AI kender vi alle efterhånden, men hvad er så AGI og ASI?
I denne episode dykker jeg ned i AI-begreberne og forklarer hvorfor du skal forstå disse tre niveauer af kunstig intelligens.
Fra de AI-værktøjer, som du og jeg bruger i dag, til fremtidens super-intelligens, der kan overgå mennesker.
Få styr på begreberne, tidslinjen og hvad det betyder for dit arbejde i dag og i fremtiden.
Lyt med nu, og få et indblik i fremtidens kunstige intelligens:
Eller afspil episoden lige her:
Speak og produktion:
Tobias Thaastrup-Leth
Alle episoder:
AI-optimeret transskription af episoden:
Den Definitive Guide til AGI, ASI og Fremtidens Digitale Marketing
Inden for den digitale sektor har vi i efterhånden vænnet os til til AI. Den type AI vi bruger i dag hedder faktisk Artificial Narrow Intelligence (ANI), og den består af systemer designet til at løse specifikke, afgrænsede opgaver. Dette inkluderer alt fra algoritmerne bag Google Search til de tidlige versioner af chatbots, der kunne opsummere tekster eller generere simple e-mails.
Men i overgangen fra 2025 til 2026 er vi trådt ind i en æra, hvor grænserne mellem snæver intelligens og generel intelligens udviskes. Forståelsen af disse niveauer er afgørende for enhver marketingstrategi, da det definerer, om vi bruger AI som et værktøj eller som en autonom medarbejder.
Artificial General Intelligence (AGI) defineres oftest som et system, der er yderst autonomt og som udkonkurrerer mennesker i de fleste økonomisk værdifulde opgaver. Det handler ikke blot om at producere tekst, men om evnen til at ræsonnere, planlægge og lære nye færdigheder på tværs af domæner uden menneskelig instruktion.
Sam Altman fra OpenAI har beskrevet AGI som et punkt på et kontinuum af intelligens, hvor maskinen kan håndtere komplekse projekter fra start til slut, såsom at lede en softwareudviklingsproces eller skrive en roman af Pulitzer-kvalitet.
Når vi taler om Artificial Superintelligence (ASI), bevæger vi os ind i et domæne, hvor maskinens intellekt overgår det samlede menneskelige intellekt på tværs af alle tænkelige discipliner. ASI vil ikke blot være hurtigere til at beregne; den vil besidde en form for intelligens, som mennesker potentielt ikke engang kan begribe eller kontrollere.
Dette skift fra AGI til ASI forventes af mange at ske hurtigt gennem en proces med rekursiv selvforbedring, hvor AGI-systemer begynder at designe og optimere deres egne efterfølgere.
Klassificering af intelligensniveauer i 2026
| Niveau | Betegnelse | Kerneegenskaber | Status i marketing (2026) |
| ANI | Snæver AI | Ekspertise i specifikke opgaver (f.eks. SEO-analyse). | Standard i alle marketing-stacks. |
| AGI | Generel AI | Autonom problemløsning på menneskeligt niveau. | Tidlig integration via autonome agenter. |
| ASI | Superintelligens | Overlegen intelligens på tværs af alle domæner. | Teoretisk fokuspunkt for sikkerhedsforskning. |
Tidslinjer for gennembrud: Visionerne fra Silicon Valley
Tidslinjerne for hvornår vi opnår AGI, har været et af de mest debatterede emner i 2024 og 2025. Lederne af de største AI-laboratorier har præsenteret køreplaner, der er betydeligt kortere, end de fleste eksperter forudsagde for blot få år siden. Denne acceleration er drevet af massive investeringer i beregningskraft og en fundamental forståelse af skaleringslove.
Sam Altman, CEO for OpenAI, har i slutningen af 2024 og gennem 2025 fastholdt, at OpenAI har en klar vej mod AGI inden udgangen af 2025. Han argumenterer for, at offentligheden “stadig sover” i forhold til hastigheden af denne udvikling. Ifølge officielle udmeldinger fra OpenAI i januar 2026 forventer de, at systemer snart vil kunne udføre opgaver, der tager et menneske dage eller uger at fuldføre, og at AI vil foretage små videnskabelige opdagelser allerede i løbet af 2026.
Dario Amodei, CEO for Anthropic, deler denne optimisme, men med en anelse mere fokus på de videnskabelige implikationer. Han forudser, at kraftfulde AI-systemer vil opstå i slutningen af 2026 eller starten af 2027. Amodei beskriver AGI som “et land af genier i et datacenter”, der kan accelerere forskning i alt fra kræftbehandling til materialevidenskab med en hastighed, der er 10x til 100x hurtigere end mennesker.
