![]() |
| EU-scenarioer om KI |
KI vil endre ting på individ- og virksomhetsnivå, men skal også håndteres på samfunnsnivå. På noen områder vil KI endre samfunnet, som andre infrastrukturteknologier har gjort før. Men handlingsrommet for teknologianvendelsen er også avhengig av samfunnet rundt. Vil det være flaskehalser og hindringer som gjør at vi ikke får utnyttet mulighetene fullt ut? Vil det være knapphet på kompetanse, på databrikker, på elektrisitet, og vil vi oppleve en politisk motstand mot store endringer? Og hva med sikkerhet, fri handel og utenrikspolitiske hensyn?
Hvordan håndterer man utfordringer ingen har vært i før, og der det derfor ikke er mulig å lære av andres erfaringer?
Forestillinger om fremtiden
Vi trenger derfor noen verktøy som hjelper oss å forstå situasjonen, i all dens kompleksitet, og som kan hjelpe oss med å utvikle evnen til å forestille oss hvordan fremtiden kan bli. En forestillingsevne som erkjenner at det ikke finnes noen fasit, at mye er usikkert, at det er flere mulige fremtider, og at det både er forhold vi kan påvirke og ting vi ikke kan påvirke.
Slike fremtidsforestillinger og sorteringsøvelser gjør det lettere å lage målbilder og beskrive strategier. Slik at virksomheter kan sette inn ressursene der det faktisk har effekt. Noen har mer innflytelse på hvordan fremtiden vil bli enn andre, men det å bruke scenarioer, prognoser eller andre slike verktøy for å lage gode fortellinger om fremtiden er lurt og nyttig. Det er både nyttig for regjeringens og nasjonale myndighetsorganer, som har behov for å utrede handlingsrommet for ulike veivalg, før de fastsetter strategier og tiltak. Men det gjelder også hver enkelt bedrift, kommune, statlige etat eller friville organisasjon, som alle har behov for å finne sin plass i en fremtid med mer KI.
Jeg har prøvd å lage en liten oversikt over noe av det som finnes av scenariorapporter, prediksjoner, beskrivelser av ønskede fremtider, og andre spennende utredninger som er laget av andre, og som kan bygges videre på, eller inspirerer til nye fremtidsfortellinger.
Seks måter å fortelle om KI-fremtiden på
Det finnes etter hvert et betydelig bibliotek av rapporter om "KI-fremtiden". Noen kommer fra regjeringsoppnevnte utredere eller fra internasjonale organisasjoner som EU-kommisjonen og OECD, Andre fra små og uavhengige forskningsinstitutter og tenketanker. Det finnes ingen fasit for hvordan man lager gode og anvendbare fremtidsfortellinger. Den underliggende sorteringen er en taksonomi fra OECD og GPAIs Generative AI and the Future of Work (jan. 2025), som skiller mellom utforskende foresight (hva kan skje?), normativ foresight (hva bør skje?) og prediktiv foresight (hva vil skje?)
Rapportene jeg trekker frem her er forskjellige også når det gjelder hvilke usikkerheter og "omdreiningspunkter" de peker på som de mest avgjørende, hvilke temaer eller sektorer de dekker, og på hvilket samfunnsnivå de opererer. Jeg har valgt å sortere rapportene jeg har funnet i 6 ulike metodiske sjangre. Jeg har lest noen av dem, mens andre har jeg bare lest omtaler av, og skummet raskt igjennom, men ikke dypdykket i. Noen av rapportene jeg ikke har gått i dybden på kommer jeg helt sikkert tilbake til her på bloggen.
1. Scenariofortellingene: "Vi må forestille oss mulige fremtider for å kunne gjøre vanskelige valg"
I denne sjangeren finner vi et par veldig interessante scenariorapporter fra regjeringer. Den britiske AI Scenarios 2030 (GO-Science, UK, juni 2026) og den canadiske Scenarios for an AI-enabled World (Policy Horizons Canada, feb. 2026), og også EUs fremtidsprosjekt The Futures of Artificial Intelligence: Implications for Europe's R&I Ecosystem (DG RTD, 2026).Jeg tenker det kan være lurt å begynne med disse tre. Dette er store scenarioprosjekter med fortellinger om hvordan fremtiden kan bli langs flere ulike dimensjoner. De har mer eller mindre rike og utbroderte fortellinger, Fortellinger som setter tankene i sving og hjelper oss løfte blikket og forstå hva som kan bli annerledes og hva som kanksje ikke blir fullt så annerledes i fremtiden. De hjelper oss reflektere over hva vi kan påvirke og hva vi ikke kan påvirke, og hvor det er behov for å velge en retning fremfor en annen. Men det er minst like aktuelt å bruke slike alternative beskrivelser av fremtiden til å stressteste strategier og planer vi allerede har, eller jobber med nå, for så sikre at de tåler en fremtid som på viktige områder bli ganske annerledes.
