För tio år sedan den här veckan satte sig en maskin mittemot världens bästa brädspelsspelare inne på ett hotell i Seoul, Sydkorea. Spelet var Go. Den är över 3 000 år gammal och har fler möjliga styrelsepositioner än det finns atomer i det observerbara universum. Ingen trodde att en dator kunde vinna den här matchen, åtminstone inte på ett decennium till. Maskinen vann fyra av fem matcher. Men poängen var inte berättelsen utan snarare ett enda drag under match 2. Drag 37. AlphaGo placerade en sten på en så märklig plats att kommentatorerna som sände matchen live trodde att systemet buggade. Professionella Go-spelare som tittar runt om i världen kallade det ett misstag i realtid. Men det var inget misstag. Det visade sig vara ett av de mest briljanta dragen i hela spelets 3 000-åriga historia. Och en maskin kom på det själv. AlphaGo hade räknat ut att sannolikheten för att någon människa någonsin skulle göra det draget var ungefär en på tiotusen. Den spelade ändå draget och det draget var det som vann spelet. Lee Sedol, världsmästaren som satt på andra sidan brädet, stirrade i över tolv minuter och försökte bearbeta vad som hänt. Han sa senare att han i det ögonblicket insåg att AlphaGo var kreativ. Den där tändstickan omkopplade världen. Kina såg en maskin dominera det mest heliga strategispelet i östasiatisk kultur och behandlade det som en nationell säkerhetskris. Peking lanserade en massiv AI-investeringssatsning värd hundratals miljarder dollar. Den globala AI-kapprustningen som vi alla lever i just nu började i det hotellrummet. Här är varför det är viktigt just nu. Nästan varje större AI-labb 2026 fokuserar på att göra språkmodeller större. Förutse nästa ord, men gör det bättre och snabbare. Hassabis gör ett helt annat spel. Han hävdar att förutsägelse av ord aldrig kommer att ge dig verklig intelligens. Det som saknas är förmågan att faktiskt tänka framåt, utforska olika möjligheter och planera innan man agerar. Det är vad AlphaGo kunde göra 2016 och DeepMind har tyst byggt vidare på den grunden sedan dess. Planen är att ta Gemini-förståelsen av språk och världen, förena den med AlphaGos förmåga att söka och resonera sig igenom problem. Och sedan koppla in specialiserade verktyg som AlphaFold, som löste ett av biologins äldsta olösta problem med samma kärnmetod. Hassabis har sagt att han tror att AGI kan komma inom fem till åtta år. Och att när den väl gör det, kommer den industriella revolutionen att framstå som långsam i jämförelse. Allt spåras tillbaka till en enda sten placerad på en träplanka i ett tyst rum i Seoul. Det var det första verkliga tecknet på att maskiner kunde göra något vi trodde bara människor kunde, att komma på en idé som ingen någonsin hade tänkt på tidigare. Och de som byggde det använder nu samma handbok för att bygga något mycket större.

Den tidigare VD:n för Google beskrev precis hur en programmerare driver en AI-agent från kl. 19 till 04. Han vaknar, äter frukost och går igenom vad som uppfanns över natten. Eric Schmidt säger att det som händer just nu är "förbluffande". Schmidt säger att de allra bästa programmerarna alltid har varit värda tio gånger mer än de precis under dem. Det var sant innan AI, men nu blir dessa människor ännu mer värdefulla eftersom de är de enda som faktiskt kan kontrollera dessa system. Alla andra blir utbytbara. Den verkliga prognosen handlar om hur hela ekonomin ska se ut. Schmidt säger att vi är på väg mot ett litet antal mycket stora företag och ett enormt antal mycket små företag. Mitten försvinner eftersom när AI kan göra jobbet behöver man helt enkelt inte lika många människor längre. Detta syns redan i verkliga rekryteringsdata. Stanfords forskning visade en minskning på 20 procent i anställningar för tidiga utvecklare sedan slutet av 2022. Vissa företag säger att AI nu skriver 70 till 90 procent av deras produktkod. Team som behövde tio juniora ingenjörer körs nu med två seniorer och en AI-agent. Schmidt har varnat för detta i två år. Skillnaden nu är att siffrorna kommer ikapp prognosen. Rekryteringen minskar på nybörjarnivå och antalet anställda minskar inom tjänstemannasektorerna. Och de företag som rör sig långsammast får ingen andra chans att anpassa sig.

Mark Zuckerberg spenderade 14 miljarder dollar på att anställa en man. Nio månader senare håller han på att montera ner honom. År 2025 köpte Meta nästan hälften av Scale AI och tog in sin 28-årige grundare, Alexandr Wang, som Chief AI Officer. Han fick ett superteam av elitforskare och ett mandat att jaga superintelligens. Men inne i Meta började kollisionen snabbt. Gamla gardets chefer ville ha AI som skulle stärka Facebook och Instagram. Wang ville bygga nästa frontier-modell, inte nästa annonsprodukt. Sedan gick legenden. Turingpristagaren Yann LeCun vägrade rapportera till Wang, kallade honom "ung och oerfaren" och lämnade Meta efter mer än ett decennium. Sprickorna var nu offentliga. I slutet av 2025 klagade Wang enligt uppgift på att Zuckerbergs grepp kvävde framstegen. Och i mars 2026 tog Zuckerberg initiativ. Han skapade en ny organisation för tillämpad AI, rapporterade till andra långvariga löjtnanter och dirigerade viktiga projekt, personer och infrastruktur runt Wang. Forskarna som Wang personligen rekryterade? De rapporterar nu till andra chefer. Wang har fortfarande titeln Chief AI Officer men makten är borta. 14 miljarder dollar investerade och den främsta AI-forskaren borta och hundratals jobb blev nedskärda på grund av detta. Det här är Zuckerberg som erkänner att hans största satsning inte fungerade. Och han gör det som han alltid gör, inte genom att sparka någon, utan genom att bygga runt dem tills det inte finns något kvar.