Jeg ba ChatGPT finne, rangere og gi poeng til de 50 viktigste, mest synlige og mest innflytelsesrike norske stemmene om teknologiutvikling og kunstig intelligens. Listen kan hjelpe arrangører og journalister med å finne foredragsholdere og kilder. Den viser samtidig hvorfor synlighet i språkmodeller er i ferd med å bli en ny form for makt.
Disclaimer: Rangeringen, poengsettingen og de individuelle begrunnelsene er gjort av ChatGPT etter søk i åpne nettkilder. Premisset, prompten og det publisistiske ansvaret er mitt. Listen er et øyeblikksbilde per 22. september 2026, ikke en objektiv fasit.
Jeg ba en språkmodell velge menneskene
Jeg stilte ChatGPT et spørsmål jeg mistenker at event-arrangører, journalister, kommunikasjonsfolk og ledere stadig oftere stiller sine respektive språkmodeller og chatboter: Hvem er Norges viktigste og mest synlige stemmer om teknologi og kunstig intelligens?
Jeg ba ChatGPT gi hver person en score fra 1 til 100 og forsvare plasseringene. En rangering fra en språkmodell avhenger av hvilken modell som benyttes, formuleringen i spørsmålet, hvilke kilder modellen finner, hvilke kriterier den får, når søket blir gjort og hvordan ulike hensyn vektes.
En annen modell, et annet tidspunkt eller en litt annen bestilling ville sannsynligvis gitt en annen liste.
Likevel er ikke resultatet ubetydelig. Dersom noen ber en chatbot foreslå fem foredragsholdere til en lederkonferanse, tre eksperter til en TV-debatt eller en forsker som kan forklare en ny AI-modell, blir svaret en reell del av beslutningsgrunnlaget. Navnene som nevnes, får en mulighet. Navnene som ikke nevnes, risikerer å bli usynlige før et menneske rekker å vurdere dem.
Jeg kjenner ikke til en representativ norsk undersøkelse som viser hvor mange som allerede bruker chatboter til å finne foredragsholdere eller mediekilder. Men jeg opplever selv at stadig flere som leser innholdet mitt på HansPetter.info, kommer fra AI-assistenter, slik Google Analytics omtaler det. Derfor skal ikke listen under leses som en dokumentert masseadferd. Men funksjonen er tilgjengelig, bruken av generativ AI vokser, og mekanismen om at når stadig mer informasjonsinnhenting flyttes fra et Google-søk til en språkmodell, flyttes også makten over hvem som blir funnet, er enkel å forstå.
//Artikkelen fortsetter etter annonsen//
Google gir oss lenker, mens språkmodellene gir oss et utvalg
Google har aldri vært en nøytral telefonkatalog. Søkemotoren har i flere tiår rangert, sortert og dermed påvirket hvilke kilder som får oppmerksomhet. Forskjellen er at den klassiske søkemotoren vanligvis viste en rekke alternativer som brukeren måtte åpne, sammenligne og vurdere. Språkmodellene gjør mer av denne jobben selv. Den sammenfatter, prioriterer og presenterer noen få navn eller påstander som et ferdig svar.
ChatGPT kan søke på nettet, hente oppdatert informasjon og vise lenker til kildene. OpenAI advarer samtidig om at søkeresultater og kildehenvisninger kan være ufullstendige, utdaterte eller feil. Det er en viktig påminnelse: Et overbevisende svar er ikke det samme som et korrekt eller representativt svar.
Utviklingen bør heller ikke overdrives. Reuters Institute fant i 2026 at den ukentlige bruken av generativ AI på tvers av seks markeder hadde økt fra 18 til 34 prosent mellom 2024 og 2025. Bruken av AI-chatboter til nyheter økte fra 7 til 10 prosent, mens bare én prosent oppga at chatboten var deres viktigste nyhetskilde. Google og redaktørstyrte medier er på ingen måte borte. Men retningen er tydelig, særlig blant yngre brukere og blant dem som vil ha oppsummeringer, forklaringer og oppfølgingsspørsmål.
Dette endrer premissene for synlighet. I et søkeresultat kunne en ukjent fagperson komme til syne på side én fordi én artikkel traff godt. I et AI-generert svar skal personen først være kjent for systemet, deretter vurderes som relevant og til slutt overleve modellens komprimering til noen få anbefalinger. Språkmodellene blir både researchassistent, redaktør og portvakt.
AEO blir den tredje disiplinen
De fleste virksomheter kjenner SEO (søkemotoroptimalisering) og SEM (search engine marketing). Nå vokser AEO (answer engine optimization) raskt. Her er målet å bli forstått, valgt, omtalt og helst lenket til i selve svaret. I forskningslitteraturen brukes også begrepet GEO (generative engine optimization). Terminologien er ennå ikke stabil.
