Om 2025 handlade om vem som byggde de bästa modellerna, så handlar 2026 om vilka organisationer som klarar att använda dem på riktigt.
Det här är det första nyhetsbrevet för 2026. Ett naturligt tillfälle att både summera året som gått – och blicka framåt.
När jag ser tillbaka på 2025 är en sak särskilt tydlig: AI-utvecklingen har fortsatt att accelerera, men organisationerna har inte alltid hängt med i samma takt. Om 2025 handlade om vem som byggde de bästa modellerna, så handlar 2026 om vilka organisationer som klarar att använda dem på riktigt.
🚀 2025 – året då modellerna sprang
2025 präglades i hög grad av den tekniska kapplöpningen mellan de stora AI-labben – i praktiken främst OpenAI (med ChatGPT), Anthropic (Claude) och Google (Gemini) – som fortsatte att flytta fram positionerna i snabb takt. USA dominerade utvecklingen av de mest avancerade modellerna, samtidigt som Kina började utmana från ett annat håll, bland annat genom satsningar på open source och bredare tillämpning.
Mycket av fokus under året handlade om att avgöra vilken modell som är bäst utifrån olika benchmarks. AI-labben försökte bräcka varandra i jämförande tester: vem är mest kapabel, snabbast och billigast? Det är imponerande prestationer – men måtten säger ofta mer om modellernas egenskaper än om vilken nytta organisationer faktiskt kan skapa.
Parallellt har vi sett historiskt stora investeringar i datacenter och infrastruktur. Samtidigt blir det allt tydligare att det inte längre är modellerna som sätter gränserna. Efterfrågan på beräkningskraft växer snabbare än infrastrukturen hinner med, och energitillgången är på väg att bli den verkliga flaskhalsen. För första gången på länge riskerar fysiska begränsningar – elnät, effekt och tillståndsprocesser – att bromsa den digitala utvecklingen, inte minst i USA. Compute är därmed en strategisk fråga, inte bara en teknisk.
🤖 Modellerna är redo – är vi?
Det är också värt att påminna sig om att modellerna redan i dag är tillräckligt bra för att skapa stor nytta i de flesta organisationer. Även om den tekniska utvecklingen helt skulle avstanna under 2026 – vilket inget egentligen tyder på – finns redan i dag kapacitet nog för att skapa betydande värde.
Vi ser också tydliga tecken på att många företag har gått från experiment till vardag. Enligt McKinsey använder i dag närmare 90 % av organisationer AI i minst en affärsfunktion. Användare av ChatGPT Enterprise rapporterar tidsbesparingar på 40–60 minuter per dag – och i vissa kunskapsintensiva roller ännu mer. Nyttan är inte längre teoretisk.
Trots detta kämpar många organisationer fortfarande med att omsätta potentialen i verklig effekt. En förklaring är att modellerna befinner sig på det som ibland kallas en ”jagged frontier”: de är exceptionellt bra på vissa uppgifter, men förvånansvärt svaga på andra. Små brister kan skapa stora flaskhalsar i praktiken, vilket leder till osäkerhet och frustration.
På individnivå har AI däremot redan blivit vardag i många kunskapsarbeten. 2025 var året då AI på allvar gick från futurism till vardaglig infrastruktur – från något vi pratade om till något som faktiskt användes i det dagliga arbetet.
I takt med detta skiftar också människans roll. Från att i huvudsak göra arbetet själv, till att i allt större utsträckning bedöma, styra och kvalitetssäkra AI:s output. För att få full effekt räcker det därför inte att effektivisera delar av befintliga processer. Organisationer behöver tänka nytt kring hur arbete organiseras, hur ansvar fördelas och hur människa och AI samspelar i vardagen.
👥 AI och jobben – ett skifte under ytan
Trots den snabba teknikutvecklingen har vi ännu inte sett några breda och dramatiska massuppsägningar som direkt kan tillskrivas AI. En viktig förklaring är att hela roller sällan kan ersättas rakt av. Förändringen sker oftare genom en omfördelning av uppgifter inom roller, där vissa moment automatiseras eller förstärks, snarare än genom att hela jobb försvinner.
Parallellt pågår ett mer subtilt skifte. Många företag är försiktiga med ersättningsrekryteringar och låter produktivitetsvinster absorberas i organisationen. Effekten blir mindre synlig i statistiken, men desto mer påtaglig i vardagen.
