Programvarekloning – er betalt programvare virkelig snart historie?

Nylige overskrifter om utviklere som bruker KI-verktøy til å klone populær betalingsprogramvare – særlig Adobe – har utløst blandede reaksjoner, fra beskyldninger om tyveri til begeistring over gratisverktøy med åpen kildekode.

Men hva betyr dette for teknologiselskapene som eier den opprinnelige programvaren – eller for dem som betaler dyre abonnementer for å bruke den?

Matt Wood, seniordirektør for cybersikkerhetsarkitektur, drift og KI-sikkerhet hos ABBYY, har undersøkt denne voksende bekymringen og deler sine vurderinger av risikoene og mulighetene ved KI-drevet programvareutvikling.

I 1996 bygde Fatboy Slim «Rockafeller Skank» rundt et gitarriff hentet fra en plate fra 1960-tallet som få hadde hørt på flere tiår. The Chemical Brothers loopet breakbeats fra glemte funkplater og gjorde dem til hymner som fylte stadioner. The Prodigy samplet sirener, filmreplikker og obskure vinylplater til noe som ikke hadde lydt som noe annet før. Sampling senket ikke bare kostnadene ved å lage musikk. Det endret hvem som kunne lage den, og tvang hele bransjen til å stille et vanskeligere spørsmål: Hva regnes egentlig som originalt?

KI tvinger virksomheter til å stille det samme spørsmålet i dag, men innsatsen handler ikke om plasseringer på hitlistene. Den handler om driftsresultater, risiko for manglende etterlevelse og kundenes tillit til hver eneste beslutning en virksomhet tar.

Etterligning er billig. Innsikt er det ikke.

Store språkmodeller har gjort det bemerkelsesverdig enkelt å sette sammen eksisterende kunnskap på nye måter: skrive et kontraktsvilkår, oppsummere en rapport eller generere et svar som høres troverdig ut, basert på den teksten de har tilgang til. Denne evnen har reell verdi. Men gjengivelse er ikke det samme som oppdagelse, og det er når de to forveksles at mange KI-initiativer i næringslivet går i stå uten at noen merker det.

Dette skillet er viktig fordi generative systemer er svært gode til å produsere noe som ser ferdig ut. De kan etterligne tone, struktur og selvsikkerhet med enestående flyt. Det de ikke kan gjøre på egen hånd, er å garantere at det de produserer, bygger på riktig dokumentasjon, er knyttet til riktig prosess eller er formet av riktig skjønn.

Denne spenningen er ikke unik for næringslivet. Den er også synlig i kreativt arbeid. En studie fra 2024 i Science Advances fant at KI-støtte økte den opplevde kvaliteten og kreativiteten i enkeltstående historier, særlig hos mindre kreative skribenter, samtidig som historiene samlet sett ble mer like hverandre. Med andre ord ble resultatet bedre på individnivå, men mer ensartet på kollektivt nivå. Større produksjon betydde ikke nødvendigvis større originalitet. Ofte betydde det flere av de samme ideene, uttrykt på en mer flytende måte.

Det er virksomhetsrisikoen i miniatyr. Når alle har tilgang til de samme allmenne verktøyene, kommer konkurransefortrinnet ikke av å generere mer tekst, flere sammendrag eller flere anbefalinger. Det handler om å vite hva som er viktig, hva man kan stole på, og hva som bør følges opp.

Virksomhetens problem er ikke generering. Det er tilgang til virkeligheten.

De fleste virksomheter lider ikke av mangel på språk. De lider av mangel på tilgjengelig og pålitelig kontekst.

Det en virksomhet faktisk vet, er som regel spredt mellom kontrakter, fakturaer, introduksjonsskjemaer, krav, e-poster, rapporter, skannede PDF-filer og arbeidsflyter som sender dokumentene fra ett team til et annet. Et betalingsavvik i økonomiavdelingen, et etterlevelsesproblem i introduksjonsprosessen eller en forsinkelse i driften begynner ofte som noe som bare delvis er strukturert, har inkonsekvent formatering og ikke er koblet til systemene ledelsen bruker for å ta beslutninger.