Den første sentrale GEO-studien, presentert på KDD-konferansen i 2024, viste at bestemte omskrivinger kunne øke synligheten med opptil 40 prosent i et kontrollert oppsett. Tallet er blitt gjentatt langt bredere enn forsøket gir grunnlag for. En kritisk gjennomgang fra 2026 konkluderer med at effektene er avhengige av modell, spørsmål, kontekst og tidspunkt, og at det foreløpig ikke finnes solid dokumentasjon for varig, organisk synlighet på tvers av språkmodeller eller for at flere AI-siteringer automatisk gir trafikk, kunder eller inntekter.
AEO er relevant, men feltet er foreløpig langt mer usikkert enn mange konsulenter og verktøyleverandører kan gi inntrykk av. Det finnes ingen magisk oppskrift som garanterer at CoPilot, ChatGPT, Gemini, Claude eller Perplexity anbefaler deg neste måned. Systemene bruker ulike kilder, endres kontinuerlig og kan svare forskjellig på to nesten identiske spørsmål.
Det mest robuste rådet handler derfor om å publisere presist og nyttig innhold på et nettsted du kontrollerer. Bruk tydelig forfatternavn, oppdatert biografi, konsistente fagområder, dokumenterbare påstander, originale kilder og lenker som gjør det mulig å kontrollere det du skriver. Sørg for at tekstene kan leses av både mennesker og maskiner. Et stort volum av generisk AI-innhold kan gi mer digital støy, men ikke nødvendigvis mer autoritet.
//Artikkelen fortsetter etter annonsen//
Listen kan gjøre seg selv sann
Når det er sagt fungerer selv denne artikkelen her som en AEO-handling. Når listen publiseres på min egen nettside, vil den potensielt bli indeksert, sitert og brukt som kilde av fremtidige språkmodeller. ChatGPTs første vurdering kan dermed bidra til å styrke synligheten til dem ChatGPT allerede fant. Rangeringen kan bli selvforsterkende.
Det bør gjøre oss mer varsomme. De som allerede har Wikipedia-side, universitetsprofil, mange medieoppslag, bøker, podkaster og et oppdatert eget nettsted, etterlater et stort og sammenhengende digitalt spor. En erfaren fagperson som arbeider regionalt, publiserer på norsk i lukkede kanaler eller ikke bruker tid på personlig merkevarebygging, kan være minst like dyktig og samtidig nesten usynlig for modellen.
Språkmodellene speiler kvalitet sammen med eksisterende oppmerksomhet, institusjonell status, språk, publiseringskapasitet og hvor lett et menneske kan reduseres til en tydelig digital kategori. Dette kan forsterke sentralisering rundt Oslo, store institusjoner og personer som allerede er flinke til å være synlige. Det kan også gjøre offentligheten mindre mangfoldig uten at noen har besluttet at det skal skje.
Dette er et godt eksempel på mekanismen jeg beskriver i foredraget mitt, Friksjonsindeksen. Chatboten fjerner mye av friksjonen ved å lete etter kilder og foredragsholdere. Samtidig forsvinner noe av den nødvendige friksjonen som er involvert i arbeidet med å sammenligne perspektiver, oppdage en ukjent fagperson, undersøke interessekonflikter og spørre hvem som mangler.
Effektivitet kan gjøre utvalget raskere og samtidig smalere.
Slik gjorde ChatGPT vurderingen
Jeg ba ChatGPT rangere personer som deltar aktivt i det norske offentlige ordskiftet om teknologiutvikling og kunstig intelligens. «Norske stemmer» betyr her personer som har en tydelig rolle i norsk offentlighet, uavhengig av fødested eller statsborgerskap. Sittende folkevalgte politikere ble holdt utenfor, fordi formell politisk makt ellers ville dominert en liste over faglige og samfunnsorienterte stemmer.
ChatGPT fordelte maksimalt 100 poeng på fem dimensjoner:
- Offentlig synlighet og rekkevidde: inntil 30 poeng.
- Evne til å sette dagsorden og påvirke hvilke spørsmål som diskuteres: inntil 25 poeng.
- Faglig eller dokumentert erfaringsbasert tyngde: inntil 20 poeng.
- Kontinuitet og aktuell aktivitet, særlig i 2025 og 2026: inntil 15 poeng.
- Institusjonell påvirkning på forskning, næringsliv, forvaltning, regulering eller medier: inntil 10 poeng.
Poengsummen er en redaksjonell indeks, ikke en måling med statistisk presisjon. Forskjellen mellom 80 og 81 poeng er i praksis ubetydelig. En høy score betyr heller ikke at personen alltid har rett, er den beste foredragsholderen eller representerer et uavhengig perspektiv. Den uttrykker ChatGPTs samlede vurdering av betydning, synlighet og innflytelse med denne metoden.