Konsekvenserna märks särskilt för unga och nyutexaminerade. Första steget in på arbetsmarknaden blir svårare när enklare uppgifter automatiseras eller helt försvinner. I takt med att AI tar över mer av utförandet blir erfarenhet, omdöme och förmågan att styra och värdera AI:s output allt viktigare.
I takt med att AI tar över mer av utförandet blir erfarenhet, omdöme och förmågan att styra och värdera AI:s output allt viktigare.
AI och arbetsmarknaden borde vara en central politisk fråga inför 2026. Samtidigt är risken stor att den hamnar i skymundan, i en omvärld präglad av geopolitisk oro, säkerhetsfrågor och ekonomisk osäkerhet.
🌍 Olika vägar framåt
AI-utvecklingen har också en tydlig geopolitisk dimension. USA dominerar utvecklingen av de mest avancerade modellerna, medan Kina utmanar genom skala, snabb implementering och satsningar på open source. Europa framstår däremot som mer avvaktande och fragmenterat.
I Kina tycks fokus i allt större utsträckning flyttas från att jaga de mest avancerade modellerna till att säkerställa att tillräckligt bra AI faktiskt används i vardagen. Snarare än att behandla AI som ett prestigeprojekt eller en tävling om högst resultat på olika benchmarks, betraktas tekniken alltmer som samhällsinfrastruktur – något som ska fungera i skolor, vård, industri och logistik.
Detta speglas också i attityder till tekniken. Undersökningar visar att cirka 83 % av kinesiska medborgare upplever att AI-system verkar i samhällets bästa intresse, jämfört med omkring 37,5 % i USA. Skillnader i tillit påverkar sannolikt både hur tekniken används – och hur snabbt den accepteras.
Det är ett tydligt tecken på att konkurrensen håller på att förflyttas: från diagram och testresultat till införande, integration och faktisk effekt i komplexa verkliga miljöer.
Det finns inga enkla facit, men kontrasten är värd att reflektera över.
🏗️ Apoteket – från grund till nästa fas
För organisationer i Europa handlar detta kanske mindre om att välja ”rätt” modell – och mer om att bygga strukturer, kompetens och ansvar för att AI faktiskt ska fungera i vardagen.
För oss på Apoteket har 2025 varit ett år med tydligt fokus på att bygga grund och skapa förutsättningar. Vi har lanserat vår nya dataplattform, etablerat ett dedikerat GenAI-team, satt våra första GenAI-lösningar i produktion och genomfört flera viktiga nyckelrekryteringar inom t ex Data Science och Data Governance.
Med den basen går vi in i 2026 med ambitionen att på allvar realisera nyttan – och göra det på ett ansvarsfullt sätt. Vi fortsätter att utveckla vår dataplattform med ökat fokus på avancerad analys och AI/ML, stärker vårt arbete med Data Governance och driver flera spännande initiativ kopplade till automation.
Kompetens är samtidigt en avgörande faktor. Därför gör vi ambitiösa satsningar på kompetensutveckling, bland annat kopplat till Copilot-adoption, men också inom andra områden. Mer om det inom kort.
🔭 Avslutande reflektion
2025 var året då modellerna sprang. 2026 blir – oavsett hur snabbt tekniken fortsätter att utvecklas – året då organisationer, arbetsmarknader och samhällen prövas i hur väl vi förmår ta tekniken i bruk.
Modellerna är redan tillräckligt bra. Frågan är snarare hur vi organiserar arbete, bygger kompetens och tar ansvar – både för möjligheterna och konsekvenserna.
Vilket skifte tror du blir svårast under 2026 – tekniken, organisationerna eller jobben?
P.S. När tempot är högt kan det ibland vara värdefullt att stanna upp och tänka tillsammans. Genom Directing tar jag mig an mindre uppdrag där jag stöttar ledare och team i frågor kring AI, data och digital transformation – med fokus på samspel mellan affär och teknik samt faktisk effekt. Uppdragen är avgränsade och utformas alltid så att de inte skapar några intressekonflikter i förhållande till min roll på Apoteket.
Vill du läsa fler spaningar har jag samlat mina reflektioner från 2025 på www.directing.se.