317. Direkt från Silicon Valley: AI och voice AI

Vi måste jobba mycket med att bara komma igång på den enkla nivån fortfarande. Vi kan inte riktigt prata om AI-agenter, autonomi, fullständig automation, voice AI. Allting sånt här är väldigt komplext när man börjar.

Men att bara komma igång med något så enkelt som att få in en liten rutin och chatta med AI om vad som helst, det kan vara att ställa frågor. Det kan vara att fråga en fråga om vad du än kommer på i stunden eller någonting kring jobbet eller drafta ett mejl. Det är ju liksom ett första steg som man borde börja med.

Hej och välkommen till Teknikpodden. Det här är först avsnittet av höstsäsongen när vi pratar säsongen så är det faktiskt säsong 18. Säsong 18 av Teknikpodden. Och ja, vi börjar bli en långkörare podd i det här läget.

Och ni fortsätter lyssna vilket gläder oss och hoppas att ni kommer göra så även i höst. Vi kommer dra igång höstens avsnitt med ett toppavsnitt för i somras med direktrapport från Silicon Valley faktiskt. Philip Alm från Incredibles har ett incredible avsnitt faktiskt där han berättar vad händer just nu i Silicon Valley helt enkelt och vad händer just nu.

För just nu händer det så mycket, men vad hände för några veckor sedan då? Kanske till och med en månad sedan. Philip är en sån klok och reflekterad person så jag tycker att det var ett bra avsnitt som hade både praktiska saker vad händer i utvecklingsvärlden, vilka typer av kompetenser är på gång och sedan en del filosofiska reflektioner som jag tycker också har sin plats just nu.

Och med det så vill jag lämna över ordet till Philip. Varsågod. Philip, kul att du är här. Du får berätta vem du är och var är någonstans. Philip Alm. Jag sitter som vd och medgrundare av bolaget Incredible.

Jag sitter för närvarande i San Francisco och är här på besök i strax över två månader. Jag ska se och lista ut lite hur läget ligger här borta. Då tror jag att vi sen får börja med det.

Kan du ge lite spaningar från vad händer liksom? Hur är det? Direkt rapport från Silicon Valley. Det är helt det vi vill ha. Jag har ju varit här ett par gånger tidigare, men det kändes som att energin varje gång jag åkt hit ökar ju mer och mer inom AI-spacet.

Just nu är det ju helt kaos när det gäller mängden innovation som sker och hur mycket events och hur mycket energi det är kring just AI fortfarande. Det kickstartades ju för några år sedan och det har ju inte riktigt lagt sig. Det har bara blivit mer och mer.

Så alla evenemang och sådant som man går på här, man träffar ju enormt intressanta individer som ligger i fronten och väldigt långt fram i sitt tänkande kring AI. Men också appliceringen av det, vilket är väldigt spännande. Kan du ge ett exempel på vad som har verkligen varit?

Det roligaste exemplet jag har är jämförelsen med hur det har varit i Stockholm. Stockholm har ju blivit väldigt hett på senare tid. Kollar man på mängden events som sker i Stockholm så är det kanske ett eller två relevanta i månaden eller ibland i veckan beroende på om det är lite mer intensiva perioder.

Men här har du ju uppemot 200-300 events i månaden även på de lägre månaderna när det inte är så hett. Och sen i oktober och november och så vidare med Techweek så är det ju uppemot 800-900 events i månaden här borta som är väldigt relevanta att gå på. Kan du inte berätta lite om, har du något särskilt som du vill tipsa om eller som du sa, det här var någon cool ny grej som jag fick insikt över?

Den största grejen som jag är mest taggad på är hur stor röst-eran har blivit här borta. Vi har besökt ett par olika kontor och nästan i varenda kontor kan man se hur det är mixstationer installerade på varenda arbetsbord. Så det är jättemånga som har gått över till att kontrollera Cloud Code, Codex, alla sådana här Vibe Coding-verktyg med röst istället för tangentbordet.

Det verkar som det blir mer och mer även för internkommunikation och allting annat som sker här också. Det är nästan som man är lite förvånad när man går in där, det ser ut som att de sitter i podcastbås nästan allihop. Men det är verkligen den här röstvågen som jag tror går igenom Silicon Valley just nu.

Jag tror också den håller på att spridas till Norden. Vi har sett rätt mycket reportage, speciellt från Breakit och så vidare på senare tid här, där röst verkar vara framtiden. Det är ju någonting som vi självklart tror starkt på också.

