Den Europæiske Union opererer i øjeblikket under en farlig strategisk modsigelse: Man forsøger at hævde sig som verdens førende regulatoriske fæstning på det digitale område, men er fortsat fundamentalt afhængig af ikke-europæiske aktører, når det gælder det 21. århundredes centrale beregningsmæssige og kognitive infrastruktur. Denne dybe asymmetri har henvist kontinentet til en status som teknologisk koloni. I et forsøg på at beskytte sine værdier lovgiver Europa aggressivt om brugen af IT-værktøjer, som kontinentet fundamentalt set hverken ejer, kontrollerer eller forstår på det grundlæggende arkitektoniske niveau. Kernebudskabet i denne hvidbog er utvetydigt: Europæisk ejerskab af frontier-AI er en absolut og ufravigelig forudsætning for EU's makroøkonomiske overlevelse, geopolitiske uafhængighed og demokratiske integritet.
Truslen fra denne afhængighed er ikke en teoretisk fremskrivning; den blev en alvorlig operationel realitet i juni 2026, da den amerikanske regering udstedte et pludseligt eksportkontroldirektiv, der tvang Anthropic til at deaktivere global adgang til deres mest avancerede modeller (Fable 5 og Mythos 5) for alle udenlandske statsborgere i løbet af blot 90 minutter. Den enestående begivenhed udpenslede faren ved "API-vasalitet": Europas digitale økonomi og kognitive infrastruktur kan afbrydes fuldstændigt fra den ene dag til den anden af et udenlandsk dekret – uden varsel, uden retsmidler og uden appelmulighed. Et kontinent kan ikke opbygge en konkurrencedygtig og robust digital fremtid, hvis dets fundament kan udslettes på halvanden time.
Europas underpræsterende position forværres af kontinentets udbredte misforståelse af, at AI-kapløbet definitivt er tabt til etablerede hyperscalers i Silicon Valley og statsstøttede virksomheder i Beijing. Denne opgivende holdning bygger på en fundamental misforståelse af den underliggende udvikling inden for machine learning-arkitektur. Det nuværende dominerende paradigme, Large Language Models (LLM’er) eller sprogmodeller på dansk, som er baseret på autoregressiv forudsigelse af tokens, nærmer sig et strukturelt og kognitivt loft. Mens disse modeller besidder en hidtil uset kapacitet for mønsterefterligning, flydende sprogbrug og tekstgenerering, viser stringente tekniske evalueringer en tydelig og fatal mangel på ægte eksekutive funktioner, kausal ræsonnering, langsigtet planlægning og evnen til at holde styr på kontekst over tid. Den forestående mætning af LLM-paradigmet giver Europa en afgørende, men flygtig geopolitisk åbning. Overgangen til post-LLM-arkitekturer – specifikt agentisk AI og "World Models" – kræver en fundamental nulstilling inden for datalogi, algoritmisk design og dataarkitektur, og det paradigmeskifte udligner den algoritmiske spilleplade. Europa behøver ikke at kaste sig ud i et udsigtsløst, kapitalintensivt forsøg på at indhente forspringet ved at bygge forældede, statistiske ordprædiktorer, der er ved at blive overhalet. Mens EU systematisk skal lukke det strukturelle efterslæb inden for rå compute-hardware, udgør det forestående skift i softwarearkitektur en enestående mulighed. Ved at mobilisere kapital med venture-hastighed og prioritere agil compute-infrastruktur kan EU omgå de nuværende softwaremonopoler, overhale de etablerede fremmede aktører og pionere den næste generation af kognitive systemer.
For at opnå det må EU ændre sit perspektiv på kunstig intelligens fra at være et standard IT-indkøbsspørgsmål til at være et fælles makroøkonomisk og forsvarsmæssigt mandat. Suveræn frontier-AI er den eneste mekanisme, der er i stand til at neutralisere kontinentets systemiske produktivitetskrise og dets truende demografiske kollaps. Hvis det ikke lykkes at sikre den kognitive motor, vil det ikke blot cementere Europas status som en "API-vasal", underlagt fremmede regeringers ensidige eksportkontrol, men det vil også garantere en langsom, irreversibel svækkelse af den europæiske velfærdsstat og dens demokratiske suverænitet. Illusionen om, at man kan regulere sig til teknologisk overherredømme skal bristes, og Europa skal til at bygge.
