Kunstig intelligens-virksomheder skynder sig at automatisere alt, fra at skrive kode, generere billeder, planlægge annoncer, opsummere møder og meget mere. Men efterhånden som disse systemer bliver bedre, er det svært at overse effekten på menneskelig arbejdskraft. Nogle eksperter advarer nu om, at generativ AI kan føre til en bølge af omfattende jobudskiftning, der vil ramme hurtigere og dybere, end de fleste økonomier er klar til.
I stedet for at modarbejde fremtiden, satser en kryptonativ platform på en anden tilgang. Hvis automatisering er uundgåeligt, bør ejerskab også være det.
Action Model har i dag lanceret en invitation-only Chrome-udvidelse, hvor brugere kan træne et AI-system ved at dele reel browseraktivitet såsom klik, navigation, tastning og arbejdsgange. Platformen kalder det en Large Action Model (LAM), som kan lære at udføre digitalt arbejde – ikke bare generere indhold. Til gengæld modtager bidragsydere point, der muligvis kan veksles til $LAM governance tokens, som skal repræsentere deltagerrettigheder i systemets videre udvikling.
”Hvis AI skal erstatte digitalt arbejde, burde arbejdstagerne eje de maskiner, der gør det,” siger Action Model-grundlægger Sina Yamani.
Træning af den kunstige intelligens der udfører arbejdet
Modsat chatbot-modeller, der genererer indhold, er LAM’er lavet til at betjene software direkte. Ideen er enkel: Hvis et menneske kan lave en digital opgave med mus og tastatur, burde en trænet AI-agent også kunne gøre det.
”De seneste år handlede om chatbots. Nu handler det om automatisering,” sagde Yamani. “Cirka en milliard mennesker har arbejde, hvor de bruger en computer. Hvis en virksomhed får tilbudt et værktøj, der kan lave samme arbejde kontinuerligt til en brøkdel af prisen, vil de bruge det.”
Action Models udvidelse indsamler adfærdsdata, som brugeren godkender, til at træne AI’en. Opgaver som lønudbetaling, CRM-håndtering eller basisdrift kan optages én gang og gentages af modellen. Bidragsydere kan offentliggøre automatiseringer på en offentlig markedsplads, hvor brug kan følges og belønnes via platformens incitamentsmodel.
Udviklingen af agentiske AI-systemer er veldokumenteret på området, hvor modeller i stigende grad går fra indholdsgenerering til selvstændig udførelse af opgaver. Disse systemer, som forklaret i denne forklaring, samler og bruger reel brugerdata og lærer at navigere digitale miljøer selvstændigt.
Platformen har allerede tiltrukket over 40.000 brugere gennem ventelister, henvisningsprogrammer og samarbejdspartnere. Adgangen er stadig kun efter invitation for at bevare kvaliteten og belønne de første deltagere.
Hvordan adskiller det sig fra eksisterende automatiseringsværktøjer?
De fleste nuværende automatiseringsværktøjer er afhængige af API’er eller faste integrationer. Men meget digitalt arbejde foregår i ældre systemer, interne dashboards og værktøjer, der aldrig har været beregnet til automatisering.
“Zapier automatiserer software. Vi automatiserer arbejde,” udtalte Yamani. “Kun omkring to procent af internettet kan tilgås via API’er. De andre 98 procent kræver stadig menneskelig interaktion.”
Med Action Model behøver brugere ikke programmere eller håndtere integrationer. De optager blot, hvordan de løser en opgave. AI’en lærer fra disse brugermønstre og bliver i stand til at gentage dem selvstændigt.
Det gør Action Model tilstrækkelig fleksibel til at opfange særtilfælde og ikke-dokumenterede arbejdsgange, som traditionelle systemer ikke kan klare.
Hvad med privatliv?
Al træning kræver udtrykkeligt samtykke, og brugeren styrer selv, hvilken data der deles. Følsomme sider som e-mail, sundhed eller banker er blokeret som standard. Brugere kan sætte træningen på pause, blokere bestemte domæner eller slette bidrag helt.
“Første princip er simpelt. Vi har ikke brug for din data – bare mønstrene,” siger Yamani. “Træningsdata behandles lokalt og anonymiseres, før de bidrager til modellen.”
Slettede data fjernes permanent og kan ikke gendannes, heller ikke af virksomheden. Bidrag aggregeres med data fra andre brugere ved brug af k-anonymitet, så enkeltpersoner ikke kan genkendes. Et dashboard gør det muligt for bidragsydere at se og styre deres træningshistorik og belønninger når som helst.
“Mens Big Tech indsamler denne slags data uden reelt samtykke, er vi gennemsigtige, brugerstyrede og belønner dem, der faktisk træner AI’en,” udtalte Yamani.
Så kan bots udnytte systemet?
For at undgå problemerne, der har ramt tidligere kryptobelønningssystemer, bruger Action Model adfærdsanalyse til at bekræfte ægte brugerinput. Systemet kigger efter struktur, timing, variation og valg – ting, som bots eller klikfarme ikke nemt kan efterligne.
“Tankeløs klikning er nærmest værdiløs,” udtalte Yamani. “Rigtige arbejdsgange indeholder hensigt, pauser, rettelser, forsøg igen og beslutningstagning. Det kan man ikke forfalske i stor skala.”
Andre projekter, der belønnede engagement på sociale medier eller opslag, blev for nylig forbudt på større platforme, efter der blev genereret store mængder AI-spam, svarbots og falske interaktioner. Som følge heraf blev API-adgang fjernet, og økosystemerne for tokens brød sammen på grund af lavkvalitetsaktivitet.
ActionFi, platformens belønningsmotor, er udviklet for at undgå den fælde helt. Her gives der ikke betaling for tweets eller klik. I stedet belønnes verificerede arbejdsgange, der afspejler reelt og struktureret digitalt arbejde.
“Vi betaler ikke for støj. Vi betaler for brugbare veje,” tilføjede Yamani.
Hvem ejer egentlig systemet?
Lige nu kontrollerer Action Model udvidelsen, træningslogikken og belønningssystemerne. Men projektet har forpligtet sig til at overdrage ejerskabet til $LAM token-indehavere med tiden. En DAO-struktur vil senere give bidragsydere mulighed for at styre platformbeslutninger, belønningsmekanismer og modellens udrulning.
“Tidlige systemer skal koordineres. Det afgørende er, om de er centraliserede af struktur,” sagde Yamani.
Hvis modellen implementeres som beskrevet, vil ejerskab give token-indehavere indflydelse på infrastruktur-beslutninger, der vedrører data, som de selv har været med til at generere.
Hvis kunstig intelligens er uundgåelig, kan ejerskab så også være det?
Næste generation af AI bliver udviklet ikke kun på baggrund af sprog, men også af arbejde. Fra kontor til drift er mange opgaver, der udføres bag en skærm, nu inden for rækkevidde for intelligente agenter.
“Du har hørt, at millioner af skærmbaserede jobs bliver automatiseret. Det sker ikke først om årtier – det sker nu,” sagde Yamani. “Hvis din data medvirker til at træne AI, bør du eje det, der bliver skabt.”
Om Action Model kan vokse, forblive gennemsigtig og opbygge en holdbar økonomi, vil vi holde et vågent øje med i de kommende måneder. Men satsningen er tydelig: Den afgørende kamp inden for kunstig intelligens handler ikke kun om, hvad teknologien kan, men om hvem den arbejder for.
Når kunstig intelligens ændrer arbejdslivet, vil fremtiden så tilhøre platformene – eller menneskerne?
