Sveriges AI-kompetensbrist: universiteten hinner inte examinera ingenjörer

Det har blivit en av de tongivande berättelserna inom artificiell intelligens – och den ritar om hur sektorn arbetar i världen. Sweekly har talat med chefer, ingenjörer och investerare för att förstå vad som verkligen driver skiftet, och vad det betyder för företagen som får leva med konsekvenserna.

Bolagets ingenjörer menar att den verkliga skillnaden inte är modellen i sig utan datapipelinen som matar den.

Vad som händer härnäst

Ett återkommande tema i intervjuerna var bristen på seniora ingenjörer som kan ta forskning till produktion.

Investerare har pumpat in ungefär 7 miljarder kronor i sektorn de senaste tre åren, och takten ökar.

“Vinnarna blir inte de med störst modell. Det blir de som snabbast får den att göra nytta.”— Teknikchef

Riskerna

Skiftet mot mindre, specialiserade modeller förändrar hur team ser på total ägandekostnad.

För företagsköpare väger kalkylen alltmer över mot lösningar som håller känslig data innanför nationsgränserna.

Att hålla ögonen på

• Total ägandekostnad för träning och inferens
• Tillgång till seniora ingenjörer som kan leverera till produktion
• Integration med befintliga industrisystem och arbetsflöden
• Datalagring och efterlevnad av det kommande EU-ramverket

Under huven

Latens, kostnad och regelefterlevnad betyder nu mer för industrikunder än råa benchmarkresultat.

Cheferna är öppna med att de svåraste problemen är organisatoriska, inte tekniska.

Slutsatsen

Bolagets ingenjörer menar att den verkliga skillnaden inte är modellen i sig utan datapipelinen som matar den.