Den britiske rapporten AI Scenarios 2030 er gitt ut av The Government Office of Science, UK, og er kommet i to generasjoner. Den første fra 2023 ble bygget på fem kritiske usikkerheter. Oppdateringen fra juni 2026 viderefører rammeverket, men med seks kritiske usikkerheter, som er KI-kapabilitet, KI-distribusjon og -tilgjengelighet, sikkerhet, adopsjon, arbeidsfortrengning og globalt samarbeid. Hver av disse er utstyrt med en akse med fem trinn, Ulike kombinasjoner på disse aksene gir fem hovedfortellinger som har fått navnene: Slow Burn, Open Frontier, Augmented Growth, Transformation Economy og Take-Off. Disse scenarioene inkluderer helt bevisst ikke britiske politiske tiltak, nettopp fordi de skal kunne brukes til å teste slike tiltak.
Canada-rapporten "Scenarios for an AI-enabled World" bruker 20 kartlagte innsikter og går derfra til fire fortellinger. De fire fortellingene heter AI everywhere all at once, Wired for connection, Algorithms in the shadows og Automation's ripples and riptides. Det er ikke bare gode og tydelige fortellinger, men de er også visuelt spennende, med tegneserier, brev fra forsikringsselskaper og skjermbilder fra en skoleplattform som overvåker elevene. Denne rapporten kan være til inspirasjon for alle som skal nå ut til folk som ikke liker å lese kjedelige rapporter. Spesielt hvis temaet egenltig ikke er kjedelig i det hele tatt, men har godt av å bli beriket med gode visuelle og tekstlige grep- The EU's «safety first» AI: pay-off in the long run,
- A rearmed EU among the frontrunners in the global AI race,
- EU attached to transnational global AGI and ASI networks,
- Europe leads a unique AI revolution
- Global AI winter.
Jeg må også nevne rapporten fra del 3 i dette samme prosjektet, som strengt tatt ikke hører hjemme i denne scenariosjangeren. Den heter A Forward-Looking Analysis of European Industries' AI Use. Den analyserer utsiktene til KI-adopsjon i EUs næringsliv fram til 2030, og sånn sett er den en fremskriving, ikke et scenariosett.
Basert på flere ulike indikatorer og modenhetsmodeller blir Europas næringsliv gruppert i tre profiler, men ulike utfordrninger og behov knyttet til KI: innovasjonsledede sektorer (IKT, faglig og vitenskapelig tjenesteyting, helse, utdanning), operasjonelt kjernedrevne sektorer (industri, kraft, transport og lagring, finans og forsikring, bygg og anlegg), og service envelope (varehandel, overnatting og servering, administrative tjenester, kultur og underholdning). Hver gruppe fremskrives til 2030.
1b. Sektorielle scenarioer
Det finnes noen eksempler på bruk av scenariometodikk med alternative fremtider i ulike sektorer, eller bransjer. Der de er opptatt av å forestille seg hvordan fremtiden med KI vil bli på sitt område. Her kan vi finne flere interessante rapporter:
- Cedefops Preparing for 2040 om KIs innvirkning på "skills development", beskrevet i fire temmelig ulike scenarioer.
- EdTech Hub om utdanningssystemer i lav- og mellominntektsland, med syv sikre trender, syv mer usikre trender, og fem scenarioer.
- ARL og CNIs 2035 Scenarios: AI-Influenced Futures om KI og forskningsbibliotek
- Ada Lovelace Institute og Nuffield Council om genomisk helseprediksjon, en spennende og metodisk tung scenariorapport om medisinsk forskning og helse som jeg gleder meg til å lese.
- Den svenske ESO-rapporten Algoritmer för allmän nytta modellerer svensk offentlig sektor kvantitativt fram til 2044, og den kommer jeg tilbake til under kategori 5.