Jag tycker bara det är fascinerande att se det här, och det är verkligen här har det hänt redan. Så det är en trend jag tror kommer att fortsätta och sprida sig till Norden också. Jag tänker, låt oss avsluta igen med vad som händer just nu.

Nu får jag ställa tillbakalund, hur är det? Hur hamnade du här? Hur hamnade jag här? Ja, sen barnsben håller jag på att säga, så är väl den storyn. Men jag är ju en enorm tekniknörd från grunden och botten, suttit i källan och programmerat i princip hela barndomen.

Sen kom jag ju väldigt snabbt in i affärsvärlden. Jag tyckte det var intressant att inte bara bygga saker, men också gjuta för att det är ju ingen nytta om du bara bygger det till dig själv. Det måste ju finnas något värde och det är mycket roligare att se när andra använder de applikationerna och lösningarna man bygger.

Jag gick igenom en mängd olika online-verktyg som jag byggde under barndomen. Sen vid 20 års ålder så grundade vi det här bolaget, så det är ungefär sex år sedan nu. Då började vi som AI-konsulter, jobbade mot en mängd olika stora enterprises runt om i Norden.

I dagsläget så är vi ett produktbolag som bygger vad vi kallar Voice-based superintelligence, där du kontrollerar i princip hela din dator och allting du gör på din dator. Hur du interagerar med appar, hur du klickar runt, hur du sköter arbetsflöden, hur du gör egentligen varenda arbetsuppgift. Skapa PDF för Powerpoint, skicka mejl, skicka meddelanden, bygga rapporter, Excel-ark och allting och så vidare.

Bara exklusivt med röst genom att hålla ner en tangent på tangentbordet och prata med datorn, beskriva uppgiften. Lite som när man chattar med Cloud eller ChatGPT, bara att den kan göra allting på hela din dator med röst. Det har vi forskat i ett par år här och senaste året har vi börjat lansera en produkt, Incredible, som det är exakt det jag nämnde nu.

Du håller ner en knapp på tangentbordet, du pratar med den och den löser en mängd olika uppgifter. Det är lite som en superintelligent Siri kan man säga, som kan göra enormt mycket saker. Och det har ju också dragit oss såklart till Silicon Valley, för att här är ju AI-fronten idag.

Även om det finns väldigt mycket talang i Sverige och väldigt mycket hype just nu i Stockholm bland annat, så är det fortfarande här som är kärnan som driver det framåt. Det är väldigt spännande att vara här såklart. Kan du förklara lite mer hur produkten fungerar?

Vad kan man göra och vad man inte kan göra? Vad är dina bästa user case? Det är en jättesvår fråga att svara på för ungefär ett halvår sedan. För vi har varit i träsket, kallar vi det, när vi har fått traggla oss fram till vad man kan och inte kan göra.

Och det finns en mängd olika principer här som nästintill varenda AI-produkt står inför att behöva lösa. Den ena är vad vi kallar blackbox-principen, vilket är exakt det du nämnde nu. Det är det här, du vet inte vad den kan göra och du vet inte riktigt vad den inte kan göra heller.

Man förstår sig inte på begränsningarna. Och du kan inte riktigt sätta en chatbot framför någon och säga, ja den kan göra vad som helst. För då blir man liksom stum.

Man fattar inte vad man kan göra då. Vadå vad som helst? Vad innebär det här? Vad kan jag göra då? Och vi släppte ju en produkt i december. Den slog etta på Product Hunt globalt.

Vi fick in ett par tusen användare och drygt 150 betalande kunder i den. Men det vi insåg väldigt snabbt var ju att folk hade ingen aning om vad man ska göra med den produkten. Även om den var väldigt kapabel.

Man byggde upp AI-agenter som kunde i princip lösa vilken uppgift som helst. Skicka mejl, skapa rapporter och så vidare. Men det var så otroligt svårt att förstå sig på begränsningarna av den.

Så vi tog vår tid. Bolagen i Norden som vi snackar med, de sitter ju, speciellt Enterprise-nivå, de sitter med Copilot och Microsoft-miljöer. Det tror jag vi alla kan känna igen om man har hört ut hos bolag.

