De flesta företag förlorar inte mot AI. De förlorar mot konkurrenter som redan för sex månader sedan lärde sig att använda AI.
Det är det som utgör det verkliga hotet: inte själva tekniken, utan den växande klyftan den skapar mellan företagen. AI gör inte bara enskilda uppgifter snabbare. Den förändrar vem som kan konkurrera, till vilken kostnad och hur snabbt.
I praktiken:
Hotet ligger inte i att AI ska ersätta dina anställda. Det ligger i att dina konkurrenter använder AI för att göra samma sak som du, med hälften så många anställda och dubbelt så snabbt.
Detta innebär tre olika typer av påfrestningar för etablerade företag:
Kostnadsstruktur. Konkurrenter som arbetar enligt lean-principerna och bygger på AI klarar sig med marginaler som var omöjliga för två år sedan. Dina fasta kostnader blir en belastning när någon annan kan uppnå samma produktionsvolym till en bråkdel av de fasta kostnaderna.
Hastighet. En konkurrent som kan testa, lansera och dra lärdomar tre gånger snabbare gör inte bara framsteg snabbare. De lär sig mer, och under 12 månader blir all denna extra kunskap en konkurrensfördel.
Talang. De bästa medarbetarna söker sig redan till företag där AI sköter de mindre värdefulla arbetsuppgifterna. Företag som inte inför AI hamnar på efterkälken när det gäller genomförandet och blir mindre attraktiva arbetsplatser.
Det svåra för de flesta ledningsgrupper att acceptera är att hotet inte kommer från någon framtida version av AI. Det finns redan här. De företag som just nu utnyttjar dessa verktyg sätter den nya standarden för vad som anses vara ”normalt” inom er bransch.
Hotet är alltså verkligt. Det som spelar roll nu är vilken sida du står på.
Och det finns en andra variant av den frågan, en som de flesta företag inte har ställt alls.
Varje gång du gör ett API-anrop till OpenAI, Anthropic eller Google gör du två saker samtidigt. Du gör din produkt smartare och samtidigt ger du forskningslaboratoriet en detaljerad kartläggning av din marknad.
Det är ingen konspirationsteori. Det är affärsmodellen. AI-laboratorier är inte neutrala infrastrukturleverantörer, på samma sätt som AWS inte bryr sig om du bygger en fotoapp eller ett fintech-startup. De är aktiva aktörer på sina kunders marknader. De studerar hur du använder deras modeller, identifierar de mest värdefulla branscherna och lanserar konkurrerande produkter med en fördel som inget startup kan mäta sig med: de vet redan var efterfrågan finns, eftersom du har visat dem det. Du har betalat för privilegiet att bli studerad.
Detta sker redan:
Det här handlar inte om att man går för långsamt fram. Det handlar om vad som händer när infrastrukturlagret bestämmer sig för att det också vill vara applikationslagret.
Samma API-anrop som gör din produkt smartare ger också laboratoriet information om din marknad, dina användare och bristerna i din produkt.
Det handlar inte om att ett startup-företag slår ut ett annat. Det handlar om en förändring i vem som äger det mest värdefulla lagret av företagsprogramvara. De företag som insåg detta tidigt och anpassade sig efter det befinner sig i en helt annan situation än de som fortfarande behandlar modellleverantörer som allmännyttiga företag. De flesta har ännu inte insett på vilken sida av den gränsen de befinner sig.
Det här är ingen konspiration. Det är en produktplan.
De stora företagen – det vill säga OpenAI, Google, Anthropic och Microsoft – döljer inte sin strategi. Den framgår tydligt av deras investerarpresentationer, deras prissättningssidor för API:er och deras produktlanseringar. Man måste bara tolka den ur en konkurrents perspektiv, inte ur en kunds.
Sekvensen är tillräckligt konsekvent för att man ska kunna ge den ett namn. Låt oss kalla den ”Fyrstegs-handboken för kannibaler”:
Vi har redan sett det här mönstret. OpenAI har lanserat anpassade GPT-modeller och verktyg som konkurrerar direkt med de företag som byggts upp kring deras API. Googles Gemini-integrationer tar marknadsandelar inom kategorier som Google Workspace-partnerna har ägnat år åt att utveckla. Vägen från pålitlig infrastruktur till direkt konkurrent blir kortare för varje produktcykel.