Kunstig intelligens har overskredet sin oprindelige kategorisering som et supplerende digitalt værktøj eller en ny softwareapplikation, og har slået sig fast som den moderne globale økonomis grundlæggende kognitive infrastruktur. Integrationen af generativ AI på arbejdsmarkedet er nået langt forbi teoretiske fremskrivninger og er aktivt ved at omstrukturere, hvordan værdi produceres, ledes, struktureres og skaleres i virksomheder. Nylige empiriske analyser understreger dybden og hastigheden af transformationen.
En omfattende undersøgelse foretaget af forskere på Harvard Business School1, som analyserede et næsten altomfattende datasæt af amerikanske jobopslag, påviser, at AI fundamentalt omstrukturerer kompetencekrav og arbejdskraftefterspørgsel på virksomhedsniveau. Undersøgelsen afslører en markant, heterogen effekt på arbejdsstyrken: Virksomheder oplevede et fald på 17 % i jobopslag per kvartal for automatiseringsudsatte erhverv (roller, der er stærkt afhængige af strukturerede, automatiserbare kognitive opgaver) i kølvandet på den udbredte introduktion af generativ AI. Samtidig steg efterspørgslen efter "augmenteringsudsatte" erhverv (roller, der kræver komplekst menneske-AI-samarbejde) med 22 %.
Det er afgørende, at den kognitive automatisering ikke er begrænset til repetitive arbejdsprocesser eller administrative funktioner. Den spreder sig med hastige skridt til den absolutte top inden for virksomhedsstyring og strategisk eksekvering. En global undersøgelse fra IBM fra maj 20262, der adspurgte 2.000 administrerende direktører, afslører en hurtig omstrukturering af topledelsen for at imødekomme en "AI-first"-driftsmodel. Resultaterne er slående i deres implikationer for virksomhedsledelse: 64 % af de administrerende direktører bruger nu aktivt AI til at træffe store strategiske beslutninger, og 76 % af organisationerne har udnævnt en Chief AI Officer. Det udgør en direkte og foruroligende udfordring for konventionelle driftsmodeller, da de globale ledere forudser, at 48 % af alle kodificerbare operationelle beslutninger inden 2030 vil blive truffet udelukkende af AI uden menneskelig indblanding – en næsten fordobling af den nuværende andel på 25 %. Desuden udtalte 83 % af de adspurgte ledere, at AI-suverænitet er afgørende for deres overordnede strategi.
Hvis næsten halvdelen af alle operationelle virksomhedsbeslutninger og betydelige dele af det kognitive frontlinjearbejde kanaliseres gennem kunstig intelligens i løbet af det næste halve årti, vil de geopolitiske implikationer for Europa være alvorlige. Et samfund, der er afhængigt af udelukkende offshore AI-modeller til at eksekvere sin forretningslogik, styre sine industrielle arbejdsgange og understøtte sine ledelsesbeslutninger, er et samfund, der frivilligt har outsourcet sit centralnervesystem. Og denne systemiske sårbarhed er fuldstændig uafhængig af, hvordan teknologien i sidste ende udvikler sig.
Makroøkonomiske teoretikere debatterer ofte den langsigtede udvikling for machine learning og deler sig i to modstående lejre: hypotesen om augmentering (hvor AI fungerer som et hyperproduktivt supplerende værktøj til menneskelig arbejdskraft) og hypotesen om substitution (hvor avancerede agentiske systemer erstatter alt ikke-fysisk, informationsbehandlende kognitivt arbejde). Men under begge paradigmer er det funktionelt og matematisk umuligt at forsøge at konkurrere globalt uden suveræn frontier-AI:
Så i sidste ende er debatten mellem augmentering og substitution en teoretisk sondring uden praktisk betydning for det europæiske projekt. Uanset om AI manifesterer sig som et digitalt exoskelet, de europæiske arbejdere skal iføre sig, eller som en autonom agent, der erstatter dem, så vil den manglende evne til at sikre suverænt ejerskab over teknologiens absolutte front garantere en hurtig og irreversibel økonomisk marginalisering af EU.
Beslutningstagere skal forstå, at et teknologisk efterslæb inden for kunstig intelligens ikke skalerer lineært. Fordi avancerede modeller aktivt bruges til at accelerere virksomheders R&D, lave software og optimere logistik, resulterer to års efterslæb i modelkapacitet i et eksponentielt efterslæb i økonomisk innovation. Europæiske virksomheder, der kører på modeller, som er to generationer bagud, vil rent matematisk være ude af stand til at matche de eksponentielle innovationscyklusser hos deres globale konkurrenter.