Och då har det inte varit något problem för dem att komma igång med Copilot. De tänker ju liksom, okej, vi är en Microsoft-miljö, Microsoft tar det här add-onet. Det kanske är lite svårt för dem fortfarande, för de är inte helt inne i hur data används, tränas, modeller på vår privata data och så vidare.

Men de har ändå kommit igång med det, du kan chatta med den, men den kanske inte är kopplad till så många verktyg och den är inte jättekapabel. Så den är ju väldigt begränsad i form av att det är chatt bara. Du kan chatta med den, men den kan inte riktigt göra så mycket saker.

Den kan jobba i några Microsoft-appar, men den kan inte liksom hantera ordrar och skicka mejl och gå in i HubSpot eller Salesforce och SAP eller vad det nu skulle vara som extern. Så det är ju kapabilitetslagret, sen barriärerna för att adoptera det. Där är det ju bara en kunskapsbrist egentligen.

Ett verktyg som är externt med AI idag, om vi säger ett AI-verktyg, det är egentligen ingen skillnad på det praktiskt än vilket annat verktyg som helst, förutsatt att du har Data Processing Agreements, alltså datahanteringskontrakt på plats. Det vill säga, du vågar lagra filer på OneDrive, men du vågar inte lagra chattar i samma Microsoft-datacenter. Det är egentligen mycket bara en brist på förståelse för att våga adoptera tekniken som bolag, ofta av tid.

Kan du inte förklara det väldigt basalt? Du är helt rätt på det, men datalagersfrågan får man väldigt ofta. Kan du inte förklara det och man tar bort oron kring den?

Oron försvinner aldrig riktigt. Det är ju alltid en fråga hos bolag. Alla är ju rädda för att ens privata processer ska läcka och liknande. Den främsta saken man måste göra är bara utbilda och förstå, okej, vart ligger data?

Hur används data? Och det är inte jättekomplext. Det är exakt som när jag köper in ett annat verktyg idag. Om jag vågar dela filer med Google Drive, till exempel, då ligger ju alla mina filer på ett Google-datacenter.

Men jag kanske inte vågar använda AI från Google. Och då är frågan varför? För det är ju identiskt egentligen i hur datan används. Den ligger ju på samma datacenter.

Det är en AI-modell som körs på det, men där har du ju ingenting som kan läckas eller göra någonting annorlunda än till exempel din Gmail när du skickar ett mejl. Det är ju exakt samma teknik. Bakliggande datan hanteras på samma sätt.

Den enda skillnaden är ju att många tänker att man kanske tränar AI-modellerna på den här datan. Men läser man kontrakten och man ser till att du köper in från till exempel Google, OpenAI, Entropic och så vidare, och ser till att de inte har någon data retention, alltså att de inte behåller datan efter man har använt modellerna och inte tränar modeller på sin egna data. Då är det ju praktiskt identiskt med vilken annan SaaS-lösning som helst som du köper.

Jag håller med. Ännu praktiskt där. Du säger att man vill få det här till det här basala. Du nämner ju här alla de stora namnen som man hör. Kan du inte vara lite så här, hur brukar det vara?

Kan vi vara lite mer konkreta? Hur brukar man få till de här enkla grejerna? Nej, men som sagt, många börjar ju i den miljön de redan sitter i och jag tror det är helt rätt sätt att göra det på.

Många som sitter i Microsoft-miljön börjar ju med Copilot. Att komma in i att ens kunna prata med en AI och bli bekväm med att chatta med en AI. Jag tror det är någonting som vi kanske överskattar hur lätt det är.

Det är inte jättelätt och inte jättebekvämt för majoriteten av individer. Jag vet att du, CJ, du är ju liksom väldigt långt fram i AI-eran tror jag fortfarande. Vi sitter ju lite av en bubbla där vi tänker att, okej, men alla fattar ju AI.

Det är ju det viktigaste som finns och det enda som sker just nu. Men samtidigt, 98% av alla individer i världen, de har inte gjort något mer än att ställt en fråga till Google och fått ett AI-svar fortfarande. Det är liksom en enormt stor, vad ska vi säga, man tänker att alla använder AI.

Det är så otroligt stort, men AI-kunskapen är så pass låg fortfarande. Jag personligen, liksom för ett år sedan innan vi började gå ut på riktigt och snacka med mycket, mycket, mycket kunder, då tänkte jag att okej, det här kommer vara klockrent självklart. Alla har börjat komma igång med att chatta med ChatGPT och skapa saker och förstå sig på hur man skriver mejl med AI, analysera saker med AI och så vidare.

