Mere end tre år efter lanceringen af ChatGPT er konsekvenserne af brugen af kunstig intelligens (AI) for beskæftigelsen næsten umærkelig, når man kigger i de overordnede statistikker. Alligevel begynder virkningerne at gøre sig gældende i visse dele af arbejdsmarkedet, især i stillinger i nogle sårbare sektorer, hvor arbejdet ikke er så avanceret. Gennem en unik kortlægning af, hvor udsatte forskellige erhverv er i.f.t. AI-drevet automatisering af arbejdsopgaverne, viser denne fælles undersøgelse fra Coface og Observatory of Threatened and Emerging Jobs (OEM), at grænsend for automatisering flytter sig.
Med AI er det nu kognitive, komplekse og kompetencekrævende opgaver, der i stigende grad er i fare – noget, der kan føre til betydelige omvæltninger i beskæftigelsesstrukturen.
En innovativ metode til at måle potentialet for automatisering af opgaver og erhverv
Formålet med undersøgelsen er at give et detaljeret overblik over, hvor AI mest sandsynligt vil ændre arbejdslivet. Denne detaljerede analyse afdækker nogle sårbarheder, der i høj grad overses i aggregerede statistikker, da eksponeringen varierer betydeligt mellem opgaver, erhverv, brancher, lande og regioner.
Den metode, der er udviklet af OEM, tager tre svagheder, der ofte findes i eksisterende analyser, op: manglende detaljeringsgrad i analysen af erhverv, lav grad af verificerbarhed i vurderinger baseret på ekspertudtalelser eller AI-genererede evalueringer samt fravær af et reelt fremtidsorienteret perspektiv på de forskellige faser i AI-udviklingen.
Hvert af de 923 analyserede erhverv er opdelt i konkrete arbejdsopgaver, som igen er opdelt i enkelte handlinger. Disse handlinger beskrives ved hjælp af tre komponenter: verbum (hvad der gøres), objekt (hvad handlingen er rettet mod) og kontekst (i hvilken sammenhæng den udføres). En sådan opdeling gør det muligt at vurdere langt mere præcist, hvor udsat hver enkelt arbejdsopgave er for automatisering.
Metoden giver et konkret svar på tre identificerede svagheder. For det første giver den en langt mere præcis erhvervsanalyse ved at vurdere grundlæggende arbejdsopgaver uafhængigt af, hvilket erhverv de indgår i. For det andet styrker den verificerbarheden gennem klare og reviderbare regler. Endelig tilføjer den et reelt fremtidsorienteret perspektiv, idet eksponeringen for automatisering kan vurderes på tværs af flere faser i AI-udviklingen – fem i denne undersøgelse – frem for at give et øjebliksbillede på et bestemt tidspunkt.
I samarbejde med OEM har Coface videreudviklet rammen ved at:
- vægte opgaver efter betydning og hyppighed
- forbedre de fremtidsorienterede scenarier og kriterierne for vurdering
- udvide analysen til næsten 30 lande
Denne vurdering af hvor udsat et jobindhold er for automatisering er bevidst grovmasket og fokuseret på udbudssiden: den måler opgavernes tekniske eksponering for automatisering og foregriber dermed på ingen måde omfanget af nettotabet af arbejdspladser.
Analysen tager således ikke højde for udviklingen i efterspørgslen, mulig fremkomst af nye opgaver eller friktioner, der kan bremse eller begrænse den faktiske implementering af AI.
Forskellig udsathed mellem erhvervsgrupper: AI retter sig primært mod kognitive og informationsbaserede opgaver
Undersøgelsen viser et tydeligt brud med tidligere automatiseringsbølger. AI er ikke en videreførelse af teknologi som robotteknik eller traditionel software, men flytter fokus mod kognitive opgaver, der er komplekse og ikke-repetitive.
Konsekvenserne varierer betydeligt: Effekten mærkes først på opgaveniveau, før den slår forskelligt ud på erhverv, erhvervsgrupper og derefter brancher.
I hovedscenariet – som ser på udbredelsen af agentbaseret AI – passerer cirka ét ud af otte erhverv den tærskel, hvor 30 procent af opgaverne kan automatiseres. Undersøgelsen definerer dette som en grænse for en grundlæggende omlægning af erhvervet, hvilket kan føre til en betydelig omfordeling af arbejdskraften, uden nødvendigvis at betyde, at erhvervet forsvinder.
De mest udsatte erhverv findes især inden for viden- og informationsintensive områder som:
- ingeniørfag
- IT
- administrative funktioner
- finans og jura
- visse kreative og analytiske erhverv
Hvor mange erhverv inden for hver erhvervsgruppe, hvor mindst 30 procent af arbejdsopgaverne kan automatiseres, givet det såkaldte «Special Agent»-scenarie for AI.
Data for graph in .xlsx format
De erhverv, der er mindst udsatte, er i høj grad manuelt orienterede eller baseret på menneskelig interaktion, som er vanskelig at standardisere – for eksempel industri, bygge- og anlægsvirksomhed, vedligeholdelse, transport, servering, rengøring og visse pleje- og støttetjenester.
Undersøgelsen analyserer også det faktiske arbejdsindhold, der er udsat i.f.t. automatisering i hvert arbejdsområde, ved at sammenligne andelen af automatiserbare opgaver med beskæftigelsen i hver af de 923 erhverv. Ved at samle dem i otte hovedkategorier identificeres de mest udsatte erhvervsgrupper.