Dette ikke-lineære AI-underskud rammer Europa i præcis det øjeblik, hvor kontinentet allerede befinder sig i en systemisk produktivitetskrise, der direkte truer fundamentet for dets langsigtede velstand. Mario Draghis skelsættende rapport3 om fremtiden for europæisk konkurrenceevne blotlægger de strukturelle barrierer, der hæmmer kontinentet. På grund af en "statisk industristruktur", der historisk har koncentreret kapital i modne, langsomt voksende teknologier, og samtidig har fejlet i at inkubere digitale vækstsektorer, gik Europa i høj grad glip af den digitale revolution. I dag er blot 4 ud af de 50 største globale teknologivirksomheder europæiske, mens 36 er amerikanske.
De makroøkonomiske konsekvenser er yderst synlige og dybt bekymrende: Mellem 1996 og 2024 var den gennemsnitlige årlige reale BNP-vækst i EU på blot 1,6 % sammenlignet med USA's 2,5 % og Kinas 8,3 %4. Denne voksende kløft i den samlede faktorproduktivitet betyder, at de europæiske husholdninger aktivt betaler prisen i form af tabt levestandard; siden år 2000 er den reale disponible indkomst per indbygger vokset næsten dobbelt så hurtigt i USA som i EU. Draghis analyse slår eksplicit fast, at hvis EU blot fastholder sin gennemsnitlige produktivitetsvækst siden 2015, vil det kun være tilstrækkeligt til at holde BNP konstant frem til 2050. Og stagnationen indtræffer netop på det tidspunkt, hvor blokken står over for massive nye investeringsbehov til den grønne omstilling og geopolitisk forsvar.
Som en yderligt forværrende faktor til produktivitetsstagnationen kommer et alvorligt, forestående demografisk kollaps. Frem mod 2040 forventes befolkningen i den arbejdsdygtige alder i eurozonen at skrumpe med ca. 6,4 %5, hvorimod den forventes at vokse med 2-5 % i USA6. Økonomiske estimater fra Morgan Stanley indikerer, at den demografiske krise kan barbere cirka 4 % af eurozonens BNP. Europa er simpelthen ved at løbe tør for arbejdstagere til at opretholde sine økonomier, drive sine industribaser og finansiere sine omfattende sociale velfærdsmodeller. I denne kontekst ophører udrulningen af suveræn AI med at være en valgfri industripolitik og bliver en sine qua non for at bevare den europæiske velfærdsstat.
Draghi-rapporten identificerer eksplicit "vertikal integration" af AI i strategiske europæiske industrier (såsom lægemidler, avanceret fremstilling og sundhedsvæsen) som en presserende prioritet for at modvirke de demografiske og produktivitetsmæssige underskud. Og den makroøkonomiske teori bliver allerede omsat til aggressiv national politik på medlemsstatsniveau. Den danske regering har i regeringsgrundlaget7 opstillet en konkret og ambitiøs målsætning: at udnytte kunstig intelligens til at frigøre 50 millioner timer (svarende til mindst 30.000 årsværk (FTE'er)) på tværs af den offentlige sektor frem mod 2035. Med en aldrende befolkning og alvorlig mangel på arbejdskraft i velfærdsydelserne anerkender den danske strategi, at avanceret AI-automatisering er den eneste matematiske løsning for at opretholde det offentlige serviceniveau. Men at opnå en effektiviseringsgevinst på 30.000 årsværk kræver en dyb integration af AI i følsom sagsbehandling, dokumenthåndtering og borgerkontakt. Men at eksekvere denne vitale overgang via importerede, udenlandske 'black-box'-modeller udgør uacceptable risici i forhold til datasuverænitet, privatlivsbeskyttelse og kontinuerlig operationel pålidelighed.