När man bara pratar med den, du chattar med den, det måste vara så enkelt. Men det visade sig att även den är så svår att förstå sig på och testa att meriteriteten av individerna har fortfarande inte tagit sig över den tröskeln. Så vi måste jobba mycket med att bara komma igång på den enkla nivån fortfarande.

Vi kan inte riktigt prata om AI-agenter, autonomi, fullständig automation, voice AI, allting sånt här är liksom väldigt komplext när man börjar, men att bara komma igång med något så enkelt som att få in en liten rutin och chatta med AI om vad som helst. Det kan vara att ställa frågor. Det kan vara att fråga en fråga om vad du än kommer på i stunden eller någonting kring jobbet eller drafta ett mejl.

Det är ju liksom ett första steg som man borde börja med. Sen har du sätt att göra det här mycket lättare för individer, vilket vi säkert kan göra på Incredible, där du tar bort även barriärerna från det. För tro det eller ej, det är en rätt stor barriär att bara öppna en hemsida och skriva till en chatt.

Den gömmer sig i en tabb, man kommer inte ihåg att den finns. I många av de bolagen vi snackar med, då har de köpt in 500 Copilot-licenser och ungefär 20 används och 10 av de här kanske används mycket. De här 450 licenserna som kanske inte används överhuvudtaget, om man börjar fråga de individerna, hej, varför använder du inte AI mer?

Du har ju licenserna. Då visar det sig att de har bara glömt bort att man ens har ett konto. Eller jaha, men jag vet inte var jag hittade den. Vilken tabb är detta på?

Eller vadå, ska jag logga in någonstans? Det är sådana här typ av barriärer fortfarande. Det är inte nödvändigtvis, vad ska jag göra med AI, utan det finns många andra småsteg som man inte tänker borde vara problem, men verkligen är det.

Har du sett även vad har funkat då tycker jag? För jag håller verkligen med om det där, att man inser till tillbaka med att inse att grundproblemet är att få folk att testa. Vad har du sett som har fungerat då, som har fått den här breda massan att ta bara någon procent upp?

Eller vad har du sett något som har funkat? Ja, det är ju det vi försöker lösa. Vad tycker du, vad är det med goda? Vad tycker du om du ska liksom, vad ser ni? Vad ser ni verkar funka liksom?

Det som har funkat absolut bäst än så länge, det har varit att göra det bara lättare tillgängligt. Det är som sagt nästintill en för stor barriär att öppna en hemsida och skriva till en chattbot. Så hela vår tes grundade väl i att, okej, gör det så otroligt lätt tillgängligt att vem som helst, oavsett vem det är, kommer förstå sig på vad det är.

Och då var det, vad händer om vi tar bort chattrutan? Det var första steget. För chattrutan är lite läskig för väldigt många individer. Jag vet inte vad jag ska skriva, den är tom från början.

Det finns lite exempel under den kanske, men jag fattar ändå inte riktigt vad jag ska skriva. Och jag vill inte att den ska döma mig när jag skriver dumt. Så det första vi gjorde där var ju att gå över till röst.

För röst är så naturligt. Det är ju som man pratar nu när vi sitter här i podcasten. Jag kan bara säga vad jag tänker på. Och jag förväntar mig inte att jag måste förstå exakt vad det är jag håller på med.

Det visade sig att AI-modeller är väldigt duktiga på att tolka vår intention och förstår väldigt djupt vad vi menar, trots att vi är Att någonting ska ske per automatik i molnet med AI. Jag tror inte det steget nödvändigtvis är rätt steg att ta ut hos bolag. Det är någonting som tar väldigt lång tid, svårt att förstå sig på.

Det är det här lite black box-effekten igen. När du har satt igång den så måste du lära dig svårare. Du måste förstå vad den gör och så vidare. Det är väldigt svårt.

Och jag tror det kokar ner till två typer av sätt att arbeta. Vi har proaktivt arbete där man önskar nästan att AI gjorde saker innan jag kom på det själv. Det vill säga, säg att jag får ett mejl från någon, och de ber mig om en kvartalsrapport.

Hej Filip, snälla skicka över kvartalsrapporten imorgon. Och då kanske det finns en AI-agent som kollar på min mejlbox hela tiden och ser att jag har fått det här mejlet. Oj, här fick Filip ett mejl.