Et annet viktig poeng er at disse scenarioene ikke lett kan sammenlignes på tvers av sektorer. Hver rapport har sin egen arkitektur, sine egne analyser av endringsdrivere og kritiske veivalg, som gir et antall scenarioer, og sine egne tidshorisonter. Man kan ikke lese noen av rapportene jeg har listet opp over i samme rammeverk, med unntak av EU-kommisjonens rapport del 3 som jeg nevnte over, som skårer et tjuetalls næringer på én og samme modenhetsskala, basert på tolv empiriske indikatorer, og plasserer dem i tre profiler med ulik forventet bane til 2030. Da blir det sammenlignbart på tvers av sektorer i den forstand at bygg og anlegg og finans kan sammenlignes mot hverandre i samme rammeverk og med samme begreper.
1c. Bruk av 2x2 aksekors, med et norsk bidrag
Det er også et interessant norsk scenariobidrag om hvordan KI-utviklingen pårivrker kompetansebehov i arbeidslivet. Det er Kompetansbehovsutvalgets temarapport "Framtidige kompetansebehov: Hvilken kompetanse trenger Norge for å lykkes med digital omstilling?" Det kommer fra et offentlig utvalg nedsatt av kunnskapsdepartementet, og handler om å gi anbefalinger om kompetansebehov for -tiltak, men på tvers av sektorer og bransjer, for KI vil vi finne over alt.
AI 2040: Plan A er laget av de samme som skrev AI 2027, men dette er i en helt annen sjanger. Det er riktignok flere scenarioer som settes opp mot hverandre i denne rapporten, men de er laget som normative fortellinger der Plan A er den ønskede utviklingen, mens alternativet, Plan B, C, D og S er i ulike grad uønskede eller direkte ødeleggende fremtider for menneskeheten. Forfatterne er eksplisitte: "Plan A is primarily a recommendation, not a prediction". Plan A for forfatterne er en internasjonal avtale mellom USA og Kina om å utsette superintelligens til 2040, kombinert med gjensidig innsyn i FoU, verifisering av regnekraft, en pause på toppekspertnivå i 2035, og en avskrekkingslogikk lånt fra nedrustningsavtaler og atomvåpenprogram.
Og sånn sett er ikke dette et utviklingsverktøy for å utforske fremtiden fritt, men mer en metodikk for å teste om forfatternes eget policyforslag overlever møtet med virkeligheten. Og sånn sett kan den samme metodikken elt sikkert brukes til utforske og teste også andre planer og ønskelister, for å se hvor gjennomførbare de er.
Europe 2031 er også en slik normativ fortelling om veivalg som blir tatt for å unngå en samfunnsskadelig KI-utviklining, men med et noe motsatt fortegn. Det går ikke så bra likevel. Her er fortellingen opptatt av hva vi ikke får til i Europa fordi vi ikke ser hva som kommer. Fortellingen er skrevet som en novelle, fortalt gjennom Caroline Dubois, en ung fransk policymedarbeider i Brussel, og Christian Vogt, en tysk gründer som har flyttet til San Francisco. Starpunktet er lanseringen av den kinesiske KI-modellen DeepSeek R1 i januar 2025 og ender i et rom i Washington våren 2031, der Europas skjebne avgjøres uten at Europa har noe å forhandle med.
Det interessante med denne fortellingen er at den tar EUs egne KI tiltak, det vil si suverenitetspakken, KI-gigafactories, håndhevelsen av AI Act, europeisk sky i offentlig sektor, og setter dem under press. For Norge er det også interessant at epilogen foreslår en koalisjon av mellommakter: Nederland, Tyskland, Frankrike, Norge, Storbritannia, Canada, Japan og Sør-Korea – som hver for seg har strategiske roller verdikjeden, og som har mer forhandlingsmakt sammen enn hver for seg. Rapporten er skrevet av et uavhengig utretningsmiljø.
4. Mulighetsrombeskrivelsen: "Fort eller sakte, samarbeid eller konflikt?"
How AGI Could Affect the Rise and Fall of Nations (RAND, juli 2025) og Exploring possible AI trajectories through 2030 (OECD AI Papers No. 55, feb. 2026) er rapporter som ligner på de alternative scenarioforellingene i kategori 1, men ikke setter fortellingene opp mot hverandre som helhetlige alternativer på samme måte. Disse rapportene har mer karakter av at scenarioene ikke er aktive politiske og regulatoriske veivalg, men mer handler om hvor fort den teknologiske utviklingen går, eller hvordan den utenriks- og sikkehetspolitiske utviklingen er. En slags krysning mellom perspektivmelding og scenarioer, kanskje.
