Er mennesker overflødige når AI overtar jobben?

Nøkkelinnsikt

• AI tømmer jobber for innhold snarere enn å fjerne dem helt, ved å ta over de repetitive oppgavene og etterlate den strategiske og relasjonelle kjernen. Det krever en grunnleggende tenkning om hva arbeid faktisk er.
• Ansatte bruker allerede AI-verktøy uten at lederen vet om det, og erstatter kollegakontakt med chatbots. Den usynlige sosiale fabrikken som holder organisasjoner i live, slites opp stille og rolig.
• Klarna byttet ut rundt 700 kundeservicejobber med en AI-chatbot, og måtte deretter snu da kvaliteten falt og kundene etterspurte menneskelig empati. Kortsiktige kostnadsbesparelser kan bli langsiktig omdømmeskade.
• Når bedrifter kutter inngangsstillingene, oppstår det en diamantformet organisasjon uten talentpipeline. Dagens effektivitetsgevinst kan bli morgendagens lederkrise.

Kort fortalt

BBC AI Decoded stiller spørsmålet de fleste ledere helst vil slippe å tenke på: hvis AI kunne ta over alt teamet ditt gjør, hvem ville du beholdt, og hvorfor? Programleder Christian Fraser er samlet med Bernard Marr, AI- og forretningsforfatter og Forbes-spaltist; Ella Hafermalz, førsteamanuensis ved Vrije Universiteit Amsterdam; og Priya Lakhani, administrerende direktør i Century Tech og medprogramleder. Sammen undersøker de hvordan AI omformer arbeidslivet akkurat nå, hvorfor Klarnas chatbot-eksperiment gikk galt, og hva det betyr for dem som er på vei inn i arbeidsmarkedet. De hører også fra Larry Fink, styreleder og konsernsjef i BlackRock, om hvorfor etterkrigstidas satsing på å sende alle til universitetet kan ha gått for langt.

Tre typer AI som omformer arbeidet

Bernard Marr åpner med et rammeverk som skjærer gjennom støyen. AI er "nesten som å ha en ånd på skulderen": en superkraft som lar enkeltpersoner utføre arbeid som tidligere krevde et helt team. Men han skiller mellom tre ulike bølger, ikke én.

Generativ AI (chatbotene vi allerede kjenner) tar seg av dataanalyse, utkast og research. En finansrådgiver kan nå overlate tallknusingen til en modell og bruke mer tid på å bygge relasjoner med kundene sine. Agentisk AI (agentic AI) går lenger: den opererer programvare, fyller ut skjemaer, surfer nettet og kjører repetitive arbeidsflyter på egenhånd. IBM har for eksempel automatisert mange av sine rutinepregede HR-oppgaver (personaladministrasjon), og frigjort ansatte til å bruke tid på organisasjonsstrategi i stedet for å svare på de samme spørsmålene om pensjonstrekk om og om igjen. Så har vi fysisk AI: humanoide roboter som kan trenes ganske enkelt ved å se på videoer av mennesker som utfører oppgaver, og som nå begynner å forstå den fysiske verden godt nok til å handle i den.

Den røde tråden gjennom alle tre er at AI ikke erstatter jobber i sin helhet. Den tømmer dem. Den tar de delene de fleste finner kjedelige og håndterer dem, og etterlater den strategiske og kreative kjernen. Om det oppleves som frigjøring eller overflødiggjøring avhenger fullstendig av hvordan organisasjonene svarer.

Skygge-AI-problemet

Mens ledere diskuterer AI-strategi i styrerommet, har de ansatte allerede tatt en avgjørelse. Ella Hafermalz har brukt de siste to årene på å studere hva som faktisk skjer når arbeidstakere begynner å bruke AI-verktøy, og funnene er slående.

Folk tok i bruk disse verktøyene i det stille, uten godkjenning, begynte hjemme og tok dem gradvis med inn i jobben: idémyldring, søk, strukturering av informasjon, pynting av tekster. Det som avslørte konsekvensene, var motivasjonen bak: ansatte var "så glade for å slippe å plage kollegene sine med spørsmål." Hvorfor lete opp en leder eller en forretningspartner som kjenner et bestemt rammeverk, når ChatGPT svarer på sekunder?

Bekvemmeligheten er reell. Men Hafermalz hevder at prisen er usynlig. Den organiske, sosiale læringen som skjer mellom kolleger, de uformelle kunnskapsoverføringene, relasjonene som bygges gjennom de "dumme spørsmålene": alt dette forsvinner stille. Organisasjoner eksisterer for å dele kunnskap og sjekke kvaliteten på hverandres arbeid. Når alle slutter å spørre og heller begynner å spørre chatbots, svekkes denne funksjonen på måter ledere ofte ikke ser før skaden er gjort.

Å kjøpe Microsoft Copilot-lisenser er ikke en AI-strategi

Priya Lakhani gir en skarp vurdering av hvor de fleste bedrifter faktisk befinner seg. Toppledere forteller henne at de "bruker AI," og det de mener er at de har kjøpt Microsoft Copilot-lisenser til alle ansatte og at folk skriver e-poster litt raskere. Samtidig viste en MIT-rapport at 95 prosent av organisasjoner ikke får avkastning på AI-investeringene sine, og en McKinsey-rapport satte andelen selskaper som faktisk oppnår avkastning til bare 1 prosent.