Han ska skicka iväg den här kvartalsrapporten. Och så har den gått iväg och skapat upp den här rapporten, bifogat det som en draft redan i min mejlingkorg. Så när jag öppnar mejlen, då finns det redan en draft där med det här Excel-arket eller vad det nu skulle kunna vara.

Det är det här proaktiva. Agenten gör någonting åt mig i förväg innan jag ens visste om att jag behövde göra det. Den är väldigt komplex, väldigt svår att förstås på.

Sen har du reaktivt arbete, vilket är ju nästintill så vi alla arbetar idag. Det är det jag vill göra i stunden. Så jag öppnar upp min mejl och ser, oj, jag ska skicka en kvartalsrapport.

Det här var jag inte beredd på. Och så ber jag en AI, hej, kan inte du skapa en kvartalsrapport? Fast jag fortfarande är i loopen där. Och det är någonting som är så otroligt mycket lättare att förstå sig på.

En AI-agent versus en AI-chatt är inte jättestor skillnad egentligen i hur vi interagerar med det. Det enda handlar lite om, okej, hur jobbar den? Jobbar den autonomt?

Svarar den på en fråga eller är det någonting som kan gå iväg och jobba på någonting under en längre tid med verktyg som är mer kapabla? Kan den skapa saker? Kan den iterera på saker?

Där är egentligen den enda skillnaden på vad jag vill säga när vi adopterar AI-agenter ute hos bolag idag. Och steget att få det här funka i praktiskt själv, det här som jag tänkte exempel, att säga att jag vill att du ska månadsvis kanske eller varje dag kanske sälja statistiken eller sånt. Och det har man ju liksom ofta i bortfall.

Man har det lite grann i CRM, man har lite Excel-ark sen historiskt och så har man lite olika källor som gör saker liksom och som för in statistiken. Vad brukar en klassisk setup, hur brukar den se ut liksom och vad brukar vara för hinder för att nå dit? Ja, hur brukar den se ut?

Jag tror inte det finns någon standard för att ta ända riktigt ute på bolag. Det är återigen den här en procent av bolag och individer som kanske har tagit sig den nivån idag. Så man får nästan sänka den.

Men man vill ju ta sig dit såklart. Jag har ju väldigt länge i det här bolaget trott på att det handlar om att upskilla användare, upskilla personal. Men senaste året har jag nog flippat den tron helt och hållet.

Intressant. Jag börjar tro mindre och mindre på att det är viktigt att upskilla personal på AI. Och det kanske låter jättedumt från någon som säljer ett AI-verktyg.

Men det finns en väldigt enkel förståelse och svar på detta tror jag. Och det är att verktygen börjar bli så otroligt lätta att använda att de kräver mindre och mindre setup. Och vi börjar närma oss en punkt där liksom fullständigt autonoma agenter som vi kallar det.

Tekniskt är det väldigt komplext. Men att förstå och nyttja det är så otroligt enkelt och intuitivt. Det är också där vi tror att hela marknaden går på. Vi har ju nått en punkt där kod är gratis, eller kod är fullständigt autonomt idag.

Jag är utvecklare, har varit utvecklare hela livet, suttit och programmerat. Skrivit C-kod och assembler och mikroprogrammering. Riktigt rå tekniknörd. Jag har inte skrivit en kodrad på mer än ett år idag och ändå gör jag ungefär 80% av vår utveckling av vår produkt.

Och det är för att kod idag i det dagsläget vi är på med de frontier-modellerna som finns och de harnessarna. Det vill säga hur vi har AI-agenter kring detta med klart code, med codecs och andra kodagenter. Gör så att tekniken har blivit så pass kapabel att den kan skriva all kod åt oss.

Göra det bättre än vad jag någonsin kan. Testa det bättre än vad jag någonsin kan. Se till att kvaliteten är hög, kolla efter säkerhetsproblem mycket bättre än vad en ingenjör någonsin kan.

Och vi börjar nå en punkt där detta sker över alla andra vertikaler, alla andra industrier också. Inte bara kodskrivning och utveckling. Vi har två kurvor kan man väl säga.

Vi har fullständig autonomi på tekniksidan. När är detta möjligt? När håller detta på att hända? I kod har detta redan hänt. Tekniken finns där för att göra kodskrivning och utveckling nästintill fullständigt autonomt idag.