Felet ligger inte i att man använder dessa plattformar. Felet ligger i att man använder dem utan att inse att det är just dina data, dina specialfall och din expertis som utgör den egentliga produkten som utvecklas.
Det här är inte skurkaktigt. Det är rationellt. Vem som helst som sitter på så mycket data om hur företag fungerar och har en så tydlig bild av vilka branscher som har prissättningsmakt skulle göra samma sak. Jag skulle göra det. Du skulle förmodligen också göra det.
Laboratorierna sviker dig inte. De spelar bara ett annat spel än det du tror att du spelar.
Du är inte deras kund. Du är deras produktundersökning.
Att bli arg över det leder ingenstans. Det som hjälper är att bestämma vad du ska bygga när du väl förstår hur spelet fungerar.
Det här är inget tankeexperiment. Mönstret har redan upprepats flera gånger, inom flera olika branscher, med företag som hade alla skäl att tro att de var säkra.
Design. Figma ingick ett samarbete med Anthropic och utvecklade AI-funktioner i Claude. Anthropics produktchef blev ledamot i Figmas styrelse – ett samarbete som var så nära att det såg ut som ett skydd. Sedan upphörde styrelseuppdraget. Därefter kom Claude Design. Den här händelseförloppet är ingen slump. Det är en strategi.
Juridik och bioteknik. Harvey byggde upp en gedigen verksamhet inom juridisk AI med hjälp av Claude. Benchling byggde en plattform för bioteknisk forskning på samma grund. Båda ägnade flera år åt att lösa de svåra problemen: regelverk, integration i arbetsflöden och branschspecifika specialfall. Sedan lanserade Anthropic Claude for Legal och Claude Science. Laboratorierna behövde inte bygga upp den expertisen från grunden. Deras partners hade redan gjort det, arbetsflöde för arbetsflöde, användningsfall för användningsfall.
Kundsupport. Intercom använde OpenAI:s Realtime API för att utveckla Fin Voice, en avancerad supportagent. OpenAI lanserade sedan Presence, en supportlösning för röst och chatt, på samma marknad. Varje specialfall som Intercom hanterade, varje konversation som deras användare förde, gick via OpenAI:s infrastruktur innan OpenAI beslutade sig för att konkurrera på den marknaden.
Big Tech. Om du tror att storlek och pengar ger dig trygghet, ta en titt på Microsoft. Tretton miljarder dollar har investerats i OpenAI. Styrelsen är djupt involverad. Och enligt uppgift håller OpenAI på att bygga en jobbplattform som ska utmana LinkedIn och ett kodarkiv som ska utmana GitHub. Båda tillhör Microsoft. Inte ens den största investeraren inom branschen går säker från detta.
Det är inte partnerskapet som är problemet. Det är antagandet om säkerhet inom partnerskapet.
Varje fall följer samma mönster. Ett företag bygger upp något konkret på en plattform som det inte har kontroll över. Plattformsleverantören observerar, lär sig och beslutar så småningom att kategorin är värd att ta över. Vid det laget har utvecklaren redan gjort det svåraste arbetet: att bevisa att det finns en marknad, kartlägga arbetsflödena och ta reda på vad som inte fungerar.
Risken ligger inte i att AI-laboratorierna har onda avsikter. Risken är att de agerar rationellt. Och så snart någon annan har visat att en viss kategori fungerar, är det rationella valet att ge sig in på den marknaden.
Det här är inte bara ett problem som gäller programvara. Berättelserna om Figma och Harvey framställs som varningsexempel för teknikföretag eftersom det är just teknikföretag som är inblandade. Men själva mekanismen bryr sig inte om vilken bransch man verkar inom.
Varje organisation som matar in sina processer, sin expertis eller sin strategi i en grundmodell gör samma sak, fast i mindre skala, med mindre medvetenhet och nästan säkert utan en juridisk avdelning som har funderat igenom vad som står på spel.
Problemet med ritningarna: Att bygga upp sin kärnverksamhet inom ramen för någon annans modell är som att lämna över ritningarna till en entreprenör som har för avsikt att köpa din fastighet. Arbetet blir gjort. Ritningarna kommer inte tillbaka.
