AI’s opmærksomhedspræmie: Hvad investorer bør vide

Kunstig intelligens kan gøre forskning mere slagkraftig. Den kan også gøre forskningen mere synlig. For investorer, der vurderer nye teknologier, kan det gøre dem bedre til at fortolke videnskabelige gennembrud og de virksomheder, der er knyttet til dem, hvis de forstår forskellen.

Et studie, der er accepteret til publicering i Finance Research Letters, »AI-signaleringspræmien i økonomi- og finansforskning«, undersøger sammenhængen mellem, hvor fremtrædende AI omtales, og akademiske citationer.¹ På tværs af 30.114 artikler ses den stærkeste sammenhæng, når AI-relateret terminologi indgår i titlen.

Resultaterne rummer mere end en lære om akademisk skrivning. De peger på en udfordring for alle, der forsøger at identificere værdifuld innovation: Opmærksomhed hjælper information med at sprede sig, men popularitet alene kan ikke fastslå dens praktiske værdi. Det skaber en mulighed for virksomheder, der hjælper kunder med at finde, vurdere og anvende forskning.

Hvad studiet af AI-citationer viste

Forskerne Andres Alonso-Robisco, Carlos Esparcia og Francisco Jareño undersøgte engelsksprogede artikler, der blev offentliggjort mellem 2021 og 2025 i 67 tidsskrifter inden for økonomi og finans. De kombinerede publikationsdata fra Scopus med oplysninger om tidsskrifterne og data på forfatterniveau.

Analysen identificerede AI-relaterede termer i titler, resuméer og nøgleord. Definitionen omfattede mere end den bogstavelige forkortelse »AI« og inkluderede metoder og teknologier som maskinlæring, neurale netværk og store sprogmodeller.

Forfatterne undersøgte derefter, om placeringen af disse termer hang sammen med antallet af citationer, idet de tog højde for faktorer som udgivelsesår, tidsskrift, emne, læsbarhed og forfatteregenskaber.

Forfatterne beskriver den vigtigste sammenhæng, hvor AI er synligt i titlen, som cirka 60 % flere citationer end for artikler uden et AI-signal og cirka 43 % flere end for artikler, hvor AI kun nævnes i nøgleordene. Det er modelbaserede sammenligninger, der anvender et transformeret mål for årlige citationer, ikke simple forskelle mellem rå gennemsnit.

Mønstret holdt på tværs af flere alternative analyser, herunder sammenligninger inden for samme tidsskriftsnummer og justeringer for forfatteregenskaber. Det viste sig også både i tilfælde, hvor AI var den metode, forskerne anvendte, og i tilfælde, hvor AI selv var emnet for undersøgelsen.

Hvorfor forskningens synlighed betyder noget for investorer

En titel fungerer som et tidligt filter. Forskere, der gennemgår ukendt litteratur, må beslutte, hvilke artikler der fortjener nærmere opmærksomhed. Investorer står over for en lignende praktisk begrænsning, når de gennemgår tekniske meddelelser, virksomhedspræsentationer og videnskabelig dokumentation.

En genkendelig teknologibetegnelse kan hjælpe læserne med hurtigt at finde relevant arbejde. Det kan være nyttigt: En tydelig beskrivelse af et AI-bidrag gør det lettere for interesserede målgrupper at finde det.

Studiet kan dog ikke fastslå, at indsættelse af AI-terminologi får antallet af citationer til at stige. Forfattere kan fremhæve AI, når det er særligt centralt for deres arbejde, eller når de allerede forventer, at artiklen vil få indflydelse. Statistiske kontroller mindsker betydningen af nogle alternative forklaringer, men eliminerer dem ikke.

Artiklen måler heller ikke aktieafkast. Resultaterne bør ikke udlægges som en påstand om, at AI-branding øger virksomheders værdiansættelser. Securities.io’s gennemgang af AI-investeringsmeddelelser og aktiemarkedsafkast giver en separat analyse af, hvordan virksomheders AI-signaler spiller sammen med investorernes forventninger.

Den nyttige forbindelse er analytisk: Både læsere af forskning og investorer bør undersøge, hvad der underbygger en fremtrædende påstand, før de tillægger den økonomisk betydning.

Skeln mellem videnskabelig opmærksomhed og kommerciel værdi

Forestil dig en fiktiv virksomhed, der fremhæver en AI-artikel om prognoser, som er blevet citeret mange gange. Antallet af citationer viser, at andre forskere har beskæftiget sig med artiklen. Det fastslår ikke, om metoden fungerer pålideligt med kundernes data, forbliver præcis under skiftende forhold eller koster mindre end de eksisterende alternativer.

En praktisk investeringsvurdering følger derfor dokumentationen gennem flere faser. Forskningen påviser en mulig kapacitet. Uafhængige test hjælper med at afgøre, om den holder. Produktudviklingen fastslår, om kunderne kan bruge den. De kommercielle resultater viser, om nogen vil betale nok til at understøtte en bæredygtig virksomhed.

Disse faser kan forløbe i forskelligt tempo. En imponerende forskningsartikel kan kræve flere års ingeniørarbejde, før den kan tages i brug. En mindre kendt metode kan allerede løse et tilbagevendende kundeproblem på en omkostningseffektiv måde.

Nyttige spørgsmål er blandt andet:

• Er resultatet blevet afprøvet uden for den oprindelige forskningssammenhæng?
• Forbedrer det et målbart resultat for kunden?
• Er fordelene større end omkostningerne til implementering, databehandling og tilsyn?
• Kan virksomheden fastholde værdien gennem prissætning, kundeloyalitet eller differentierede data?

