Andrew Ng er en ledende amerikansk-kinesisk professor på Stanford University som deltok i oppstart av Coursera og DeepLearning.AI. I en bloggpost skriver han om 10x-ingeniøren som aleine bidrar med problemløsning som ellers krever 10 stykker:
.. for mange jobber som primært innebærer å anvende kunnskap eller behandle informasjon, vil KI være transformativt. I enkelte roller begynner jeg å se teknologikyndige individer som koordinerer en rekke teknologiske verktøy for å gjøre ting på nye måter og oppnå, om ikke ennå en 10 ganger så stor effekt, så i det minste en dobling av produktiviteten. Jeg forventer at dette gapet vil vokse.
10x-ingeniører skriver ikke kode 10 ganger raskere. I stedet tar de tekniske arkitekturbeslutninger som gir dramatisk bedre resultater nedover i systemet, de identifiserer problemer og prioriterer oppgaver mer effektivt, og i stedet for å skrive om 10 000 linjer med kode (eller merke 10 000 treningsdata), finner de kanskje ut hvordan de kan skrive bare 100 linjer (eller samle inn 100 eksempler) for å få jobben gjort.
Dette hviler på et teknologisk grunnlag som illustrert med disse grafene fra The Economist 05.02.25. De globale datasentra er konsentrert til USA, Europa og Kina.
Veksten i antall gigawatt el-forbruk vil ventelig fortsette å stige dramatisk gjennom 2025 og 26, i betydelig grad drevet av etterspørselen etter KI-tjenere.
Over noe tid bør akademikere merke seg dette. KI-løsninger slår i særdeleshet inn i tekstproduserende virksomheter. Det vil berøre design og avvikling av studie-programmer der det f.eks. ikke bør være så strengt skille mellom undervisning, eksamen og praksisperioder.
Her er det mange utviklingsarbeider som må defineres og gjennomføres. Det kan gi grunnlag for opprykk i dosentstigen.