Hvert år udgiver Stanford University’s Human-Centered AI Institute (HAI) en tilstandsrapport for AI-industrien. 2026-udgaven er netop udkommet, og den er fuld af tal der både imponerer og bekymrer. AI-teknologien præsterer på niveauer der for tolv måneder siden ville have virket urealistiske – men industrien er i hastig færd med at skjule hvad det koster.
Præstationer der var utænkelige for et år siden
Tag bare SWE-bench Verified, som er standardbenchmarket for AI-kodning. For ét år siden klarede de bedste modeller 60 procent af opgaverne. I dag er vi tæt på 100 procent. Det er ikke gradvise forbedringer – det er et fagligt paradigmeskifte på under 12 måneder.
Rapporten dokumenterer desuden, at frontier-modeller nu matcher eller overgår menneskelige eksperter på PhD-niveau videnskabsspørgsmål, multimodal ræsonnering og konkurrencematematik. Hvad der tidligere krævede en uddannet specialist, kan i dag klares af et API-kald.
Adoptionen holder trit med kapabiliteterne. Generativ AI har nået 53 procents befolkningsadoption – hurtigere end den personlige computer og hurtigere end internettet nåede samme milepæl. Organisationernes adoption er endnu mere markant: 88 procent af virksomhederne bruger nu AI på et eller andet plan. Fire ud af fem universitetsstuderende bruger AI til studieopgaver.
Det er dog værd at huske, at høj adoption ikke er det samme som effektiv adoption. Som jeg tidligere har skrevet her på bloggen, kæmper 79 procent af virksomhederne stadig med at hente reel forretningsværdi ud af AI-investeringerne.
Miljøregningen – som ingen vil vise frem
Her begynder billedet at blive mere ubehageligt. AI-datacentre verden over bruger nu 29,6 gigawatt el – svarende til det samlede strømforbrug for hele delstaten New York på spidsbelastning. Det er en kapacitet der stadig vokser.
Vandforbruget er endnu mere slående. Rapporten estimerer, at den årlige vandkøling til drift af OpenAI’s GPT-4o alene kan overstige drikkevandbehovet for 12 millioner mennesker. Og xAI’s seneste model, Grok 4, har ifølge rapporten genereret over 72.000 tons CO2 bare under træning.
Det paradoksale er, at ingen af de store AI-selskaber oplyser om det. Rapporten identificerer ti virksomheder der ikke offentliggør ét eneste relevant miljøtal: AI21 Labs, Alibaba, Amazon, Anthropic, DeepSeek, Google, Midjourney, Mistral, OpenAI og xAI. Ingen data om energiforbrug, CO2-udledning eller vandforbrug. Det dækker i praksis hele front-runner-feltet.
Gennemsigtighedskrisen: Fra 58 til 40 point
Foundation Model Transparency Index måler, hvor åbne AI-selskaberne er om deres modellers træningsdata, beregningsressourcer, kapabiliteter, risici og brugspolitikker. I 2025 lå gennemsnittet på 58 point ud af 100. I 2026 er det faldet til 40.
Google, Anthropic og OpenAI er alle holdt op med at offentliggøre datasætstørrelser og træningstider for deres nyeste modeller. Jo mere magtfulde modellerne bliver, jo mindre ved vi om dem. Det er ikke tilfældigt – det er en bevidst strategisk beslutning om at beskytte konkurrencemæssige fordele frem for at bidrage til forskningsmæssig reproducerbarhed og samfundsmæssig accountability.
Det er en problematik som EU forsøger at adressere via regulering. EU AI Act Omnibus-aftalen fra denne uge giver højrisiko AI-systemer 16 måneder mere – men transparenskrav til foundation models er stadig et åbent spørgsmål i forhandlingerne.
Kina og USA: Jævnbyrdige for første gang
Et af rapportens vigtigste geopolitiske observationer: USA og Kina har byttet pladser øverst på AI-leaderboards adskillige gange siden begyndelsen af 2025. Det er ikke længere et teknologisk kapløb med ét land i front – det er et løbende, dynamisk konkurrencefelt.
For vestlige virksomheder og offentlige institutioner er det relevant: de bedste AI-modeller er ikke nødvendigvis amerikanske. Det stiller krav til risikovurdering, forsyningskædesikkerhed og regulatorisk opmærksomhed. Kinesiske modeller kan teknisk set matche de bedste vestlige alternativer, men kommer med andre risikoprofiler.
Hvad det betyder i praksis
Stanford AI Index 2026 er ikke en hype-rapport. Det er en databaseret opgørelse, og den viser et felt i ekstremt hurtig bevægelse. For it-folk og beslutningstagere er de centrale pointer disse:
- AI’s tekniske kapabilitet overstiger nu mange menneskelige eksperters inden for specifikke fagdomæner
- Adoption er høj, men det organisatoriske udbytte halter stadig bagud
- Miljøomkostningerne er reelle og store – og systematisk skjult af industrien selv
- Transparens i modeltræning er faldende, ikke stigende, på trods af voksende samfundsmæssig betydning
- Kina er ikke bagud – og vestlige organisationer bør have en klar politik for hvilke modeller de bruger og hvorfor
Den samlede Stanford AI Index 2026-rapport er over 400 sider og tilgængelig gratis via Stanford HAI’s hjemmeside. Den er anbefalelsesværdig læsning for alle der arbejder professionelt med AI.
Kilder
- The 2026 AI Index Report – Stanford HAI, april 2026
- Inside the AI Index: 12 Takeaways from the 2026 Report – Stanford HAI
- China has erased the US lead in AI, Stanford HAI’s 2026 AI index reveals – SiliconAngle, april 2026
- Transparency in AI is on the Decline – Stanford HAI
- Stanford’s AI Index for 2026 Shows the State of AI – IEEE Spectrum, april 2026