I modsætning hertil står Demis Hassabis fra Google DeepMind, som opererer med en tidslinje på ca. fem år (omkring 2029-2030). Hassabis påpeger, at selvom vi har set enorme fremskridt med sprogmodeller, kræver ægte generel intelligens gennembrud i planlægning og ræsonnement, som ikke nødvendigvis løses blot ved at tilføre mere data. Han understreger, at “den sidste mil” mod AGI er den sværeste og mest uforudsigelige.
Sammenligning af AGI-forudsigelser fra industriledere
| Leder | Virksomhed | Forventet AGI-horisont | Primært fokusområde |
| Sam Altman | OpenAI | 2025 | Økonomisk værdi og agenter. |
| Dario Amodei | Anthropic | 2026-2027 | Videnskabelige gennembrud. |
| Demis Hassabis | Google DeepMind | 2029-2030 | Pålidelighed og planlægning. |
| Eric Schmidt | Ex-Google | 2027-2028 | Programmør-automatisering. |
| Elon Musk | xAI | 2025-2026 | Smartere end et enkelt menneske. |
Den økonomiske motor bag intelligensen: Skaleringslovene
For at forstå, hvorfor udviklingen går så stærkt, skal man kigge på de bagvedliggende økonomiske og tekniske mekanismer. Sam Altman har fremhævet, at intelligensen i en AI-model groft sagt svarer til logaritmen af de ressourcer, der bruges til at træne og køre den. Disse ressourcer består primært af beregningskraft (compute), data og tid.
Denne sammenhæng betyder, at vi kan spendere enorme summer og få kontinuerlige og forudsigelige gevinster i intelligens. En af de mest opsigtsvækkende statistikker fra 2025 er, at omkostningerne for et givet niveau af AI falder med ca. 10 gange hver 12. måned.
Hvis man sammenligner dette med Moores lov, som fordobler ydeevnen hver 18. måned, er AI-udviklingen eksponentielt stærkere. For marketingfolk betyder det, at de mest avancerede modeller, som i dag er for dyre til massiv udrulning, vil være tilgængelige som en billig råvare om blot 24-36 måneder.
Denne økonomiske realitet fører til det, Altman kalder “super-eksponentiel værdi”. Når intelligens bliver billigere, stiger dens anvendelse ikke lineært, men eksplosivt, da helt nye brugsscenarier bliver økonomisk rentable. I 2026 ser vi dette manifestere sig i form af AI-agenter, der fungerer som “junior virtual coworkers” for enhver vidensarbejder.
Agentic AI i marketing: Fra automation til autonomi
I 2025 skete der et skifte fra traditionel marketing automation til det, vi nu kalder “Agentic AI”. Forskellen er fundamental: Hvor automation følger faste “hvis-så”-regler, er agenter målorienterede og adaptive. De kan selv planlægge deres opgaver, rette fejl undervejs og interagere med andre systemer for at nå et defineret mål.
HubSpot har med deres “Breeze”-platform i 2026 sat standarden for, hvordan AI-agenter integreres direkte i marketing-workflowet. Deres system inkluderer specialiserede agenter til indholdsproduktion, prospecting og kundeservice, som arbejder sammen på tværs af platformen.
Dette har ført til målbare forbedringer i effektiviteten; HubSpot-kunder rapporterer efter et år en gennemsnitlig stigning på 129% i antallet af leads og en forbedring på 37% i løsningstiden for kundeservice-tickets.
Vellum har ligeledes dokumenteret brugen af “Campaign Orchestrator Agents”, som kan tage en enkelt kampagne-brief og transformere den til kanal-parate aktiver (annoncer, e-mails, landingssider) på tværs af adskillige platforme. En opgave, der før tog en marketingmedarbejder 6-12 timer om ugen i manuelt arbejde, kan nu klares på minutter, hvilket frigør tid til strategi og kreativt arbejde.
Praktiske eksempler på AI-agenter i marketing (2026)
| Agent-type | Funktion | Værktøjer involveret | Typisk tidsbesparelse |
| Campaign Orchestrator | Fra brief til færdige aktiver og tracking. | Google Drive, Claude, Asana, Google Sheets. | 8+ timer/uge. |
| Campaign Intelligence | Data-normalisering og indsigt-rapportering. | Google Ads, HubSpot, GA4, Slack. | 10-15 timer/uge. |
| Intent Intelligence | Analyse af lead-adfærd og næste handling. | Website Analytics, CRM, Slack. | 8-12 timer/uge. |
| SEO Agent | Keyword research, SERP-monitorering og briefs. | Semrush, Jasper, Google Taskflow AI. | Kontinuerlig optimering. |
SEO og GEO: Den nye søgevirkelighed
En af de mest markante ændringer for marketingfolk i 2026 er erosionen af traditionel søgetrafik. HubSpot rapporterer, at næsten 30% af marketingfolk har oplevet et fald i søgetrafik, efterhånden som forbrugerne skifter til AI-værktøjer som ChatGPT, Gemini og Claude for at få svar. Dette har skabt behovet for “Generative Engine Optimization” (GEO).