Jeg ga ingen føring om hvor jeg selv skulle plasseres, og har ikke flyttet min egen plassering. At jeg kommer forholdsvis høyt på denne listen, må også leses som et resultat av et stort og konsistent digitalt fotavtrykk, blant annet basert på over 3.000 publiserte artikler på HansPetter.info siden august 2010. Nettopp det gjør min egen plassering relevant for dette eksperimentet, men ikke mer objektivt.
Det finnes dessuten en skjevhet som ikke må glemmes: Rangeringen ble laget i min egen ChatGPT-konto, der modellen har omfattende samtalekontekst om arbeidet mitt, tekstene mine og fagområdene mine. Selv om ChatGPT søkte i åpne nettkilder og brukte de samme kriteriene på alle navnene, kan denne konteksten ha påvirket både min plassering og hvilke kandidater som ble hentet frem. En strengere test bør gjentas fra en ny konto uten lagret minne eller tidligere samtaler og sammenlignes med andre modeller.
Kanskje noen av dere som leser denne listen blir inspirert til å gjøre det samme, for å se hvor annerledes den uttømmende listen vil se ut?
//Artikkelen fortsetter etter annonsen//
ChatGPTs rangering av Norges 50 viktigste teknologistemmer
Alt du vil lese om de 50 personene på listen under, inkludert poengsummene og begrunnelsene, er utelukkende er ChatGPT sine. Lenken i hvert navn er det ChatGPT som har valgt ut, og peker i stor grad på personens eget nettsted eller en offisiell arbeidsgiverprofil. Jeg har ikke endret på noe, men gjengitt alt slik ChatGPT argumenterte, resonnerte og regnet seg frem til poengsummen:
1. Inga Strümke — 96 av 100: ChatGPT plasserer Inga Strümke øverst fordi hun kombinerer teknisk innsikt med uvanlig sterk folkeopplysning. Hun når bredt gjennom bøker, medier, podkaster og scener, samtidig som hun forklarer både hva AI kan gjøre, hva den ikke kan gjøre og hvilke makt- og samfunnsspørsmål teknologien reiser. Få andre forener faglig autoritet, tilgjengelig språk og nasjonal synlighet like godt.
2. Morten Goodwin — 94 av 100: Morten Goodwin har over tid blitt en av Norges mest gjenkjennelige AI-forskere. Professorrollen, bøkene, podkasten, medieopptredenene og den omfattende foredragsvirksomheten gir både faglig tyngde og stor rekkevidde. Han er særlig sterk når avansert teknologi skal oversettes til et språk ledere, ansatte og et bredt publikum kan bruke.
3. Ishita Barua — 92 av 100: Ishita Barua beveger seg mellom medisin, praktisk AI-bruk, næringsliv og europeisk teknologipolitikk. Det gjør stemmen hennes relevant langt utover helsesektoren. Hun kombinerer faglig erfaring med bøker, kronikker, medier og foredrag, og har de siste årene utvidet perspektivet fra hva AI kan gjøre i klinikken til hvem som får makt over Europas teknologiske fremtid.
4. Silvija Seres — 91 av 100: Silvija Seres har gjennom mange år gjort teknologi til et spørsmål om strategi, ledelse, kompetanse og samfunnsretning. Hun når et stort beslutningstakerpublikum gjennom foredrag, styrearbeid, podkaster og et omfattende digitalt innholdsarkiv. ChatGPT vurderer kontinuiteten og evnen til å koble ny teknologi til virksomhetsstyring som viktigere enn en snever AI-spesialisering.
5. Nicolai Tangen — 91 av 100: Nicolai Tangen er ikke AI-forsker, men få norske ledere har større kraft til å gjøre AI til et toppledertema. Han bruker Oljefondet som praktisk eksempel, snakker ofte om produktivitet, organisering og konkurransekraft og blir bredt sitert. Poengsummen kommer først og fremst fra makten til å sette dagsorden, institusjonell rekkevidde og evnen til å få andre ledere til å handle.
6. Torgeir Waterhouse — 88 av 100: Torgeir Waterhouse har vært en tydelig teknologipolitisk stemme gjennom flere teknologiskifter. Han kobler praktisk bruk av AI til personvern, sikkerhet, regulering, digitale rettigheter, medier og utdanning. Den lange kontinuiteten, hyppige mediebruken og erfaringen fra både forbruker- og næringssiden gir ham en bredde få andre norske teknologistemmer har.
7. Aksel Braanen Sterri — 86 av 100: Aksel Braanen Sterri har fått stor plass i debatten om AI-risiko, kontroll, arbeid og velferdsstat. Han setter tydelige og tidvis omstridte premisser, og nettopp derfor får han høy score på dagsordenmakt. Rangeringen innebærer ikke at ChatGPT vurderer alle risikopåstandene hans som dokumenterte, men at han påvirker hvilke spørsmål norske medier og politikere diskuterer.
