Ed Zitron om teknikens cykler: "AI har visat att människor är ivriga att ersätta människor."

Om en film i en trolig framtid görs om "hur AI-bubblan sprack", kommer Ed Zitron utan tvekan att vara en central karaktär. Han passar perfekt i den klassiska outsidersarketypen: den excentriske ensamvargen som såg allt komma, och som varnade från sidlinjen utan att någon lyssnade. Precis som Christian Bale spelade Michael Burry, investeraren som förutsåg finanskrisen 2008 i **The Big Short**, kan man lätt se för sig hur Robert Pattinson och Paul Mescal tävlar om att porträttera Zitron – den livfulla, färgstarkt skrovliga, men envist detaljorienterade britten som blivit en av big techs mest högröstade kritiker.

Detta betyder inte att AI-bubblan nödvändigtvis kommer att spricka, men i en tid av AI-boosterism har Zitrons raka, burduska skepticism förvandlat honom till en slags kultfigur. Hans tekniknyhetsbrev, **Where’s Your Ed At**, har nu över 80 000 prenumeranter; hans veckovisa podcast, **Better Offline**, rankas regelbundet bland topp 20 på tekniklistor; han är en regelbunden avvikande röst i media; och hans subreddit har blivit en säker hamn för AI-skeptiker, inklusive dem inom själva teknikbranschen – en användare beskriver honom som "en fyr i en storm av galen hyperkapitalistisk skitsnack".

Zitron började först granska generativ AI 2023, ett år efter OpenAIs industriskakande lansering av ChatGPT. "Ju mer jag tittade, desto mer förvirrad blev jag", säger han. "Inte nog med att stora språkmodeller (LLM) uppenbarligen misslyckades med att göra det folk var upphetsade över, de hade heller ingen väg dit. Inget jag fann tydde på att detta var en riktig affär, än mindre något som påstods skulle förändra världen."

Han talar via videosamtal från sitt kontor i Las Vegas, klädd i en röd huvtröja, omgiven av inramade popkultur-tryck och amerikanska sportminnen. Och herregud, kan Zitron prata. Som lyssnare av **Better Offline** vet är den 39-årige en fenomenal talare – skicklig på utdragna monologer, levererar han sin synpunkt i lättillgängligt, ofta fräckt språk, kryddat med fakta, statistik, analogier och en god portion svordomar. Hans londonaccent förstärker bara hans roll som Silicon Valley-kontrarian – någon som släpper sina T:n när han säger "datacentres".

Att förklara Zitrons tes om varför generativ AI är dömd att misslyckas är inte enkelt: förra året la han ut den i ett 19 000 ord långt essä. Men den kan delas upp i två sammanlänkade delar: teknikens faktiska effektivitet och AI-boomens finansiella arkitektur. Enligt Zitron är båda grunderna skakiga.

Först finns frågan om generativ AI levererar på sina löften. Under de senaste åren har vi sett eskalerande profetior om hur tekniken skulle vända upp och ner på arbetslivet. Till exempel varnade Dario Amodei, VD för Anthropic – OpenAIs närmaste konkurrent – i maj förra året att AI kunde eliminera hälften av alla nybörjarjobb på kontor inom fem år. "Den nuvarande generationen AI-stora språkmodeller kommer inte att göra det", konstaterar Zitron självsäkert. "Mitt bevis är att de i princip är samma som för ett år sedan. De har samma effektivitet. Och varje försök att förvandla dessa till något som faktiskt kan göra saker autonomt har misslyckats." Han hävdar att LLM hallucinerar och ger fel svar, ger olika svar varje gång, och inte kan lära sig, skapa eller utföra många komplexa uppgifter på riktigt. Han ifrågasätter till och med att kalla denna teknik för "intelligens".

"Den är intelligent på samma sätt som ett par tärningar är intelligenta", säger han. "Stora språkmodeller är transformer-baserade arkitekturer som använder storskalig sannolikhet för att generera nästa token. De gör detta i stor skala, så man kanske tänker 'Åh, den hittar på saker.' Nej, den har ett stort datakorpus och så många parametrar..." Generativ AI fungerar genom att dra från befintliga data för att producera utdata, inget mer. Vi skulle inte anse en Excel-formel intelligent, så vi bör inte heller kalla generativ AI för intelligent.

Många håller inte med om denna syn, särskilt när det gäller AIs påverkan på jobb. Inom branscher som film, kundservice, offentlig sektor och teknik rapporterar proffs att AI-verktyg låter dem utföra samma uppgifter med färre personer. Även om den inte eliminerar hälften av alla jobb, är AI på väg att förvandla arbetsplatsen. En undersökning från förra juni indikerade att nybörjarpositioner i Storbritannien hade minskat med nästan en tredjedel sedan ChatGPTs lansering.

