AI-gründer: «Slik endrer ChatGPT norsk næringsliv»

Fra ide til inntekt på nio måneder

Vi møter Trond Andersen, en 32 år gammel norsk gründer som startet sitt AI-selskap i februar 2024. I dag, nesten ett år senere, har han fem ansatte og en årlig gjennomstrøm som gjør at han regner med lønnsomhet innen årsslutt.

Historien hans er ikke unik — men bemerkelsesverdien er det. Han var fulltidsansatt da ChatGPT ble offentlig. Innen tolv uker hadde han bygget en prototype som norske bedrifter trengte. I dag løser den automatisk kundeemails, skriver markedsføringskopi og hjelper kundeveiledere.

«Jeg var sikker på det skulle ta to år,» sier Trond. «Men etterspørselen var større og raskere enn jeg forutså. Bedrifter var ikke bare interessert — de var panikk-interessert. De visste at konkurrenter ville gjøre det, så de ville være først.»

Tall og trender

Her er statistikken fra Tronds observasjoner av norsk AI-marked i 2024–2025:

Hva norske bedrifter lærer seg

Ifølge Trond er mønsteret slikt: bedrifter leser om AI, blir panikk-interessert, og vil ha en løsning med en gang. Men når de starter implementeringen, møter de overraskelser.

«Første overraskelse er at det ikke handler om teknologi — det handler om data. Du kan ikke lage en god AI-løsning uten god data. En bedrift som har fem år med kundeemails kan lage noe fantastisk. En bedrift som ikke har organisert data møter veggen,» sier Trond.

Den andre overraskelsen er menneskelig. Ansatte som var redde for å bli erstattet av AI, ble heller interessert i å jobbe med den. «Jeg trodde det skulle være motstand. I stedet spurte kundene: 'Hva kan vi hente fra denne teknologien?'» Bare noen få var faktisk bekymret for jobben sin.

Slik brukes det nå

Et norsk firma som selger B2B-software sparte tre årsværk på kundesupport etter at de implementerte Tronds løsning. Ikke fordi AI kunne løse alt, men fordi den kunne håndtere første linje. Menneskene frigjordes til kompleksere saker, og svartiden ble tre ganger raskere.

En konsulentbyrå bruker nå AI til å skrive første utkast på markedsføringsinnhold. Konsulentene redigerer og tilpasser, men tiden halveres. Kvaliteten er — overraskende nok — ofte bedre fordi AI fjerner forfatterlammelsen.

En større betalbedrift bruker AI til å analysere transaksjoner og flagge potensiell svindel. Algoritmen ser mønstre som mennesker ville brukt uke på å analysere. Resultatet: færre falske alarmer, færre genuine svindler som slipper igjennom.

Hva som fortsatt ikke funker

Trond er ikke blind for at AI også sliter. «Det vi ikke klarer er verdikjedetingsarbeidet — oppgaver som krever forståelse av en spesialisert industri eller rolle som ikke er beskrevet i noe dokument,» sier han.

Han gir eksempel: en advokat som trengte AI til å kategorisere juridiske dokumenter — men kategoriene var fulle av nyanserte tolkinger. AI klarte 85 prosent perfekt, men de siste 15 prosent krevde menneskelig dømmekraft.

«Det som kommer til å dele markedet er evnen til å definere problemet ordentlig. Bedrifter som forstår hvor AI er god og hvor den ikke er det, vil få maksimal verdi. De som tror AI løser alt, eller som ignorerer det helt, vil falle etter.»

Hva tror gründeren skjer neste?

Trond tror at på tre år vil 60–70 prosent av norske bedrifter av en viss størrelse ha implementert minst ett AI-verktøy. Det er ikke visjonært — det er bare trend-forecasting basert på hvor vi er nå.

«Det som vil skifte er at modellene selv blir billigere, og at Europas eget AI-økosystem vokser. Amerikanerne har OpenAI. Vi vil få europæisk konkurranse. Det betyr mer lokale løsninger, bedre datasikkerhet, og mindre avhengighet av en enkelt aktør.»

Han er også sikker på at jobber vil endres. Ikke at de forsvinner, men at de skifter karakter. «En kundeservice-agent blir mindre 'svar på spørsmål' og mer 'tolker hva kunden egentlig trenger'. Arbeidet blir høyere verdi. Lønnene stiger, eller bør stige.»

Slik ser gründeren på det

Vi spurte Trond Andersen hva han ville sagt til bedrifter som fortsatt venter på å implementere AI.

"«Start nå. Konkurrentene dine allerede tester eller har implementert. Hvis du venter til 2027, er du allerede tre år bak. Og data-problemet løser du bare ved å starte. Sett av litt ressurser, test på et problem som ikke er livsavgjørende, lær, og skaler fra der.»"