Det blir ikke like levende og engasjerende fortellinger med denne tilnærmingen, men dette er grundige og systematiske rapporter fra tunge utredningsmiljøer med høy tillit. RAND-rapporten bruker to variable i et aksekors. Den ene er om KI-utviklingen sentraliseres eller desentraliseres. Den andre er om utfallet styrker eller svekker USA og USAs allierte (geopolitival outcomes-axis). Det munner ut i fortellinger om åtte ulike verdener, som har fått fargerike navn, fra Multilateral Coalition of Democracies Leads via blant annet Cold War 2, The Wild Frontier og Authoritarian Advantage, til Mushroom Cloud Computing, som er betyr krig.
OECD-rapporten Exploring possible AI trajectories through 2030 har jeg ikke lest ordentlig enda. Den omtales av andre som et bidrag som er veldig nyttig i virksomheters praktiske tilnæring til KI-strategier og konkrete KI-tiltak. Den har fire utviklingsbaner: Progress Stalls, Slows, Continues, Accelerates. Den løfter også frem ni kapabilitetsdimensjoner, OECDs AI Capability Indicators.I en beslektet katerori fremtidsfortellinger hører OECDs ekspertgruppe om KI-fremtider (Assessing Potential Future AI Risks, Benefits and Policy Imperatives, OECD AI Papers nr. 27, 2024), som ikke presenterer scenarioer, men er en ekspertgruppe som har sett på rammebetingelser og rangert topp ti gevinster, topp ti risikoer og topp ti policytiltak.
5. Modellen: "Hva sier tallene?"
Her er fortellingene tonet ned, om de finnes i det hele tatt, og poenget er økonomiske modeller og regnestykker. Det er alternativer, men scenarioer her har form av modellbeskriveler som gir ulike utfall. Det er fremskrivninger, men de blir ulike når modellenes forutsetninger skrus på, og modellene kan derfor være gode kilder for tall og struktur for den som vil lage gode scenariobeskrivelser, men trenger data som kan dokumentere de fargerike scenarioene.
Threshold 2030 - Modeling AI Economic Futures er et resultat av at 30 deltakere hadde en konferanse om KI sammen, høsten 2024 der de fikk utdelt tre scenarioer. De heter: Current AI systems, but with improved capabilities, Powerful, narrow AI systems that outperform humans on 95% of well-scoped tasks og Powerful, general AI systems that outperform humans on all forms of cognitive labor. En slags small, medium og large innenfor KI, med andre ord
Bank of International Settlements (BIS), har i sin årsrapport (BIS' årsrapport 2026, kap. I) en graf som presenterer fire scenarioer: Business as usual, bounded productivity boost, transformative AI og demand bottleneck. Det er ingen tilhørende fortelling der, men de har i hvert fall fått Terje Erikstad i Dagens Næringsliv til å skrive en god kommentarartikkel om den. Rapporten gjør også en interessant vri ved at scenarioet om at etterspørselen er flaskehalsen, "demand boottleneck", sier at KI kan føre til mindre vekst. Mens nesten alle andre pessimistiske scenarioer er pessimistiske fordi KI blir for kraftig, eller misbrukes, har BIS en egen fortelling om at teknologien kan svikte økonomisk fordi hver arbeider som blir fortrengt også er en tapt forbruker
Og så kan jeg nevne det internasjonale pengefondet IMFs rapport om Global Economic and Financial Implications of AI (IMF Note 2026/002). Litt tørr i formen, men ganske spennende fordi den gjør et interessant valg når det i motsetnings til mange andre holder rask kapabilitetsutvikling som en felles forutsetning for alle banene, men lar diffusjon være den strukturerende aksen. Den beskriver to baner – forsiktig baseline vs "runaway", over fem år, med anbefalinger sortert i finanspolitikk, pengepolitisk diagnostikk, makrotilsyn og internasjonal koordinering. Er IMF og BIS uenige? Vel, det er i hvert fall slik at mens IMF spør hvor fort diffusjonen går så spør BIS om rask diffusjon av KI kan undergrave sitt eget kundegrunnlag fordi kjøpekraften faller og veksten kan gå ned.
