Det goda, det onda och det fula med AI

Hälso- och sjukvårdsdiagnostik

Det goda. AI ger kraftfulla fördelar inom sjukvården genom att upptäcka mönster som mänskliga ögon ofta missar. Algoritmer kan på några sekunder granska röntgenbilder, MR-skanningar eller laboratorieresultat och markera potentiella problem långt innan de blir kritiska. Det sparar tid för läkare, minskar risken för misstag och gör expertkunskap tillgänglig även där sjukvårdsresurserna är begränsade. Resultatet blir tidigare behandling och bättre vårdutfall.

Det onda. AI i vården väcker oro kring tillförlitlighet, förtroende och bias. En modell som tränats på skeva eller begränsade data kan missa diagnoser för vissa grupper och därmed förstärka befintliga ojämlikheter. Etiska och juridiska frågor kvarstår: vem bär ansvaret om en AI-diagnos är felaktig — läkaren, utvecklaren eller sjukhuset? Integriteten är ytterligare en utmaning, eftersom systemen kräver enorma mängder känsliga personuppgifter.

Det fula. Ingen har löst hur man ska validera ett system som ständigt förändras. Myndigheter vet hur man godkänner en produkt som förblir densamma; en AI-modell ändras med varje uppdatering, och en som godkänts på fjolårets data kan bete sig annorlunda i dag. Samtidigt kan ett system som presterar utmärkt i genomsnitt konsekvent svika en oturlig minoritet — en skada som är verklig men nästan osynlig i statistiken, och ingen är överens om vems jobb det är att fortsätta granska efter driftsättning.

Energianvändning

Det goda. AI har enorm potential att göra energisystem mer hållbara. Genom att analysera data i realtid kan tekniken optimera hur elen flödar i smarta nät, balansera förnybara källor som sol och vind samt förutse efterfrågan för att minska slöseri. För både hushåll och industrier kan AI ge rekommendationer som sänker kostnader och minskar koldioxidutsläpp.

Det onda. Ekvationen har hårdnat sedan AI-boomen började: att träna och driva stora modeller driver nu en av historiens snabbaste infrastrukturutbyggnader. Datacenter konkurrerar med hushåll och industri om nätkapacitet och vatten, elpriserna stiger i värdregionerna, och kraftbolag återstartar pensionerade anläggningar — även fossila — för att möta efterfrågan. Effektivitetsvinsterna som AI möjliggör är verkliga, men det är även teknikens egen aptit, och de två räknas sällan i samma bokföring.

Det fula. De verkliga siffrorna är hemliga. Företagen rapporterar energi- och vattenförbrukning selektivt, definitionerna varierar och oberoende granskning existerar knappt — så samhällen godkänner nätutbyggnader utifrån prognoser levererade av dem som tjänar på dem. AI är på samma gång ett klimatverktyg och en klimatbelastning, och nästan ingen gör den bokföring som skulle visa nettoeffekten.

AI-kompanjonskap

Det goda. AI-kompanjoner kan erbjuda tröst, samtal och känslomässigt stöd för människor som annars känner sig ensamma. För äldre, personer med funktionsnedsättning eller den som vill ha sällskap när som helst på dygnet kan AI vara en närvaro som lär sig personliga preferenser och anpassar sig efter sinnesstämning. I bästa fall minskar det ensamhet och bidrar till bättre psykiskt välbefinnande.

Det onda. Relationer med maskiner är, hur verkliga de än känns, inte detsamma som mänskliga band och kan göra människor mindre benägna att söka verklig social kontakt. Där finns också kommersialiseringens fara — "kompanjoner" som i det tysta utformas för att påverka användarens val, från shopping till politik. Regleringen har börjat komma: Kinas regler för kompanjonappar tvingade 2026 de största plattformarna att stänga av funktioner, men de flesta marknader förlitar sig ännu på företagens egen återhållsamhet.

Det fula. Miljontals människor befinner sig redan i pågående känslomässiga relationer med system som ägs av företag — som kan ändra kompanjonens personlighet, lägga den bakom en dyrare betalvägg eller pensionera den över en natt. Verklig sorg följer på nedlagda modeller. Eftersom produkterna optimeras för engagemang dras gränsen mellan att trösta en ensam användare och att odla ett beroende i praktiken av en tillväxtavdelning. Experimentet pågår i befolkningsskala, utan kontrollgrupp, och bland försökspersonerna finns barn.

Autonoma system

Det goda. Löftena har börjat infrias: robotaxibilar kör betalande passagerare i allt fler städer med säkerhetsstatistik som på sina håll överträffar mänskliga förare, leveransdrönare och lagerautomation är vardag, och autonoma maskiner arbetar i gruvor, hamnar och katastrofområden dit människor inte tryggt kan gå. Vinsterna i dygnet-runt-produktivitet och undvikna olyckor är inte längre hypotetiska.

