AI-fabriker för miljarder – men vem investerar i människan?

När AI diskuteras handlar det ofta om modeller, chattbottar och vad tekniken kan göra på en skärm. Men under den synliga ytan byggs något betydligt större: industriell infrastruktur för att träna, köra och skala AI. Den kräver processorer, minne, datacenter, nätverk, energi, mjukvara och stora mängder kapital.

Det går att beskriva med ovanligt konkreta mått: processorer, effekt, tidplaner och kapital som ska mobiliseras. Men när systemen blir en del av arbetsplatser, offentlig verksamhet och industri uppstår en svårare fråga: Hur mäter vi människors möjlighet att påverka hur de används?

AI byggs nu som industriell infrastruktur

En AI-fabrik är inte en traditionell fabrik där robotar monterar produkter på ett band. I EU:s språk handlar AI-fabriker om ekosystem som för samman beräkningskapacitet, data och kompetens för att utveckla AI. AI-gigafabriker beskrivs som ännu större miljöer för hela livscykeln: från utveckling och träning till storskalig användning.

I teknikföretagens språk används samma ord delvis annorlunda. NVIDIA beskriver exempelvis AI-fabriker som infrastruktur som producerar så kallade tokens – de små enheter av text, kod eller annat innehåll som modeller bearbetar och genererar. Begreppen är inte identiska, men de pekar åt samma håll: AI håller på att bli en fysisk och industriell kapacitet, inte bara en programvara.

Den skalan gör infrastrukturen till mer än en teknisk detalj. Den avgör vilka modeller som kan tränas, vilka tjänster som kan köras och vilka leverantörer som blir svåra att ersätta. Energi, processorer, högbandbreddsminne, datacenter och programvarustackar blir tillsammans en kedja av beslut och beroenden.

Europa vill mobilisera kapital till AI-fabriker

EU:s InvestAI-ram är ett tydligt exempel på hur den nya infrastrukturen beskrivs. Enligt det officiellt verifierade underlaget är avsikten att mobilisera 20 miljarder euro för flera AI-gigafabriker genom offentlig-privat samverkan. Äldre officiellt material talar om upp till fem gigafabriker och om anläggningar med mer än 100 000 avancerade AI-processorer.

Orden är viktiga. Att kapital ska mobiliseras är inte samma sak som att pengarna redan är utbetalda, investerade eller bundna i enskilda projekt. EU-sidorna beskriver en finansieringsram och en inriktning, inte en färdig lista över driftsatta fabriker.

Teknisk suveränitet behöver delas upp i data, drift, chip, minne, nätverk, mjukvara och energi. Ett projekt kan ha nationell eller europeisk drift och ändå vara beroende av privata leverantörer i andra lager av kedjan.

SK Group och NVIDIA planerar i ännu större skala

I juli 2026 beskrev SK Group och NVIDIA en satsning på mer än 500 miljarder dollar som omfattar AI-fabriker och nästa generations minne. Siffran är uppseendeväckande – och måste läsas med stor precision.

Enligt det granskade meddelandet bygger initiativet på letters of intent, avsiktsförklaringar. Det är alltså en plan och en ambition, inte en redan genomförd investering, utbetald finansiering eller ett verifierat bindande leveransavtal. Att beskriva beloppet som pengar som redan har satsats skulle ge en felaktig bild.

I samma samarbetsram finns planer på en AI-molninfrastruktur i Korea. SK Telecom har beskrivit en gigawattskala och en första AI-fabrik som planeras att tas i drift 2027. I ett senare meddelande nämns upp till två gigawatt. Även detta är planerad kapacitet, inte bevis på att den redan är byggd eller i drift.

Men var finns investeringen i människan?

När samma källor granskas med en annan fråga uppstår en kontrast. Vad redovisas om utbildningsbudgetar? Hur många människor ska utbildas och under hur lång tid? Vilka arbetstagare får påverka införandet? Finns en tydlig väg att begära rättelse om ett automatiserat beslut får fel konsekvenser? Är mänsklig tillsyn bemannad och finansierad? Finns oberoende granskning? Hur ska eventuella produktivitetsvinster fördelas?