Analogin med entreprenören fungerar eftersom affären är så ojämlik. Du får renoveringen. De får en detaljerad karta över din byggnad, dina bärande väggar, dina svaga punkter. Allt de behöver för att bygga en bättre version utan dig i den.
Ta till exempel en regional bank som använder en AI-modell för att påskynda kreditbesluten. Vid första anblicken verkar det vara en produktivitetsvinst: snabbare godkännanden, mindre manuell granskning, större enhetlighet. Men vad som egentligen händer är att årtionden av institutionell kunskap överlämnas till ett system som så småningom kommer att erbjuda en konkurrerande kreditprodukt. Hur banken ser på risker på sina marknader. Vilka signaler den litar på. Var den drar gränser som konkurrenterna inte gör. Banken har automatiserat bort sin egen konkurrensfördel.
Och obalansen växer på ett sätt som ingen ROI-beräkning kan fånga upp. Laboratoriet tar emot signaler från tusentals företag samtidigt. Ett logistikföretags planering av leveranskedjan, ett försäkringsbolags regler för riskbedömning, en tillverkares prissättningslogik. Var och en av dem är en datapunkt. Tillsammans ger de en inblick i hur de svåraste problemen inom varje bransch faktiskt fungerar.
Ett enskilt företag ser bara sin egen implementering. Laboratoriet ser mönstret som går igen i alla.
Den fördelen står inte stilla. Den växer varje kvartal, med varje företagsavtal, med varje arbetsflöde som ett företag är stolt över att ha automatiserat. Laboratorierna samlar in dessa uppgifter oavsett vilket. Den öppna frågan är om din organisation på allvar har funderat över vad den ger upp.
Att undvika AI är ingen strategi. Det är en långsam utväg. Den verkliga frågan är inte om man ska använda det, utan hur man använder det utan att överlämna sitt försprång till den leverantör som säljer verktyget.
Det finns en skillnad som det är värt att precisera:
– Att använda en accelerator innebär att AI påskyndar arbete som ditt team redan vet hur man utför.
– Att använda infrastruktur innebär att din affärslogik och ditt omdöme flyttas in i själva modellen.
I den andra kolumnen hamnar företag som bygger någon annans konkurrensfördel samtidigt som de tror att de bygger sin egen.
Innan ni fattar ert nästa integrationsbeslut bör er ledningsgrupp kunna besvara tre frågor:
De företag som lyckas med AI kommer inte att vara de som införde tekniken snabbast. Det kommer att vara de som använde den utan att bli beroende av den.
Tre riktlinjer som handlar mindre om att följa regler och mer om sunt förnuft:
Inget av detta är komplicerat. Det är bara lätt att hoppa över det när man har bråttom och verktyget fungerar.
De företag som kommer att få det mest bestående värdet av AI är de som använder den för att påskynda det som de själva har unik kunskap om, inte de som överlämnar sin unika kunskap till modellen och kallar det för transformation. Det låter enkelt. Men så är det inte. Det kräver ett ärligt svar på vad man faktiskt äger: sina data, de kundrelationer man har ägnat år åt att bygga upp, det omdöme som teamet har förtjänat genom att verka på en specifik marknad. De flesta organisationer har aldrig behövt formulera detta tydligt. AI tvingar fram frågan.
Spänningen ligger i att just denna disciplin är svårast att upprätthålla just i det ögonblick då AI gör det enklast att släppa taget. Verktygen är snabba. Resultaten är imponerande. Demonstrationerna är spännande. Och risken – att du utbildar dina framtida konkurrenter eller ger bort just det som gjorde dig svår att konkurrera med – förblir osynlig tills den plötsligt blir uppenbar. När den väl syns i dina siffror har maktbalansen redan förskjutits.
Så här är frågan som är värd att ställa:
Hur använder er organisation AI för att bygga upp en egen långsiktig konkurrensfördel, istället för att utan att veta om det bidra till att utveckla någon annans nästa produkt?
Forskningslaboratorierna satsar på långsiktiga mål. Frågan är om du också gör det.
Fördelklyftan är det växande avståndet mellan företag som tidigt inför AI och de som inte gör det. Den beror inte på någon enskild uppgift. Snabbare cykler innebär mer lärande över tid: en konkurrent som levererar tre gånger snabbare genomför fler experiment, lär sig av fler misstag och ökar sitt försprång för varje sprint. Över 12 månader handlar det inte om en hastighetsskillnad. Det är en skyddsvall som byggts upp genom upprepningar som du inte varit del av.