Zitron kontrar med att "korrelation inte är kausalitet" och citerar rapporter som ifrågasätter eller nedtonar maskininlärningens roll i arbetsförlusterna. Till exempel fann en nyligen publicerad MIT-rapport om "tillståndet för AI i näringslivet 2025" att 95 % av företag som försökte integrera AI såg "noll avkastning". Rapporten noterade att de flesta generativa AI-system misslyckas med att behålla feedback, anpassa sig till kontext eller förbättras över tid.

Detta leder till den andra delen av Zitrons argument: ekonomin i AI-boomen går inte ihop. Investeringsnivån som strömmar in i AI är utan motstycke. De "Magnificent Seven" – Alphabet (Googles moderbolag), Amazon, Apple, Meta, Microsoft (som äger 27 % av OpenAI), Nvidia och Tesla – utgör nu 34 % av S&P 500, ett index som står för ungefär hälften av den globala marknaden. Som ledande producent av GPU:er, de kraftfulla kretsar som är avgörande för AI, "trycker Nvidia i princip pengar", enligt Zitron. Samtidigt lånar och spenderar andra miljarder som de kanske aldrig får tillbaka.

Medan Silicon Valley-startups traditionellt sett har gått med förlust för att få marknadsandelar och senare gå med vinst, är det nuvarande gapet mellan utbud och efterfrågan alarmerande stort. Att bygga AI kräver massiva investeringar: ett typiskt datacenter behöver tiotusentals GPU:er, som var och en kostar över 50 000 dollar (37 000 pund), plus mjukvara, nätverk, stora anläggningar och betydande mängder el och vatten. Den beräknade kostnaden för 1GW AI-datacenterkapacitet är 35 miljarder dollar (26 miljarder pund). Följaktligen kan bara djupt fickade "hyperscalers" som Google, Meta, Amazon, Microsoft och Oracle konkurrera i denna skala.

På efterfrågesidan är utsikterna mindre tydliga och långt ifrån säkra. Till exempel planerar OpenAI att spendera 1,4 biljoner dollar (1 biljon pund) på AI-infrastruktur under de kommande fem åren, men dess beräknade intäkter för 2025 är bara cirka 20 miljarder dollar (15,8 miljarder pund). Zitron påpekar att många avtal mellan AI-företag i huvudsak innebär att de betalar varandra. I september förra året tillkännagav Nvidia en investering på 100 miljarder dollar i OpenAI, som i sin tur kommer att använda medlen för att köpa Nvidia-kretsar. Liknande arrangemang är vanliga i branschen. Även "neocloud"-företag som CoreWeave, Lambda och Nebius, som bygger datacenter och hyr ut GPU-kapacitet, är starkt beroende av affärer från jättar som Google, Microsoft, Amazon och Nvidia. Zitron hävdar att utan dessa hyperscalers skulle de totala AI-beräkningsintäkterna för 2025 vara mindre än en miljard dollar.

När det gäller lönsamhet har ChatGPT nu uppskattningsvis 800 miljoner användare, men de flesta betalar inte. Även för betalande prenumeranter kan kostnaden för att koppla en användare till... För en AI-modell som GPT kan kostnaden för varje användarinteraktion variera dramatiskt. En användare kan ställa en enkel fråga, eller så kan de fråga något som får modellen att generera ett komplext svar. Som Zitron påpekar finns det inga stordriftsfördelar här – varje förfrågan kräver "compute", eller databehandling, på leverantörens bekostnad. "Ju mer någon är en power user av dessa plattformar, desto mer kommer de att kosta dig. Detta är nästan motsatsen till hur Silicon Valley vanligtvis fungerar." Och om svaret inte är tillfredsställande och behöver göras om, vilket händer ofta, "är det mer compute som bränns, utan att du tjänar några extra pengar." Medan AI-modeller ständigt blir billigare och mer avancerade, uppnås detta bara genom att använda ännu mer beräkningskraft. "Det är som om bensinpriset går ner lite, men du måste köra extra 250 miles för att komma någonstans. Så detta är verkligen problematiskt – för det betyder att det inte finns någon lönsamhetspunkt."

Ett typiskt datacenter kräver tiotusentals GPU:er.

Återigen, inget av detta garanterar att en större AI-krasch kommer att hända, men "om jag har fel, vet jag inte hur jag har fel", säger han. "Varje motargument jag har läst till mitt arbete är mestadels bara önsketänkande om att 'AI kommer att bli bättre'."