SEO i 2026 handler ikke længere kun om at rangere på side 1 hos Google, men om at blive refereret som en kilde i AI-genererede svar. AI-agenter kan nu automatisk scanne SERP (Search Engine Result Pages) i realtid for at identificere skift i søgehensigt og generere indhold, der lukker strategiske huller i markedet.
Større brands bruger disse integrerede systemer til at opnå op mod 40% reduktion i deres Customer Acquisition Cost (CAC) gennem automatiseret budgivning og målretning, der reagerer hurtigere end nogen menneskelig operatør.
Over 92% af marketingfolk planlægger nu eller bruger allerede SEO-optimering til både traditionelle og AI-baserede søgemaskiner. Det er blevet en overlevelsesstrategi at sikre, at brandets data og indhold er let tilgængeligt og forståeligt for de store sprogmodeller, der nu fungerer som portvogtere til internettet.
Arbejdsmarkedets transformation: Fra operatør til strateg
Med udrulningen af AGI-lignende kapabiliteter står arbejdsmarkedet over for en massiv forskydning. Eric Schmidt forudsagde i 2025, at AI-agenter ville overtage det meste programmeringsarbejde inden for et år, og at AI ville nå niveauet for top-matematikere kort efter. For marketingbureauer som Generaxion betyder det, at de roller, der primært fokuserer på rutinepræget eksekvering, er under voldsomt pres.
Ifølge McKinsey og Gartner vil AI-automatisering håndtere mellem 30% og 70% af de gentagne marketingopgaver inden udgangen af 2026. Dette inkluderer alt fra at skrive SEO-meta-tags til at administrere social media-kalendere og udføre manuelle Google Ads-optimeringer. De roller, der vokser, er derimod dem, der kræver strategisk tænkning, AI-oversigt, kreativ problemløsning og evnen til at fungere som en “manager” for et team af AI-agenter.
Geoffrey Hinton, ofte kaldet “AI’ens gudfar”, har advaret om, at AI vil øge arbejdsløsheden, mens den driver højere overskud til virksomhedsejere, hvilket han tilskriver kapitalismens struktur snarere end teknologien selv. Han ser dog sundhedssektoren som et område, der vil få massiv gavn af effektivitetsgevinsterne, da AI kan hjælpe læger med at udvide adgangen til pleje.
Jobkategorier under transformation (2025-2026)
| Roller der svinder ind | Roller der vokser | Nødvendige kompetencer i 2026 |
| Junior content writers. | AI Strategists & Operators. | AI Prompt Engineering (marketing-specifik). |
| Manuelle Google Ads operatører. | Data & Analytics Specialists. | Full-funnel digital marketing strategi. |
| Simple social media koordinatorer. | Ethical AI Compliance Officers. | Marketing automation (Zapier, HubSpot, Make). |
| Basic e-mail marketing folk. | Customer Journey Architects. | Kreativ problemløsning og empati. |
Risikoen og p(doom): Den eksistentielle debat
Debatten om “p(doom)” – sandsynligheden for at AI fører til menneskehedens undergang – er i 2025 og 2026 flyttet fra internetfora til de højeste politiske niveauer.
Elon Musk har estimeret risikoen til at være mellem 10% og 20%, men mener stadig, at fordelene ved AGI er så store, at vi bør forfølge teknologien. Geoffrey Hinton har for nylig hævet sit estimat til mellem 10% og 20% risiko for menneskelig udryddelse inden for de næste 30 år, da udviklingen går meget hurtigere end forventet. Han påpeger det fundamentale problem: Vi har aldrig stået over for noget, der er mere intelligent end os selv, og vi ved ikke, hvordan vi kontrollerer det.
Dario Amodei fra Anthropic har udtrykt dyb bekymring for, at AI-modeller inden for 2-3 år vil kunne hjælpe med at skabe biologiske våben eller udføre farlige handlinger inden for kemi og ingeniørvidenskab. OpenAI har derfor dedikeret 20% af deres samlede beregningskraft over de næste fire år til deres “Superalignment”-team, som forsøger at løse det tekniske problem med at styre en superintelligens.
I maj 2023 og igen i 2025 underskrev hundredvis af eksperter, herunder ledere fra OpenAI og Anthropic, en erklæring om, at reduktion af risikoen for AI-udryddelse bør være en global prioritet på linje med pandemier og atomkrig. En åben brev-kampagne fra Future of Life Institute i slutningen af 2025 krævede endda et forbud mod udvikling af superintelligens, indtil der er videnskabelig konsensus om sikkerheden.
2025 Reality Check: Hvorfor vi ikke er i mål endnu
På trods af hypen og de astronomiske tidslinjer, stod det ved indgangen til 2026 klart, at vejen til fuld AGI har været mere bumpet end forudsagt i de mest optimistiske scenarier fra 2024. Flere profetier fra ledende figurer viste sig at være for tidlige.