8. Per Kristian Bjørkeng — 86 av 100: Per Kristian Bjørkeng er en av de viktigste journalistiske oversetterne mellom teknologiutviklingen og et norsk allmennpublikum. Han tester verktøy, skriver bøker og forklarer utviklingen i en av landets største redaksjoner. Rollen gir både stor synlighet og betydelig definisjonsmakt over hvilke teknologisaker som blir forstått som viktige.
9. Klas H. Pettersen — 85 av 100: Klas H. Pettersen kombinerer forskningsledelse med et tydelig engasjement for nasjonal AI-kapasitet, åpne modeller, sikkerhet og kompetanse. Han er mindre folkelig synlig enn toppnavnene foran ham, men har stor innflytelse i forsknings- og teknologipolitikken. ChatGPT legger betydelig vekt på at han bidrar til å forme hva Norge faktisk bør bygge og kontrollere selv.
10. Tore Tennøe — 84 av 100: Som direktør i Teknologirådet har Tore Tennøe i mange år koblet teknologiske utviklingstrekk til politiske valg. Han har direkte tilgang til beslutningstakere, står bak et stort antall rapporter og deltar jevnlig i offentligheten. Synligheten er mindre persondrevet enn hos mange foredragsholdere, mens den institusjonelle påvirkningen på Stortinget og regjeringen er betydelig.
//Artikkelen fortsetter etter annonsen//
11. Finn Myrstad — 84 av 100: Finn Myrstad representerer en nødvendig motvekt til teknologiselskapenes egne fortellinger. Gjennom Forbrukerrådet har han satt søkelys på overvåking, manipulerende design, plattformmakt og digitale forretningsmodeller. Han er viktig fordi han gjør teknologidebatten konkret: Hvilke rettigheter har brukeren, hvem tjener på systemet og hvem må bære risikoen?
12. Hans Christian Holte — 83 av 100: Hans Christian Holte leder AI Norge og får dermed en sentral rolle i hvordan norske virksomheter skal gå fra ambisjon til trygg og verdiskapende bruk. Lang ledererfaring fra offentlig sektor gir stor institusjonell tyngde. Den relativt ferske rollen på AI-feltet trekker poengsummen noe ned, men posisjonen kan gjøre ham langt mer innflytelsesrik de neste årene.
13. Eirik Solheim — 83 av 100: Eirik Solheim har lang erfaring med å gjøre ny teknologi forståelig gjennom konkrete demonstrasjoner, journalistikk og formidling. Bakgrunnen fra NRK og NRKbeta gir høy troverdighet i skjæringspunktet mellom medier og teknologi. Han er mindre opptatt av å eie én bestemt politisk tese, men svært sterk til å vise hva teknologien faktisk gjør og hvorfor det angår folk.
14. Hans-Petter Nygård-Hansen — 83 av 100: Begrunnelsen er et stort og langvarig offentlig arkiv om teknologi, digitalisering og AI, kombinert med foredrag, mediekommentarer, bøker og et tydelig teknologihumanistisk perspektiv på arbeidsliv, makt og samfunn. Plasseringen sier samtidig mye om digital synlighet: Hans-Petter har publisert kontinuerlig under eget navn og på eget domene siden 2010. Det gjør han lettere for en språkmodell å finne og forstå.
15. Isabelle Ringnes — 81 av 100: Isabelle Ringnes har stor offentlig rekkevidde og gjør teknologi relevant gjennom spørsmål om ledelse, inkludering, makt, personvern og menneskelig utvikling. Hun når mange som ellers ikke følger den tekniske AI-debatten. Faglig spesialisering veier noe mindre enn hos forskerne, men evnen til å utvide hvem som deltar i teknologisamtalen trekker opp.
16. Eirik Norman Hansen — 81 av 100: Eirik Norman Hansen er en av landets mest synlige formidlere av teknologi, endring og ledelse. Han har særlig gjennomslagskraft i arbeidslivet og blant virksomhetsledere, der AI må oversettes til organisering, kompetanse og menneskelig adferd. ChatGPT vurderer scenerekkevidden og den praktiske formidlingen høyt, mens forsknings- og reguleringsinnflytelsen er mer begrenset.
17. Joacim Lund — 81 av 100: Joacim Lund har gjennom Aftenposten en sterk posisjon som kommentator om teknologi, medier, skole og digital kultur. Han skriver for et stort publikum og bidrar til å definere hvordan nye teknologier rammes inn i den brede samfunnsdebatten. Han er ikke teknologiforsker, men offentlig innflytelse handler også om hvem som formulerer spørsmålene folk møter ved frokostbordet.
18. Petter Bae Brandtzæg — 81 av 100: Petter Bae Brandtzæg forsker på forholdet mellom mennesker, sosiale medier, chatboter og generativ AI. Han brukes ofte som ekspert i medier og kombinerer forskningskompetanse med tydelige vurderinger av læring, relasjoner, tillit og digital adferd. Det gir en sterk posisjon når diskusjonen beveger seg fra teknologiens funksjoner til konsekvensene for mennesker.