Derfor virker så mange KI-prosjekter i næringslivet imponerende i demonstrasjoner, men kan mislykkes i produksjon. Modellen kan være kapabel, men konteksten er mangelfull. Den kan bare resonnere ut fra informasjonen den har tilgang til, og i mange organisasjoner utgjør denne informasjonen bare en liten del av det samlede bildet.

Dette er ikke bare en teoretisk svakhet. Det påvirker kvaliteten på beslutningene. Hvis en modell oppsummerer en kontrakt uten tilgang til de relevante endringene, kan oppsummeringen høres tydelig ut, samtidig som den er ufullstendig. Hvis den analyserer problemer med leverandørreskontro uten oversikt over fakturaavvik på tvers av formater og leverandører, kan den komme med ryddige, men lite nyttige anbefalinger. Hvis den hjelper til med kundeetablering mens viktig informasjon fortsatt er låst inne i skannede skjemaer eller fragmenterte arbeidsflyter, kan den bidra til at man raskere trekker feil konklusjon.

Resultatet er ikke innsikt. Det er gjetninger som høres sikre ut.

Hvorfor etterligning skalerer raskere enn forståelse

Det er her analogien til sampling i musikk blir mer enn en metafor.

Sampling gjorde musikkproduksjon raskere, billigere og mer tilgjengelig. Men produsentene som holdt seg relevante, var ikke de som bare kopierte fragmenter. Det var de som hadde smaken og disiplinen som skulle til for å forvandle dem. Alle kunne hente et beat; ikke alle kunne bygge en ny lyd rundt det.

KI skaper et lignende skille innen programvare og kunnskapsarbeid. Terskelen for etterligning har sunket dramatisk. Det er enklere enn noen gang å klone grensesnitt, gjenskape resultater, etterligne arbeidsflyter og tilnærme seg ekspertise. Hele programvarekategorier risikerer i økende grad å kunne gjenskapes på overflaten.

Det betyr ikke at betalt programvare er over, slik det formuleres av utvikleren Brandon Thomas, som har laget gratis alternativer til Adobe. Det betyr at verdien av programvare er i endring.

Når etterligning blir billig, flyttes verdien andre steder: til tillit, integrering, dømmekraft og evnen til å levere resultater som holder mål under reelle forhold. Spørsmålet er ikke lenger om et KI-system kan produsere et svar som ligner ekspertarbeid. Spørsmålet er om det kan gjøre det pålitelig, i riktig sammenheng og med nok åpenhet til at folk stoler på det når mye står på spill.

Det er enkelt å produsere et klonet resultat. Det er ikke enkelt å levere et pålitelig resultat.

Ekspertise er den skjulte merverdien

Derfor blir ekspertise viktigere, ikke mindre viktig, i en tid med KI-kloning.

I årevis har mange digitale verktøy hentet verdien sin fra å gjøre spesialiserte ferdigheter sjeldne. Hvis programvare kunne kode inn en prosess, standardisere en oppgave eller forenkle en arbeidsflyt som tidligere var vanskelig, var kundene villige til å betale for tilgang til denne pakkede ekspertisen. Generativ KI utfordrer denne modellen fordi den nå kan etterligne mange synlige trekk ved ekspertise til lave kostnader.

Men etterligning fanger bare opp det ytre laget.

Ekte ekspertise handler om å vite hvilket unntak som er viktig, hvilken tvetydighet man ikke kan overse, hvilken kilde som er autoritativ, og når man bør utfordre et systems svar i stedet for å godta det. Det er forskjellen mellom å hente ut tekst fra et dokument og å forstå om teksten er tilstrekkelig grunnlag for en forretningsbeslutning. Det er forskjellen mellom å oppsummere retningslinjer og å forstå de operative konsekvensene av å oppsummere dem feil.

Det er også her mange diskusjoner om KI og originalitet kommer på avveie. I næringslivet handler originalitet sjelden om nyhet for nyhetens skyld. Det handler om å se noe andre overser: en risiko som skjuler seg i støyen fra prosessene, et mønster begravd i fragmentert informasjon eller en mulighet som tilsløres av systemer som ikke henger sammen. Slik originalitet avhenger mindre av velformulert innholdsgenerering enn av presis tolkning.

