Hvor langt unna er AGI egentlig?

Hvor nær er vi egentlig AGI? Det korte svaret: det kommer an på hvem du spør. Spør du Jensen Huang, er vi allerede der. Spør du Demis Hassabis, er vi kanskje noen år unna. Spør du en AI-forsker utenfor industrien, ler de stille. Hva AGI faktisk er, har jeg forklart i denne guiden – men spørsmålet om NÅR er langt mer rotete.

Problemet er ikke mangel på spådommer. Det er overflod av dem – og de spriker voldsomt. Alt fra «vi er allerede der» til «AGI er minst 50 år unna». Det sier mer om definisjonsproblemet enn om selve teknologien.

La meg gå gjennom hva de faktisk sier, og hvorfor du bør tolke det nøkternt.

Hva sier tech-lederne om AGI-tidslinja?

Her er de mest siterte spådommene akkurat nå – med konteksten som ofte forsvinner i overskriftene.

Greg Brockman (OpenAI): OpenAIs medgrunnlegger sa i april 2026 at selskapet er 70-80 prosent fremme mot AGI. Det høres konkret ut. Men Brockman er ikke klar på hva 100 prosent betyr. Ingen er det. Det er litt som å si at du er 70 prosent ferdig med en reise uten å vite hvor destinasjonen er.

Jensen Huang (Nvidia): Nvidias sjef har gjentatte ganger hevdet at AGI er oppnådd – eller nær forestående. Men definisjonen hans er ikke som du kanskje tror. Han definerer AGI som at AI kan bestå alle profesjonelle eksamensprøver som en menneskelig ekspert ville bestå. Det er en snever, testbar definisjon – og den passer godt for en mann som selger kraftige GPU-er til AI-laboratorier.

Demis Hassabis (Google DeepMind): Hassabis har antydet at ekte AGI kan komme innen ti år – men understreker at det krever grunnleggende gjennombrudd vi ennå ikke har sett, særlig på feltet planlegging og kausal resonnering. Han er mer forsiktig enn Huang og Brockman, men fortsatt optimistisk.

Dario Amodei (Anthropic): Anthropics sjef er kanskje den som har vært tydeligst på at kraftig AI – det han kaller «human-level AI» – kan komme allerede innen 2-3 år. Amodei er interessant fordi han både advarer mot risikoen ved det og tror det kommer raskt likevel. Han bruker gjerne uttrykket «powerful AI» fremfor AGI, noe som i seg selv er avslørende: folk er så uenige om AGI at de begynner å finne opp nye begreper.

Skeptikerne: En lang rekke AI-forskere – inkludert Yann LeCun hos Meta og Gary Marcus – mener AGI-hypen er fundamentalt misforstått. LeCun argumenterer for at store språkmodeller mangler grunnleggende egenskaper som kreves for generell intelligens, som robust verdensmodellering og felles fornuft. Marcus har systematisk dokumentert feilene i LLM-er som spriker dramatisk fra menneskelig resonnering.

Hvorfor spriker spådommene så mye?

Kjerneproblemet er at ingen er enige om hva AGI er. Det er ikke bare akademisk flisespikkeri – det er årsaken til at spådommene spriker med 50 år.

Definerer du AGI som «AI som kan gjøre alt en menneskelig arbeidstaker kan gjøre», er du på én tidslinje. Definerer du det som «AI som har bevissthet og selvforståelse», er du på en helt annen. Definerer du det som Jensen Huang – at AI kan bestå profesjonelle eksamener – er det kanskje allerede her.

Stanford AI Index 2026 pekte på noe interessant: AI er blitt så avansert at den er vanskelig å måle. De tradisjonelle testene og oppgavene vi brukte for å vurdere AI-fremgang, er ikke lenger gode nok – AI klarer dem for enkelt. Det betyr ikke at AI er menneskelig intelligent. Det betyr at vi ikke har gode nok målestokker.

