AI-företag tävlar om att automatisera allt, till exempel att skriva kod, skapa bilder, schemalägga annonser och sammanfatta möten. Men när dessa system blir bättre, blir deras påverkan på mänskligt arbete svårare att ignorera. Flera experter varnar nu för att generativ AI kan leda till en stor jobbförlust som sker snabbare och djupare än vad de flesta ekonomier är redo för.
Istället för att stå emot framtiden satsar en kryptoplattform på en annan väg. Om automatisering är oundviklig, borde också ägande vara det.
Action Model har nu lanserat en Chrome-tillägg, endast för inbjudna, där användare kan träna ett AI-system genom att dela verkliga webbläsaraktiviteter som klick, navigeringsvägar, textinmatning och arbetsflöden. Plattformen kallar detta en Large Action Model (LAM) som kan lära sig att utföra digitala arbetsuppgifter, inte bara skapa innehåll. Deltagare får poäng som senare kan bytas mot LAM-govrenancetokens, vilka ska representera rätt att delta i hur systemet utvecklas.
“Om AI ska ersätta digitalt arbete borde arbetarna äga de maskiner som tar över,” säger Action Model-grundaren Sina Yamani.
Träna AI:n som gör jobbet
Till skillnad från chatbot-modeller som bara genererar innehåll, är LAM skapade för att styra program direkt. Idén är enkel: om en människa kan göra en digital uppgift med mus och tangentbord, ska en tränad AI-agent också kunna göra det.
“De senaste åren har det handlat om chatbottar. Nu gäller automatisering,” säger Yamani. “Cirka en miljard personer arbetar vid dator. Om ett företag får ett verktyg som gör samma jobb dygnet runt för en bråkdel av kostnaden, kommer de att använda det.”
Action Model-tillägget samlar in användargodkända beteendedata för att träna AI. Uppgifter som att skicka in löner, hantera CRM-poster eller utföra grundläggande operationer kan registreras en gång och sedan upprepas av modellen. Deltagare kan publicera automatiseringar i en öppen marknadsplats där användning spåras och belönas enligt plattformens incitamentsmodell.
Agentiska AI-system blir allt vanligare i branschen eftersom modeller nu går från innehållsskapande till självständigt arbete. Dessa system, beskrivna i denna guide, samlar in och agerar på användardata och lär sig hur de själva ska navigera i digitala miljöer.
Plattformen lockar redan över 40 000 användare via väntelistor, inbjudningar och partnersamarbeten. Tillgång ges bara till inbjudna för att säkerställa kvalitet och belöna tidiga deltagare.
Hur skiljer sig detta från befintliga automatiseringsverktyg?
De flesta automationsverktyg bygger på API:er eller fasta integrationer. Men mycket av verkligt digitalt arbete sker i äldre system, interna kontrollpaneler och verktyg som inte är gjorda för att automatiseras.
“Zapier automatiserar program. Vi automatiserar arbete,” säger Yamani. “Ungefär 2 % av internet är tillgängligt via API:er. De övriga 98 % kräver fortfarande mänsklig interaktion.”
Action Model gör att användare slipper koda eller hantera integrationer. De spelar bara in hur de gör en uppgift så lär sig AI att upprepa dessa arbetsflöden självständigt.
Detta gör Action Model flexibel nog att fånga upp undantag och arbetsflöden som vanliga system inte hittar.
Hur är det med integriteten?
All träning kräver aktivt godkännande, och användare bestämmer vilka data som delas. Känsliga sidor som e-post, hälsa och bank blockeras automatiskt. Användare kan pausa träningen, blockera vissa domäner eller ta bort insamlingar helt.
“Vår första princip är enkel. Vi behöver inte dina data. Vi behöver bara mönster,” säger Yamani. “Träningsdata behandlas lokalt och anonymiseras innan de används i modellen.”
Borttagna data försvinner för alltid och kan inte återskapas, inte ens av företaget. Bidrag samlas med data från andra användare och k-anonymitet används för att skydda individer. En kontrollpanel låter deltagare se och hantera sin träningshistorik och belöningar när de vill.
“Medan Big Tech samlar sådan data utan riktig medverkan, är vi öppna, användarstyrda och belönar de som tränar AI på riktigt,” säger Yamani.
Kan bottar lura systemet?
För att undvika problem som tidigare krypto-belöningssystem haft, använder Action Model beteendeanalys för att verifiera verklig användarinteraktion. Systemet letar efter struktur, tider, variation och beslutsfattande — sådant som bottar och klickfarmar inte kan fejka lätt.
“Tanklöst klickande är nästan värdelöst,” säger Yamani. “Riktiga arbetsflöden innehåller avsikt, pauser, rättningar, försök igen och beslut. Du kan inte fejka det i stor skala.”
Andra projekt som belönade social aktivitet eller inlägg har nyligen bannlysts från stora plattformar när mängder av AI-spam, svarsbottar och falska interaktioner skapades. API-åtkomst togs därför bort och token-system kollapsade när lågkvalitetsaktivitet tog över.
ActionFi, plattformens belöningssystem, är byggt för att slippa det problemet. Det ger inte betalt för tweets eller klick. Det belönar bara verifierade arbetsflöden som återspeglar riktiga, strukturerade arbetsinsatser.
“Vi betalar inte för brus. Vi betalar för användbara vägar,” säger Yamani.
Vem äger egentligen systemet?
I dag kontrollerar Action Model själva tillägget, träningslogiken och belöningssystemet. Men projektet har lovat att överföra ägandet av LAM-tokens till användarna med tiden. En DAO-struktur ska så småningom göra det möjligt för deltagarna att styra plattformsbeslut, incitament och modellutrullning.
“Tidiga system behöver samordning. Det viktiga är om det är centraliserat eller inte,” säger Yamani.
Om det blir som utlovat, får tokeninnehavare inflytande över beslut för infrastrukturen som baseras på deras genererade data.
Om AI är oundvikligt, kan ägande också vara det?
Nästa generations AI bygger inte bara på språk, utan på arbete. Från kontorsuppgifter till drift – många saker som sker bakom en skärm kan nu göras av smarta agenter.
“Du har hört att miljoner skärmbaserade jobb ska automatiseras. Det är inte decennier bort – det händer nu,” säger Yamani. “Om din data tränar AI, borde du äga det som byggs.”
Vi kommer att följa noga om Action Model kan växa, vara öppen och bygga en hållbar ekonomi de närmaste månaderna. Men deras mål är tydligt. Den stora frågan med AI handlar inte bara om vad den kan göra, utan om vem den arbetar för.
När AI förändrar arbetslivet är frågan om framtiden kommer att tillhöra plattformarna eller människorna.