Ud over grundlæggende økonomisk effektivitet og produktivitetsmålinger er stræben efter europæisk frontier-AI fundamentalt set et spørgsmål om kognitiv suverænitet. Ægte suverænitet i det 21. århundrede dikterer, at en geopolitisk enhed skal eje de kognitive motorer, der syntetiserer, filtrerer, genererer og opsummerer information for sine borgere og virksomheder. Når den europæiske offentlige sektor, dens erhvervsledere og dens borgere stoler på udenlandske modeller til at behandle deres data, underkaster de sig implicit de 'alignment'-protokoller, kulturelle skævvridninger, privatlivsstandarder og politiske sikkerhedsfiltre (guardrails), der er indkodet af ikke-europæiske ingeniører. En model trænet i Californien eller Beijing bærer sine skaberes implicitte normative værdier, juridiske fortolkninger og verdenssyn. At importere disse modeller betyder, at man importerer udenlandske kulturelle parametre i selve den software, der skal udforme europæisk lovgivning, dømme europæiske juridiske kontrakter og vejlede europæiske studerende. For at bevare sine demokratiske værdier skal Europa sikre, at det kognitive lag, der filtrerer dets virkelighed, er afstemt efter netop europæiske værdier.
At basere sig på udenlandsk infrastruktur kompromitterer den grundlæggende økonomiske sikkerhed. Et kontinent kan ikke hævde at være uafhængigt, hvis de kognitive motorer, der driver dets mest kritiske infrastruktur, ensidigt kan overvåges, neddrosles, ændres eller fuldstændig afbrydes af en fremmed regering eller en privat oversøisk bestyrelse. For at bevare sin demokratiske frihed og sin unikke sociale velfærdsmodel skal Europa sikre, at samfundets intelligenslag bygges, ejes og drives udelukkende inden for dets egne grænser.
Historisk set blev udenlandsk-ejet infrastruktur sjældent anlagt for at gavne den lokale befolkning. Den var derimod designet som højt optimerede logistiske netværk med det formål at udvinde lokale ressourcer, som fx de koloniale jernbaner i det 19. århundredes Kina. Europas nutidige afhængighed af ikke-europæiske AI-modeller spejler denne historiske infrastrukturimperialisme med skræmmende præcision.
I dag fungerer europæiske enterprise SaaS-virksomheder og cloud-integratorer, der reelt blot sælger udenlandske API'er i ny indpakning, som mellemmænd i en massiv velstandsoverførsel. Ligesom de imperiale jernbaner i sin tid drænede lande for fysiske råvarer, udvinder de udenlandske sprogmodeller (LLM'er) den moderne æras mest værdifulde ressource: data. Hver gang en europæisk virksomhed kører et proprietært datasæt eller en kompleks strategisk beslutning igennem en amerikansk eller kinesisk model, høstes der europæiske data for at træne, forfine og udbygge et oversøisk monopols teknologiske forspring. Europa ender med at hænge på de fysiske infrastrukturomkostninger til energi, datacenterbyggeri og båndbredde, mens den intellektuelle ejendomsret og kognitive kapital kontinuerligt trækkes ud. Det fastlåser kontinentet i en permanent tilstand af teknologisk underkastelse.
Oliekrisen i 1973 udstillede den fatale makroøkonomiske sårbarhed ved at outsource et fundamentalt økonomisk input til et eksternt kartel. Fordi kunstig intelligens er den intellektuelle tidsalders elektricitet og olie, udgør Europas afhængighed af fremmed AI en risiko for en pludselig og katastrofal kognitiv embargo mod Europa.
Hvis Europas hospitaler, finansielle institutioner, elnet og offentlige forvaltninger bliver strukturelt afhængige af ikke-europæiske AI-systemer for at kunne fungere, eksponerer kontinentet sig selv for en digital krise a la 1973. "Kartellet" i denne sammenhæng er en håndfuld hyperscale tech-giganter i Silicon Valley eller statsstyrede virksomheder i Beijing. Et pludseligt skift i udenrigspolitik, en ændring i virksomheders servicevilkår eller en geopolitisk konflikt kan resultere i en øjeblikkelig neddrosling eller fuldstændig afbrydelse af Europas kognitive infrastruktur. Den økonomiske lammelse ville indtræffe øjeblikkeligt.