Det er en av grunnene til at jeg er forsiktig med å sitere spesifikke tall fra laboratorietester som bevis for AGI-fremgang. Testene forteller oss noe, men langt fra alt – og de som eier testresultatene har ofte en interesse av å presentere dem på en bestemt måte.

Hvem har en interesse av å si at AGI er nær?

Det er verdt å tenke litt på hvem som sier hva – og hvorfor.

Selskaper som OpenAI, Anthropic, Google DeepMind og Nvidia er alle avhengige av kapital, talent og oppmerksomhet. En fortelling om at AGI er nært, tiltrekker investorer. Det skaper press på regjeringer og bedrifter til å «ikke bli hengende etter». Det gir journalister noe å skrive om. Det er ikke dermed sagt at alle lyver – men det er naive å lese disse spådommene uten å ha med incentivene i bakhodet.

Skeptikerne, derimot, er ofte akademikere uten det samme presset. De har mindre å vinne på å si at AGI er nær – og mer å vinne på å ha rett på lang sikt. Det betyr ikke at de automatisk har rett heller. Men det er en annen form for interessekonflikt.

Sam Altman, OpenAIs sjef, har flere ganger antydet at superintelligens kan komme i løpet av «noen år» – og har snakket åpent om at det vil endre arbeidsmarkedet, samfunnet og maktbalansen fundamentalt. Det er sterke ord. AI-evner har doblet seg raskere enn noen forventet – det er et faktum. Men det er et langt steg fra «raskere enn ventet» til «AGI innen 2027».

Hva mangler vi fortsatt?

Selv om dagens AI er imponerende, er det konkrete ting den ikke klarer – og som er vanskelige å forklare bort med «det kommer neste versjon».

Robust resonnering: Store språkmodeller er fortsatt overraskende skjøre. De kan løse avanserte mattestykker og skrive overbevisende kode, men snubler over oppgaver et barn på sju år ville håndtert intuitivt – særlig oppgaver som krever at du forstår din egen uvitenhet, eller at du oppdager at du er lurt.

Overføring av kunnskap: AGI må, per de fleste definisjoner, kunne ta det den har lært i én kontekst og bruke det i en fundamentalt annen. Dagens AI gjør dette delvis – men ikke pålitelig nok til at noen vil kalle det generell intelligens.

Langtidsplanlegging: Å planlegge over måneder og år, justere planer basert på ny informasjon, håndtere usikkerhet og prioritere mellom konkurrerende mål – dette er noe menneskelig intelligens er ekstraordinært god på. Dagens AI-agenter er interessante, men fortsatt langt fra pålitelige over lange tidshorisonter.

Sosial og emosjonell forståelse: Vi er sosiale dyr. Mye av det vi gjør i arbeidslivet handler om å lese andre mennesker, navigere politikk, bygge tillit over tid. Noen vil si at dette ikke er nødvendig for AGI. Andre vil si det er kjernen i det.

Betyr «AGI om X år» noe for deg i dag?

Her er det jeg faktisk synes er interessant å tenke på: selv om AGI er 20 år unna, er det som skjer akkurat nå mer transformativt enn det meste som har skjedd i arbeidslivet på generasjoner.

AI skriver kode, analyserer juridiske dokumenter, genererer markedsføring, driver kundeservice og hjelper til med medisinsk diagnose – ikke perfekt, men godt nok til å endre hvem og hva som trengs i mange yrker. Det skjer nå. Det er ikke avhengig av AGI.

Jeg er skeptisk til tidslinje-spådommene. Jeg er ikke skeptisk til at AI endrer ting fundamentalt – det ser jeg allerede. Det er kanskje den nyttigste måten å tenke på det for deg som ikke er AI-forsker: det som skjer i dag er mer relevant for livet ditt enn spørsmålet om når en hypotetisk AGI-terskel passeres.

Og det er et spørsmål ingen egentlig vet svaret på.

Ofte stilte spørsmål