🤯⚡️ Kunskap är f*cked

Just-in-time knowledge trumfar utbildning. Detta förändrar ju allt!

Det här är nyhetsbrevet där Tomas Seo, innovationsstrateg på Phorecast, berättar om händelser, upptäckter och ny teknik som får honom att utbrista: Detta förändrar ju allt! Du prenumererar på det här för att fortsätta vara steget före med de senaste trenderna och få konkreta tips för att framtidssäkra dig och din organisation. Har du fått det här av en vän? Då vill du kanske starta en egen prenumeration?

---

Igår föreläste jag på Berghs! Bilden är inte AI-genererad, foto Nina Amjadi tack!

Vad har hänt?

- Konstnär som hävdar att erfarenhet är värd pengar vinner rättegång

Efter en uppmärksammad rättsprocess i London vann konstnären James Whistler sin förtalsrättegång mot den kände konstinfluencern John Ruskin.

Bakgrunden är att Whistler stämt influencern för förtal då denne offentligt hånat målningen ”Nocturne in Black and Gold”. Influencern Ruskin var upprörd och menade att Whistler med sin konst ytterligare urholkar människors tilltro till vad som är sant och vad som är deepfejk. Detta eftersom han, enligt Ruskin, lurat publiken att tro att verket var en avbildning av något som hänt på riktigt.

Ruskin menar dessutom att Whistler prissatt sin konst alldeles för högt då han begärt 1,4 miljoner kronor för en tavla som bara tagit honom två dagar att måla.

Whistler har medgett att tavlans produktionskostnad var låg, men hävdade att det inte är det som man betalar för – utan för hans ackumulerade kunskap, som tagit honom en livstid att uppnå.

Rätten gav Whistler den moraliska segern och slog fast att Ruskins uttalanden, som effektivt cancel:at Whistler i konstvärlden och gjort att ingen längre ville köpa hans verk, utgjorde förtal.

Skadeståndet blev dock bara symboliskt – några ören i dagens penningvärde. För hela händelsen ägde rum 1878.

Nocturne in Black and Gold av James McNeill Whistler Källa

Detta förändrar ju allt

Tänk dig att du spenderar ett helt yrkesliv på att bli exceptionell – bara för att vakna en dag och inse att AI kan replikera det du har lärt dig på några sekunder. Inte för att hen har tränat en livstid som du, utan för att hen föddes färdig.

Dagens nyhetsbrev handlar om hur vi förändrat vår syn på vad som skapar värde och hur AI kommer att göra att vi gör det igen.

1878 var tavlor som hade guld i sig mer värdefulla eftersom de var dyrare att producera. Vad James Whistler försökte få samtiden att förstå var att kunskap tar tid och det är den tiden som köparen ska betala för. Sedan dess har vi hört det gång på gång: du betalar inte för hur lång tid det tog att göra något – du betalar för hur lång tid det tog att lära sig göra det så snabbt.

1908.
Maskinreparatören som fakturerade 10 shilling för att slå med hammaren och ytterligare 10 pund för att veta var han skulle slå.
“To tapping machine with hammer, 10s.; to knowing where to tap it, £10; total, £10. 10s.”

1965.
Picasso har vid flera tillfällen sagt varianter på sitt citat, att det tog honom kort tid att lära sig måla som Raphael (realistiskt) men att det tog honom en livstid att lära sig måla som ett barn. Det har kulminerat i den välspridda men obekräftade storyn som spreds på 80-talet om att en kvinna ville köpa en doodle som Picasso gjort på en servett och uppgav att hon var villig att betala vad än Picasso tyckte den var värd. Picasso sa ett mycket högt pris och kvinnan utbrast: Men det tog dig bara 30 sekunder, varpå Picasso svarade: Nej, det har tagit mig 40 år att kunna rita den.

2010.
Davy Greenberg en videoproducent som skrev på Twitter.

“If I do a job in 30 minutes, it’s because I spent 10 years learning to do that in 30 minutes. You owe me for the years, not the minutes.”