Der hersker en udbredt og skadelig misforståelse på Europas politiske og regulatoriske gange om at Europa allerede har tabt AI-kapløbet permanent til etablerede hyperscalers. Denne selvopgivende logik antager, at de massive kapitalvoldgrave, der er bygget op omkring det nuværende dominerende AI-paradigme (LLM’er), er uoverkommelige. Men logikken bygger på en fundamental misforståelse af udviklingen inden for machine learning-arkitektur. LLM’er rammer nemlig et hårdt, strukturelt kognitivt loft. Fordi de grundlæggende er baseret på autoregressiv token-prædiktion, optimerer de udelukkende på at forudsige det statistisk mest sandsynlige næste ord, og selvom det resulterer i exceptionel mønsterefterligning og sproglig formuleringsevne, viser stringente tekniske beviser, at LLM’er mangler ægte eksekutive funktioner, kausal ræsonnering, langsigtet planlægning og evnen til at fastholde kontekst (persistente tilstande). Denne strukturelle mangel er valideret på tværs af både neuropsykologiske og algoritmiske benchmarks:
For at forstå den umiddelbare, praktiske konsekvens af det tekniske loft behøver beslutningstagere blot at se på den danske regerings mål om at frigøre 30.000 årsværk i den offentlige sektor. Det eksistentielle makroøkonomiske mål kan ikke opnås blot ved at rulle chatbots ud der kan lave udkast til e-mails eller opsummere PDF-filer – altså præcis de opgaver, som nuværende LLM’er excellerer i.
At opnå en effektiviseringsgevinst på 30.000 årsværk kræver automatisering af dyb, kompleks sagsbehandling. Det kræver en AI-agent, der er i stand til at navigere i juridiske flertrins-arbejdsgange, spore en borgers ansøgnings status på tværs af forskellige offentlige forvaltninger over en lang tidshorisont, samt at udføre langsigtet planlægning uden at kræve konstant menneskelig indgriben for at korrigere dens logik. Fordi nuværende autoregressive LLM’er fundamentalt mangler evnen til ægte ræsonnering og tilstandsbevarelse, er ethvert forsøg på at bygge en fuldt automatiseret offentlig sektor på et LLM-fundament matematisk dømt til at fejle.
Selv ledende skikkelser inden for frontier-laboratorier, som Google DeepMind’s CEO, anerkender konsekvent13, at autoregressive LLM’er ikke er den endelige løsning til Artificial General Intelligence (AGI). Første halvleg af AI-kapløbet er ved at være slut. Paradigmet nulstilles nu og bevæger sig i retning mod "World Models" og ægte agentisk intelligens. En World Model er en arkitektur der er designet til at lære de indre mekanismer, logiske regler og kausale dynamikker i sit miljø, hvilket muliggør ægte kausal ræsonnering og langsigtet planlægning. Fordi det kræver et fundamentalt skifte i selve modelarkitekturen (fra tekstforudsigelse til latent tilstandsdesign), udjævnes den globale spilleplade. Europa behøver ikke at deltage i et i forvejen tabt kapløb om at bygge forældede statistiske tekstgeneratorer, der allerede er ved at blive overflødige. Hvis EU i dag investerer massivt i denne næste bølge af post-LLM-arkitekturer, har unionen en kortvarig mulighed for at overhale de udenlandske afhængigheder og pionere en førende, suveræn og højtydende intelligensinfrastruktur. Det er afgørende for beslutningstagere at forstå, at denne 'overhaling' udelukkende gælder modelarkitekturen, ikke den fysiske compute-kraft. USA og Kina opretholder et massivt strukturelt forspring inden for datacentre og silicium. En overlegen og yderst effektiv post-LLM-arkitektur kan imidlertid drastisk reducere den samlede mængde compute, der kræves for at opnå frontier-intelligens, hvilket gør det muligt for Europa at udmanøvrere de etablerede aktører teknologisk, samtidig med at den fysiske hardwareuafhængighed opbygges.
Historien viser, at når Europa står over for en uacceptabel geopolitisk risiko, kan kontinentet stå sammen om at bygge suveræn infrastruktur i verdensklasse. I slutningen af 1990'erne, i erkendelse af faren ved at være afhængig af det amerikanske militærs GPS, mobiliserede EU sig for at skabe Galileo-konstellationen. Selv under et enormt udenlandsk pres fra USA holdt Europa fast og byggede et civilt kontrolleret system, der i dag overgår sin amerikanske pendant. Galileo beviser, at når truslen om teknologisk vasalitet bliver ubestridelig, så kan EU mobilisere den kapital og det strategiske fodslag, der er nødvendigt for at skabe suveræn digital infrastruktur, som overgår globale standarder. Risikoen for kognitiv vasalitet udgør nøjagtig det samme geopolitiske ultimatum, og skiftet til post-LLM-arkitekturer er Europas flygtige mulighed for at undgå det.