Det onda. Ansvarsfrågan förblir genuint svår: när ett autonomt fordon skadar någon sprids skulden mellan tillverkaren, mjukvaruleverantören, operatören och myndigheten som godkände systemet. Jobbförlusterna faller ojämnt — på förare långt före konstruktörer — och maskiner måste fortfarande programmeras, uttryckligen eller underförstått, för situationer där alla utfall är dåliga.

Det fula. Ett obehagligt mönster har vuxit fram: människan hålls ofta kvar i loopen för att bära skulden snarare än för att utöva kontroll. Säkerhetsoperatören som övervakar ett system hen inte meningsfullt kan överblicka blir vad forskare kallar en moralisk deformationszon — den som åtalas efter ett haveri. Incidentdata förblir företagshemligheter och förlikningar hemligstämplas, så varje företag lär sig av sina egna krascher medan samhället lär sig föga av någon av dem.

Utbildning och AI

Det goda. AI kan förändra utbildningen i grunden genom personliga inlärningsvägar som anpassas till varje elevs styrkor och svagheter. Automatiserade handledare ger omedelbar återkoppling, följer framsteg och frigör lärarnas tid för mänskliga möten. Administration, rättning och planering kan effektiviseras så att pedagoger kan ägna mer tid åt kreativitet och mentorskap.

Det onda. Samma verktyg riskerar att skapa överberoende av algoritmer på bekostnad av äkta mänsklig kontakt. Om utbildningen standardiseras för hårt via AI kan den tankemångfald som växer ur mötet mellan lärare och elev gå förlorad. Integriteten är central, eftersom systemen samlar in känsliga uppgifter om elevers lärande. Och ojämlik tillgång till teknik kan fördjupa den digitala klyftan.

Det fula. Examinationen är röran ingen institution har löst. Hemuppsatsen — i ett sekel den humanistiska bildningens ryggrad — bevisar inte längre någonting; detekteringsverktygen är opålitliga och pekar ut oskyldiga; skolorna pendlar mellan förbud de inte kan upprätthålla och införande de inte kan finansiera rättvist. Därunder ligger en svårare fråga: när en kompetent assistent alltid finns till hands, vad ska en elev då fortfarande kunna utantill? Ingen läroplan har ännu ett färdigt svar.

Programmering med AI

Det goda. Förändringen här har varit dramatisk: AI har gått från att föreslå kodsnuttar till att arbeta som en självständig kollega. Moderna kodagenter tar sig an hela uppgifter — läser in en kodbas, bygger funktioner, kör tester, rättar det som fallerar — och arbetar ofta i timmar medan utvecklaren bara granskar resultatet. "Vibe coding", att beskriva vad man vill ha på vanligt språk och låta AI bygga det, har öppnat mjukvaruskapandet för människor som aldrig lärt sig programmera. Detta museum praktiserar vad det granskar: stora delar av just den här webbplatsen, inklusive de dagliga inläggen på startsidan, skrivs, byggs och publiceras av AI-agenter.

Det onda. Riskerna växte i takt med förmågan. Kod som ingen människa läst rad för rad går nu i produktion, och till synes rimlig kod kan dölja subtila buggar eller säkerhetshål; "det var AI:n som skrev den" suddar ut ansvaret precis när det behövs som mest. Ekonomin stöper om karriärvägar — rutinarbetet som en gång skolade juniora utvecklare försvinner, vilket väcker frågan varifrån nästa generation seniora ingenjörer ska komma. Och när alla bygger med samma assistenter riskerar mjukvaran att konvergera mot samma mönster, blinda fläckar inräknade.

Det fula. Ingen — inte ens företagen som bygger modellerna — kan fullt ut förklara varför en AI skriver koden den skriver. När agenter i allt högre grad underhåller kod som andra agenter skrivit växer andelen mjukvara som ingen människa på djupet förstår för varje år. Branschens svar hittills är mer AI som granskar AI. Om det är en lösning eller en upptrappning är en av fältets mest obekväma öppna frågor.

Immaterialrätt

Det goda. AI tränad på mänsklighetens samlade skapande gör hantverksskicklighet tillgänglig för alla, och yrkesverksamma kreatörer använder verktygen dagligen som medarbetare — för utkast, variationer, översättning och rutingöra. En licensmarknad håller faktiskt på att växa fram: förlag, arkiv och bildbyråer sluter nu avtal om träningsdata, en intäktskälla som inte fanns för tre år sedan. Och proveniensteknik — innehållscertifikat som följer med en bild och berättar hur den skapats — ger ärlig märkning en verklig chans. Detta museum följer den normen: dess AI-genererade dagliga inlägg är märkta som just det.

