Insikter och perspektiv

Den nya generationens språkmodeller tränas aktivt bort från medhåll. Anthropics Claude Fable 5, som återlanserades i juli 2026, är det tydligaste exemplet hittills:

Ordet sycophancy har funnits i AI-forskningen i flera år. Det förekommer i papers, i modellutvärderingar och i teknisk dokumentation från de stora AI-bolagen, och under det senaste året har det tagit steget ut i den bredare diskussionen om hur språkmodeller påverkar oss. Ordet låter specialiserat, som en egenskap bara forskare kan mäta och bara ingenjörer kan åtgärda.

Jag har hjälpt människor börja använda AI. Med åren har jag burit kunskapen om språkmodeller vidare, visat vad de kan, öppnat dörren, gjort dem användbara i vardagen. En del av det jag satte igång ser jag nu veckla ut sig till något annat.

På Stockholm Tech Show i maj höll Dr. David Barnes öppningskeynoten. Barnes är brigadgeneral (ret.) och tidigare Chief AI Ethics Officer i amerikanska armén, där han tog fram arméns strategi för ansvarsfull AI. I dag rådger han ledningar om organisatorisk beredskap inför AI, ett steg uppströms från själva implementeringen.

AI-washing är när en organisation överdriver eller hittar på AI:s roll för att vinna kapital, kunder eller status. Det är berättelsen om tekniken som gör arbetet, medan tekniken själv spelar en mindre roll än den tillskrivs.

Tio markörer, sex mekanismer, sju tips för att skriva mänskligt igen. För några år sedan fick jag ett mejl som var uppenbart skrivet av en LLM. Det fick mig att fundera kring vilken kommunikation jag skulle återkoppla med. Om personen i fråga inte tar sig tiden att skriva själv, vad har jag för ansvar att svara genom att avsätta egen tid på det? Jag laddade upp det i min egen modell och svarade tillbaka. Så här ser mången kommunikation ut idag. Nu är det mer en norm, men vilken norm är det vi vill ha?

I nästan två decennier har jag arbetat med hur digitala system påverkar mänskligt beteende och kognition. När språkmodellerna slog igenom började jag systematiskt korsa neurovetenskap, beteendeforskning och LLM-arkitektur för att förstå vad som faktiskt händer när människor samtalar med AI.

Vi följer varje nytt modellsläpp. Vi benchmarkar, jämför, implementerar. Det finns en hel industri byggd kring att mäta vad AI kan. Det jag följt är en annan fråga: vad händer med vår egen förmåga när vi gör det? Jag har arbetat med beteendedata i digitala miljöer i nästan två decennier. Sedan språkmodellerna inträdde på marknaden har jag kontinuerligt följt hur detta nya lager påverkar det vi redan visste om algoritmiska flöden, koncentration och tolkningsförmåga. Det jag skriver om kognitiv integritet och syntetisk trygghet bygger på den grunden. Nu börjar forskningen bekräfta det vi anade. Fynden är subtila, och just därför hamnar de sällan i fokus: den aggregerade effekten på mänsklig kapacitet kommer ta tid att bli synlig i den data vi mäter på samhällsnivå. Det är den typen av förändring som kräver att vi tittar aktivt, innan den syns tydligt.

Under 2026 har AI-agenter börjat agera autonomt i arbetsflöden. De skickar mejl, sammanfattar möten, ger feedback, formulerar strategier. Vid CES 2026 visades plattformar där anställda skapar digitala tvillingar av sig själva som deltar i möten i deras ställe. Gartner prognostiserar att 40 procent av alla företagsapplikationer kommer att ha inbyggda AI-agenter vid årets slut. Vi rör oss snabbt mot en verklighet där AI talar *för* oss, *till* oss, och *om* oss, i sammanhang där det som sägs har verkliga konsekvenser.