I denne kategorien vil jeg også trekke frem en rapport fra Sverige, som er den eneste nordiske jeg har funnet av dette slaget: Algoritmer för allmän nytta (ESO 2025:2, april 2025), skrevet av Magnus Lodefalk, Erik Engberg og Aili Tang. ESO er Expertgruppen för studier i offentlig ekonomi, som ligger under det svenske Finansdepartementet. De bestiller uavhengige rapporter om offentlig ressursbruk. Rapporten er ikke skrevet inn i KI-politikkdebatten, men inn i et budsjett- og bemanningsproblem. Spørsmålet er ikke om KI fortrenger arbeidskraft, men om KI kan dekke en arbeidskraftsmangel som demografien sørger for.Metodisk er dette en datatung sektoranalyse der arbeidskraftsbehov og produktivitet simuleres fram til 2044, i fire scenarioer: baslinje, konservativt, hovedscenario og optimistisk. Alt annet enn KI holdes fast, både demografi, politiske reformer og geopolitikk. Uten økt KI-bruk vokser arbeidskraftsbehovet i svensk offentlig sektor med 15 prosent på tjue år, mens produktiviteten vokser med 4 prosent, altså 0,2 prosent i året. I hovedscenarioet, der teknologien fortsetter å utvikle seg moderat vokser arbeidskraftsbehovet bare med 4 prosent, mens produktiviteten øker med drøyt 15 prosent, rundt 0,7 prosent i året. I det optimistiske scenarioet, som også forutsetter at KI gjør robotikk anvendbar i omsorgstjenestene, faller arbeidskraftsbehovet 4 prosent under dagens nivå. Jeg tror vi har dataene til å kjøre en tilsvarende regneøvelse i Norge.
6. Metalaget: "Hva trenger vi av metoder og verktøy for å lage gode scenarioer?"
Hvor er verktøybutikken men de verktøyene som trengs? Hvor finner jeg gode råd og tips om hva som egner seg best, og hvordan jeg skal bruke dem når jeg ikke har gjort det før. Og siden dette handler om fremtiden, der ingen av oss har vært enda, så er det ikke ingen fasitsvar, men det er noen gode rammeverk for å gjennomføre slik prosjekter, og det finnes ting for helt ulike ambisjonsnivåer og kombleksiteter, både small, medium og large.
Jeg ble veldig fascinert av en metodebeskrivelse om hvordan man gjør dette i praksis fra Assosiation of Resarch Libraries Futurescape Libraries AI-toolkit, Et praktisk opplegg for å gjennomføre fremtidsverksteder om KI.
Et bra norsk bidrag til metode- og verktøysamlingen om bruk av fremsyn og scenarioer er en artikkel av Åsmund Eikenes, min tidligere kollega i Halogen, som har skrevet i Stat og styring om: "Om språk i framsynsarbeid – utforming av aksekors for slagkraftige scenario". Dette er en veldig fin artikkel om konkrete erfaringer han har gjort med å identifisere og velge ut gode aksekors når du ønsker å lage noe som tilfører verdi til en prosess med den metoden.
Et annet, og ganske teoritungt bidrag til diskusjonen om hvordan vi best jobber med usikre fremtider er RANDs rapport om "Artificial General Intelligence Forecasting and Scenario Analysis - State of the Field, Methodological Gaps, and Strategic Implications" fra mars 2026. En gjennomgang av ulike metoder som brukes, som ekspertundersøkelser, prediksjonsmarkeder, compute-baserte modeller og scenarioanalyse. Den dokumenterer styrker og svakheter ved hver av dem, men nekter å anbefale en bestemt modell. Det er avhengig av mål og kontekst.Jeg vil til slutt nevne et helt annet type eksempel, finske Sitras rapport "Digitalisation and AI in public administration - International examples and best practices". Eksempler og beste praksiser er det denne rapporen er. Den har kartlagt internasjonale eksempler og beste praksis i offentlig forvaltning, men trekker også inn en fremtidsvisjon: agent-staten, der KI-agenter ikke bare er verktøy for saksbehandlere og fageksperter, men de er aktører i selve forvaltningsprosessen. Dette beskrives i form av tre grader av å overføre myndighet til KI-agenter, opp til en «meta-agent-stat» der agenter danner nettverk seg imellom. Det er en av få konkrete beskrivelser av hvordan forvaltningens arbeidsform, og ikke bare dens verktøykasse, kan forbedres med KI.












