Hvorfor AI kan skape flere jobber

Nøkkelinnsikt

• Hovedpoenget i videoen er økonomisk, ikke teknisk: hvis AI senker kostnaden ved kunnskapsarbeid, kan organisasjoner etterspørre mer av det i stedet for mindre.
• Eksempelet med radiologer er viktig fordi det svekker den enkle antakelsen om at sterk automatisering av én oppgave betyr at hele yrket forsvinner.
• Den praktiske forskyvningen går oppover i verdikjeden: AI tar rutinearbeid, mens mennesker blir viktigere for problemformulering, kontroll og ansvar.
• Dette er fortsatt et strategisk rammeverk, ikke et bevis på at alle bransjer vil få netto jobbvekst, og derfor bør argumentet brukes som linse heller enn garanti.

Kort fortalt

Jeff Crume fra IBM Technology legger fram et tydelig og optimistisk argument: AI bør forstås som en måte å gjøre mennesker bedre på, ikke bare som automatisering som fjerner jobber. Han bygger forklaringen rundt Jevons' paradoks, den økonomiske ideen om at når noe blir mer effektivt og billigere, kan total etterspørsel øke i stedet for å falle.

Det er slik han forklarer hvorfor yrker som radiologi og regnskap ikke forsvant da verktøyene ble bedre. AI kan redusere hvor mye rutinearbeid som trengs per oppgave, samtidig som den øker den totale mengden menneskelig arbeid rundt kontroll, tillit, etterlevelse og kreativ problemforståelse.

Hva Jevons' paradoks betyr for AI

Crume bygger hele videoen rundt Jevons' paradoks, oppkalt etter økonomen William Stanley Jevons. Poenget er enkelt: når en teknologi blir mer effektiv, faller kostnaden ved å bruke den, og da kan total etterspørsel øke i stedet for å falle. Jevons så dette med kull og dampmaskiner i 1865. Hver maskin brukte mindre kull, men dampkraft ble så nyttig at samlet kullforbruk likevel steg.

Overført til AI betyr det at poenget ikke bare er at én ansatt gjør mindre arbeid. Det er at organisasjoner kan få råd til å gjøre langt flere ting når AI senker kostnaden ved analyse, tekstutkast, støtte, research og koordinering.

---

Hvorfor fortellingen om at AI erstatter jobber kan bli for enkel

Crume åpner med å sette en kjent frykt opp mot et historisk eksempel. Han siterer Geoffrey Hinton, som i 2016 sa at folk burde slutte å utdanne radiologer fordi dyp læring snart ville bli bedre enn dem. Ti år senere, sier Crume, er ikke radiologene borte, og det utdannes flere av dem.

Poenget hans er ikke at AI mislyktes. Poenget er at etterspørselen etter medisinsk bildeanalyse, kontroll, vurdering og tolkning forble høy samtidig som verktøyene ble bedre. Jobben endret seg. Verktøyene ble sterkere. Men yrket forsvant ikke bare fordi én del av arbeidet ble mer automatisert.

Han bruker samme logikk på regneark. Da aritmetikk ble automatisert, slapp regnskapsførere å bruke hele dagen på manuelle utregninger. Det fjernet ikke behovet for økonomiarbeid. Det økte etterspørselen etter analyse, planlegging og beslutningsstøtte på høyere nivå.

---

Hva slags menneskelig arbeid som kan vokse

Den sterkeste delen av videoen er ikke slagordet om at AI skal hjelpe mennesker. Det er den mer presise påstanden om at AI kan flytte arbeid bort fra rutineoppgaver og over mot roller med mer ansvar og mer behov for dømmekraft. Crume peker på nye jobbkategorier som AI-produktsjefer, sikkerhetsingeniører og folk som utformer gode instruksjoner til modeller. Han mener også at billigere AI kan utvide nisjetjenester i stor skala, som personlig veiledning, smal juridisk analyse og mer skreddersydd helsestøtte.

Det er viktig fordi det endrer hva som teller som verdifullt menneskelig arbeid. Hvis AI gjør førstekast billig, blir det knappeste godet å definere målet, kontrollere resultatet, håndtere unntak og bære ansvar når noe går galt. Tillit, dømmekraft og koordinering blir viktigere, ikke mindre.

Det er også her videoen er mest nyttig. Den hevder ikke at alle beholder den samme jobben. Den antyder at arbeidsmarkedet kan reorganiseres rundt menneskelig ansvarlighet samtidig som maskinkapasiteten øker.

---

Praktiske implikasjoner

• Hvis du leder et team, bør du se AI som en kapasitetsforsterker. Muligheten ligger ikke bare i å kutte kostnader, men i å utvide hva teamet faktisk kan levere.
• Hvis du er ansatt, bør du bygge ferdigheter over automatiseringslaget. Crume løfter fram tilpasningsevne, livslang læring, kritisk tenkning og kreativitet som ferdigheter som blir mer verdifulle.
• Hvis du vurderer spådommer om AI og jobbmarkedet, bør du skille mellom logikk og bevis. Jevons' paradoks er et nyttig rammeverk, men det garanterer ikke jobbvekst i alle bransjer.

---

Ordliste

---

Kilder og ressurser