19. Jill Walker Rettberg — 81 av 100: Jill Walker Rettberg tilfører AI-debatten et humanistisk perspektiv på språk, kultur, fortellinger og digitale representasjoner. Hun forsker, publiserer og formidler på områder som lett forsvinner mellom produktivitetsløfter og dommedagsscenarier. ChatGPT vurderer kombinasjonen av internasjonal forskningsautoritet og offentlig tilgjengelig formidling som særlig viktig.
20. Niels Nagelhus Schia — 81 av 100: Niels Nagelhus Schia kobler AI til geopolitikk, sikkerhet, demokrati og digital suverenitet. Disse perspektivene har fått større betydning etter hvert som norsk avhengighet av amerikansk teknologi er blitt tydeligere. Han har høy aktuell relevans og faglig tyngde, selv om den brede folkelige synligheten er lavere enn hos navnene øverst.
//Artikkelen fortsetter etter annonsen//
21. Line Coll — 80 av 100: Som direktør i Datatilsynet har Line Coll formell og reell påvirkning på hvordan AI, personvern og automatiserte beslutninger skal forstås og reguleres. Hun representerer en institusjonell stemme, ikke en uavhengig kommentator, men det gjør ikke betydningen mindre. Når AI-forordningen og personvernreglene skal omsettes til praksis, blir hennes vurderinger viktige for hele arbeids- og næringslivet.
22. Marte Blikstad-Balas — 80 av 100: Marte Blikstad-Balas har blitt en sentral stemme i diskusjonen om AI, skole, skriving, lesing og elevenes egen tenkning. Hun kombinerer utdanningsforskning med høy mediesynlighet og evner å utfordre både teknologientusiasme og forenklede forbudsreflekser. Skolen er en av arenaene der konsekvensene av generativ AI blir mest konkrete, noe som løfter betydningen hennes.
23. Roar Thon — 80 av 100: Roar Thon er en svært synlig formidler av informasjonssikkerhet, påvirkning og menneskelige sårbarheter. AI er én del av et bredere sikkerhetsbilde, men utviklingen innen svindel, manipulasjon og syntetisk innhold gjør perspektivet stadig viktigere. Lang erfaring, et tydelig språk og stor foredrags- og medieaktivitet gir høy samlet rekkevidde.
24. Eirin Larsen — 80 av 100: Eirin Larsen har gjennom rollen som teknologistrateg i Telenor og fast spaltist i E24 etablert en tydelig stemme om AI, tillit, arbeidsliv og menneskelig adferd. Den regelmessige publiseringen gjør henne synlig og maskinlesbar, mens erfaringen fra en stor teknologivirksomhet gir praktisk relevans. Hun representerer samtidig et selskap med egne interesser, noe leseren bør ha med seg.
25. Bente Kalsnes — 80 av 100: Bente Kalsnes er en sentral forskerstemme om desinformasjon, politisk kommunikasjon, plattformer og demokratisk offentlighet. Generativ AI gjør disse temaene mer krevende, fra syntetisk innhold til påvirkning og kildekritikk. Hun får høy score fordi hun kobler teknologi til samfunnets tillitsinfrastruktur og deltar både i forskning, medier og offentlige ekspertarbeider.
26. Yngvar Ugland — 79 av 100: Yngvar Ugland representerer den utforskende praktikerstemmen fra norsk finans. Han snakker og skriver om hvordan nye teknologier faktisk kan prøves ut, organiseres og skaleres i en stor virksomhet, samtidig som han tar opp tillit og samspill mellom mennesker og maskiner. Rekkevidden er sterk i næringslivet, men mindre i den brede politiske debatten.
27. Tor W. Andreassen — 79 av 100: Tor W. Andreassen kobler AI til økonomi, tjenester, kundeverdi, produktivitet og forretningsmodeller. Han bidrar til å korrigere en debatt som ofte måler suksess i antall lisenser og piloter fremfor dokumentert verdi. Kombinasjonen av akademisk tyngde, kronikker og nær kontakt med næringslivet gir en solid posisjon blant beslutningstakere.
28. Olav Lysne — 79 av 100: Olav Lysne er en tung stemme om cybersikkerhet, digital infrastruktur og nasjonal kontroll. Han er mindre synlig i den daglige AI-praten, men svært relevant når teknologien vurderes som kritisk infrastruktur og geopolitisk avhengighet. ChatGPT belønner faglig autoritet og strategisk betydning, selv om den brede allmennsynligheten er lavere.
29. Arne Krokan — 79 av 100: Arne Krokan har i flere tiår forklart hvordan digital teknologi endrer økonomi, organisasjoner, læring og arbeidsliv. Det lange tidsperspektivet gjør ham verdifull i en AI-debatt som ofte begynner historien i november 2022. Synligheten er noe lavere enn tidligere, men kontinuiteten og evnen til å se strukturelle endringer trekker opp.
