AGI och superintelligens: vad orden betyder och vart prognoserna pekar

Samma teknik, motsatta slutsatser

I mars 2026 sa Nvidias vd Jensen Huang i en podcastintervju att artificiell generell intelligens, AGI, redan är uppnådd: "I think it's now. I think we've achieved AGI." Han mätte då mot ett kriterium som intervjuaren just hade föreslagit, och tog längre fram i samma samtal tillbaka delar av påståendet. Två månader tidigare, på World Economic Forum i Davos, hade Yann LeCun, Turingpristagare och tidigare AI-chef på Meta, sagt att dagens språkmodeller aldrig kommer att nå mänsklig intelligens och att en helt annan teknisk ansats krävs. Samma vecka beskrev Google DeepMinds vd Demis Hassabis dagens system som "nowhere near" mänsklig nivå, alltså inte i närheten, medan Anthropics vd Dario Amodei sa att AI inom två år kan bedriva forskning på nobelprisnivå inom flera fält (Fortune, 23 januari 2026; Fortune, 30 mars 2026).

De fyra tittar på samma modeller. Att de landar så olika beror till stor del på att de menar olika saker med orden. Det finns ingen etablerad, allmänt accepterad definition av AGI, och därför är frågan "när kommer det?" omöjlig att besvara utan att först säga vad det är man väntar på.

Två ord, och vad de brukar betyda

Så långt är beskrivningarna någorlunda okontroversiella, och de är också de vi använder i Så fungerar AI. Problemet uppstår när begreppen ska bli mätbara. Då väljer varje bedömare sin egen tröskel:

• "Ett land av genier i ett datacenter." Dario Amodei skriver om powerful AI, kraftfull AI. Ordet AGI förekommer inte i hans essä. Kriteriet är ett system som är "smarter than a Nobel Prize winner across most relevant fields", smartare än en nobelpristagare inom de flesta relevanta fält, som kan arbeta på en uppgift i timmar, dagar eller veckor, styra laboratorieutrustning och köras i miljontals instanser med 10 till 100 gånger mänsklig hastighet (The Adolescence of Technology, januari 2026).
• Toppexpertnivå. Forskargruppen AI Futures Project, som ligger bakom scenariot AI 2027, använder begreppet "top-expert-dominating AI": en AI som är minst lika bra som de bästa mänskliga experterna på i praktiken alla kognitiva uppgifter (Q1 2026 Timelines Update, 2 april 2026).
• Arbetsmarknadströskeln. I Forecasting Research Institutes expertpanel definieras AGI som ett kommersiellt tillgängligt system som presterar bättre än den anställda som ligger på 90:e percentilen i varje huvudsakligen icke-fysiskt yrke, på minst 90 procent av de ekonomiskt användbara uppgifterna, och där kostnaden för att köra systemet är högst fem gånger kostnaden för motsvarande mänskligt arbete (LEAP, 2 juni 2026).
• Ett poängsystem. En forskargrupp ledd av Dan Hendrycks föreslog i oktober 2025 en testbar definition byggd på Cattell-Horn-Carroll-modellen för mänsklig kognition, där AGI är förmågan att matcha "a well-educated adult", en välutbildad vuxen, inom tio kognitiva områden (A Definition of AGI).

Skillnaderna har praktisk betydelse. Ett system kan passera Hendrycks tröskel utan att komma nära Amodeis, och två prognoser som ser ut att gälla samma sak gäller ofta olika trösklar.

Hur man mäter hur nära vi är

Det mest citerade måttet kommer från forskningsinstitutet METR och bygger på en enkel idé. Forskarna samlar hundratals riktiga arbetsuppgifter vid en dator, mest programmering och teknisk problemlösning, och låter erfarna människor lösa dem för att mäta hur lång tid varje uppgift tar. Sedan får AI-modellerna samma uppgifter, utan hjälp på vägen.