Pålidelighed er stadig den største barriere for adoption i kritiske forretningsprocesser. En fejlrate på 5% er måske acceptabel for en tekstgenerator, men den er katastrofal for en AI-agent, der skal foretage indkøb eller opdatere kundedatabaser. Mange virksomheder opdagede i 2025, at det var nemt at bygge en demo-agent, men ekstremt svært at integrere den med legacy-systemer som Oracle eller SAP på en sikker og compliance-overholdende måde.
Desuden er der opstået fysiske flaskehalse. Elon Musk advarede i 2024 om, at der ikke ville være nok elektricitet til rådighed i 2025 til at fortsætte den nuværende vækstkurve i AI-træning. Behovet for enorme mængder vand til køling af datacentre og manglen på specialiserede chips har også lagt en dæmper på udrulningshastigheden.
Analyse af fejlslagne forudsigelser for 2025
| Forudsigelse (fra 2024) | Kilde | Status ultimo 2025 | Årsag til forsinkelse |
| AI koder 90% af alt software i midten af 2025. | Dario Amodei | Ikke nået; AI koder meget, men bugs og slop kræver mennesker. | Kompleksitet i arkitektur og legacy kode. |
| AI smartere end ethvert menneske i 2025. | Elon Musk | Ikke realiseret på generelt niveau. | Manglende jordforbindelse (grounding) og ræsonnement. |
| Fuld udrulning af autonome arbejdsagenter. | Sam Altman | Kun delvist succesfuldt i lukkede økosystemer. | Pålidelighedsgab og integrationsomkostninger. |
| Enden på UX Research roller i Q3 2025. | Industri-analyser | Rollerne er transformeret, ikke forsvundet. | Behov for menneskelig empati og kvalitativ forståelse. |
Den tekniske arkitektur: Bag kulisserne på o3 og fremtidens modeller
For at forstå det næste spring i kapabilitet, skal vi kigge på de nyeste gennembrud i modelarkitektur, herunder OpenAIs o3-system, som blev præsenteret i slutningen af 2025. o3 markerede et vendepunkt ved at opnå en score på 85% på den frygtede ARC-AGI benchmark, hvilket er på niveau med et gennemsnitligt menneske og langt over de tidligere 55% for o1-modellen.
Den primære motor bag denne fremgang er “Inference-time Scaling” og “Test-time Compute” (TTC). I stedet for blot at give det mest sandsynlige svar med det samme, får modellen lov til at “tænke” og simulere forskellige løsningsveje, før den svarer. Dette gør modellerne langt bedre til matematik og logisk ræsonnement, men det gør dem også dyrere at køre.
Samtidig ser vi en bevægelse mod multimodale systemer, der kan processere tekst, billeder, video og lyd i en integreret proces. Dette er afgørende for marketing, da det gør det muligt for en AI-agent ikke blot at skrive en annonce, men også at forstå den visuelle kontekst og de kulturelle nuancer i billedmaterialet.
Strategisk perspektiv på vejen frem
Det handler ikke længere om at spørge om AI skal bruges, men om hvordan man orkestrerer de forskellige intelligensniveauer for at skabe konkurrencemæssige fordele for kunderne.
En rock-solid digital operation kræver i 2026 en solid integration af Consent Management (f.eks. via Cookiebot af Usercentrics) sammen med AI-strategien for at sikre data-compliance og opbygge brugertillid. Data er det brændstof, der fodrer agenterne, og uden rent og lovligt indsamlet data vil AI-systemerne fejle eller skabe juridiske risici.
Konklusion: Navigering i den super-eksponentielle fremtid
Vi står ved en tærskel i menneskehedens historie, som Dario Amodei og Demis Hassabis har beskrevet som en overgang til en “post-scarcity” verden, hvis vi formår at styre teknologien sikkert.
For marketingfolk betyder det, at adgangen til “ubegrænset genialitet” er ved at blive en realitet, hvor enhver person i 2035 vil kunne råde over en intellektuel kapacitet svarende til alle mennesker i 2025 tilsammen.
Men denne fremtid er ikke uden udfordringer. Behovet for menneskelig dømmekraft, kreativitet og empati er paradoxalt nok højere end nogensinde, præcis fordi de rutineprægede kognitive opgaver er blevet en billig råvare.
Den bedste strategi for 2026 er derfor ikke at frygte AGI, men at lære at lede de agenter, der bærer den, mens man holder fast i de menneskelige værdier, som teknologien (endnu) ikke kan replikere.
Vi skal skære igennem hypen, men vi må aldrig ignorere de underliggende tektoniske skift. De, der formår at integrere AI-agenter i deres strategi i dag, er de markedsledere, vi vil læse om i 2030.
