Det händer snabbt och det kostar enorma summor. Världens största företag pumpar in kapital i artificiell intelligens i en takt som saknar historiskt motstycke – och strategierna skiljer sig markant åt beroende på bransch och ambition.
Techgiganterna leder kapplöpningen
Microsoft, Google, Amazon och Meta dominerar AI-investeringarna globalt. Under 2024 uppgav Microsoft att bolaget planerar att investera 80 miljarder dollar i AI-infrastruktur under räkenskapsåret 2025, med fokus på datacenter och träning av stora språkmodeller. Google svarade med att avsätta liknande summor via moderbolaget Alphabet, bland annat för att stärka sin Gemini-modell och integrera AI djupare i sökmotorn och Workspace-sviten.
Meta tar en delvis annorlunda väg. Bolaget satsar hårt på öppen källkod med sin Llama-modell och har kommunicerat att AI-utgifterna kan nå uppemot 65 miljarder dollar under 2025. Strategin handlar om att bygga ett ekosystem där externa utvecklare bygger ovanpå Metas teknologi – vilket i förlängningen stärker plattformarnas relevans.
Industribolagen bygger AI-lager ovanpå sin kärnverksamhet
Utanför Silicon Valley ser mönstret annorlunda ut. Industrikonglomerat som Siemens, Honeywell och svenska Ericsson integrerar AI i befintliga produkter snarare än att bygga grundmodeller från grunden. Siemens har lanserat sin Industrial Copilot, ett AI-verktyg för fabriksautomation som bygger på samarbete med Microsoft Azure. Målet är att minska stilleståndstid och optimera produktionsflöden.
Ericsson å sin sida riktar AI-satsningarna mot telekomsektorn, med lösningar för nätverksoptimering och prediktivt underhåll. Det handlar om att använda AI som ett lager ovanpå befintlig infrastruktur – inte att konkurrera med OpenAI eller Google om grundmodellerna.
Finanssektorn satsar på effektivitet och riskhantering
Banker och försäkringsbolag ser AI primärt som ett verktyg för kostnadsreducering och regelefterlevnad. JPMorgan Chase har investerat kraftigt i sin interna AI-plattform LLM Suite, som används av tusentals anställda för allt från juridisk dokumentanalys till marknadsresearch. Goldman Sachs uppgav nyligen att AI-verktyg redan sparar in tid motsvarande hundratals arbetstimmar per vecka inom investment banking-avdelningen.
I Norden satsar Nordea och SEB på liknande lösningar, med fokus på kundservice via chatbottar och automatiserad kreditbedömning. Regulatoriska krav gör dock att dessa bolag rör sig försiktigt – transparens och förklarbarhet är avgörande när AI används i finansiella beslut.
Tre distinkta strategier utkristalliseras
Bland storbolagens AI-satsningar framträder tre tydliga strategiska inriktningar:
- Bygga egna grundmodeller – Kräver enormt kapital och specialistkompetens. Realistiskt för ett fåtal techbolag.
- Integrera via API och partnerskap – Vanligast bland traditionella industri- och finansbolag. Man köper AI-förmåga från OpenAI, Google eller Anthropic och bygger egna applikationer ovanpå.
- Öppen källkod och community – Metas och i viss mån Mistral AIs strategi. Ger snabb spridning men innebär att man avstår direkt kontroll.
Infrastrukturen är flaskhalsen
En sak är gemensam för alla stora AI-satsningar: beroendet av kraftfull hårdvara. Nvidias H100- och H200-chip är hårdvalutan i AI-boomen, och köerna för att få tillgång till dem har under perioder varit månader långa. Det driver fram investeringar i egenutvecklad hårdvara – Google har sina TPU-chips, Amazon har Trainium och Inferentia, och Meta har MTIA. Att äga chip-stacken ger lägre kostnader på sikt och minskar beroendet av en enda leverantör.
Datacenterkapaciteten är en annan kritisk faktor. Microsoft och Google köper upp mark och tecknar elkontrakt för att kunna bygga ut i snabb takt – en utveckling som pressar europeisk energiinfrastruktur och väcker frågor om hållbarhet.
Avkastningen är fortfarande oklar
Trots de astronomiska investeringarna är få bolag tydliga med hur AI faktiskt påverkar intäkterna. Microsoft och Salesforce lyfter fram ökad försäljning av AI-tillägg till sina prenumerationstjänster som ett tecken på att marknaden mognar. Men kritiker påpekar att många bolag fortfarande befinner sig i investeringsfasen och att den verkliga avkastningen dröjer. Den frågan – om och när AI-investeringarna betalar sig – är sannolikt den mest centrala för aktieägare och styrelser under de kommande åren.
