Jeg satt på en bar i Oslo i februar med en venn som nettopp hadde reist 14 millioner kroner til startupen sin. Han er 29, har droppet ut av BI to ganger, og leser pokerteori hver kveld før han sovner. Da jeg spurte hvorfor han ikke heller tok en MBA, lo han og sa at han hadde lært mer av seks måneder med high-stakes online poker — og av å lese lister over beste casino på nett for å forstå spillerpsykologi — enn av to år på universitetet. Dette er ikke en isolert anekdote lenger. Det er et mønster jeg ser igjen og igjen i 2026.
Spillteori, banktrollstyring og evnen til å lese motparten har blitt grunnferdigheter for folk som bygger selskaper i en verden der AI-agenter tar tusenvis av mikrobeslutninger per minutt. Og MBA-programmene har ikke fulgt med.
Fra filten til styrerommet
Annie Dukes bok Thinking in Bets fra 2018 traff Silicon Valley som en murstein, men det er først nå, åtte år senere, at konseptene faktisk har sivret inn i hvordan grundere opererer daglig. Dukes hovedpoeng er enkelt, men brutalt: hver beslutning er en innsats, og du må skille mellom kvaliteten på beslutningen og kvaliteten på resultatet. Et godt valg kan gi dårlig utfall. Et dårlig valg kan gi godt utfall. Hvis du blander disse to sammen, lærer du feil ting.
Sequoia Capital har siden 2024 hatt et internt kursprogram der partnerne deres trener på akkurat dette. Det heter «Decision Hygiene» internt, og de bruker pokerøvelser med ekte penger for å presse partnerne ut av komfortsonen. Det er ikke et PR-stunt — det er på alvor. Founders Fund gjorde noe lignende i 2025.
Bankroll-styring er bare risk management i ny innpakning
Profesjonelle pokerspillere lever etter én iskald regel: aldri spill for mer enn du har råd til å tape, og dimensjoner innsatsene etter total kapital. En cash game-spiller med en bankroll på 500 000 kr setter seg sjelden ved et bord der han risikerer mer enn 5 % per økt.
Bytt ut «bankroll» med «burn rate» og du har akkurat den samme tankegangen som overlevende grundere bruker i 2026. Jeg snakket med en grunder i Bergen i forrige uke som hadde reist 8 millioner og bevisst valgte å bare bruke 250 000 i måneden — fordi han spurte seg selv hvor mange «innsatser» han hadde råd til før selskapet kollapset. Han fikk product-market fit på innsats nummer fire. Hadde han brent som de fleste, hadde han vært død etter andre forsøk.
Her er kjerneprinsippene fra poker-bankroll som direkte oversettes til startup-økonomi:
- Kelly-kriteriet for innsatser: aldri sats mer enn en matematisk optimal andel av kapitalen din, selv om du tror du har en kjempeedge. Mange startups dør fordi grunderen «vet» at neste produktlansering blir en knockout og putter alt inn.
- Stop-loss-grenser: profesjonelle spillere reiser seg fra bordet etter et forhåndsdefinert tap. Toppgrundere setter eksplisitte tapsgrenser for hvert eksperiment, ikke «vi prøver til det funker».
- Variansforståelse: aksept for at selv riktige beslutninger kan tape penger i 30 % av tilfellene. Det høres opplagt ut, men det er det ikke når det er din egen lønn på spill.
AI-agenter krever spillteoretisk tenkning
Her blir det virkelig interessant for 2026. Når du deployer en AI-agent, snakker den med andre AI-agenter. Strategi mot strategi, døgnet rundt.
OpenAIs Operator og Anthropics Computer Use har gjort dette til hverdag. Da blir spillteori praktisk verktøy — Nash-likevekt og mixed strategies er noe du må forstå for å instruere agentene dine.
Eksempel: en svensk e-handelsoperatør brukte AI-agent for prising mot konkurrenter med AI. De endte i en priskrig som spiste 18 % av marginen på fire dager. Han fikset det ved å programmere inn en «balanced range» — agenten går ikke alltid billigst, men spiller blandet strategi motstanderens AI ikke kan utnytte. Marginen er tilbake.
Kryptofond ansetter pokerproffer på fulltid
Dette er ikke noe jeg dikter opp. I løpet av 2024 og 2025 begynte flere kryptofond — særlig de som handler perpetuals og opsjoner — å ansette tidligere profesjonelle pokerspillere som risk managers. Susquehanna har gjort det i tradisjonell finans i tjue år. Forskjellen er at det nå skjer på vesentlig mindre fond.
Begrunnelsen er enkel og ganske vakker: en pokerspiller som har overlevd ti år på high-stakes har bevist evne til å håndtere ekstreme svingninger uten å miste hodet. Det er en sjeldnere ferdighet enn man tror, og den læres ikke på Harvard.
Verktøyene grundere faktisk bruker i 2026
Listen under er ting jeg har sett fungere i praksis hos folk jeg respekterer:
- GTO Wizard og lignende solverbaserte trenere — opprinnelig laget for poker, men brukes nå for å trene beslutningsmuskler under tidspress.
- Strategi-simulatorer fra Convoy og Decision Lab — AI-drevne forhandlingssimulatorer der du øver mot motparter med ulik personlighet og tålegrense.
- Beslutningsdagbøker i Roam Research eller Obsidian — daglig logging av valg, hypoteser og utfall, gjennomgått hver fjortende dag.
- HRV-baserte stressmålere som Whoop og Oura — hvis hjertefrekvensvariasjonen din er for lav om morgenen, ta ingen store strategiske valg den dagen.
- Premortem-rituell: før en stor beslutning, sett deg ned i en time og skriv ned alle måtene den kan gå galt på, akkurat som en pokerspiller analyserer hender han kommer til å spille tapsgivende.
Hvorfor MBA-programmene henger etter
MBA-programmer lærer deg case-analyse, ikke usikkerhet i sanntid. Wharton og HBS har innført kurs i «decision-making under uncertainty», men bruker fortsatt statiske eksempler. Du lærer ikke å holde hodet kaldt ved å lese om andre som mistet sitt.
Pokerbordet lærer deg det på tre måneder. Du taper ekte penger, kjenner tilten, må spille igjen neste dag.
Min venn formulerte det slik: en MBA lærer deg riktig svar. Pokeren lærer deg hva du gjør når svaret er feil og du har 47 sekunder. I 2026, med AI-agenter som tar millioner av valg for deg, er det den forskjellen som teller.