I de granskade källorna för SK/NVIDIA-projekten och energisamarbetena finns inte lika konkreta belopp eller bindande strukturer redovisade för dessa frågor. Det betyder inte att företagen inte utbildar anställda, att dialog saknas eller att det inte finns interna processer. Frånvaron av offentlig information är inte bevis för frånvaron av en insats.

Men skillnaden i redovisning är fortfarande värd att diskutera. När tekniska planer beskrivs i detalj medan den mänskliga sidan är svårare att utläsa, blir det svårt för anställda, medborgare, politiker och investerare att bedöma helheten.

Inflytande är mer än utbildning

Utbildning är viktig. Den som ska arbeta med AI behöver kunna förstå verktygets möjligheter, begränsningar och risker. Omskolning och vidareutbildning kan också vara avgörande när arbetsuppgifter förändras.

Men utbildning och inflytande är inte samma sak. En kurs i hur ett system används ger inte automatiskt möjlighet att påverka varför systemet införs, vilka mål det får, vilka data som används eller hur besluten kan överklagas. En princip om mänsklig tillsyn säger inte heller i sig vem som har tid, resurser och befogenhet att agera när något går fel.

Eurofound beskriver exempelvis ett danskt kollektivavtal där algoritmiska beslut ska kunna förklaras och prövas. ILO:s fallstudier visar att social dialog kan påverka frågor om kompetens, algoritmisk styrning och arbetsvillkor. Sådana exempel bevisar inte att samma lösningar passar överallt. Men de visar att delaktighet kan beskrivas mer konkret än som en allmän ambition.

Vad borde vi börja mäta?

Det behövs ingen universell poängskala för mänskligt inflytande. Men det går att formulera frågor som gör redovisningen tydligare: Hur mycket investeras i AI-kunskap för anställda och medborgare? Hur mycket tid och vilka resurser avsätts för mänsklig kontroll? Finns en väg att få en förklaring, överklaga eller rätta ett automatiserat beslut? Deltar arbetstagare innan ett system väljs och införs? Finns oberoende granskning av konsekvenserna?

Det handlar också om ansvar och fördelning. Vem har ansvar när ett system påverkar människor negativt? Om AI höjer produktiviteten, hur syns det i villkor, löner, arbetstid eller andra gemensamma vinster? Och hur kan användare, berörda anställda, fackliga företrädare, lokalsamhällen och oberoende forskare komma in innan besluten är låsta?

Frågan handlar inte om att stoppa utvecklingen

AI-infrastruktur kan bidra till forskning, effektivare industri, nya tjänster och bättre offentliga verktyg. Europa har goda skäl att vilja bygga kapacitet, och företag har skäl att planera för växande efterfrågan. Problemet är inte att teknik utvecklas eller att stora system byggs.

Frågan är vem som formulerar uppdraget när fler operativa beslut automatiseras, vem som sätter begränsningarna och vem som faktiskt kan ändra riktningen. Ju mer beslutsmakt som samlas i ett fåtal tekniska och organisatoriska punkter, desto viktigare blir insyn, ansvar och möjlighet till rättelse.

Människan måste också synas i kalkylen

Vi kan mäta processorer. Vi kan mäta gigawatt. Vi kan följa tidplaner, finansieringsramar och tekniska beroenden.

Nästa steg är att bli lika konkreta om människan: kunskap, representation, insyn, rättelse, beslutsmakt, oberoende granskning och fördelningen av vinster.

Det är inte ett argument mot AI-fabriker. Det är ett argument för att fråga vad de byggs för – och vem som får vara med och bestämma det.

💬 Vad tycker du?

Vilka former för kunskap, inflytande och rättelse borde vara synliga när AI-infrastruktur planeras?

Dela gärna dina tankar i kommentarerna.

📚 Relaterade artiklar