De vigtigste konklusioner er tydelige: Over en fjerdedel af arbejdsopgaverne kan automatiseres inden for ledelse og administration, kreative erhverv, jura og finans samt ingeniør- og IT-sektoren. Personlige tjenester og tekniske, håndværks- og industriproduktionserhverv ligger derimod under 10 procent. Pleje, uddannelse, salg og andre erhverv med kundekontakt befinder sig i en mellemposition – enkelte opgaver er udsat, men den menneskelige dimension fungerer stadig som en beskyttende faktor.
Store forskelle mellem landene
Undersøgelsen viser, at landenes eksponering for AI-drevet automatisering varierer betydeligt – fra omkring 12 procent af arbejdsindholdet, der er udsat for automatisering (defineret som andelen af automatiserbare opgaver i forhold til den samlede beskæftigelse) i Tyrkiet til næsten 20 procent i Storbritannien.
Forskellene kan i høj grad forklares med landenes erhvervsstruktur, som former beskæftigelsesmønstrene og dermed andelen af opgaver, der kan automatiseres.
De rigeste økonomier, og dem der er mest orienteret mod kognitive tjenester, fremstår som mest udsatte. Ud over Storbritannien gælder dette blandt andet Holland, Irland og Luxembourg. Lande, hvor beskæftigelsen i højere grad er knyttet til handel, personlige tjenester, byggeri, transport og andre fysisk krævende aktiviteter, har en mere moderat eksponering. Undersøgelsen identificerer fem landegrupper med lignende profiler.
Med 16,8 procent af arbejdsopgaverne i arbejdsstyrken vurderet som udsatte i "Special Agent"-scenariet ligger Danmark over det europæiske gennemsnit hvad angår udsatheden i.f.t. kunstig intelligens. Landets profil placerer det i en bredere, teknologitung nordisk velfærdsstatsklynge sammen med Sverige og Finland og i mere løs forstand også Estland, Norge og Island.
Danmarks position afspejler både landets økonomiske struktur og sammensætningen af arbejdsmarkedet. Industri, produktion, finansielle tjenester og den brede offentlige sektor spiller en større rolle end i resten af Europa, mens informations- og kommunikationstjenester, professionelle og videnskabelige tjenester, ejendom samt bygge- og anlægsvirksomhed udgør en relativt mindre andel.
Dette afspejles i en beskæftigelsesstruktur, der i mindre grad er præget af hovedkontorstunge koncernmiljøer og i højere grad af et tæt lag af tekniske, administrative, uddannelses- og omsorgsyrker forankret i en højt organiseret velfærdsstat.
I denne struktur kommer den vigtigste stigning i AI-eksponering fra forretnings- og administrative roller, ingeniør- og anvendte tekniske erhverv, IKT-erhverv samt et omfattende lag af pleje- og uddannelseserhverv. Samtidig bidrager den relativt begrænsede andel af toplederstillinger og traditionelle kontorstøttefunktioner til at adskille Danmark fra de mere koncern- og hovedkontorstunge profiler i Nordvesteuropa.
Mere end beskæftigelse: værdiskabelse, velfærd, uddannelse og nye afhængigheder. Mange spørgsmål, der foreløbig ikke har noget svar.
Konsekvenserne af AI rækker langt ud over selve beskæftigelsesspørgsmålet. Da teknologien i høj grad rammer højt kvalificerede og velbetalte erhverv, kan AI på sigt forrykke økonomiske og sociale balancer.
Automatisering af opgaver i videnintensive erhverv kan føre til, at en større andel af værdiskabelsen flyttes fra arbejde til kapital. For lande, hvor skattesystemet i høj grad er baseret på beskatning af arbejde, vil dette skabe et dobbelt budgetpres: reducerede skatteindtægter kombineret med øgede offentlige udgifter (arbejdsløshedsunderstøttelse, omskoling og kompetenceudvikling).
Undersøgelsen opfordrer os også til at se bredere på værdien af uddannelse og de kvalifikationer, der i dag tildeles ved afslutningen af forskellige uddannelsesforløb.
Hvis opgaver, der kræver lang uddannelse, i stigende grad kan automatiseres, kan sammenhængen mellem uddannelsesniveau, løn og jobsikkerhed svækkes. Uden at konkludere, at videregående uddannelse mister sin betydning, tyder resultaterne på, at arbejdsgivere i højere grad vil lægge vægt på færdigheder, der supplerer AI – såsom dømmekraft, tilpasningsevne og evnen til at overvåge og styre teknologien.
Endelig kan udviklingen inden for AI også skabe nye geopolitiske, logistiske og operationelle sårbarheder som følge af koncentrationen af kritiske ressourcer (halvledere, sprogmodeller, datacentre) hos et begrænset antal virksomheder og lande.
Konklusion: En transformation, der kan omforme arbejdslivet
Selvom den videre udvikling er usikker, og selvom overgangen fra et teknisk automatiseringspotentiale til faktiske beskæftigelseseffekter ikke er indlysende, står én ting klart: AI udvikles ikke i udkanten af arbejdslivet, men rammer kernen af kognitive, ikke-rutinemæssige og kompetencekrævende funktioner, som længe har været betragtet som de mest stabile.
Da disse funktioner er centrale for værdiskabelse, indkomstdannelse og skatteindtægter, er det usandsynligt, at en sådan udvikling kan finde sted uden i større eller mindre grad at ændre både arbejdslivets indhold og de samfundsmæssige balanceforhold, der hviler på det.
> Download den fulde undersøgelse (PDF) eller se forfatternes hovedindlæg fra Coface Country Risk Conference
