Hvad ved vi om AI og automatisering på arbejdsmarkedet?

AI eksponerer primært kognitive og sprogbaserede jobs — det er anderledes fra alle tidligere automatiseringsbølger, og konsekvenserne for fordeling er endnu ikke fastlagt.

Det politiske spørgsmål

Tidligere automatiseringsbølger — fra industrirobotter til computerisering — erstattede primært rutinemanuelle job. Lønmodtagere med videregående uddannelse og kognitive kompetencer var beskyttede. Det mønster vendes nu på hovedet.

Generativ AI truer primært de kognitive, sprogbaserede jobs — revisorer, jurister, analytikere, journalister, softwareudviklere. Det er en historisk ny situation, og det giver anledning til et politisk spørgsmål: hvem betaler prisen for omstillingen, og hvem høster gevinsten?

Det empiriske spørgsmål bag

Hvilke jobs er mest eksponeret for AI og automatisering — og hvad ved vi om effekterne på beskæftigelse, lønfordeling og produktivitetsgevinster?

Hvad ved vi

✓✓ AI eksponerer primært kognitive og sprogbaserede jobs — ikke rutinemanuelle. Analyse af alle amerikanske erhverv finder, at ca. 80 procent af arbejdsstyrken har mindst 10 procent af opgaverne potentielt påvirket af LLM-integration. Eksponeringen er størst i kognitivt, sprogbaseret arbejde — stik modsat mønstret fra robotisering og computerisering. (Eloundou et al., 2023; Pizzinelli/IMF, 2023)

✓✓ Industrirobotter reducerer dokumenteret beskæftigelse og lønninger. Et ekstra industrirobot per 1.000 arbejdere reducerede beskæftigelsesgraden med 0,18-0,34 procentpoint og lønningerne med 0,25-0,5 procent i amerikanske lokalområder. Dette er den bedst dokumenterede effekt fra den foregående automatiseringsbølge — generativ AI's makroeffekter er endnu ikke tilsvarende dokumenterede. (Acemoglu & Restrepo, 2020)

✓ Generativ AI rammer særligt højtlønnet, videregående-uddannet arbejdskraft. Et schweizisk registerstudie viser fald i søgninger efter jobs med høje sproglige krav efter ChatGPT-lanceringen. Et kinesisk datasæt på 1 million jobopslag finder displacement særligt hos high-wage, videregående-uddannet, entry-level arbejdskraft. (Göller et al., 2023; Liu et al., 2025)

✓ Produktivitetsgevinster fra automatisering tilfalder primært kapitalejerne — ikke lønmodtagerne. Lønkvoten i OECD-landene er faldet fra ca. 70 til ca. 60 procent af BNP siden 1980, og computerisering og robotisering er den primære dokumenterede årsag — markedet omfordeler ikke automatisk. (Acemoglu & Johnson, 2023)

✓ Velfærdsteknologi kan forbedre omsorgskvalitet — men kun ved de rette teknologityper og med uddannelse. Tværsnitsstudie af 1.163 svenske plejemedarbejdere: interaktive teknologier er positivt forbundet med kontinuitet og reduktion af ensomhed. Digitale dokumentationssystemer og kamerabaserede systemer er negativt forbundet med brugerdeltagelse. Uddannelse er den stærkeste positive faktor. (Naseer & Dellve, 2025)

~ Det er omtvistet om AI netto destruerer eller skaber job på langt sigt. En analyse af 27 EU-lande finder AI-investeringer forbundet med øget arbejdsløshed i etablerede velfærdsstater. Studier fra Kina finder den modsatte effekt. Historisk har teknologiske bølger netto skabt job — men omstillingshastighed og fordelingsskævhed er et legitimt politisk problem uanset langsigtsresultatet. (Kjosevski, 2025; Shen & Zhang, 2024; Autor, 2015)

Hvad ved vi ikke

Vi mangler makroøkonomiske data på generativ AI's faktiske effekter på beskæftigelse. Studierne om eksponering er overbevisende, men eksponering er ikke det samme som faktisk displacement. Vi er tidligt i et historisk eksperiment.

Vi ved ikke, om de nye jobs skabt af AI-teknologien vil kompensere for dem der forsvinder — hverken i antal, lønniveau eller geografisk fordeling. Historisk er dette sket, men historien siger ikke nødvendigvis noget om tempo og fordelingsprofil denne gang.

Vi mangler viden om, hvad der sker med de ældre medarbejdere i de mest eksponerede jobs. Historiske erfaringer med omstilling peger på, at yngre medarbejdere tilpasser sig bedre — men den aktuelle bølge rammer netop entry-level kognitive jobs, som er adgangsvejen til karriere for nye generationer.

Hvad eksperter er uenige om

Der er ikke faglig uenighed om, at generativ AI eksponerer kognitive og sprogbaserede jobs. Uenigheden handler om, hvad der sker dernæst.

Økonomer som Autor peger på, at historien viser, at ny teknologi historisk skaber nye jobs — men erkender at fordelingen af tab og gevinst er ulige. Acemoglu og Johnson er mere skeptiske over for automatisk tilpasning og peger på politikens rolle i at forme fordelingen.

En anden faglig diskussion handler om, om AI primært er et produktivitetsredskab der gør eksisterende jobs lettere, eller et displacementredskab der erstatter jobs. Svaret varierer på tværs af sektorer og jobtyper.

Hvad det betyder — og hvad det ikke afgør

Evidensen viser, at AI eksponerer en bredere og anderledes del af arbejdsmarkedet end tidligere automatiseringsbølger — og at produktivitetsgevinster historisk har tilfaldet kapitalejerne, ikke lønmodtagerne automatisk.

Hvad evidensen ikke afgør: om det er ønskeligt at bremse automatisering, og om et automatiseringsbidrag er den rigtige mekanisme til at fordele gevinsten. Det er værdispørgsmål om fordelingspolitik og teknologiregulering.

⚖ Automatisering giver reelle produktivitetsgevinster der kan finansiere velfærd og frihed. Spørgsmålet er ikke om automatisering er godt eller dårligt — det er hvem der bestemmer fordelingen af gevinsterne og bærer omkostningerne ved omstillingen. Det er et politisk valg, ikke en evidenskonklusion.