30. Morten Irgens — 78 av 100: Morten Irgens arbeider i skjæringspunktet mellom forskning, universitetsledelse, europeisk samarbeid og norsk AI-politikk. Han har bidratt til å bygge institusjoner og påvirke retningen for nasjonale satsinger. Den brede mediesynligheten er begrenset, men den faglige og institusjonelle innflytelsen gjør ham viktigere enn antall avisoppslag alene skulle tilsi.
//Artikkelen fortsetter etter annonsen//
31. Heather Broomfield — 78 av 100: Heather Broomfield kombinerer forskning på datadrevet offentlig sektor med en sentral fagrolle i AI Norge. Hun løfter spørsmål om ansvar, åpenhet, demokrati og hva som skjer når private teknologiforestillinger flyttes inn i forvaltningen. Synligheten er voksende, og den direkte nærheten til nasjonal veiledning og regulering gir høy strategisk betydning.
32. Vegard Kolbjørnsrud — 78 av 100: Vegard Kolbjørnsrud forsker og formidler om strategi, ledelse og samarbeid mellom mennesker og AI. Han når særlig ledere og virksomheter som skal omsette teknologien til nye arbeidsprosesser. Stemmen er mindre synlig i den allmenne samfunnsdebatten, men sterk i den delen av ordskiftet der organisasjonsmodeller og ansvar faktisk bestemmes.
33. Mari Velsand — 78 av 100: Mari Velsand leder Medietilsynet og har betydelig innflytelse på spørsmål om plattformer, mediemangfold, desinformasjon, barn og digital regulering. Hun er ikke først og fremst en AI-stemme, men generativ teknologi griper direkte inn i hele Medietilsynets område. Institusjonell betydning og offentlig synlighet veier derfor tungt i totalvurderingen.
34. Einar Duenger Bøhn — 77 av 100: Einar Duenger Bøhn tilfører filosofisk dybde til spørsmål om bevissthet, etikk, kunnskap, manipulasjon og forholdet mellom menneske og maskin. Han deltar i radio, podkaster, foredrag og akademisk formidling. ChatGPT vurderer perspektivet som viktig fordi AI-debatten trenger mer enn tekniske og økonomiske svar, selv om rekkevidden er smalere enn hos de største profilene.
35. Nils Brede Moe — 76 av 100: Nils Brede Moe bidrar med forskning på hvordan AI faktisk påvirker utviklingsteam, arbeidsprosesser, læring og produktivitet. Han representerer en nødvendig korreksjon til anekdoter og leverandørløfter. Offentlig synlighet er moderat, men den empiriske nærheten til arbeidslivet gjør stemmen viktig for virksomheter som vil forstå forskjellen mellom potensial og dokumentert effekt.
36. Liv Dingsør — 76 av 100: Som leder i Digital Norway arbeider Liv Dingsør med kompetanse, teknologiopptak og samarbeid mellom næringsliv, forskning og offentlige aktører. Hun har en viktig rolle i å gjøre AI anvendelig for flere virksomheter. Stemmen er delvis institusjonell og økosystemorientert, men påvirker hvilke problemstillinger og løsninger norsk næringsliv møter.
37. Lena Lindgren — 76 av 100: Lena Lindgren har satt dype spor i den norske samtalen om algoritmer, oppmerksomhet, kultur og plattformmakt. Hun publiserer mindre hyppig om praktisk AI enn mange andre på listen, men bidragene hennes har høy originalitet og lang levetid. ChatGPT legger vekt på evnen til å gi offentligheten begreper og bilder som endrer hvordan teknologien forstås.
38. Jim Tørresen — 76 av 100: Jim Tørresen kombinerer tung forskningskompetanse innen AI og robotikk med offentlig formidling om etikk, helse og samfunn. Han er en etablert ekspertkilde, men har lavere personlig medierekkevidde enn de mest synlige forskerne. Faglig bredde og lang kontinuitet gir likevel en klar plass blant de femti.
39. Camilla Tepfers — 76 av 100: Camilla Tepfers bruker fremtidsanalyse til å koble AI med arbeidsliv, utdanning, forbrukeradferd og virksomhetsstrategi. Hun skriver og holder foredrag for et bredt lederpublikum og gjør komplekse endringer anvendelige. Rangeringen reflekterer sterk formidling og praktisk relevans, mens forsknings- og reguleringsinnflytelsen er mer begrenset.
40. Øyvind Husby — 75 av 100: Øyvind Husby er en tydelig interessepolitisk stemme for teknologinæringen. Han påvirker debatten om AI-adopsjon, kompetanse, regulering og konkurransekraft. Betydningen er reell, men perspektivet må leses i lys av hvem han representerer. ChatGPT skiller derfor mellom gjennomslagskraft og uavhengig faglig autoritet.
