To dokumenter, samme uke

I juni 2026 la Anthropic frem to tekster i løpet av noen få dager. Den ene er et økonomisk policyrammeverk som beskriver hvordan USA bør forberede seg på AI-drevet uro i arbeidsmarkedet. Den andre er en forskningsrapport om hvor langt selskapet har kommet mot rekursiv selvforbedring: AI som bygger AI.

Lest hver for seg er begge velskrevne, nyanserte og uvanlig ærlige til å komme fra et kommersielt selskap. Lest ved siden av hverandre beskriver de to ulike fremtider. Det er mellomrommet som er interessant.

Det økonomiske dokumentet: trappen

Det økonomiske rammeverket er bygget som en trapp med tre trinn. Det første trinnet er en verden med omtrent fem prosent arbeidsledighet. Der foreslås kapitalkontoer som kan eie AI-aksjer, omskoleringstilskudd, reform av yrkeslisensiering og lønnsgarantier. Det andre trinnet er ti prosent. Der handler det om utvidet arbeidsledighetstrygd, bransjespesifikk omstillingsstøtte og støtte til grunnleggende behov. Det tredje trinnet kalles arbeidsledighet uten historisk sidestykke. Der sier rammeverket, med uvanlig åpenhet, at det er mindre sikkert på de riktige svarene og nevner borgerlønn, statlige formuesfond og overskuddsdeling som mulige retninger.

Legg merke til mønsteret: detaljrikdommen er omvendt proporsjonal med alvoret. Femprosentsscenariet får en verktøykasse. Tiprosentsscenariet får en forsikringsløsning. Scenariet som ville endret samfunnet i grunnen, får et skuldertrekk og en henvisning til fremtidig forskning.

Til rammeverket hører to konkrete forpliktelser: et forskningsfond på 200 millioner dollar og et stipendprogram på 150 millioner. Totalt 350 millioner dollar.

Det andre dokumentet: kurven

Forskningsrapporten om rekursiv selvforbedring inneholder tall Anthropic ikke tidligere har publisert. Mer enn 80 prosent av koden som går inn i Anthropics egen kodebase, skrives nå av Claude. En typisk ingeniør får inn åtte ganger så mange kodelinjer i kodebasen per dag som for to år siden. Lengden på oppgaver modellene kan løse selvstendig, dobles omtrent hver fjerde måned. For to år siden var det snakk om oppgaver på noen minutter; i dag handler det om oppgaver på tolv til seksten timer, med hele arbeidsdager innen rekkevidde i år. På de mest åpne problemene, de uten tydelig spesifikasjon, steg modellens suksessrate med femti prosentpoeng på et halvt år. I et tilbakevendende internt eksperiment, der modellen skal gjøre treningskode raskere, gikk resultatet fra tre ganger forbedring til femtito ganger på elleve måneder. En dyktig menneskelig forsker trenger fire til åtte timer for å nå fire ganger.

Rapporten drøfter pliktskyldig muligheten for at kurven flater ut: at eksponentialen egentlig er en S-kurve. Deretter behandler den det som lite sannsynlig. Hver evne Anthropic kan måle, har hittil fulgt samme bane, og selskapet har ennå ikke sett kurven bøye seg.

Kapitalen lyver sjelden

Så langt ordene. Så finnes handlingene.

I mai inngikk Anthropic en avtale med SpaceX om hele kapasiteten i datasenteret Colossus 1: mer enn 300 megawatt og over 220 000 Nvidia-GPU-er. Ifølge Axios og SpaceX' børsnoteringsdokumenter er den økonomiske delen på 1,25 milliarder dollar i måneden frem til mai 2029, altså omtrent 15 milliarder dollar i året, med avtalemessige utganger. Det kommer på toppen av en allerede svimlende liste: opptil fem gigawatt med Amazon, fem gigawatt med Google og Broadcom, 30 milliarder dollar i Azure-kapasitet og 50 milliarder i amerikansk AI-infrastruktur. Samme måned ble Andrej Karpathy, en av OpenAIs grunnleggere og tidligere AI-sjef i Tesla, rekruttert til Anthropic. Ikke til en produktrolle, men for å bygge et team som skal bruke Claude til å akselerere pretreningen av neste generasjon Claude. Altså akkurat den sløyfen forskningsrapporten beskriver.

Sett nå de to summene ved siden av hverandre. Tre hundre og femti millioner dollar for å dempe den sosiale sjokkbølgen. Femten milliarder dollar per år, for én enkelt compute-avtale, for å bygge det som forårsaker den. Regner man hele infrastrukturstabelen, havner forholdet et sted mellom én til hundre og én til fem hundre.

