Debatt ● Sveinung Skule

Vil virkelig kunstig intelligens revolusjonere arbeidslivet?

Det er ikke mangel på rapporter som viser at KI vil føre til storstilt automatisering i arbeidslivet. Årets nobelprisvinner i økonomi, Daron Acemoglu, konkluderer derimot med at automatiseringen antakelig vil være langt mer moderat enn det mange anslår.

Portrett av Sveinung Skule
— Vi i Kompetansebehovsutvalget har nettopp bestilt en rapport fra SSB som skal analysere automatiseringspotensialet for Norge ved hjelp av en helhetlig modell og de nyeste forskningsmetodene, skriver forfatteren.
Publisert Sist oppdatert

Denne teksten er et debatt­inn­legg. Inn­holdet i teksten uttrykker forfatterens egen mening.

Det er ikke mangel på konsulentrapporter som viser at kunstig intelligens (KI) vil føre til storstilt automatisering i arbeidslivet. I en nylig publisert artikkel går årets nobelprisvinner i økonomi, Daron Acemoglu, disse etter i sømmene og konkluderer med at automatiseringen antakelig vil være langt mer moderat enn det mange anslår.

Med den siste tidens utvikling i KI har potensialet for automatisering i arbeidslivet blitt kraftig utvidet. Den siste uka har vi blant annet hørt om oversetterfirmaet Allegro som måtte legge ned fordi kundene tok i bruk KI til oversettingsarbeidet. Bare med dagens teknologi kan man i prinsippet automatisere oppgaver som skriving av tekst og tolkning av røntgenbilder. Dermed kan noen miste jobben eller gjøre andre oppgaver i stedet — oppgaver det er vanskelig for maskinene å lære seg. 

Men i hvor stor grad vil dette egentlig skje? Dette og andre spørsmål rundt kompetansebehov og digitale teknologier jobber det regjeringsoppnevnte Kompetansebehovsutvalget med å svare på.

I forskningen beregnes potensialet for slik automatisering ved å ta utgangspunkt i arbeidsoppgaver. Litt forenklet kan vi si at man, ved hjelp av alt fra ekspertkonsultasjoner til tekstanalyser av stillingsannonser, anslår hvilke arbeidsoppgaver som kan automatiseres. Deretter bruker man databaser som viser hvilke arbeidsoppgaver forskjellige yrker består av og anslår automatiseringspotensialet i alle de ulike jobbene som finnes.

Ved hjelp av en slik metode har for eksempel Menon Economics regnet seg frem til at en gjennomsnittlig arbeidstaker i Norge kan frigjøre hele 17 prosent av tiden sin ved å bruke generativ KI. En studie av McKinsey anslår enda større effekter. Hele 50 prosent av arbeidstiden som brukes på dagens oppgaver kan bli automatisert bort før 2030. Dette er riktignok det mest optimistiske anslaget, men selv i de mest pessimistiske anslaget kan dette kan skje innen 2050. 

Acemoglu hevder imidlertid at det er en rekke utfordringer slike studier ikke har tatt hensyn til, eller som i alle fall er underkommunisert.

For det første, mener han at det gir liten mening å lage anslag for mer enn 10 år frem i tid. Utviklingen i teknologien er historisk rask, så etter dette er verden såpass usikker at det blir vanskelig å tallfeste effekter. 

For det andre er det kun en femtedel av alle oppgavene som utføres i dagens arbeidsmarked som har potensial til å bli automatisert i denne tidsperioden. Selv om mye KI er enkel å bruke, kan det ta tid før virksomheter greier å utnytte teknologien optimalt. Ansatte må opparbeide seg ny kompetanse, og noen kan være skeptiske. Samtidig må kanskje virksomhetene gjøre etiske og juridiske vurderinger eller betale for å utvikle skreddersydde løsninger. I starten av 2024 var det, ifølge SSB, bare en femtedel av foretakene i det norske næringslivet som hadde tatt KI i bruk.

Realistisk er det derfor ikke mer enn 4,6 prosent av alle oppgavene i dag som vil blir automatisert neste tiåret.

Sveinung Skule

For det tredje anslår Acemoglu at mindre enn en fjerdedel av dagens arbeidsoppgaver faktisk vil bli automatisert når man tar hensyn til at det kan innebære kostnader og andre hindringer. Realistisk er det derfor ikke mer enn 4,6 prosent av alle oppgavene i dag som vil blir automatisert neste tiåret.

Acemoglu stopper heller ikke der. Anslagene hans bygger på forskning om automatisering som allerede har funnet sted. Men nobelprisvinneren argumenterer for at dette er oppgaver det er enkelt for maskinene å lære seg. Det kan bli vanskeligere med de neste oppgavene som står for tur. Dermed kan automatiseringstakten blir enda lavere. Det hører med til historien at Acemoglu sine anslag er for USA, mens Menon og McKinsey sine er for Norge, men forskjellen er likevel slående.

Hvem som får rett gjenstår å se. Vi i Kompetansebehovsutvalget har nettopp bestilt en rapport fra SSB som skal analysere automatiseringspotensialet for Norge ved hjelp av en helhetlig modell og de nyeste forskningsmetodene. I tillegg har vi lyst ut forskningsoppdrag og gjør egne analyser. Slik bidrar vi til å styrke kunnskapen om hvordan KI påvirker fremtidens behov for arbeidskraft og kompetanse.

Powered by Labrador CMS