Forestil dig en virksomhed, der kan stressteste en ny strategi tusindvis af gange i et digitalt laboratorium, før den implementeres. Eller en robot, der har fejlet en million gange i en simulator, før den rører ved en eneste fysisk genstand. Det er ikke science fiction — det er den næste fase af kunstig intelligens.
Goldman Sachs peger i en ny analyse på et fundamentalt skifte i AI-udviklingen. Mens sprogmodeller som ChatGPT har domineret overskrifterne, vokser en ny kategori frem: “World models” — AI-systemer, der ikke bare genkender mønstre, men simulerer hvordan verden faktisk fungerer. For erhvervslivet og samfundet kan implikationerne blive vidtrækkende.
Kernen i world models er enkel: De giver maskiner evnen til at spørge “hvad sker der, hvis jeg gør dette?” — og teste svaret internt, før de handler. Mennesker gør det instinktivt. Vi forestiller os, at glasset vælter, før vi rækker ud efter det. Vi gennemspiller et svært møde mentalt, før vi vælger vores ord. Indtil nu har maskiner manglet denne evne. Sprogmodeller kan skrive overbevisende tekst, men de forstår ikke konsekvenserne af de handlinger, ordene beskriver. World models ændrer det.
Goldman Sachs skelner mellem to typer: Fysiske world models lærer naturlovene — tyngdekraft, friktion, væskers opførsel — og lader robotter og autonome systemer øve sig millioner af gange i simulerede miljøer, hvor fejl er gratis. Sociale world models simulerer menneskelig adfærd: hvordan markeder reagerer på chok, hvordan konkurrenter tilpasser sig, hvordan bestyrelser agerer under pres.
For virksomheder åbner dette en helt ny tilgang til strategisk planlægning. I dag bruger organisationer enorme ressourcer på at gætte, hvordan konkurrenter vil bevæge sig, hvordan markeder vil tolke signaler, og hvordan kunder vil reagere. Disse vurderinger hviler på erfaring, statisk analyse og intuition.
Multi-agent-simuleringer tilbyder noget andet: et levende laboratorium for menneskelige systemer. Ved at befolke digitale miljøer med AI-agenter, der afspejler forskellige incitamenter, begrænsninger og informationsniveauer, kan virksomheder teste strategier mod adaptive modparter. Governancestrukturer kan stresstestes før krisen rammer. Kriseberedskab kan øves uden virkelige omkostninger. Finanshuset sammenligner det med militære krigsøvelser — men skaleret op eksponentielt. Den bedste simulering med menneskelige deltagere kan nu replikeres digitalt tusindvis af gange, mens alle variationer i udfald observeres.
I den fysiske verden er anvendelserne allerede synlige. Lagerrobotter navigerer i overfyldte rum med færre kollisioner — selv i totalt mørke. Maskiner tilpasser sig ukendte objekter i stedet for at bryde sammen. Selvkørende biler øver kanttilfælde, længe før de møder dem på vejene.
Goldman Sachs skitserer en fremtidig forsyningskæde, hvor fysiske world models guider robotter gennem lagerhaller og havne, mens sociale world models simulerer efterspørgselschok, arbejdsmarkedsreaktioner og geopolitiske forstyrrelser. Planlægning bliver kontinuerlig frem for periodisk.
Samfundsmæssige perspektiver
Perspektiverne rækker ud over erhvervslivet. Regeringer bruger allerede multi-person-simuleringer til at teste, hvordan informationskampagner spreder sig i befolkninger. Sundhedsmyndigheder kan modellere epidemiers forløb under forskellige interventioner. Centralbanker kan simulere, hvordan politiske chok kaskader vælter gennem markeder og adfærd.
Forfatterne understreger dog en vigtig nuance: Disse systemer forudsiger ikke fremtiden i snæver forstand. De afdækker sandsynlige fremtider og blotlægger skjulte dynamikker. Forskellen mellem forudsigelse og simulering er væsentlig. Prognoser antager ét korrekt udfald. World models viser spændvidder, stier og feedback-loops.
For beslutningstagere er det ofte mere værdifuldt end et statisk estimat.
I rapporten stilles et provokerende spørgsmål: Undervurderer vi de samlede AI-investeringer? Konkurrencefordele vil fremover afhænge lige så meget af, hvem der bygger de mest troværdige simuleringer af virkeligheden, som af hvem der træner den største sprogmodel.
Organisationer, der tidligt genkender dette skifte, vil være bedst positioneret — ikke bare til at adoptere AI, men til at anvende den, hvor det virkelig betyder noget: I beslutninger, der former den virkelige verden.
Morten W. Langer