Dokumenter forteller ikke hele historien, men ofte begynner den der

Dokumenter er viktige her fordi de fortsatt er et av de vanligste stedene der virksomheters virkelighet lagres, men ikke er fullt ut tilgjengelig for bruk.

Det gjør ikke «Document AI» til historiens helt. Det betyr bare at dokumentforståelse er én del av den større oppgaven med å gjøre operasjonell informasjon tilgjengelig for KI-systemer på en ansvarlig måte. Hvis organisasjoner ønsker bedre resultater med generative modeller, må de få bedre tilgang til dokumentasjonen modellene bygger på. I mange tilfeller innebærer det å hente ut, validere og strukturere informasjon som ellers ville forblitt fanget i skjemaer, filer og fragmenterte overleveringer.

Brukt på en god måte handler denne typen funksjonalitet ikke om å fremme én produktkategori fremfor en annen. Det handler om å redusere avstanden mellom det virksomheten vet, og det KI-systemene faktisk kan se.

Dette skillet er viktig. De sterkeste KI-strategiene for virksomheter bygger ikke bare på generering. De bygger på en kombinasjon av data som kan brukes, forståelse for arbeidsprosesser og menneskelig kontroll. Nyere forskning på virksomheter fra for eksempel MITs prosjekt NANDA hevder at de største hindringene for å ta i bruk KI ofte ikke er kvaliteten på modellen isolert sett, men dårlig integrering i arbeidsflyten og manglende tillit til hvordan verktøyene fungerer i praksis.

Det bør høres kjent ut. Virksomheter vinner ikke ved å produsere mest syntetisk innhold. De vinner ved å ta bedre beslutninger, raskere og mer konsekvent, på grunnlag av informasjon de kan stå inne for.

Den neste merverdien er dømmekraft

Sampling gjorde ikke musikken mindre verdt. Det endret hva originalitet betydde.

Da råmaterialet ble enklere å gjenbruke, flyttet merverdien seg til utvalg, arrangement og intensjon. Dømmekraft ble mer verdifullt enn tilgang. Det samme skjer nå med KI i næringslivet. Etter hvert som programvare blir enklere å klone, vil det varige konkurransefortrinnet ikke komme av å ha en modell som kan etterligne kompetent arbeid. Det vil komme av å vite hvordan man kobler KI til riktig kontekst, setter passende begrensninger og bruker den der menneskelig kreativitet og faglig dømmekraft fortsatt er viktigst.

Det er dette mange av argumentene om at «KI erstatter programvare», overser. Hvis alle verktøy kan kopieres på grensesnittnivå, er ikke grensesnittet det egentlige konkurransefortrinnet. Det er den dyptgående forståelsen bak det: logikken i arbeidsflyten, håndteringen av unntak, de pålitelige dataene, institusjonskunnskapen og den menneskelige ekspertisen som trengs for å omsette resultater til beslutninger.

Så, er det virkelig slutt på betalt programvare? Bare hvis vi trodde at verdien av programvare noen gang bare lå i det synlige laget.

For programvarefunksjoner som er blitt standardvarer, vil presset øke. Noen produkter vil bli kopiert. Noen kategorier vil krympe. Enkelte funksjoner som tidligere kunne prises høyt, vil bli minstekrav. Men verktøyene og selskapene som består, vil være de som hjelper organisasjoner med å gå fra etterligning til forståelse.

Derfor er KI-ens samplingøyeblikk viktig. Det minner oss om at lavere kostnader ved reproduksjon ikke fjerner behovet for originalitet. Det endrer bare hvor originaliteten ligger.

I musikken gikk originaliteten fra å ligge i fremføringen av råmaterialet til å ligge i kunsten å omforme det.

Innen KI i næringslivet går den fra å generere plausible resultater til å bruke pålitelig informasjon, faglig skjønn og kreativ problemløsning på en disiplinert måte.

Kopiering er billig. Innsikt er det ikke. Derfor vil den neste fasen av KI ikke tilhøre systemene som bare høres intelligente ut. Den vil tilhøre organisasjonene som vet hvordan de kan gjøre det de allerede vet, anvendelig nok til å oppdage noe virkelig nytt.