Om vi utgår från att det är tiden det tar för någon att lära sig att producera något som skapar värdet, så blir det tydligt att AI radikalt slår undan faktureringsbasen för hela tjänstesektorn. Investering i en traditionell utbildning blir en risk istället för en möjlighet på samma sätt som att köpa in stora lager av fidget-spinners bara för att de råkar vara populära just nu.

Inom logistikvärlden kallas det just-in-time: istället för att fylla ett lager med saker man kanske behöver någon gång, tillverkar man bara exakt det som behövs – precis när det behövs. Inget överskott, inget svinn. Vi kan likna det gamla sättet att utbilda sig vid ett jättelager: vi staplar år av kunskap, kurser och erfarenhet på varandra, i hopp om att det en dag ska ge avkastning.

När jag jobbade med Banverket berättade de hur de förvaltade träd som beställdes av staten för hundra år sedan eftersom det skulle ta över hundra år för träden att växa sig tjocka nog för att de skulle bli perfekta resurser för att bygga räls av.

Men AI opererar helt utan lager. Kunskap produceras on demand, det måste vara så – hållbarheten för kunskap är nu kortare än majonnäs i solsken.

Jag märker det själv. Jag ägnade flera veckor åt att lära mig prompting för ChatGPT 3.5, sedan kom version 4 som fungerade helt annorlunda, jag har sedan dess varit tvungen att ställa om i hur man promptar för varje ny modell.

För att förstå hur man gör bilder i Midjourney har det gått åt runt 300 timmar ser jag i mina stats, snart kommer version 7 (de sa att de skulle släppa igår, men det verkar ha blivit uppskjutet igen) som antingen gör att Midjourney blir relevant igen men kräver ny inlärning eller befäster att den kunskapen aldrig mer behövs.

Tiden jag trodde jag investerade i att lära mig bestående färdigheter visade sig inte bara vara bortkastad – varje nytt verktyg jag lär mig påvisar dessutom att tjänster som jag brukade kunna ta betalt för på grund av tiden jag investerat tappar värde. Utvecklingen går mot att allt vi kan går att göra tillräckligt bra även utan att ens lära sig prompta, och den utvecklingen har knappt börjat.

Jag ser fram emot det! Jag har tidigare skrivit om att den viktigaste färdigheten vi kan bemästra för att fortsätta vara relevanta är att bli duktigare på unlearning. Att lära sig komma över att något vi ägnat mycket tid inte längre är värdefullt med ett leende kräver blod, svett och tårar, men jag börjar få kläm på det. Mitt tips är att hitta glädjen i lärandet som inte är knuten till framtida utdelning – då blir allting mer lekfullt och spännande.

Men utbildningssektorn kommer behöva ställa om. Just-in-time för kunskapsarbete betyder att personalen inte behöver träning i att använda specifika verktyg utan snarare i att snabbt förstå nya verktyg.

Du behöver inte lära dig prompta, du behöver förstå hur du utforskar begränsningar och möjligheter i en ny AI-modell effektivt.

Du behöver inte förstå hur du kopplar ihop noder i ComfyUI för att skapa bilder, du behöver förstå hur kompositionen av en bild påverkar vad den kommunicerar så du kan beställa en bild som säger det du vill.

Du behöver inte lära dig Python, du behöver förstå arkitektur för programvara.

Målbilden med specifik utbildning är att bli bättre på att lösa kända uppgifter med helt nya verktyg snabbare. Då kan organisationer dra nytta av att vi lever i en tid där skillnaden mellan att använda samma verktyg som vi använde förra veckan och de som kom den här veckan vara tiodubblad effektivitet.

Jag har tidigare skrivit om hur AI påverkar barnens skola men även längre grundläggande utbildningar för vuxna kommer behöva ställa om. Utveckling mot just-in-time kunskap betyder att det behövs färre som kan göra analytiska uppgifter. De flesta klarar sig med en AI-assist som dyker upp och säger “Det ser ut som du håller på med en uppgift som kräver en universitetsutbildning i X, här är vad du behöver veta för att få en djupare förståelse för just det du håller på med”. Förmågan att applicera helt färsk kunskap på problem som vi ser för första gången blir enormt värdefull.

