Andrej Karpathy har precis delat en av de viktigaste observationerna om AI 2026: det finns nu två fundamentalt olika grupper av AI-användare, och de pratar fullständigt förbi varandra.

Hans tweet (3,6 miljoner visningar och räknar fortfarande) beskriver en växande klyfta som alla som arbetar med AI behöver förstå.

Grupp 1: “AI är ett Leksak”

Den här gruppen provade ChatGPT --- vanligtvis gratistjänsten --- någon gång förra året. De såg hallucinationer, skrattade åt virala videor av röstläget som fumlade med enkla frågor och drog slutsatsen att AI är överhypat.

De har inte fel om vad de upplevde. Gratismodeller från 2025 är genuint begränsade. Men här är problemet: de frös sin mentala bild av AI vid den punkten och uppdaterade den aldrig.

Som Karpathy uttrycker det återspeglar dessa gamla och utgångna modeller inte förmågorna hos nuvarande frontiermodeller.

Grupp 2: “AI-psykos”

Den här gruppen använder state-of-the-art agentiska modeller --- Claude Code, OpenAI Codex --- professionellt, inom tekniska domäner. De betalar 200 dollar i månaden. De ger dessa modeller tillgång till en datorerminal och ser dem lösa problem som normalt skulle ta dagar eller veckor av arbete.

Karpathy säger att den här gruppen upplever vad han kallar “AI-psykos” --- inte för att de är vanföreställda, utan för att förbättringarna har varit så häpnadsväckande att det är svårt att kommunicera vad de ser till någon som inte har upplevt det på egen hand.

Varför Klyftan Finns

Karpathy identifierar två strukturella skäl till varför AI-förmågor avancerar ojämnt:

1. Reinforcement learning fungerar bäst med verifierbara belöningar.

Uppgifter som kodning, matematik och forskning har tydliga framgångskriterier --- kompilerar koden? Klarar testerna? Är beviset korrekt? Dessa domäner är naturligt lämpade för RL-träning, där modellen får konkret återkoppling på om den lyckades.

Uppgifter som skrivande, rådgivning och konversation är mycket svårare att utvärdera objektivt, så de förbättras långsammare.

2. B2B-värde styr resursallokering.

De största intäktsmöjligheterna finns i tekniska/professionella domäner. Det är där AI-företag fokuserar sina bästa team. Konsumentinriktade funktioner som röstläge får mindre investering i förhållande till B2B-produkterna som genererar mest intäkter.

Översättningsproblemet

Resultatet är en bisarr koppling. Det är samtidigt sant att:

En gratis AI-röstassistent fumlar med grundläggande frågor i dina Instagram-reels
En betald agentisk AI spenderar en timme koherent med att omstrukturera en hel kodbas

Båda dessa saker händer 2026. Men folk i Grupp 1 ser bara det första. Folk i Grupp 2 ser bara det andra. Och när de försöker prata med varandra om “AI” beskriver de helt olika teknologier.

Hur Man Tar Sig Över Klyftan

Om du är i Grupp 1 handlar vägen till Grupp 2 inte om att spendera 200 dollar i månaden på en annan chatbot. Det handlar om att ändra hur du använder AI --- från casual fråga-svar till strukturerat kunskapsarbete.

Här är vad som skiljer de två grupperna åt i praktiken:

Grupp 1-beteende:

Öppnar ChatGPT, ställer en fråga, läser svaret
Ingen persistent kontext mellan sessioner
AI startar från noll varje gång
Bedömer AI utifrån dess värsta misslyckande

Grupp 2-beteende:

Bygger kunskapsbaser som AI kan referera till
Ger AI tillgång till projektfiler, dokumentation och forskning
Använder AI som en kollega med minne, inte en sökmotor
Bedömer AI utifrån dess bästa förmåga

Kärninsikten: kvaliteten på AI-output är direkt proportionell mot kvaliteten på kontexten du ger den.

Bygga Kontext: Det Saknade Lagret

Det är här de flesta fastnar. De hör “ge AI bättre kontext” och tänker att det betyder att skriva längre prompter eller spendera mer tid på att förklara saker. Det är brute-force-metoden. Den smartare metoden är att bygga ett persistent kunskapslager som AI kan komma åt automatiskt.

Så här ser det ut i praktiken:

Fånga webbforskning som strukturerad Markdown --- Istället för att bokmärka sidor eller kopiera utdrag till ett dokument, konvertera hela innehållet till ren Markdown. Detta bevarar informationen i ett format som vilket AI-verktyg som helst kan ta in.
Organisera i sökbara kunskapsbaser --- Gruppera ditt sparade innehåll efter projekt, ämne eller forskningsområde. Detta ger AI möjlighet att hitta relevant kontext utan att du behöver komma ihåg vad du sparat.
Anslut AI till din kunskap --- Verktyg som MCP (Model Context Protocol) låter Claude söka och referera ditt sparade innehåll direkt. När du ställer en fråga kontrollerar Claude din kunskapsbas först och grundar svar i din kurerade forskning snarare än generisk träningsdata.

Det här är arbetsflödet som Save möjliggör. Varje webbsida du sparar blir en Markdown-fil i din lokala kunskapsbas. Save Vaults inbyggda MCP-server kopplar det till Claude. Din AI-assistent har nu tillgång till allt du har läst och forskat om.

Sammansättningseffekten

Klyftan mellan Grupp 1 och Grupp 2 handlar inte bara om vilken modell du använder. Det handlar om den ackumulerade kontext du byggt upp över tid.

En utvecklare som sparat sex månaders dokumentation, Stack Overflow-svar och arkitekturartiklar har en AI-assistent som förstår deras kodbas, deras stack och deras specifika problem. En tillfällig användare som öppnar ChatGPT från grunden varje gång har ett generiskt verktyg som inte vet något om deras arbete.

Det är därför Karpathys observation spelar roll bortom AI-hype-cykeln. Förmågeklyftan stängs inte --- den vidgas. Och skiljelinjen är inte teknisk skicklighet eller budget. Det är om du bygger en strukturerad kunskapspraktik kring AI eller behandlar det som en glorifierad sökmotor.

Börja Idag

Du behöver inte spendera 200 dollar i månaden för att börja ta dig över klyftan. Du behöver börja fånga och organisera den kunskap du redan stöter på varje dag:

Installera Save och börja konvertera användbara webbsidor till Markdown medan du surfar
Skapa kunskapsbaser för dina huvudsakliga arbets- eller intresseområden
Anslut Claude via Save Vaults MCP-server så att din AI-assistent kan referera ditt sparade innehåll
Var konsekvent --- spara 2-3 sidor per dag och se din kunskapsbas växa

Inom en månad kommer du ha ett personligt kunskapslager som gör varje AI-interaktion fundamentalt bättre. Det är skillnaden mellan Grupp 1 och Grupp 2 --- och det börjar med hur du fångar kunskap, inte vilken modell du betalar för.

Save konverterar vilken webbsida som helst till ren Markdown med ett klick och lagrar den i din lokala kunskapsbas. Med Save Vaults MCP-server söker Claude igenom ditt sparade innehåll innan det svarar. Prova Save gratis.