AI-laboratorier är inte neutral infrastruktur. De är aktiva aktörer på sina kunders marknader, där de studerar hur deras modeller används och utvecklar konkurrerande produkter med en fördel som inget startup-företag kan mäta sig med. Varje API-anrop du gör ger laboratoriet kunskap om din marknad, dina användare och bristerna i din produkt. Mönstret har redan visat sig inom juridik (Harvey), design (Figma) och kundsupport (Intercom): laboratoriet observerar, lär sig och beslutar så småningom att kategorin är värd att ta över.
”Cannibal Playbook i fyra steg” är den strategi som AI-laboratorier använder för att ersätta de företag som finansierat deras marknadsundersökningar: Sälja, Integrera, Kartlägga, Lansera. De erbjuder tillgång till ett pris under kostnaden för att integreras i viktiga arbetsflöden, tillägnar sig expertis och lär sig om specialfall genom användningsdata, för att sedan lansera sin egen produkt som konkurrerar direkt med den kund som bevisat att produktkategorin fungerar. Det är ingen konspiration. Det framgår tydligt av deras investerarpresentationer och produktlanseringar. Man måste bara läsa det på samma sätt som en konkurrent skulle göra.
Innan något beslut om integration fattas måste er ledningsgrupp besvara tre frågor. Vilken kunskap överlämnar vi? Vad kostar det att byta leverantör om den här leverantören ger sig in i vår bransch? Och vad bygger vi som de inte kan kopiera? Den avgörande skillnaden ligger i om man använder AI som en accelerator, för att påskynda arbete som man redan kan, eller om man använder den som infrastruktur, där företagets affärslogik och omdöme finns inbäddat i någon annans modell. Det första bygger upp din konkurrensfördel. Det andra bygger upp deras.
Att undvika AI är inte säkert. Det är en långsam väg ut. Trycket från AI-inriktade företag som arbetar med hälften så många anställda och dubbelt så hög hastighet håller redan på att omforma de flesta marknaderna. Lösningen är inte att hålla sig borta. Lösningen är att vara noggrann: använd AI för att påskynda det du har unik kunskap om, samtidigt som du behåller din mest värdefulla kunskap i system som du själv kontrollerar. De företag som lyckas är de som har använt AI utan att bli beroende av det, inte de som valt att stå utanför.
Mekanismen bryr sig inte om vilken bransch du verkar inom. Alla organisationer som integrerar sina processer och sin strategi i en grundmodell står inför samma dynamik, oftast med mindre medvetenhet och utan en juridisk avdelning som har genomtänkt vad som står på spel. En regional bank som automatiserar kreditbeslut överlämnar årtionden av riskbedömningar till ett system som så småningom kommer att erbjuda en konkurrerande kreditprodukt. Figma- och Harvey-fallen får uppmärksamhet i media eftersom aktörerna är teknikföretag, men problemet med mallarna gäller överallt där verklig expertis möter en grundmodell.
När AI fungerar som en accelerator påskyndar den arbetet samtidigt som beslutsfattandet förblir inom din organisation. Modellen är ett verktyg, precis som en snabbare kompilator. När AI blir infrastruktur finns din affärslogik och dina arbetsflöden inuti modellen, och det är leverantören som får fördelen. De flesta företag genomgår denna förändring gradvis och utan att märka det, just i de ögonblick då verktyget fungerar bra och risken är svårast att upptäcka. När det väl syns i era siffror har maktbalansen redan förskjutits.
Tre riktlinjer som handlar mindre om regelefterlevnad än om sunt förnuft. Förvara din mest värdefulla kunskap i system som du själv kontrollerar, och ge modellen strukturerade indata istället för fri tillgång till det tankearbete som tagit ett decennium att utveckla. Lägg in ett mellanlager mellan din affärslogik och modellens API, så att modellen ser rena data istället för dina kärnregler. Och behandla AI-leverantörer som vilken partner som helst med en intressekonflikt: se till att ha tydliga avtalsvillkor för dataanvändning och skriv ner din utträdesplan innan du behöver den. Inget av detta är komplicerat. Det är bara lätt att hoppa över när man arbetar i högt tempo och resultaten är imponerande.