Det sitter djupt rotat att tiden det tar att utföra en uppgift är det som tillför värdet.
Först var det tiden det tog att göra arbetet. Men värdet sjönk då i takt med att vår kunskap om att göra det snabbare ökade.
Då kom Whistler (med flera) med idén att även värdera tiden det tog att lära sig göra uppgifter snabbt. Tanken på att en livstids kunskap skulle inkluderas i priset ansågs först skrattretande, men är idag etablerad.

Nu händer det igen – värdet på att utföra uppgifter sjunker i takt med att AI tillgodoser vårt kunskapsbehov allt snabbare. Vad blir nästa skrattretande idé för prissättning?

Efter mycket eftertanke föreslår jag att nästa generations fakturaspecifikation kan se ut så här:
Tiden för utförandet av jobbet – 1 krona.
Tiden för inhämtningen av en livstids kunskap – 10 kronor (det kostar ändå med compute)
Tiden det tog för mig att bottna i mig själv – 1.000.000 kronor (är det lika skrattretande som när Whistler föreslog att ta betalt för kunskap?)

För att kunna ta till sig en livstids kunskap på några sekunder krävs en maxad inlärningskapcitet. Något som är omöjligt utan att vara trygg nog i sig själv att våga släppa det vi är bäst på och börja om, och detta förändrar ju allt!

Vad kan du göra idag?

Förstå

Alla värderingsmodeller bygger på att det finns en begränsad resurs. Därför landar så många i tid. För tiden försvinner även när den inte utnyttjas. När beteendeekonomer studerat hur människor värderar tid så visar det sig att vi ofta väljer något som är tillräckligt bra nu framför något som är riktigt bra senare.

Vi måste förstå att investera i en lång generell utbildning nu för att få en osäker utdelning på den sedan inte kommer kunna mäta sig mot just-in-time-knowledge. AI kan möjliggöra att vi blir mikroutbildade just i stunden när vi har direkta behov av att utöka vår kunskap.

AI-system kommer ha svårast att lära ut riktigt nischad analytisk förmåga. Om ett område är smalt finns det för liten mängd träningsdata för att få AI-systemen att kunna bli riktigt duktiga på att komma på kvalitativa idéer. Därför skulle ett spår för värdefull utbildning kunna vara att skaffa en hög analytisk förmåga men i en hyperspecialiserad nisch där det finns lite träningsdata. Risken med det är dock att nischen helt försvinner, eller att nischen blir överetablerad då det bara finns jobb för ett par personer.

Planera

Det går ännu inte att tänka bort utbildning som en viktigare resurs än den någonsin varit för organisationer. Men lärande behöver finnas mer närvarande inom organisationen i vardagen och inte ses som något som fylls på lite då och då.

Personal går från att vara färdiga produkter som organisationen köper in på produktspecar, det vill säga CVs. Det är bättre att leta ut personer som är i ständig beta, villiga att omforma sig och låta dem utveckla sig i takt med uppgifterna. Ni ska ju inte köpa in fisk, ni ska köpa in fiskare.

Konkret behöver organisationer utveckla modeller för att kartlägga inlärningskapacitet. Här är exempel på fyra förmågor som kommer bli viktigare att bedöma när organisationer rekryterar:

1. Lärhastighet – Hur snabbt kan personen förstå och tillämpa något nytt.
Den mest uppenbara förmågan i en snabbrörlig kontext. Men snabbhet är inte allt.

2. Lärdjup – Hur djupt kan personen förstå, ifrågasätta och omforma en idé eller ett kunskapsfält.Det handlar om en fallenhet för att se samband i ett större perspektiv för att kunna komponera om kunskap, inte bara konsumera den. Tänk triple-loop-tänkande. Fallenhet för djupinlärning hos människor är det som leder till nytänk – inte bara effektiv tillämpning.