Denne tilgang giver plads til optimisme, samtidig med at investeringscasen bliver mere konkret. Videnskabelig opmærksomhed kan pege på, hvad der bør undersøges nærmere. Dokumentation for praktisk anvendelighed afgør, hvor langt argumentet rækker.

AI-baseret forskningssøgning skaber en forretningsmulighed

Studiet peger også på et kommercielt problem: Det er svært at finde relevant forskning, når læserne har begrænset tid. Bedre søgeværktøjer kan hjælpe organisationer med at finde nyttige resultater, som ellers ville forblive begravet under ukendt terminologi eller mindre fremtrædende titler.

Forestil dig en producent af materialer, der undersøger en produktionsfejl. Medarbejderne kan have brug for resultater fra kemi, ingeniørvidenskab og statistisk modellering. Et nyttigt forskningssystem ville forbinde dokumentation på tværs af disse fagområder, identificere modstridende resultater og give brugerne mulighed for at undersøge de underliggende kilder.

Den forretningsmæssige værdi ville komme af at forbedre forskningsprocessen. Hurtigere sammenfatninger er nyttige, men det kan have større betydning at undgå et uegnet forsøg eller finde et lovende alternativ end blot at læse hurtigere.

Det hænger sammen med Securities.ios dækning af produktivitetsgevinster fra AI og investorafkast: Tidsbesparelser skaber kapacitet, mens forretningsbeslutninger afgør, om den kapacitet skaber yderligere værdi.

Rangordning af forskning kræver gennemsigtighed

Der er også en mulig risiko for en selvforstærkende effekt. Hvis søgesystemer i høj grad bygger på eksisterende citationstal, kan allerede synlige forskningsartikler få endnu større eksponering. Nyttig forskning med færre citationer kan fortsat være sværere at finde. Det er en mulighed, som opmærksomhedsproblemet peger på, ikke et resultat, der blev undersøgt i artiklen.

Derfor er gennemsigtig rangordning, sporbarhed af kilder og dækning af modstridende dokumentation kommercielt relevante forhold. Kunderne skal forstå, hvorfor et system anbefaler en forskningsartikel, og om svaret afspejler bredden i den tilgængelige forskning.

RELX giver eksponering mod AI-drevne forskningsværktøjer

Disse behov skaber en naturlig forbindelse til RELX, hvis forretningsområde Elsevier driver Scopus, den database, der blev brugt i studiet. Virksomhedens forskningsprodukter placerer den direkte på markedet for at finde og fortolke videnskabelig information.

Scopus AI kombinerer generativ AI med forskningsindhold for at hjælpe brugerne med at udforske emner og finde relevant litteratur. Elsevier har også udvidet til bredere forskningsarbejdsgange med LeapSpace.

I sin meddelelse fra september 2026 om LeapSpaces forskningsindhold og uafhængige rådgivende udvalg oplyste Elsevier, at tjenesten giver adgang til mere end 23 millioner artikler og bøger i fuldtekst. Elsevier beskrev også uafhængig rådgivning om algoritmer, gennemsigtighed og søgning, der er uafhængig af forlag. Dette er udviklinger, som virksomheden selv har rapporteret om, ikke uafhængig dokumentation for bedre forskningsresultater.

Det kommercielle tilbud er let at forstå: at kombinere omfattende forskningsindhold med værktøjer, der gør det lettere at bruge. Eksisterende kunderelationer og integration i forskningsprocesser kan understøtte udbredelsen, selv om konkurrerende produkter og kundernes budgetter stadig spiller en rolle.

RELX’ handelsopdatering fra oktober 2026 rapporterede en underliggende omsætningsvækst på 7 % på tværs af koncernen i årets første ni måneder, herunder 6 % i Scientific, Technical & Medical. Ledelsen henviste til øget anvendelse af AI-baserede løsninger og hurtig vækst i brugen af LeapSpace. Tallene viser ikke særskilt, hvor stor en omsætning eller indtjening der kan tilskrives de enkelte AI-produkter.

For investorer er de næste spørgsmål, om kunderne vil betale for løsningerne, om de bliver ved med at bruge dem, hvad driftsomkostningerne er, og om produktforbedringer understøtter varig vækst. RELX driver også andre forretninger, så aktien giver en bredere eksponering end alene forskningssøgning. Værdiansættelsen er stadig vigtig, selv når en virksomhed har en troværdig teknologisk mulighed.

Seneste nyheder og udvikling om RELX (RELX)

Vurdering af AI ud over opmærksomhedspræmien

Studiets vigtigste bidrag er at vise, at forskningens synlighed bør granskes lige så nøje som dens indhold. Resultaterne er begrænset til publikationer inden for økonomi og finans og kan ikke fastslå en universel regel for al forskning eller investering.

Muligheden er ikke desto mindre lovende. AI kan hjælpe flere mennesker med at få adgang til nyttig viden, mens bedre forskningsværktøjer kan gøre den faglige vurdering hurtigere og mere grundig. Virksomheder, der leverer sådanne forbedringer, løser et konkret kundeproblem.

For investorer handler det om at følge opmærksomheden op med efterprøvning: undersøge dokumentationen, forstå kundeværdien og fastslå, hvordan virksomheden tjener penge på at levere den. En AI-betegnelse kan være udgangspunktet for undersøgelsen. Bæredygtige forretningsresultater skal føre den videre.

Referencer:

¹ Alonso-Robisco, A., Esparcia, C. og Jareño, F. (2026). Præmie for AI-signaler i økonomi- og finansforskning. Finance Research Letters. Forhåndsudgivet online. https://doi.org/10.1016/j.frl.2026.110995