Många har anklagat Zitron för att hysa agg mot big tech, men han förnekar detta: "Jag har ett problem med de som inte vill prata om verkligheten." Han undviker definitivt inte uppmärksamhet, men det är inte därför han började med detta, förklarar han. "Jag gillar att skriva. Jag gillar att plocka isär saker. Jag gillar att lösa pussel. Jag antar att jag gillar att kunna förstå saker. Mycket av detta är bara jag som försöker förklara det för mig själv, snarare än för en publik." Han har ingen formell utbildning inom ekonomi eller datavetenskap och har aldrig arbetat inom teknik. "Jag har i princip lärt mig allt från grunden."

Zitron har dock alltid dragits till teknik. Han säger att han har byggt 10 persondatorer under sitt liv. Det började när hans far köpte en PC med uppringd anslutning till honom när han var 10. "Så jag var online från en ganska tidig ålder. Jag tänkte genast, 'Det här är framtiden. Jag avgudar det här. Jag älskar att jag kan prata med folk och spela med folk.' Jag var ett ganska ensamt barn. Jag hade inte många vänner, men jag skaffade många vänner online."

När han växte upp i Hammersmith i västra London beskriver Zitron sina föräldrar som kärleksfulla och stödjande. Hans far var managementkonsult; hans mor tog hand om honom och hans tre äldre syskon. Men "high school var väldigt dålig för mig, och det är ungefär så mycket jag kommer att gå in på." Han har dyspraxi, en koordinationsstörning, och diagnosticerades med ADHD i 20-årsåldern. "Jag tror jag kuggade varenda språk och varenda naturvetenskap, och jag var inte lysande i matte", säger han. "Men jag har alltid varit tvångsmässig kring detaljerna."

Efter att ha studerat media och kommunikation vid Aberystwyth University började han skriva för spelmagasin, men "jag kom till en punkt där jag var olycklig i London." Så han flyttade till New York 2008 och började arbeta inom teknik-PR. Han säger att han inte kan föreställa sig att återvända till Storbritannien. Han diskuterar inte sitt privatliv utöver att nämna att han har en son, vilket är anledningen till att han bor i Las Vegas. Han har inget emot det: "Alla är konstiga, så ingen är konstig." Det har rapporterats att han har varit gift och skild två gånger.

Zitron fortsätter att arbeta inom teknik-PR, vilket verkar stå i strid med hans roll som teknikkritiker – antingen som att bita den hand som föder honom eller en intressekonflikt. Han ser det inte så. Han säger att han inte har AI-kunder eller arbetar med big tech, och har bara några få kunder nu. Arbetet har gett honom ett kontaktnät i branschen och har möjligen hjälpt honom att marknadsföra sig själv. 2013 publicerade han en bok med titeln **This Is How You Pitch: How To Kick Ass in Your First Years of PR**. Han kanske dock inte arbetar med PR så mycket längre. "Mediasidan av saken utgör en större del av min inkomst nuförtiden än jag någonsin förväntade mig", säger han. Han håller på att skriva en ny bok, som ska ges ut nästa år, med titeln **Why Everything Stopped Working**. "Det är ett slags gräv i hur världen blev som den blev och hur teknik är allt nu", förklarar han, och tillägger att bara ett kapitel handlar om AI.

Om Zitron har en oxe att slakta, är det mot den nyliberala kapitalismen i allmänhet. "Jag tror inte folk har tagit på allvar hur illa avregleringen av finansmarknaderna av Thatcher och Reagan var. Jag tror inte folk tar på allvar hur illa det var att inte sätta folk i fängelse för den stora finanskrisen... Jag tror inte folk har tagit på allvar hotet från tillväxtfokuserad kapitalism och tillväxt till varje pris."

Snarare än att leda oss till en utopisk framtid ser Zitron AI som den logiska slutsatsen av nyliberalism. "Den största lärdomen vi har fått från generationen stora språkmodeller är hur många människor som är ivriga att ersätta människor, och hur många som helt enkelt inte förstår någon form av arbete", säger han.

Zitron är inte längre riktigt så ensam med sina åsikter. Han sammanfaller med personer som Cory Doctorow, som har medverkat i hans podcast och vars "enshittification"-tes på liknande sätt hävdar att teknikföretag nu drivs mer av vinst än av att skapa användbara produkter. Samtidigt noterar andra AI-skeptiker, som kognitionsvetaren Gary Marcus, att de har framfört liknande argument som Zitron, men känner sig förbisedda i hans berättelse. Oavsett växer motståndet mot AI: lokala grupper motsätter sig byggandet av miljöförstörande datacenter; konsumenter står emot införandet av AI i varje möjlig produkt; skapare vidtar rättsliga åtgärder mot branschens användning av deras arbete utan tillstånd; och det finns allmän upprördhet över sociala mediers skador,