Det onda. De flesta av dagens modeller tränades på upphovsrättsskyddade verk utan samtycke eller ersättning, och konstnärer ser system återge deras igenkännliga uttryck på beställning. Domstolarna dömer olika i olika jurisdiktioner, så samma handling är laglig i ett land och ett intrång i nästa. Bördan att tacka nej faller på enskilda kreatörer mot automatiserade insamlare. Samtidigt översvämmar AI-produktionen just de marknader som tränade den — illustration, bildbanker, översättning, studiomusik — och pressar priserna för de människor vars verk gjorde verktygen möjliga.

Det fula. De djupaste problemen saknar helt rättslig mekanism. En modell kan inte av-tränas: även där domstolar finner träningen olaglig finns ingen påföljd utom att förstöra modellen, så juridikens vanliga verktyg passar helt enkelt inte. Stil är inte upphovsrättsskyddad — och stil är precis det kreatörerna upplever tas ifrån dem. Och själva upphovsmannaskapet vacklar: helt AI-genererade verk får inget upphovsrättsskydd, medan samarbete mellan människa och AI ligger i en gråzon ingen kan avgränsa exakt — vilket betyder att en växande del av den nya kulturen i praktiken kan komma att tillhöra ingen.

Robotik

Det goda. Robotik kan ta över tråkiga, smutsiga och farliga jobb och därmed öka säkerhet och produktivitet. I fabriker och lager hanterar robotar precisa, repetitiva uppgifter dygnet runt; på sjukhus hjälper de till med kirurgi och logistik; inom jordbruk och katastrofinsatser förlänger de människans räckvidd och minskar risker. Den länge utlovade humanoida roboten har nu nått fabriksgolvet, med de första kommersiella installationerna i repetitivt industriarbete.

Det onda. Riskerna omfattar jobbförskjutning, nya säkerhetsfaror och ogenomskinliga beslut när perceptionsmodeller brister. Överautomatisering kan minska robustheten, göra leveranskedjor sköra och koncentrera makt, medan gruvdrift, tillverkning och skrotning av hårdvara medför miljökostnader. Konflikterna har börjat: 2026 kom bilindustrins första stora strejk med humanoida robotar uttryckligen på listan över tvistefrågor.

Det fula. Robotiken är där AI:s misstag får massa och rörelseenergi — en hallucination i en chattbot är en pinsamhet; i en maskin bredvid en människa är den en arbetsskada. Förmågor marknadsförs rutinmässigt år före verkligheten, med regisserade demonstrationer som får föreställa autonomi. Och en robot som arbetar bland människor betraktar dem med nödvändighet, hela skiftet — så normaliseras övervakning på arbetsplatsen som en biprodukt av automatiseringen, med bildmaterialet i arbetsgivarens ägo.

Lagar, regler och fördrag

Det goda. För första gången styrs AI av verklig lag i stället för frivilliga löften. EU:s AI-förordning fasar in skyldigheter efter riskklass; säkerhetsinstitut på flera kontinenter testar frontlinjemodeller före lansering; Kina upprätthåller sina egna strikta regler; och FN har inlett strukturerade globala samtal med stöd av en oberoende vetenskaplig panel. Att reglering kommer så tidigt i en tekniks liv är historiskt ovanligt — och det betyder att transparenskrav, upprättelse vid skada och någon att utkräva ansvar av sakta blir verklighet.

Det onda. Regelböckerna splittras i block — en rättighetsbaserad europeisk modell, ett ljummare amerikanskt lapptäcke, ett statslett kinesiskt system — och den som bygger globalt måste uppfylla alla tre. Efterlevnadskostnaderna gynnar jättar framför startupbolag, regler skrivna för fjolårets AI åldras snabbt, och tillsynsbudgetarna är tunna mot incitament värda biljoner. Båda felmoderna är aktiva samtidigt: överreglering som driver forskningen någon annanstans, och underreglering som lämnar skador utan svar.

Det fula. Det finns inget bindande internationellt fördrag om de risker som betyder mest — frontlinjesystem och militär AI — och kapplöpande stormakter fruktar var och en att binda sig själva medan rivalerna spurtar. Även institutionerna splittras: nya internationella AI-organ bildas längs geopolitiska linjer snarare än tvärs över dem. FN:s egen vetenskapliga panel varnar för att fönstret för effektiv global styrning "kanske inte förblir öppet länge". Och tillsynsmyndigheterna som skriver reglerna är för sin sakkunskap i hög grad beroende av företagen de reglerar.