Svaret blir ett tidsmått: hur långa uppgifter modellen klarar. Ribban läggs där modellen lyckas i hälften av försöken. Att en modell har fem timmar i tidshorisont betyder alltså att den löser uppgifter som tar en van människa omkring fem timmar i ungefär varannat försök, och missar de längre.

Ställer man modellerna i tidsordning syns utvecklingen tydligt.

Sett över hela perioden sedan 2019 har gränsen fördubblats ungefär var sjätte månad. Räknat bara på modeller från 2023 och framåt går det snabbare, med en fördubbling omkring var fjärde månad (METR). Det är den takten prognosmakarna längre ner i artikeln räknar på.

Tre saker är värda att veta innan man drar slutsatser av kurvan. Mätningen är grov: för Claude Opus 4.6 anger METR att den verkliga gränsen ligger någonstans mellan fem och sextio timmar. Uppgifterna är av en särskild sort, i huvudsak sådant som en programmerare gör vid en dator, så tolv timmars förmåga där säger lite om ett arbete som bygger på möten, ansvar och omdöme. Och hälften av försöken misslyckas fortfarande, vilket är en låg ribba för uppgifter någon ska kunna lita på. METR påpekar också att mätningar över 16 timmar inte är tillförlitliga med den testuppsättning som finns i dag, vilket gör den längsta noteringen så här långt, 17 timmar för en tidig förhandsversion av Claude i april 2026, svårare att tolka än den ser ut.

Ett annat mått är kognitiv bredd. Med Hendrycks poängsystem når GPT-4 från 2023 27 procent och GPT-5 från 2025 57 procent av full poäng. Profilen är ojämn: modellerna är starka på kunskapsområden och har enligt författarna tydliga brister i grundläggande funktioner, i första hand långtidsminne.

Företagen sätter också egna delmål. OpenAI beskrev i oktober 2025 en plan i två steg: en assistent på praktikantnivå för forskningsuppgifter i september 2026 och en "legitimate AI researcher", en fullvärdig AI-forskare som självständigt driver större forskningsprojekt, 2028. Företagets chefsforskare Jakub Pachocki sa samtidigt att det är möjligt att djupinlärningssystem är mindre än ett decennium från superintelligens (TechCrunch, 28 oktober 2025).

Ett poängsystem avgör inte heller frågan. Det flyttar diskussionen från "är det här AGI?" till "är det här rätt tio områden?".

När? Bedömningarna spänner över decennier

Spridningen beror på tre saker som är värda att hålla isär.

De mäter olika trösklar. Amodeis bedömning, ett till två år med förbehållet att det kan dra ut betydligt längre, gäller nobelprisnivå inom forskning. När LEAP-panelens experter landar på 2050 gäller det i stället ett system som slår 90:e percentilens anställda i alla icke-fysiska yrken till en kostnad i nivå med mänskligt arbete, en väsentligt högre tröskel. Samma panel sätter omkring 80 procents sannolikhet på att AGI enligt den definitionen alls finns före 2100.

De använder olika metoder. Kokotajlo och Lifland extrapolerar mättrender, framför allt METR:s uppgiftslängd, och deras siffror rör sig därför snabbt när takten ändras. I januari 2026 låg deras medianer på december 2030 respektive januari 2035. I april flyttade båda sina medianer omkring 1,5 år närmare, efter att ha reviderat fördubblingstakten från 5,5 månader till 4 månader (Kokotajlo) respektive 4,5 månader (Lifland). Gruppen är själv tydlig med osäkerheten: "We are highly uncertain about when AGI and ASI will be built, we certainly cannot confidently predict a specific year", alltså att de inte kan peka ut ett år för varken AGI eller superintelligens (ASI) (AI Futures Project, 27 januari 2026). Enkäter till breda expertgrupper väger i stället in erfarenheten av att teknikprognoser tenderar att bli för optimistiska, och landar konsekvent senare.

