälet bland dem som avstått är brist på relevant kompetens. I Delningen blir den skillnaden inte en övergångsdetalj utan ett strukturellt mönster.
Offentlig sektor kan hamna i samma läge. Vissa myndigheter, regioner och kommuner bygger avancerad förmåga; andra fastnar i pilotprojekt, osäker upphandling eller brist på teknisk och juridisk kompetens. Resultatet blir olika servicenivåer inom samma offentliga system. Då handlar Delningen inte längre bara om näringslivets konkurrenskraft. Den handlar om likvärdighet — om medborgare får olika kvalitet beroende på vilken myndighet som råkade bygga kapacitet i tid.
Bakom allt detta ligger en koncentration som är lätt att belägga. Enligt OECD tog AI-företag i USA omkring 75 procent av världens AI-riskkapital 2025; EU27 tog 6 procent. Epoch AI anger att USA håller ungefär tre fjärdedelar av den globala GPU-klusterprestandan. För ett litet, öppet och digitalt avancerat land är det fullt rationellt på kort sikt att importera kapacitet som tjänst — små länder bygger sällan hela teknikstacken själva. Men beroendet får konsekvenser. Prissättning, tillgång, säkerhet, dataskydd, kontinuitet och förhandlingsmakt påverkas då av marknader och beslut man inte kontrollerar. Och en sak är värd att säga rakt ut: ett land kan ha datacenter på sitt territorium utan att därmed kontrollera modellkapacitet, dataflöden eller värdeskapande. Anläggningen ger investeringar och jobb, men löser inte beroendet.
Här brukar EU komma in som svar, och det är ett halvt svar. Gemensamma regler kan skydda rättigheter, konkurrens och tillit, och ge ett litet land större förhandlingskraft än det skulle ha ensamt. Men reglering är inte kapacitet. Om EU reglerar utan att samtidigt bygga eller säkra förmåga kan regelstyrka samexistera med strategiskt beroende. Europa kan ha världens mest avancerade AI-lagstiftning och ändå vara beroende av externa modeller, moln och chip. Det är Delningens viktigaste europeiska poäng: man kan styra villkoren för en teknik man inte själv kan producera, men bara upp till en gräns.
Allt detta ändrar vilken fråga man bör ställa om varje förslag, varje upphandling, varje satsning. Det räcker inte att fråga om något ökar AI-användningen — det gör det nästan alltid, och det låter alltid bra. Frågorna som faktiskt betyder något i Delningen är andra: Vem får kapacitet? Vem kontrollerar infrastrukturen? Vilka aktörer kan delta, och vilka stängs ute? Vilka arbetstagare får omställningsvägar? Och hur kan samordning minska beroendet snarare än bara reglera det? Ett förslag som ökar användningen men fördjupar beroendet och vidgar klyftan mellan stora och små kan se ut som framsteg och ändå föra åt fel håll.
Det är samtidigt viktigt att inte överdriva. Delningen är inte ett katastrofscenario i enkel mening. Den kan rymma stark produktivitet, snabb innovation och verklig nytta i stora delar av ekonomin. Problemet är inte att det går dåligt — problemet är fördelning och kontroll. Och svaret är inte teknisk självförsörjning; att Sverige eller Europa skulle bygga hela stacken själva är varken realistiskt eller nödvändigt. Poängen är smalare och mer hanterbar: ju mer samhällsviktig AI-kapaciteten blir, desto viktigare är det att veta vilka delar som är externa, vilka som kan byggas nationellt eller europeiskt, och vilka beroenden som måste hanteras politiskt snarare än önskas bort.
Varningen är alltså inte att stänga sig. Det vore att byta ett problem mot ett större. Varningen är att snabb användning utan beroendeanalys gör omställningen smalare, mer ojämn och svårare att styra — och att det är lätt att missa, eftersom Delningen kan se ut som framgång inifrån. Hög användning, synlig nytta, nöjda kvartalsrapporter, medan kontrollen tyst flyttar ut. Frågan man måste fortsätta ställa är därför inte hur mycket AI vi använder. Det är hur mycket av den vi faktiskt äger.
Källor och kontrollpunkter
Källorna nedan täcker de bärande sakpåståendena om kapital, beräkningskapacitet och svensk företagsanvändning. Slutsatsen om beroende och kontroll är författarens.
- OECD: Venture capital investments in artificial intelligence through 2025, 17 februari 2026. OECD anger att AI-företag i USA stod för cirka 75 procent av globalt AI-VC-dealvärde 2025 och EU27 för cirka 6 procent.
- Epoch AI: The US hosts the majority of GPU cluster performance, followed by China, 5 juni 2025. Epoch anger USA till 74,5 procent och EU till 4,8 procent i sitt GPU-klusterdataset.
- SCB: Artificiell intelligens i Sverige 2025. SCB anger 30,8 procent AI-användning bland små företag, 49,6 procent bland medelstora och 71,9 procent bland stora; brist på relevant expertis var vanligaste skälet bland företag som övervägt men avstått.
- SCB: AI-användning i företag 2025. Fördjupad rapport om storleksklasser, hinder och risk för bestående klyftor.
- AI-skiftet: AI-Framtidsscenarier 2026–2040. Essän utvecklar scenariot Delning: ojämn tillgång och kontroll.