Dette er ikke hykleri i banal forstand. Det er noe mer talende: avslørt preferanse. Et selskap kan formulere policydokumentene sine så forsiktig det vil, men kapitalallokeringen viser hvilken fremtid det faktisk planlegger for. Man kjøper ikke beregningskraft for femten milliarder dollar i året til en teknologi man tror flater ut. Man kjøper den til en eksponential.

Og så den epistemiske asymmetrien, som nesten er elegant. Når argumentet handler om sikkerhetsregulering, der konklusjonen blir at staten må kunne stanse farlige modeller, da stoler Anthropic på kurven: selskapet har ikke sett den bøye seg. Når den samme kurven ville peke mot det tredje arbeidsmarkedsscenariet, endres tonen plutselig: det er vanskelig å forutsi med sikkerhet hvordan og hvor raskt. Samme selskap, samme uke, samme eksponential. Usikkerheten påberopes selektivt, avhengig av hvilken konklusjon den skal bære.

Utsikten fra gulvet

Jeg har arbeidet trettitre år i industrien, de siste tolv som uavhengig konsulent i produserende virksomheter rundt om i Europa. Jeg har sett automatiseringsbølger før: robotiseringen som tok de tunge løftene, forretningssystemene som tok papirflytene, forbedringsarbeidet som tok spilltiden. Hver bølge flyttet mennesker. Den som sto ved maskinen i går, programmerte den i morgen, eller gikk til vedlikehold, kvalitet eller planlegging. Verktøykassen i femprosentsscenariet, omskolering, lisensreform og lønnsgaranti, er bygget for akkurat den bevegelsen: å flytte arbeidskraft mellom yrker, i visshet om at etterspørselen dukker opp et annet sted, ofte ett trinn opp i verdikjeden.

Denne bølgen beveger seg den andre veien. Den begynner ikke ved maskinen, men ved skjermen: i analysen, beregningen, rapporten, planleggingen, koden. Det er arbeidsoppgavene man pleide å omskolere folk til. Jeg merker det i mitt eget arbeid. En stor og voksende andel av det jeg gjør bak en skjerm, kan dagens modeller allerede gjøre, og gjøre raskere. Det er ikke en prognose. Det er en observasjon fra en som fakturerer for nettopp slikt arbeid. Spørsmålet ingen omstillingsmodell svarer på, er enkelt: når substitusjonen treffer ovenfra på kompetansestigen, hvor peker da pilen som omskoleringen skal følge?

Man skal være rettferdig mot Anthropic her. Et policyrammeverk kalibrert for tretti prosent arbeidsledighet ville ikke blitt lest av en eneste beslutningstaker. Det ville blitt avvist som science fiction og dratt hele dokumentet med seg. Trappen fem, ti, uten sidestykke kan være bevisst retorikk: man møter politikken der den står. Og rapportens egne tall skal leses med samme skepsis andre veien. Et selskap i talentkrig og i et oppskrudd kapitalmarked har sterke grunner til å overdrive akselerasjonen, noe rapporten delvis selv medgir når den påpeker at kodelinjer overdriver reell produktivitet. Rammeverket inneholder dessuten en setning som er bemerkelsesverdig å finne i et policydokument: utviklingstakten kan gjøre forslagene utilstrekkelige før de rekker å bli gjennomført.

Men det er jo nettopp det. De vet.

Det svenske spørsmålet

Alt dette er skrevet for USA. Hva er det svenske svaret på det tredje scenariet?

På papiret er vår modell bedre rustet enn den amerikanske: a-kasse, omstillingsorganisasjoner, trygghetsavtaler og en partsmodell som har håndtert strukturendring i sytti år. Men hele maskineriet er kalibrert for konjunktur og strukturendring: situasjoner der etterspørselen etter arbeid forsvinner her og oppstår der, og der oppgaven er å bygge bro over reisen mellom dem. Ingenting i systemet er bygget for generell substitusjon, der etterspørselen etter menneskelig arbeid faller bredt og samtidig, og der det ikke finnes noe der å reise til. Omstillingsorganisasjonene kan ikke omskolere bort en eksponential.

Hvis det amerikanske svaret på det tredje scenariet er «vi vet ikke», har Sverige ennå ikke engang stilt spørsmålet. Og de to dokumentene fra juni 2026 antyder at den som venter på at kurven skal bøye seg før man begynner, kommer til å begynne for sent.

Kilder og kontrollpunkter

Kildene nedenfor dekker de bærende faktapåstandene om Anthropics policyrammeverk, rekursiv selvforbedring, compute-avtaler og Karpathy-rekrutteringen. Konklusjonen om kapitalallokering og svensk beredskap er forfatterens.

Rolf Skogling skriver AI-skiftet fra et industrinært og praktisk perspektiv, med utgangspunkt i arbeid med AI i reelle virksomheter.