Ca. 16% færre unge i de job, hvor AI rammer hårdest. Det er ikke en løs påstand fra LinkedIn. Det er lønningsdata fra Stanford — og det sker allerede nu.

Jeg har set Marina Mogilkos interview med Erik Brynjolfsson (Silicon Valley Girl). Erik Brynjolfsson er økonom og har i 30 år målt, hvad teknologi gør ved produktivitet og job. Hans udgangspunkt er tal, ikke store løfter. Og det, Brynjolfsson fortæller, passer med det, jeg ser hos små og mellemstore virksomheder, der prøver AI for første gang: Værktøjerne bliver hurtigt meget bedre — men gevinsten for forretningen kommer først, når nogen sætter værktøjet på et rigtigt problem.

Erik Brynjolfsson — professor ved Stanford HAI, leder af Stanford Digital Economy Lab, medforfatter til The Second Machine Age (sammen med Andrew McAfee), medstifter af Workhelix og tilknyttet Stanford AI Index. Hans forskergruppe har netop udgivet forskningsartiklen Canaries in the Coal Mine, som handler om de første tegn på, hvordan generativ AI påvirker begynderjob — de job, unge typisk starter karrieren i.

Marina Mogilko — kendt som Silicon Valley Girl. Iværksætter og podcastvært, der stiller de samme spørgsmål som mange danske virksomhedsejere: Hvad gør jeg i morgen, hvis der bliver færre stillinger til de unge?

Forskningsartiklen bygger på lønningsdata fra ADP i USA. Ifølge artiklen er beskæftigelsen for under-25-årige ca. 16% lavere i de job, der er mest udsat for AI. Det betyder ikke, at alle mister jobbet. Og der er ikke tale om et sammenbrud i hele økonomien. Tværtimod: I de job, AI rører mindst (fx hjemmehjælpere), og blandt de erfarne medarbejdere i de udsatte job er beskæftigelsen stabil eller stigende.

Den vigtigste forskel i tallene: Hvor AI overtager opgaverne, falder beskæftigelsen for de unge. Hvor AI hjælper medarbejderen med at løse opgaverne, er billedet uændret eller positivt.

Det er præcis den forskel, jeg prøver at få frem på mine kundemøder: AI er et værktøj. Bruger du det til at fjerne de unge medarbejdere uden en plan for, hvem der skal være de erfarne om fem år — så bygger du en pyramide uden bund. Ifølge Erik Brynjolfsson er det et koordineringsproblem. Jeg kalder det kortsigtet regnearkstænkning.

Omkring 2017 sagde AI-forskeren Geoffrey Hinton, at man burde stoppe med at ansætte radiologer, fordi computere snart kunne læse scanningsbillederne. I dag er der nærmest mangel på radiologer.

Hvorfor? Ifølge Erik Brynjolfsson er et job en samling af opgaver. En radiolog har ca. 26 forskellige opgaver. Kun én af dem — at læse medicinske billeder — bliver for alvor overtaget af maskiner. Resten — undersøge patienter, laboratoriearbejde, koordinering — bliver der mere brug for, når billedlæsningen bliver billigere. Når en MR-scanning går fra “for dyr” til “den tager jeg”, stiger antallet af scanninger. Flere scanninger giver mere arbejde med de 25 andre opgaver.

Samme logik gælder din webshop, dit økonomisystem og din kundeservice: AI fjerner ikke “stillingen”. AI tager dele af arbejdet. Spørgsmålet er, om du tilrettelægger resten af arbejdet på en ny måde — eller bare fyrer den, der stod midt i det.

Her bliver Erik Brynjolfsson lidt økonom-nørdet — og det er her, det bliver brugbart. Ifølge Erik Brynjolfsson ligger cirka halvdelen af økonomien i brancher, hvor folk køber meget mere, når prisen falder: lavere pris → mange flere kunder → du ender med at ansætte flere, ikke færre (flyrejser, dele af sundhedsvæsenet). I den anden halvdel betyder effektivitet færre hænder (klassisk landbrug, dele af programmering og callcentre).

Mine observationer til dig som virksomhedsejer:

1. Find ud af, hvilken halvdel din kerneforretning hører til. Giver billigere og hurtigere flere kunder? Så er AI en vækstmotor. Er markedet mættet og presset på prisen? Så handler AI mest om at klare sig med færre timer — ikke om at vokse.