Kløften mellom å ta i bruk verktøy og faktisk endre driften er enorm. Reell AI-gevinst ser ut som publikumsspørsmålet som leses opp mot slutten av programmet: en lytter som leder driften i to organisasjoner forteller at AI har gjort det mulig for et lite team å produsere arbeid som tidligere krevde eksterne byråer og konsulenter, og ta det helt inn i huset. Det er operasjonell gearing. Å skrive e-poster litt raskere er ikke det.

Klarna-lærdommen

Det mest konkrete advarende eksemplet i episoden kommer fra Klarna. Det svenske fintech-selskapet erstattet rundt 700 kundeservicejobber med en AI-chatbot drevet av OpenAI. Kostnadsbesparelsene var reelle. Men i desember hadde selskapet snudd, og kunngjorde en stor rekrutteringskampanje. To problemer hadde dukket opp: kvaliteten på arbeidet som ble levert av AI var lavere, og kundene ville ha et menneske involvert. De ville ha empati. De ville ha noen som forsto situasjonen og brukte skjønn.

Hafermalz knytter dette til et bredere poeng om at AI-hypet skaper beslutninger man angrer på. AI kan se ut til å produsere god kvalitet på kode, tekster og svar, og det krever et trent øye å se hvor den svikter. Klarna-historien er en påminnelse om at når menneskelig dømmekraft og empati er selve produktet, er det ikke en kostnadsbesparelse å kutte menneskene. Det er å kutte produktet.

Faren med den diamantformede organisasjonen

Bernard Marr tar opp en bekymring det er lett å overse i effektivitetssamtalen. Hvis bedrifter fortsetter å kutte inngangsstillinger fordi AI kan håndtere junioroppgaver, ender de opp med det Hafermalz kaller en "diamantformet organisasjon": noen få på toppen, et bredt lag av erfarne folk i midten, og nesten ingen i bunnen.

Problemet er talentpipelinen. Inngangsstillinger er ikke bare billig arbeidskraft. De er måten organisasjoner trener neste generasjon av seniormedarbeidere. Regnskapsføreren som lærer seg regneark og resultatregnskap i dag, bygger grunnlaget for den strategiske finansrollen om fem år. Kutt det inngangspunktet, og du kutter også fremtidens talentpipeline. Du mister også de uformelle samhandlingene som hjelper nyansatte med å lære hvordan ting faktisk fungerer: mentorene, de "dumme spørsmålene", den gradvise oppbyggingen av institusjonell kunnskap som ikke kan settes i et dokument.

Marrs formulering er direkte: "Hvis jeg kutter de rollene, kutter jeg også fremtidige ansatte."

Utdanning på nytt

Larry Finks innslag skjærer mot tiårs utdanningskonsensus. Etterkrigstidas satsing på å sende alle til universitetet gikk for langt, mener han, og resultatet er at mange som ville ha blomstret som dyktige fagarbeidere, havnet i bank, media eller jus i stedet. AI akselererer nå behovet for å gjenopprette balansen.

Priya Lakhani bygger på dette med en tretrinnsmodell for utdanning i AI-alderen. Grunnleggende kunnskap er fortsatt viktig: du kan ikke utvikle god dømmekraft ved å Google deg frem til alt. Over det ligger anvendt kunnskap: hvordan ting faktisk fungerer i den virkelige verden, å løse reelle problemer. Og det tredje laget er det hun kaller læringssmidighet: evnen til å fortsette å lære, til å tilpasse seg betingelser som ennå ikke eksisterer, slik at folk som er ferdig med formell utdanning ikke kommer ut i arbeidslivet og venter på et samlebånd som ikke lenger kjører.

Ella Hafermalz, som underviser på et kurs ved Vrije Universiteit Amsterdam med det direkte spørsmålet "Hvem er jeg i AI-alderen?", sier det samme. Poenget er ikke å forby AI, for det er allerede en del av studentenes hverdag. Poenget er å hjelpe dem å tenke klart om hva de selv bidrar med som AI ikke kan: dømmekraft, relasjoner, perspektiv og evnen til å stille det riktige spørsmålet.

Hva arbeid egentlig betyr

Samtalen avsluttes uten en ryddig konklusjon, og det føles ærlig. AI erstatter ikke mennesker, i hvert fall ikke på den brå, massiv-arbeidsledighetsmåten overskriftene antyder. Det den gjør er å avsløre hva som er uomgjengelig menneskelig ved arbeidet vi gjør. Det som gjenstår etter at AI har tatt de kjedelige delene: dømmekraft, empati, strategisk tenkning, evnen til å bygge ekte relasjoner med ekte mennesker. Ikke restene. Kjernen.

Risikoen er at organisasjoner jager kostnadsbesparelser så hardt at de ikke legger merke til at de river ned grunnlaget for at disse menneskelige evnene skal kunne overleve. Ingen talentpipeline. Ingen mentorer. Ingen organisk læring. Ingen sosiale bånd. En svært effektiv organisasjon, en stund, inntil kunnskapen og kulturen som gjorde den verdt å jobbe for stille forsvinner.

Ordliste

Kilder og ressurser