Det börjar mer och mer hända i andra vertikaler. Vi ser det med till exempel Legora i legalvärlden. Vi ser det också i accountingvärlden just nu. Vi ser det också i marketingvärlden där det skapar content automatiskt och publicerar och så vidare.

Det börjar nå en punkt där agenter kan nästintill göra allt tekniskt. Det som fortfarande är kvar och inte löst är hur lätt det är att använda. Men det börjar bli så pass lätt.

Så när du ställer mig frågan, hur kommer man igång med detta? Vad är det man måste göra? Vad är det man måste börja med? Ska man upskilla personal? Ska man adoptera nya verktyg?

Ska man sitta och bygga automationer? Ska man lära sig 1.81, Zapier, Make, de här komplexa teknikverktygen? Då vill jag påstå att nej, det viktigaste är att man kan börja bli mer och mer bekväm med att prata med AI.

Chatta med den eller använda röst för att det är dit vi är på väg. Där interfaceet blir så pass enkelt så att vi interagerade med är i princip. Vi ber om vad som helst på datorn och vi får det tillbaka med hög kvalitet och bättre accuracy än vad vi själva kan göra.

Kan vi ta Incredible? Säg att jag vill testa Incredible i min värld där jag har en, ta ett väldigt konkret. Många som lyssnar på podden är ju rekryterare, HR-folk och det är ju ofta en vardag ut.

Man träffar en kund eller en chef för att vi behöver rekrytera en utvecklare för det här eller en AI-utvecklare för det här eller en Product Owner för det här. Någonting liksom. Och så gör man en kravprofil och sen står det.

Där tror jag många har kommit ganska långt att man transkriberar det där första mötet. Man kan stoppa in det i en agel eller GPT eller något annat för att få en bra annons. Och sen då, vad skulle man kunna ha Incredible?

Sen så ofta vill man då söka på LinkedIn, man kanske vill kolla i sin ATS. Man vill skräddarsy utskick till Filip och alla andra som skulle kunna vara rätt för det här. Och så vill man göra det och hylla person själv.

Man kanske vill skapa lite content kring den här spännande rollen. Man kanske vill skapa en annonsstrategi. Och sen så vill man boka upp intervjuer med rätt person, de som är intresserade och så vidare.

Så det där ser ju ganska typiskt rekrytera vardag ut. Hur tycker du att man skulle landa Incredible här? Vad skulle man kunna göra? Det här är intressant för det kommer ner till två delar.

Det ena är ju om man vill göra någonting som automatiseras eller om man vill göra någonting som man vill göra sig själv effektivare när man väl gör jobbet. I alla de scenarierna du sa där, till exempel transkribera möten, enricha de här individerna som är involverade, standardisera ett format på CV och så vidare utifrån kanske ett templat som man har. Och sen kanske matcha roller gentemot öppna, matcha CVn mot öppna roller och så vidare.

Allting sånt här är ju någonting som AI är väldigt kapabel på. Sen finns det AI-act-lagar med CVn och så vidare. Det får man ju snacka om separat. Men kapabiliteten finns ju där att göra allt detta idag.

Det sa du ju precis själv, att du kanske redan gör detta med Klarn Ungefär en gång i veckan. Då har vi en kodbas på 200-300 000 rader kod, den är rätt liten. Nästintill varje gång man bygger upp den lär man sig så enormt mycket sätt som skulle kunna göra den effektivare, bättre, mer stabil för agenter att jobba i.

Jag jobbar inte i kodbasen längre, så vi designar hela kodbasen kring hur agenter vill jobba i en kodbas. Och det tänkesättet är så enormt viktigt, tror jag, när man utvecklar system. Kanske inte idag, marknaden kanske inte är mogen för det här, men om tre, fyra år, två år, tror jag att det är någonting som inherently behövs hos varenda bolag som sitter och utvecklar produkter.

Du måste våga ta död på det du har gjort, börja om från början och inte vara för fast i det. Jag vill fråga en snackis som jag skulle vilja höra din åsikt om. Token-kostnadsfrågan har ju kommit upp här, att man hör stora bolag plötsligt bara, helvete vad det här börjar kosta pengar nu.

Vad är det som händer? Kan du kommentera vad du ser där och att hantera den frågan? Det är också en liten sidokommentar på det här. Det finns en strategi som kallas token maxing just nu, och det verkar vara rekommenderat i Silicon Valley och börjar spridas i Kina.