2. Programmering og callcentre er lige i skudlinjen. Erik Brynjolfsson underviser selv på Stanford, og i år skal alle hans studerende levere kode, der virker (med AI-værktøjer som Cursor, Replit og Claude Code) — uanset baggrund. Callcentre er ifølge Brynjolfsson gået fra “AI hjælper medarbejderen” til “AI svarer kunden direkte”. Består din kundeservice mest af svar kopieret fra en liste med ofte stillede spørgsmål, er den allerede i farezonen.


3. Stop med AI-konkurrencer om frokostmenuer. Erik Brynjolfsson fortæller om en virksomhed, hvor det vindende projekt i en intern AI-konkurrence var bedre frokostmenuer. Sjovt. Men ikke det, virksomheden lever af. Jeg ser det samme: ChatGPT til mails, men intet styr på bilag, lager og ordrer — og ingen tanke på, om AI-assistenter overhovedet kan finde og forstå virksomhedens hjemmeside.

Ifølge Stanford AI Index og de tests, man måler AI-modeller med, bliver AI hurtigt bedre. Men i de økonomiske tal kan man endnu kun se en lille effekt. Den forskel er ikke en fejl ved teknologien. Det er den tid, det tager at ændre arbejdsgange, efteruddanne folk og opfinde nye produkter. Ifølge Erik Brynjolfsson tog det ca. 30 år, før elektricitet for alvor gav højere produktivitet i fabrikkerne. For AI gætter Brynjolfsson på 3–5 år — ikke fra den ene dag til den anden, men heller ikke en hel generation.

Erik Brynjolfsson har endda indgået et væddemål med økonomen Bob Gordon, der er skeptisk over for AI: Brynjolfsson tror, at produktiviteten frem mod 2030 bliver markant højere, end de fleste forventer. Brynjolfssons pointe er, at AI er undervurderet, når det gælder den reelle værdi — og overvurderet, når folk tror, at alt er forandret i morgen.

Det passer med det, jeg selv har bygget: AI på egne servere, AI koblet på mailen, automatisk afstemning af fakturaer og MCP-forbindelser, så AI kan arbejde direkte i mine systemer. Værktøjerne er der. Værdien kommer først, når de bliver brugt i den daglige drift — ikke i en demo.

Ifølge Erik Brynjolfsson har næsten ethvert projekt tre trin: formulér spørgsmålet → udfør arbejdet → vurdér resultatet. AI bliver dygtig til det midterste trin. Dit arbejde — og dine medarbejderes — flytter til første og tredje trin: at stille de rigtige opgaver og vurdere det, der kommer ud. Altså fange fejl og opdigtede svar, opdage når AI har gjort præcis det, du skrev, men ikke det, du mente — og så prøve igen.

Unge programmører, marketingfolk på mellemniveau og juridiske assistenter er ifølge Erik Brynjolfsson i skudlinjen. Erfarne folk med god dømmekraft og styr på projektledelse står stærkere. Brynjolfsson nævner Infosys som et godt eksempel: Virksomheden ansætter stadig lige så mange unge som før — men sætter dem til at lære og se det store billede i stedet for rutineopgaver, som AI allerede klarer. De fleste virksomheder er ikke så forudseende. De skærer bunden af pyramiden og undrer sig senere over, hvor de erfarne medarbejdere skal komme fra.

1. Se på opgaverne, ikke på stillingsbetegnelserne. Hvilke opgaver i din uge kan en AI-agent tage — og hvilke skal et menneske stadig have ansvaret for?


2. Lad AI hjælpe dine unge medarbejdere i stedet for at skære dem væk. Ellers mangler du erfarne folk om 3–5 år.


3. Sæt AI på det, der virkelig gør ondt: bilag, lager, kundeservice og synlighed — også over for de AI-assistenter, der søger på nettet. Ikke frokostmenuer.


4. Øv dig i at stille opgaver og vurdere resultatet. Det er den evne, Erik Brynjolfssons Stanford-kursus og Workhelix handler om — og den kan en dansk virksomhed træne uden et budget som i Silicon Valley.


5. AI er et værktøj, der forstærker det, du vil. Har du ingen plan, forstærker AI ingenting.

Ifølge Erik Brynjolfsson kan det næste årti blive det bedste eller et af de værste i historien — alt efter om vi styrer teknologien mod værdi, der bliver delt, eller mod at samle det hele hos få. For en dansk virksomhed er det mindre abstrakt: Du vælger hver uge, om AI bare skal skære i omkostningerne, uden at nogen lærer noget — eller gøre dine folk og dine systemer skarpere.

Se selv interviewet: YouTube — Stanford’s Top AI Economist (Erik Brynjolfsson).