Historisk avkastning är ingen garanti för framtida avkastning. De pengar som placeras i fonden kan både öka och minska i värde och det är inte säkert att du får tillbaka hela det insatta kapitalet.
San Jose, Kalifornien, 2001. Min dåvarande kollega och jag hade hunnit acklimatisera oss till ett liv i medelhavsklimat och teknikfrossa (även om det till största delen var en kollapsande telekom- och e-handelsbubbla). Det var nästan svårare att vänja sig vid tanken att man kunde gå från strålande sol och ångande het asfalt in i en ishall för att se NHL-hockey. Den stora behållningen under matchen var, med förlov sagt, inte Marcus Ragnarssons och Niklas Sundströms insatser, utan konversationer med amerikanska säljare i svenska mjukvarubolag med lokal representation. Ett utbyte är för evigt inbränt i mitt minne:
Erik: ”So, how come you chose to work for this tiny Swedish company?”
Bob: “Scandinavians write clean code!”
Tanken att vi i Norden, specifikt de som valt programmering som sitt kall, skulle skilja sig fundamentalt från sina globala, i det här fallet framför allt amerikanska, kollegor hade inte slagit någon av oss. Initialt skrev vi av det som något en smickrande amerikansk säljare skulle hitta på i flykten. Vi hade insett att mindre nordiska bolag har några fördelar som gjorde det möjligt att tampas med mycket större amerikanska konkurrenter: snabbfotade, egalitära organisationer kan, rätt gjort, springa åttor kring monolitiska byråkratier med auktoritärt ledarskap. Guerillan mot den militärt formerade pyramiden.
Men inte kunde väl själva hantverket skilja sig så mycket? När vi provtryckte frågan på olika håll så verkade dock flera hålla med. Skandinaver skriver ren kod. Om det var skola, kynne, yrkesstolthet eller förebilder har vi ingen aning om. Men hur ser det ut idag, drygt 20 år senare? Jag kände det var tvunget att stämma av med vår programmerare Hannes:
Erik: ”I din erfarenhet, tycker du att svenskar skriver ’ren’ kod? Om vi definierar ren som enkel, effektiv och utan krusiduller.”
Hannes: ”Tveklöst, alla är bra på olika saker, men utvecklare från de nordiska länderna brukar tänka till både en och två gånger innan de skickar iväg koden i produktion, vilket brukar betyda lite längre startsträcka men mindre problematik längre fram.”
Erik: ”Kul! Man kan kanske se det som en lokal dialekt som förs vidare från en generation kodare till en annan. Men hur är det med GPT4? När du ersatte dig själv med en AI kanske du fick unika insikter. Skriver den också ren kod?”
Hannes: ”I praktiken blir ju de autonoma robotarna inte bättre än de instruktioner man ger dem. Det går att jämföra med att ha en junior utvecklare som man lär upp. Man måste fortfarande ‘peer reviewa’ och rätta en robot som programmerar, precis som en människa. Men om man har förståelse för hur man lättast ger den ”feedback” kan man givetvis få den att bete sig precis som man vill.”
Det gäller alltså att hitta en bra balans mellan människa och maskin. Den höjda kvaliteten och effektiviteten kommer inte från algoritmen i sig utan från rätt instruktioner. En utvecklare av kött och blod kan avlastas från repetitivt arbete. Därmed kan utvecklaren fokusera på saker som är mer värdeskapande. Mer kreativa. Arbetet kan bli roligare, samtidigt som man åstadkommer så mycket mer.
Vi återkommer därmed till konceptet intelligence amplification eller IA. GPT4 (och troligen dess efterföljare GPT5, 6 osv) är verktyg som kan göra oss smartare och mer produktiva snarare än ersätta alla ”manschettyrken” i närtid. Och om det finns är tydlig, unik skandinavisk stil i hur man skriver kod så kommer den kanske att spridas över världen via dessa verktyg. Detta är samtidigt möjligen vad som kan hålla tillbaka företag från att använda GPT i sina kärnprocesser. Allt man laddar upp i ChatGPT kommer nämligen att användas för att GPT ska fortsätta lära.
Bolag måste bevaka sin IP bättre än så. På motsvarande sätt måste bolag tänka både en och två gånger innan de använder AI-genererat material i sina tjänster och produkter. Materialet kan ju vara baserat på källor med copyright. Om man på något sätt vill reglera GPT och andra large language models – och här tror vi sannolikheten är hög – måste myndigheter få med så många aspekter att det nästan blir oöverskådligt. Kanske kan de ta AI till hjälp?