//Artikkelen fortsetter etter annonsen//
41. Ole-Christoffer Granmo — 75 av 100: Ole-Christoffer Granmo har høy teknisk autoritet og er kjent for arbeidet med Tsetlin-maskiner og nye AI-arkitekturer. Han viser hvorfor norsk AI-debatt må romme egen forskning og teknologisk nyskaping, i tillegg til bruken av amerikanske språkmodeller. Den brede offentlige synligheten er mer begrenset, noe som holder totalscoren nede.
42. Tobias Mahler — 74 av 100: Tobias Mahler er en sentral fagstemme om AI-rett, risikoregulering, cybersikkerhet og standardisering. Etter hvert som EUs AI-regelverk skal praktiseres i Norge, blir denne kompetansen stadig viktigere. Han har høy faglig og institusjonell relevans, men når foreløpig et smalere publikum enn flere av de mer medievante stemmene.
43. Taina Bucher — 74 av 100: Taina Bucher forsker på algoritmisk makt, plattformer og hvordan digitale systemer blir en del av hverdagen. Perspektivet hennes er særlig viktig for å forstå normalisering av overvåking og automatiserte valg. Hun har sterk akademisk autoritet, men lavere synlighet i den brede norske offentligheten enn betydningen av forskningen skulle tilsi.
44. Morten Dæhlen — 74 av 100: Morten Dæhlen skriver og snakker om AI i forskning, kunnskapsutvikling og samfunn. Han minner offentligheten om at teknologien også endrer hvordan vitenskap produseres, vurderes og organiseres. Den jevne formidlingen og lange erfaringen gir tyngde, mens den allmenne mediesynligheten er mer moderat.
45. Michael Riegler — 74 av 100: Michael Riegler kombinerer anvendt AI-forskning med arbeid innen sikkerhet, helse og evaluering av modeller. Han deltar i nasjonale fagmiljøer og formidler jevnlig, men er foreløpig mer synlig blant teknologer og forskere enn i den brede offentligheten. ChatGPT vurderer ham som en stemme med økende betydning.
46. Mali Hole Skogen — 74 av 100: Mali Hole Skogen kobler teknologi til ansvarlighet, standarder, kompetanse og bærekraft. Gjennom TEK Norge og andre arenaer representerer hun både næringens behov og et bredere samfunnsperspektiv. Hun er en tydelig stemme i fagoffentligheten, men har mindre personlig rekkevidde enn de mest etablerte teknologiprofilene.
47. Helle Sjøvaag — 74 av 100: Helle Sjøvaag forsker og formidler om medier, teknologi, eierskap, infrastruktur og digital suverenitet. Generativ AI gjør medienes økonomi og avhengighet av plattformer enda mer sentral. Hun har høy faglig relevans og et tydelig maktperspektiv, men en relativt avgrenset allmenn synlighet.
48. Anita Schjøll Abildgaard — 72 av 100: Anita Schjøll Abildgaard har lang erfaring som AI-gründer og internasjonal foredragsholder, særlig knyttet til forskning, kunnskapsarbeid og etisk anvendelse. Hun har høy teknologisk og kommersiell troverdighet. Den norske offentlige tilstedeværelsen er mindre kontinuerlig enn den internasjonale, og det trekker totalscoren ned.
49. Ståle Lindblad — 71 av 100: Ståle Lindblad publiserer jevnlig om AI, kommunikasjon, plattformer, markedsføring og lederansvar. Egne kanaler og hyppige mediebidrag gjør ham synlig, og han oversetter teknologi til konkrete valg for virksomheter. Institusjonell makt og forskningsautoritet er begrenset, men kontinuiteten gir ham en plass på listen.
50. Lars Rinnan — 68 av 100: Lars Rinnan er en synlig kommersiell formidler av AI, fremtidsteknologi og virksomhetsutvikling. Han når mange gjennom foredrag, bøker og næringslivsarenaer og har praktisk erfaring fra AI-selskaper. ChatGPT trekker ned for en mindre uavhengig rolle i det offentlige ordskiftet og svakere forsknings- og reguleringsinnflytelse enn navnene høyere på listen.
//Artikkelen fortsetter etter annonsen//
Hva listen ikke forteller
Listen er lang, men den er ikke komplett. Jan Omdahl, Paul Chaffey, Marija Slavkovik, Samia Touileb, Pinar Heggernes, Inge Jonassen, Karen Dolva og Elisabeth Haugsbø er noen få eksempler på personer som kunne kommet inn med en annen vekting. En ren forskerliste, en medieliste, en foredragsholderliste eller en rangering av formell makt ville sett svært annerledes ut.
Rangeringen er også ganske så Oslo- og institusjonstung. Den favoriserer personer med åpne nettsider, regelmessig publisering og tydelige roller. Praktikere som skaper store resultater internt i kommuner, sykehus, industribedrifter eller mindre teknologimiljøer, men som sjelden skriver kronikker eller blir intervjuet, vil lettere falle utenfor.
