Andrej Karpathy mener den offentlige forståelsen av kunstig intelligens henger langt etter utviklingen i de ledende KI-laboratoriene. I et innlegg på X beskrev han gapet som en «skarp trakt»: Mange har knapt testet en språkmodell, mens en svært liten gruppe arbeider med systemer som ikke er tilgjengelige for offentligheten.
Karpathys eget anslag er at rundt seks milliarder mennesker knapt har brukt en stor språkmodell. Mellom én og to milliarder bruker gratis chatboter mer sporadisk, mens om lag 20 millioner profesjonelle brukere – særlig innen matematikk og programmering – har sett KI-agenter løse oppgaver som tidligere kunne ta uker eller måneder. Helt i toppen plasserer han rundt 5.000 personer med tilgang til interne KI-systemer ved de fremste laboratoriene.
Poenget er ikke at akkurat 5.000 er et presist, etterprøvbart tall. Karpathy har ikke lagt fram en undersøkelse eller datagrunnlag som dokumenterer inndelingen. Tallene bør derfor leses som et bilde på ulik tilgang til datakraft, modeller, verktøy og ekspertise – ikke som en offisiell oversikt over hvem som faktisk har tilgang til de kraftigste systemene.
Likevel støttes deler av hovedbildet av andre undersøkelser. Stanford Universitys AI Index viser at generativ KI har fått rask utbredelse, men at bruk og gevinst varierer betydelig. I 2025 rapporterte 88 prosent av virksomhetene i undersøkelsen at de brukte KI, mens bruk av KI-agenter fortsatt var på et tidlig stadium i de fleste arbeidsfunksjoner. Rapporten peker også på at uavhengig evaluering blir vanskeligere når laboratoriene deler mindre informasjon om modellene sine.
Data fra KI-selskapene peker i samme retning: Teknologien blir bredere tilgjengelig, men den dype bruken samler seg hos et mindretall. OpenAI har rapportert at virksomheter med høyest KI-bruk benytter langt mer avanserte arbeidsflyter enn typiske selskaper, særlig der systemene får tilgang til verktøy, bedriftskontekst og flertrinnsoppgaver. Anthropic beskriver på sin side en utvikling fra korte samtaler til langvarige, agentbaserte arbeidsoppgaver i tjenester som Claude Code og Cowork.
Det gir Karpathys påstand en praktisk betydning: Forskjellen mellom å be en chatbot oppsummere en tekst og å la en KI-agent arbeide gjennom et komplekst programmerings- eller analyseprosjekt kan være stor. Samtidig betyr ikke tilgang til et kraftigere system at resultatene alltid er korrekte, trygge eller klare til bruk uten menneskelig kontroll. Stanford peker blant annet på at produktivitetsgevinstene er størst i strukturerte oppgaver der resultatene er enkle å kontrollere.
For arbeidsgivere, myndigheter og utdanningsinstitusjoner er utfordringen derfor todelt: Flere må få praktisk erfaring med moderne KI-verktøy, men innføringen må også skje med kompetanse, kvalitetssikring og tydelig ansvar. Karpathys «5.000»-anslag er usikkert, men det setter søkelys på et reelt spørsmål: Hvor stor blir avstanden mellom dem som bare prøver KI, og dem som faktisk bygger arbeid og tjenester rundt den?