Andrej Karpathy har netop delt en af de vigtigste observationer om AI i 2026: der er nu to fundamentalt forskellige grupper af AI-brugere, og de taler fuldstændig forbi hinanden.

Hans tweet (3,6 millioner visninger og stigende) beskriver en voksende kløft, som alle der arbejder med AI bør forstå.

Gruppe 1: “AI er et legetøj”

Denne gruppe prøvede ChatGPT — typisk gratisversionen — engang sidste år. De så hallucinationer, grinede af virale videoer af stemmetilstand, der fumblede simple spørgsmål, og konkluderede, at AI er overhypet.

De tager ikke fejl om, hvad de oplevede. Gratismodeller fra 2025 er genuint begrænsede. Men her er problemet: de frøs deres mentale model af AI på det tidspunkt og opdaterede den aldrig.

Som Karpathy siger, afspejler disse gamle og forældede modeller ikke kapaciteterne hos nutidens frontmodeller.

Gruppe 2: “AI-psykose”

Denne gruppe bruger state-of-the-art agentmodeller — Claude Code, OpenAI Codex — professionelt, i tekniske domæner. De betaler 200 dollars om måneden. De giver disse modeller en computerterminal og ser dem løse problemer, der normalt ville tage dage eller uger.

Karpathy siger, at denne gruppe oplever, hvad han kalder “AI-psykose” — ikke fordi de er vrangforestillede, men fordi forbedringerne har været så chokerende store, at det er svært at kommunikere, hvad de ser til nogen, der ikke selv har oplevet det.

Hvorfor gabet eksisterer

Karpathy identificerer to strukturelle årsager til, at AI-kapacitet udvikler sig uens:

1. Forstærkningstræning fungerer bedst med verificerbare belønninger.

Opgaver som kodning, matematik og forskning har klare succeskriterier — kompilerer koden? Består testene? Er beviset korrekt? Disse domæner er naturligt velegnede til RL-træning, hvor modellen får konkret feedback på, om det lykkedes.

Opgaver som skrivning, rådgivning og samtale er langt sværere at evaluere objektivt, så de forbedres langsommere.

2. B2B-værdi driver ressourceallokering.

De største indtjeningsmuligheder er i tekniske/professionelle domæner. Det er der, AI-virksomheder sætter deres bedste teams. Forbrugerfunktioner som stemmetilstand får færre investeringer sammenlignet med B2B-produkterne, der genererer mest omsætning.

Oversættelsesproblemet

Resultatet er et bizart misforhold. Det er simultant sandt, at:

En gratis AI-stemmassistent vil fumble grundlæggende spørgsmål i dine Instagram-reels
En betalt agentisk AI vil bruge en time på coherent at omstrukturere en hel kodebase

Begge ting sker i 2026. Men folk i Gruppe 1 ser kun det første. Folk i Gruppe 2 ser kun det andet. Og når de prøver at tale med hinanden om “AI,” beskriver de fuldstændig forskellige teknologier.

Sådan krydser du kløften

Hvis du er i Gruppe 1, handler vejen til Gruppe 2 ikke om at bruge 200 dollars om måneden på en anden chatbot. Det handler om at ændre hvordan du bruger AI — fra tilfældig Q&A til struktureret vidensarbejde.

Her er hvad der adskiller de to grupper i praksis:

Gruppe 1-adfærd:

Åbner ChatGPT, stiller et spørgsmål, læser svaret
Ingen vedvarende kontekst mellem sessioner
AI starter fra nul hver gang
Bedømmer AI ud fra dens værste fejltagelse

Gruppe 2-adfærd:

Bygger videnbaser, som AI kan referere til
Giver AI adgang til projektfiler, dokumentation og forskning
Bruger AI som en kollega med hukommelse, ikke en søgemaskine
Bedømmer AI ud fra dens bedste kapacitet

Den centrale indsigt: kvaliteten af AI’s output er direkte proportional med kvaliteten af den kontekst, du giver den.

At bygge kontekst: Det manglende lag

Det er her, de fleste sidder fast. De hører “giv AI bedre kontekst” og tror, det betyder at skrive længere prompts eller bruge mere tid på at forklare ting. Det er brute-force-tilgangen. Den klogere tilgang er at bygge et vedvarende videnslag, som AI automatisk kan tilgå.

Her er, hvad det ser ud som i praksis:

Fang webforskning som struktureret Markdown — I stedet for at bogmærke sider eller kopiere uddrag ind i et dokument, konverter det fulde indhold til rent Markdown. Dette bevarer informationen i et format, ethvert AI-værktøj kan indlæse.
Organiser i søgbare videnbaser — Gruppér dit gemte indhold efter projekt, emne eller forskningsområde. Dette giver AI mulighed for at finde relevant kontekst uden at du skal huske, hvad du gemte.
Forbind AI med din viden — Værktøjer som MCP (Model Context Protocol) lader Claude søge og referere til dit gemte indhold direkte. Når du stiller et spørgsmål, tjekker Claude din videnbase først, og forankrer svarene i din kuraterede forskning frem for generiske træningsdata.

Det er den workflow, Save muliggør. Hver webside du gemmer, bliver en Markdown-fil i din lokale videnbase. Save Vault’s indbyggede MCP-server forbinder den til Claude. Din AI-assistent har nu adgang til alt, du har læst og undersøgt.

Den akkumulerende effekt

Gabet mellem Gruppe 1 og Gruppe 2 handler ikke kun om hvilken model du bruger. Det handler om den akkumulerede kontekst, du har bygget over tid.

En udvikler, der har gemt seks måneders dokumentation, Stack Overflow-svar og arkitekturartikler, har en AI-assistent, der forstår deres kodebase, deres stack og deres specifikke problemer. En tilfældig bruger, der åbner ChatGPT fra bunden hver gang, har et generisk værktøj, der intet ved om deres arbejde.

Det er derfor Karpathys observation er vigtig ud over AI-hypecyklen. Kapacitetsgabet lukker ikke — det udvider sig. Og skillelinjen er ikke teknisk færdighed eller budget. Det er, om du bygger en struktureret videnpraksis omkring AI, eller om du behandler det som en glorificeret søgemaskine.

Start i dag

Du behøver ikke bruge 200 dollars om måneden for at begynde at krydse kløften. Du skal begynde at fange og organisere den viden, du allerede støder på hver dag:

Installer Save og begynd at konvertere nyttige websider til Markdown, mens du browser
Opret videnbaser for dine primære arbejds- eller interesseområder
Forbind Claude via Save Vault’s MCP-server, så din AI-assistent kan referere til dit gemte indhold
Vær konsekvent — gem 2-3 sider om dagen og se din videnbase akkumulere

Inden for en måned vil du have et personligt videnlag, der gør hvert AI-samspil fundamentalt bedre. Det er forskellen mellem Gruppe 1 og Gruppe 2 — og det starter med, hvordan du fanger viden, ikke hvilken model du betaler for.

Save konverterer enhver webside til rent Markdown med ét klik og gemmer det i din lokale videnbase. Med Save Vault’s MCP-server søger Claude i dit gemte indhold, inden den svarer. Prøv Save gratis.