Jag förstår att det är att man kommer därifrån. Max vi ska bara elva. Det är verkligen det. Det är liksom bara, okej, så länge vi använder mycket tokens, då gör vi bra jobb.

Skjut nog är det att lova en fungerande strategi, tror jag, ändå i slutändan. För det handlar om att våga experimentera och ta sig an dumma grejer också, inte bara de bra grejerna. Men hur som helst, i sidonota, om jag kollar på min usage, det är Cloud Code och Codex och alla kombinerat, så gör jag uppe i tusen dollar per chatt per dag, och jag kanske har åtta per dag som jag riktigt jobbar i.

Och då är det uppe i 50 000-100 000 svenska kronor per dag i tokens, om det skulle inte ha det subventionerat från storbolagen idag. Och det är ju totalt ohållbart. Men vi är i väldigt tidig fas fortfarande när det gäller detta.

Det är en väldigt liten del av jordens befolkning som idag använder mycket tokens. Den kommer att behöva ökas över tid, och där har du snarare infrastruktur- och energiproblem, snarare än adoptionsproblem över tid. Det är inte det vad du egentligen betalar, utan det var det som skulle ha betalt.

Eller vad liksom, förstår du frågan? Det är som att det där blir någonting man bara köper på kran. Ja, nästan är det så, men vi får också anta att på grund av arkitektur- och infrastrukturproblem som kommer att uppstå, desto fler individer- som börjar tokenmaxa kan man säga, och använda de mer avancerade agenterna- som nyttjar väldigt mycket tokens, desto mer kommer antagligen priserna gå upp- för att infrastrukturen är dyr.

Det finns bara X antal grafikkort i världen som kan köra de här modellerna idag- och datacenter. Samtidigt så modellerna i sig behöver inte bli mycket bättre- för att man ska redan nu kunna applicera väldigt mycket värde. Anledningen till att det spinnar iväg så otroligt mycket i kostnad- är inte nödvändigtvis för att folk löser värdefulla problem- utan det är mycket experimentation, mycket tester, mycket brainstorming.

För att man kan just nu så gör man det. Jag tror att mappar du som bolag ut uppgifterna som sker i bolaget- på en liten karta där du har värde på ena axeln och frekvens på andra- och du tar de här use-caserna som har högst värde och högst frekvens. De här gör vi ofta, så de har väldigt värdefullt att ta mycket tid.

Då är kostnaden för inference, alltså tokens, det vill säga modellkostnaden- och API-kostnaden, kommer vara extremt mycket mindre- än vad värdet är förutav. Vi snackar ju en X till 100 ratio på att du får ut värde versus intelligens. Intelligens börjar ju bli lite som en commodity, som du säger.

Jag kan i princip betala en modell en dollar för att få ut bättre svar- än jag kan från en domänkunskapsexpert. Det är på något sätt commodity och att intelligens blir gratis över tid. Även intelligens i någon specifik domän som är väldigt nischad.

Därmed kan du lösa väldigt värdefulla problem med relativt få tokens. Så tokenkostnaden även om den skulle gå upp, även om det skulle bli- att du behöver förhandla dig fram och så vidare för att det är så enormt mycket- värdeskapande som det motsvarar, kommer vara så enormt mycket mer. Det kommer alltid vara lösbart.

Om man vill avsluta med det här på det här, om man vill testa Incredible, hur gör man det? Om man vill pröva. Ja, vi har ju några tusen som väntar. Det lättaste sättet är att gå in på vår hemsida och signa upp sig.

Då kommer du direkt in till det absolut snabbaste sättet att få tillgång. Vi rullar ut i batcher och det är fler och fler som får tillgång varje vecka just nu. Vi kommer att höra av oss om vi ser att vi tror att det skulle passa väldigt bra.

Så vi väljer ut de som vi tror passar. Kul, om man tänker sig att rekrytera caset, tror jag att det finns ett case där. Ja, det har vi sett på många platser redan.

Det var ett av de första casen vi löste för 1,5 år sedan ungefär- när vi på riktigt gjorde det med AI-agenter att det stås på det- och sen alla processer kring det. Det finns lite besvärda med AI-ökt som man måste ha med sig. Men de är lösbara och man ska se till att göra det på rätt sätt.

Det var jättekul. Tack så jättemycket verkligen. Det var ett härligt samtal.