De bedömer hindren olika. LeCuns position är att skalning av språkmodeller inte leder till generell intelligens, och att en annan arkitektur krävs. Han har satsat sin karriär på den linjen: efter att ha lämnat Meta tog han in 1,03 miljarder dollar i mars 2026 till AMI Labs, som bygger på så kallade världsmodeller (TechCrunch, 9 mars 2026). Hassabis menar för sin del att det behövs "one or two more breakthroughs", ett eller två genombrott till, innan AGI nås.

Till detta kommer fysiska begränsningar. Forskningsinstitutet Epoch AI bedömer att skalningen kan fortsätta till 2030, men att elförsörjningen blir den första flaskhalsen, följd av kapaciteten att tillverka chip (Epoch AI). I en separat analys uppskattar institutet att de största enskilda träningskörningarna 2030 skulle kräva 4 till 16 gigawatt, vilket Epoch jämför med elförsörjningen till miljontals amerikanska hushåll (Epoch AI). AI-utvecklingens takt hänger alltså delvis på energipolitik.

Ett historiskt perspektiv gör spridningen begriplig. I en enkät till 2 778 forskare som publicerat vid ledande AI-konferenser, publicerad i januari 2024, låg medianbedömningen för när maskiner utan hjälp klarar varje uppgift bättre och billigare än mänskliga arbetstagare på 2047, medan full automatisering av alla yrken låg så långt bort som 2116 (Thousands of AI Authors on the Future of AI). I samma enkät ett år tidigare låg medianen 13 år längre fram i tiden. Rörelserna går i båda riktningarna: Kokotajlos egen median låg på 2027 så sent som i januari 2025, sköts sedan upp till slutet av 2030, och flyttades i april 2026 närmare igen.

Vad skulle det innebära?

Här ändras underlagets karaktär. Tidslinjerna är osäkra prognoser. Konsekvenserna är i ännu högre grad resonemang om något som inte har hänt. Fyra teman återkommer i bedömningarna.

Det som skulle göra AGI till en särskild sorts teknik är att AI som är lika bra som människor på AI-forskning skulle kunna användas för att förbättra AI. Olle Häggström, professor i matematisk statistik vid Chalmers, beskriver det i en gästkrönika i Göteborgs-Posten som "ett slags turboeffekt som snabbt kan leda till att AI uppnår det slags övermänsklig kompetens som kallas superintelligens", och tillägger att det inte finns någon övertygande plan för att lösa AI alignment, alltså att få systemens mål att stämma med människors (GP, 15 januari 2026). Hur snabbt en sådan återkoppling skulle kunna gå är omstritt, och beräkningskraft, tillgång till data och tiden det tar att göra experiment sätter gränser. Det är kärnan i det vi beskriver som kontrollproblemet.

Ekonomin kan förändras snabbare än politiken hinner med. Amodei sa i Davos att hälften av alla tjänstemannajobb kan försvinna inom fem år. I sin essä räknar han upp fem riskkategorier: AI-system som får egna mål, missbruk för att orsaka skada, missbruk för att gripa makt, ekonomisk omvälvning och indirekta effekter av snabba samhällsförändringar. Han är samtidigt tydlig med att inget av det är säkert: "Nothing here is intended to communicate certainty or even likelihood", ingenting i texten är avsett att uttrycka säkerhet eller ens sannolikhet.

Makt kan samlas hos få. Förmågan att bygga och driva de mest kapabla systemen finns hos ett fåtal företag och stater. Skulle den förmågan bli avgörande för ekonomi och försvar, förskjuts styrkeförhållanden mellan länder oavsett vad enskilda regeringar beslutar.

Osäkerheten är i sig ett problem. Den mest omfattande internationella genomlysningen, International AI Safety Report, kom i sin andra upplaga den 3 februari 2026. Den leds av Turingpristagaren Yoshua Bengio, bygger på arbete av över hundra experter med stöd från ett trettiotal länder, EU, OECD och FN, och ger medvetet inga policyrekommendationer. En av rapportens genomgående punkter är att kunskapen om hur utvecklingen kan förutsägas och styras fortfarande är begränsad.