3. Lärkomplexitet – Hur många perspektiv personen kan hålla i huvudet samtidigt när den lär sig något nytt.
I AI-eran blir det avgörande att kunna förstå när ett snabbt svar är farligt förenklat. Personer som kan ha komplexa samband mellan olika perspektiv i huvudet har lättare att inte förenkla för snabbt. De kan då lättare hitta gråzoner, konflikter, beroenden.

4. Läröverföring – Hur bra du är på att ta något du har lärt dig i ett sammanhang och använda det i ett annat.
AI kan fortfarande i princip bara göra analogier som andra redan gjort. Personer som har förmågan att dra oväntade paralleller till andra områden kommer lättare hitta på nya användningsområden för ny kunskap.

Gör

Jag rekommenderar ofta att testa att lösa ett problem med AI. Men veckans gör är tvärtom. Testa att lösa ett problem som AI redan kan lösa – men fråga dig: vad är det du tillför när svaret redan finns?

Genom att reflektera över hur dina val att lösa uppgiften färgar lösningen kommer du lära dig mer om vilket värde som AI ännu inte kan tillföra.

Länkar

Museikurator berättar om Whistlers tavla

Veta var man ska hamra
https://quoteinvestigator.com/2017/03/06/tap/

Picasso verkar ha sagt “När jag var 12 målade jag som Raphael. Det tog mig ett helt liv att lära mig att måla som ett barn”. Hittar dock bara franska källor.
https://mescitationsrl.net/%E2%80%A2p%E2%80%A2/picasso-pablo
https://journals.openedition.org/gradhiva/1393

Hans barnbarn Marina Picasso har också bekräftat att hon hört Picasso säga något liknande flera gånger.
https://www.sothebys.com/en/auctions/ecatalogue/2014/impressionist-modern-art-evening-sale-n09219/lot.44.html

Men storyn om Picassos servett är obekräftad.
https://quoteinvestigator.com/2018/01/14/time-art

Davy Greenbergs ursprungliga tweet
https://x.com/davygreenberg/status/1096304800474361856

Just-in-time knowledge är inget etablerat begrepp, men de två delarna just-in-time learning och just-in-time teaching har förekommit sedan innan AI. Eventuellt kanske något av dem kommer att återanvändas när AI-systemen börjar integrera kunskapsutlärning i sig.
https://en.wikipedia.org/wiki/Just-in-time_learning
https://en.wikipedia.org/wiki/Just-in-time_teaching

Sedan sist vi hördes

Denna vecka har jag fortsatt att sätta mig in i vajbkodning, jag har testat både att följa olika standarder som en del förespråkar och att bara låta bli. OpenAI stal ju rampljuset från Google förra veckan, men Googles nya Gemini 2.5 som kom då är verkligen duktig på att göra kod. För mig blir det tydligare och tydligare att för många kodprojekt kommer det vara enklare för vanligt folk att bara spamma re-generate-knappen tills man får en version som fungerar än att ta skräpkoden som AI genererar och försöka fixa den. Något de nämnde i Y-combinators podcast med temat vibe coding som kom för några veckor sedan som jag glömde tipsa om när jag skrev om vajbing

Så har något fantastisk hänt. Bytedance (de bakom TIkTok) som brukar släppa jättemånga intressanta forskningsrapporter om nya video-AI-modeller har plötsligt släppt en plattform. Det som tidigare kallades OmniHuman ingår nu i beta-funktionen på den nya Dreamina. Tyvärr är jag inte insläppt än men det ser väldigt lovande ut.

Är du en insiktsdelare?

Känner du någon som behöver fundera på värdet av kunskap efter AI? Eller kanske någon som är intresserad av just-in-time-knowledge? Vem tänkte du på? Skicka vidare!

Själv vill jag tipsa om att följa Fireship på Youtube. Jag tycker det är en bra studie i berättartempo som krävs för att hålla energi på Youtube och lite lagom geekigt även för oss som inte är tunga kodare.

Fortsätt utforska så ses vi nästa vecka!

Tomas Seo

Har du fått dagens nyhetsbrev utan att vara prenumerant?
Gillade du det här och vill ha mer så är det bara att skriva upp sig här
(du väljer själv om du vill betala):