De flesta möter AI som ett verktyg man frågar.
Man skriver något, får ett svar och bestämmer sedan själv vad nästa steg ska bli.
Om svaret känns osäkert kanske man frågar igen. Kanske öppnar man en annan AI-tjänst och ber om en second opinion.
I det här fallet såg arbetsgången lite annorlunda ut.
AI:n hade fått tillgång till ett utvecklingsprojekt där den kunde läsa kod, undersöka loggar och föreslå förändringar. Den kunde också, när det behövdes, be en annan AI-modell att granska en avgränsad del av arbetet.
Det började med en ganska vag felbeskrivning.
Något fungerade ibland inte riktigt som förväntat. Det verkade kunna handla om timing, men ingen visste exakt var problemet låg.
AI:n började därför undersöka vad som faktiskt hade hänt.
Den jämförde loggar med kodens beteende och hittade så småningom ett möjligt mönster: systemet verkade först identifiera rätt händelse, men försökte lite senare identifiera samma sak igen i ett gränssnitt som under tiden kunde ha förändrats.
En möjlig lösning började växa fram.
Och den såg väldigt rimlig ut.
Det är ungefär där det intressanta hände.
AI:n gick inte direkt vidare och föreslog att koden skulle ändras.
I stället använde den på eget initiativ möjligheten att kalla in en annan AI-modell.
Ingen människa hade bett den göra det.
Ingen hade sagt att en second opinion behövdes.
Beslutet uppstod som en del av själva problemlösningen.
Den andra AI:n fick inte uppgiften att hitta på en egen lösning från början. Den fick i stället granska den första AI:ns resonemang och försöka hitta svagheter i det.
Här är vad jag observerade.
Här är vad jag tror händer.
Här är lösningen jag tänker föreslå.
Vad har jag missat?
Det är en liten men ganska viktig skillnad mot hur AI oftast används i dag.
Normalt är människan projektledaren för varje enskilt steg.
Människan frågar en AI.
Människan bedömer svaret.
Människan bestämmer om en annan AI ska frågas.
Människan kopierar kanske svaret mellan systemen och ber dem jämföra varandra.
Här blev människans roll mer övergripande.
Människan hade fortfarande kontroll över projektet och över vilka förändringar som faktiskt fick genomföras, men behövde inte detaljstyra själva analysprocessen.
”Jag har kommit ganska långt i mitt resonemang, men just därför finns det ett värde i att någon annan försöker slå hål på det.”
Det betyder inte att AI:n plötsligt blivit självständig i någon science fiction-bemärkelse.
Den hade fått tillgång till vissa verktyg och arbetade fortfarande inom tydliga gränser.
Men sättet verktygen användes på var annorlunda.
Det var inte bara en språkmodell som svarade på frågor.
Det liknade mer en utvecklare som, mitt under en felsökning, säger till en kollega:
”Kan du titta på det här? Jag tror att jag har hittat orsaken, men jag vill veta om du ser något jag missar.”
Och kanske är det just där skillnaden ligger.
Inte i att två AI-modeller kan prata med varandra.
Det kan man åstadkomma ganska enkelt.
Det intressanta är när den första modellen själv kan avgöra att ett andra perspektiv är användbart, välja att hämta in det och formulera vilken sorts granskning den behöver.
Då förändras människans roll en aning.
Från att styra varje fråga till att styra mål, gränser och beslut.
Och AI:n börjar i större utsträckning organisera själva vägen mellan problemet och svaret.