Det har lett vissa till slutsatsen att utvecklingen bör förbjudas innan den går längre. Den 22 oktober 2025 publicerade Future of Life Institute ett upprop som kräver "a prohibition on the development of superintelligence, not lifted before there is broad scientific consensus that it will be done safely and controllably, and strong public buy-in": ett förbud mot att utveckla superintelligens, som inte hävs innan det finns bred vetenskaplig samsyn om att det kan göras säkert och kontrollerat, och brett stöd hos allmänheten. Uppropet är öppet för vem som helst att skriva under och hade i juli 2026 drygt 71 000 underskrifter, bland dem Geoffrey Hinton och Yoshua Bengio (superintelligence-statement.org). Ett annat svar är att försöka styra takten i stället för att stoppa utvecklingen, vilket är utgångspunkten för Plan A i AI 2040.

Vad det betyder för Sverige

Regeringen presenterade den 20 februari 2026 vad den kallar Sveriges första heltäckande AI-strategi, med målet att Sverige ska vara ett av världens tio ledande AI-länder och bäst i världen på att använda AI i offentlig förvaltning. Strategin handlar om användning, kompetens, regelförenkling, energi och försvar. Frågan om mycket kapabla framtida system finns med, men bara kortfattat. I avsnittet om människan i centrum står att "oro över att AI kommer att användas på olämpliga sätt, att AI ska ha en negativ påverkan på arbete eller i framtiden leda till existentiella risker behöver tas på allvar" (regeringen.se). Strategin tar inte ställning till vad som ska gälla om utvecklingen går mot AGI.

Närmast ett bindande regelverk för de mest kapabla modellerna kommer EU:s AI-förordning. Den pekar ut en särskild kategori, allmänna AI-modeller med systemrisk, och utgår från att en modell hör dit om träningen krävt mer än 10²⁵ flyttalsoperationer. Kraven gäller sedan den 2 augusti 2025 (artikel 51). Tröskeln utgår alltså från hur mycket beräkning träningen krävt, inte från vad modellen faktiskt kan.

Prognoserna i den här artikeln gäller världen, inte Sverige. Men de har svenska konsekvenser. Om de tidiga bedömningarna visar sig stämma har svensk politik ungefär en mandatperiod på sig att förbereda sig, och om de sena stämmer finns tid att bygga upp kunskap i lugnare takt. Vem som följer utvecklingen tillräckligt nära för att märka skillnaden, vilken beredskap som finns för det snabbare förloppet och vilken linje Sverige driver i EU när reglerna för de mest kapabla systemen skärps, är frågor som riksdagen efter den 13 september 2026 kommer att hantera. Vad partierna svarar om dem går att läsa i AI-Kompassen, och om oenigheten i forskningen i Vart är vi på väg?.

Läs vidare

• International AI Safety Report 2026 – den mest omfattande internationella forskningssammanställningen, publicerad 3 februari 2026.
• Q1 2026 Timelines Update – AI Futures Projects kvartalsvisa uppdatering av sina tidslinjer, 2 april 2026.
• Experts and Superforecasters Update Their AI Timelines – Forecasting Research Institutes expertpanel, juni 2026.
• METR: time horizons – institutets löpande mätning av hur långa uppgifter modeller klarar självständigt, med metoden beskriven i Time Horizon 1.1.
• A Definition of AGI – förslaget på en testbar AGI-definition med poängsystem.
• Vart är vi på väg? – Livet med AI om vad forskningen är enig och oenig om.
• Riskerna vi står inför – genomgång av riskerna, kontrollproblemet och scenariot AI 2027.

Det här inlägget är framtaget med AI-stöd och granskat av redaktionen innan publicering. Så används AI

← Alla inlägg