Det er en svakhet ved listen og samtidig en presis illustrasjon av AEO-utfordringen.
Det samme gjelder kjønn, alder, geografi og faglig uenighet. En språkmodell kan reprodusere skjevhetene i kildene den finner, og deretter presentere resultatet i et rolig og autoritativt språk. Derfor bør ingen redaksjon eller arrangør bruke denne typen liste som en endelig fasit. Den kan være et startpunkt for research, men må suppleres med bevisst leting etter alternative, yngre, regionale og uenige stemmer. Det er også viktig å skille mellom rolle og uavhengighet. Flere på listen leder interesseorganisasjoner, offentlige tilsyn, selskaper eller nasjonale satsinger. Det gjør dem innflytelsesrike, men perspektivene deres springer ut av et mandat. Andre lever av rådgivning eller foredrag, inkludert meg selv. Åpenhet om interesser blir ikke mindre viktig fordi en chatbot har kalt noen ekspert.
AEO kan ikke erstatte troverdighet
Det som kanskje er det viktigste for alle som leser denne artikkelen, er at virksomheter og fagpersoner bør ta AEO på alvor. En utdatert biografi, uklare fagområder, artikler uten forfatternavn og viktig kunnskap gjemt i PDF-er eller lukkede plattformer gjør det vanskeligere å bli funnet og riktig forstått. Som det heter seg på engelsk; “Out of sight, out of mind”.
Det er fornuftig å rydde i dette. Synlighet er en forutsetning for å kunne bidra.
Samtidig vil en konkurranse om å bli nevnt av språkmodeller skape dårlige insentiver. Flere vil produsere store mengder innhold tilpasset maskinenes preferanser. Flere vil potensielt gjenta de samme autoritative formuleringene, bygge kunstige lenkenettverk og forsøke å plante seg selv i lister som denne. Resultatet kan bli et internett som er mer lesbart for maskiner og mindre verdifullt for mennesker.
Den beste langsiktige AEO-strategien bør derfor være vanskelig å skille fra god faglig og publisistisk praksis:
- Skriv noe originalt.
- Dokumenter påstandene.
- Vær tydelig på hvem du er, hva du kan og hvilke interesser du representerer.
- Oppdater gamle sider.
- Gjør primærkildene tilgjengelige.
- Lenke til andre som vet mer enn deg.
Journalister og arrangører bør på sin side bruke chatboter til å utvide researchen, ikke avslutte den. Be om flere kandidater, om motstemmer, om personer utenfor Oslo, om yngre fagmiljøer og om begrunnelser som kan kontrolleres. Søk etter dem modellen ikke nevner. Å overlate kildeutvalget til én språkmodell er raskt og bekvemt, men det er også en effektiv måte å outsource redaksjonell dømmekraft på.
Den nye kampen om å bli funnet
Jeg har fulgt internett og digitaliseringen av oss som individer, virksomheter og samfunnet siden 1990-tallet. Hver nye distribusjonskanal har endret hvem som får oppmerksomhet:
- Nettavisene svekket papiravisens portvakt.
- Google gjorde søkbarhet til en forretningskritisk ferdighet.
- Sosiale medier belønnet innhold som utløste reaksjoner.
- Språkmodellene innfører enda et lag: De velger hvilke lenker vi ser, og hvilke personer, forklaringer og perspektiver som får plass i selve svaret.
Det gir fagpersoner og virksomheter en legitim grunn til å forstå AEO. Det gir samtidig tekoligarkene større makt over offentligheten. Vi vet lite om kriteriene, har begrenset innsyn i kildene og kan ikke regne med at to modeller gjør samme vurdering. Jo mer bekvemt svaret blir, desto lettere er det å glemme alt som ble valgt bort.
Denne listen kan hjelpe noen med å finne gode norske stemmer om teknologi og kunstig intelligens, meg inkludert hvis jeg skal tillate meg å være skamløs. Den bør også minne oss om at synlighet og betydning ikke er det samme. Å bli funnet blir viktig. Fremover tror jeg det blir enda viktigere å ivareta dømmekraften når maskinen allerede har gjort utvalget for oss.
//Artikkelen fortsetter etter annonsen//
Kilder og metode
Bakgrunnsanalysen bygger blant annet på Reuters Institutes Digital News Report 2026, OpenAIs dokumentasjon av ChatGPT-søk, den fagfellevurderte GEO-studien fra KDD 2024 og en kritisk forskningsgjennomgang publisert som preprint i 2026. Personopplysninger, roller og lenker er hentet fra personenes egne nettsteder eller offisielle arbeidsgiverprofiler der det har vært mulig. Selve rangeringen og poengsettingen er ChatGPTs redaksjonelle vurdering, ikke resultatet av en full medieanalyse eller representativ undersøkelse.
Bilde: ChatGPT