For at udnytte paradigmeskiftet og sikre kognitiv suverænitet må Europa eksekvere en flerstrenget strategi, der kombinerer lokaliseret agilitet med kontinental skala, og som samtidig aggressivt undgår de bureaukratiske fælder, der historisk set har begrænset europæiske teknologinitiativer. Europa skal skabe et dynamisk, samarbejdende økosystem af AI-laboratorier – en smeltedigel, hvor intens konkurrence og fælles innovation kontinuerligt skubber hele kontinentet mod den teknologiske front.
Danmark, med sin højt digitaliserede offentlige sektor og ambitiøse mål i regeringsgrundlaget, er unikt positioneret til at fungere som spydspids for udbredelsen af europæisk AI. For at opnå effektiviseringsgevinsten på 30.000 årsværk skal Danmark implementere aggressive, nationale politikker:
På kontinentalt niveau skal EU udnytte sin skala til at tilvejebringe den kapital og regulatoriske smidighed, der er nødvendig for, at frontier-laboratorier kan skalere og innovere. Mens realiseringen af kapitalmarkedsunionen – herunder klassificeringen af forsikringsselskabers og pensionskassers investeringer i AI som "langsigtet egenkapital" – er en strukturel nødvendighed, kræver den akutte geopolitiske virkelighed, at EU eksekverer en række hurtige, højeffektive tiltag, som kan implementeres øjeblikkeligt:
For at få succes skal Europa aflære sine værste industrielle vaner og anerkende den alvorlige, advarende historie i sin egen bureaukratiske fortid. Mens Galileo-projektet beviste den europæiske ingeniørformåen, blev dets udvikling amputeret af strukturelle fejl i tværnationale projekter, som stadig eksisterer i "Airbus-modellen". Denne models prioritering af 'juste retour' over teknologiske meritter og hastighed resulterer i stærkt fragmenterede forsyningskæder, overlappende jurisdiktioner, endeløse retssager og lange forsinkelser.
I etableringen af suveræn AI-infrastruktur har Europa ikke råd til en ny Airbus- eller Galileo-tidslinje. AI-landskabet udvikler sig over måneder, ikke årtier. For at undgå denne bureaukratiske fælde skal EU nøje overholde følgende principper:
Det 21. århundredes geopolitiske virkelighed dikterer, at compute-kraft og kognitiv arkitektur er de ultimative determinanter for europæisk suverænitet. Suveræn europæisk AI kan ikke længere adskilles fra standarddebatterne om IT-udgifter; det må anerkendes som et stramt dobbeltmandat.
For det første er det den uundværlige økonomiske motor. Som Draghi-rapporten og de demografiske data beviser, står Europa over for en æra med faldende arbejdsstyrker og stagnerende produktivitet. Europæisk frontier-AI er den ultimative, og måske eneste, katalysator, der er i stand til at frigøre den geometriske BNP-vækst, der er nødvendig for at bevare finanspolitisk holdbarhed, eksekvere på den grønne omstilling og opretholde det offentlige velfærdssystem midt i en alvorlig demografisk krise.
For det andet er det det ultimative forsvarsskjold. Den vilkårlige afbrydelse af adgangen til Anthropics modeller i juni 2026 beviste, at det at basere sig på udenlandske API'er svarer til en ensidig afvæbning. At bygge suveræn AI er en ufravigelig strategisk investering for at sikre Europas kognitive grænser, beskytte dets demokratiske værdier mod udenlandsk algoritmisk værdiafstemning ('alignment') og forhindre total geopolitisk vasalitet.
Large Language Model-æraen lakker mod enden, og kapløbet om agentisk AI er begyndt. Europa har talentet, kapitalen og et flygtigt vindue til at sikre, at kontinentet ikke træder ind i det næste århundrede som en reguleret teknologisk koloni, men som en kognitiv stormagt.
---
Referencer:
[1] Harvard Business School: Displacement or Complementarity? The Labor Market Impact of Generative AI
[2] IBM’s Global C-suite Series: Rewiring the C-suite
[3] Draghi Rapporten
[4] World Bank GDP growth database
[5] Morgan Stanley's demographic and macroeconomic estimates for the eurozone
[6] Brookings Institution's analysis of U.S. Census Bureau projections
[7] Det politiske grundlag for firkløverregeringen
[9] ARC-AGI-3: A New Challenge for Frontier Agentic Intelligence
[11] Program-of-Thought Reveals LLM Abstraction Ceilings
[12] PlanBench-XL: Evaluating Long-Horizon Planning of LLM Tool-Use Agents in Large-Scale Tool Ecosystems
[13] The future of intelligence | Demis Hassabis (Co-founder and CEO of DeepMind)
