Et spørgsmål om retning, ikke om robotter
Når AI bliver et samtaleemne på ledelsesgangen, ryger diskussionen ofte hurtigt over i to grøfter. Enten bliver teknologien til en trussel, der skal beskyttes imod, eller til et vidundermiddel, der løser alt af sig selv. Begge dele fører på afveje, fordi de fjerner blikket fra det, der faktisk afgør udfaldet: de valg, mennesker træffer undervejs.
Den mere interessante version er den, hvor AI bliver en medspiller. Ikke en der overtager arbejdet, men en der fjerner noget af det, der tynger, og frigør tid til det, mennesker er bedst til. Den version er hverken naiv eller garanteret. Den kræver, at organisationen bygger de rigtige rammer, og at medarbejderne får lov at lære teknologien at kende i deres eget tempo. Men den er realistisk, og der findes efterhånden solid dokumentation for, at den kan lade sig gøre.
Hvad forskningen faktisk viser
Et af de mest citerede studier på området kommer fra økonomerne Erik Brynjolfsson, Danielle Li og Lindsey Raymond. De fulgte omkring 5.000 kundeservicemedarbejdere, der fik adgang til en AI-assistent, og målte effekten på deres arbejde. I gennemsnit steg produktiviteten med cirka 14 procent. Det interessante ligger i fordelingen. De mest erfarne medarbejdere fik kun et lille løft, mens de mindst erfarne rykkede sig omkring 34 procent. AI'en virkede altså ikke som en forstærker af de dygtigste, men som en løftestang for dem, der ellers havde længst igen. