Mer enn tre år etter lanseringen av ChatGPT er konsekvensene av kunstig intelligens (KI) innen sysselsetting fortsatt lite synlig i overordnede statistikker. De første virkningene begynner allikevel å vises, særlig blant yngre arbeidstakere på vei inn i de mest utsatte bransjene. Gjennom en unik kartlegging av hvor utsatt ulike yrker er for KI-drevet automatisering av arbeidsoppgaver, viser en felles studien fra Coface og Observatory of Threatened and Emerging Jobs (OEM) at grensene for automatisering er i ferd med å flytte seg.
Med KI er det nå kognitive, komplekse og kompetansekrevende oppgaver som i økende grad er utsatt, noe som kan føre til betydelige omveltninger i sysselsettingsstrukturen.
En innovativ metodikk for å måle potensialet for automatisering av oppgaver og yrker
Formålet med studien er å gi en detaljert oversikt over hvor KI mest sannsynlig vil endre arbeidslivet. Denne detaljerte analysen avdekker sårbarheter som i stor grad overses i aggregerte statistikker, ettersom eksponeringen varierer betydelig mellom oppgaver, yrker, bransjer, land og regioner.
Metoden som er utviklet av OEM, tar for seg tre svakheter som ofte finnes i eksisterende analyser: manglende detaljeringsgrad i analysen når det gjelder yrker, lav grad av etterprøvbarhet i vurderinger basert på ekspertuttalelser eller KI-genererte evalueringer, samt fravær av et reelt fremtidsrettet perspektiv for de ulike fasene i KI-utviklingen.
Hvert av de 923 analyserte yrkene er delt inn i konkrete arbeidsoppgaver, som igjen er brutt ned i grunnleggende handlinger. Disse handlingene beskrives ved tre komponenter: verb (hva som gjøres), objekt (hva handlingen retter seg mot) og kontekst (i hvilken sammenheng handlingen utføres). En slik inndeling gjør det mulig å vurdere langt mer presist hvor utsatt hver enkelt arbeidsoppgave er for automatisering.
Metoden gir dermed et konkret svar på de tre identifiserte svakhetene. For det første gir den en langt mer presis analyse ved å fokusere på grunnleggende arbeidsoppgaver i stedet for yrkestittel. For det andre styrker den etterprøvbarheten gjennom tydelige og reviderbare regler. Til slutt tilfører den et reelt fremtidsrettet perspektiv, ved at eksponeringen for automatisering kan vurderes på tvers av flere faser i KI-utviklingen - fem i denne studien - fremfor å gi et øyeblikksbilde på ett bestemt tidspunkt.
I samarbeid med OEM har Coface videreutviklet rammeverket ved å:
- vekte oppgaver etter betydning og hyppighet
- forbedre de fremtidsrettede scenariene og vurderingsreglene
- utvide analysen til nærmere 30 land
Analysen er bevisst grovmasket og fokusert på tilbudssiden. Den måler oppgavenes tekniske eksponering for automatisering, og foregriper på ingen måte omfanget av netto tap av arbeidsplasser.
Analysen tar dermed ikke hensyn til etterspørselsutvikling, mulig fremvekst av nye oppgaver eller friksjoner som kan bremse eller begrense faktisk implementering av KI.
Ulik eksponering mellom yrkesgrupper: KI retter seg primært mot kognitive og informasjonsbaserte oppgaver
Studien viser et tydelig brudd med tidligere automatiseringsbølger. KI er ikke en videreføring av teknologi som robotikk eller tradisjonell programvare, men flytter fokus mot kognitive oppgaver som er komplekse og ikke-repetitive.
Konsekvensene varierer betydelig: Effekten merkes først på oppgavenivå, før den slår ulikt ut på yrker, yrkesgrupper og deretter bransjer.
I hovedscenarioet - som ser på utbredelsen av agentbasert KI - passerer omtrent ett av åtte yrker terskelen der 30 prosent av oppgavene kan automatiseres. Studien definerer dette som en grense for grunnleggende omforming av yrket, noe som kan føre til betydelig omdisponering av arbeidskraft, uten nødvendigvis å innebære at yrket forsvinner.
De mest utsatte yrkene finnes særlig innen kunnskaps- og informasjonsintensive områder som:
- ingeniørfag
- IT
- administrative funksjoner
- finans og jus
- enkelte kreative og analytiske yrker
Hvor mange yrker innen hver yrkesgruppe der minst 30 prosent av arbeidsoppgavene kan automatiseres, gitt det såkalte «Special Agent»-scenariet for AI.
Data for grafen i .xlsx format
Yrker som er minst utsatt, er i stor grad manuelt orienterte eller basert på menneskelig samhandling som er vanskelig å standardisere, for eksempel industri, bygg og anlegg, vedlikehold, transport, servering, renhold og enkelte omsorgs- og støttetjenester.
Studien måler også hvor stor del av arbeidsinnholdet som er i risikosonen i hvert av de undersøkte arbeidsmarkedene. Dette gjøres ved å sammenligne andelen automatiserbare oppgaver i hvert av de 923 yrkene med hvor mange som er sysselsatt i yrket. Ved å samle yrkene i åtte overordnede kategorier, identifiserer studien hvilke yrkesgrupper som er mest utsatt.
Hovedfunnene er tydelige: Over en fjerdedel av arbeidsinnholdet kan automatiseres innen ledelse og administrasjon, kreative yrker, jus og finans samt ingeniør- og IT-sektoren. Personlige tjenester og tekniske yrker, håndverks- og industriproduksjonsyrker ligger derimot under 10 prosent. Omsorg, utdanning, salg og andre yrker med kundekontakt befinner seg i en mellomposisjon – enkelte oppgaver er utsatt, men den menneskelige dimensjonen fungerer fortsatt som en beskyttende faktor.
Store forskjeller mellom land
Studien viser store variasjoner mellom landene når det gjelder eksponering for KI-drevet automatisering, fra ca 12 prosent av arbeidsinnholdet i Tyrkia til nær 20 prosent i Storbritannia.
Forskjellene kan i stor grad forklares av landenes næringsstruktur, som former sysselsettingsmønstrene og dermed andelen oppgaver som kan automatiseres.
De rikeste økonomiene, og de som er mest orientert mot kognitive tjenester, fremstår som mest utsatt. I tillegg til Storbritannia gjelder dette blant annet Nederland, Irland og Luxembourg. Land der sysselsettingen i større grad er knyttet til handel, personlige tjenester, bygg, transport og andre fysisk krevende aktiviteter, har en mer moderat eksponering. Studien identifiserer fem landgrupper med lignende profiler.
I vårt Special Agent-scenario er 16,7 % av arbeidsoppgavene i Norge eksponert for KI-drevet automatisering, noe som er høyere enn det europeiske gjennomsnittet. Dette plasserer Norge i en teknologitung nordisk gruppe sammen med Sverige og Finland, og i noe mindre grad Danmark og Island. Norges posisjon gjenspeiler landets økonomiske struktur, der offentlige tjenester, energirelaterte aktiviteter, transport og ulike tekniske servicefunksjoner spiller en større rolle enn i Europa generelt, mens industri, handel og mer tradisjonelle markedstjenester har en relativt mindre betydning.
Dette kommer også til uttrykk i sysselsettingsstrukturen, som i mindre grad er preget av hovedkontortunge konsern, og i større grad av tekniske, administrative, pedagogiske og omsorgsrelaterte yrker, typisk for en velorganisert høyinntektsøkonomi. Ingeniør- og tekniske yrker, forretnings- og administrative roller, IKT-yrker og en stor omsorgs- og utdanningssektor bidrar mest til at Norge er over snittet eksponert for KI. Samtidig skiller Norge seg fra de mer konserndominerte økonomiene i Nordvest-Europa og de mer industripregete økonomiene i Sentral-Europa gjennom et relativt lite omfang av store kontorfunksjoner, salgsintensive tjenestesektorer og konsentrert toppledelse.
Mer enn sysselsetting: verdiskaping, velferd, utdanning og nye avhengigheter
Konsekvensene av KI strekker seg langt utover selve sysselsettingsspørsmålet. Siden teknologien i stor grad treffer høyt kvalifiserte og godt betalte yrker, kan KI på sikt forrykke økonomiske og sosiale balanser.
Automatisering av oppgaver i kunnskapsintensive yrker kan føre til at en større andel av verdiskapingen flyttes fra arbeid til kapital. For land der skattesystemet i stor grad er basert på skattlegging av arbeid, vil dette skape et todelt budsjettpress: reduserte skatteinntekter kombinert med økte offentlige utgifter som arbeidsledighetstrygd, omskolering og kompetanseheving.
Studien oppfordrer oss også til å se bredere på verdien av utdanning og de kvalifikasjonene som i dag tildeles ved slutten av ulike utdanningsløp.
Dersom oppgaver som krever lang utdanning i økende grad kan automatiseres, kan sammenhengen mellom utdanningsnivå, lønn og jobbsikkerhet svekkes. Uten å konkludere med at høyere utdanning mister sin betydning, antyder funnene at arbeidsgivere i større grad vil vektlegge ferdigheter som utfyller KI - som dømmekraft, tilpasningsevne og evnen til å overvåke og styre teknologien.
Til slutt kan KI-utviklingen også skape nye geopolitiske, logistiske og operative sårbarheter, som følge av konsentrasjonen av kritiske ressurser (halvledere, språkmodeller, datasentre) hos et begrenset antall selskaper og land.
Konklusjon: En transformasjon som kan omforme arbeidslivet
Selv om den videre utviklingen er usikker, og selv om overgangen fra et teknisk automatiseringspotensial til faktiske sysselsettingseffekter ikke er selvsagt, står én ting klart: KI befinner seg ikke i utkanten av arbeidslivet, men treffer kjernen av kognitive, ikke-rutinepregede og kompetansekrevende funksjoner som lenge har vært ansett som de mest stabile.
Siden disse funksjonene er sentrale for verdiskaping, inntektsdannelse og skatteinntekter, er det lite sannsynlig at en slik utvikling kan finne sted uten å endre både arbeidslivet og samfunnsmessige strukturer.
> Last ned hele studien (.pdf) eller se foredraget til forfatterne fra Coface Country Risk Conference
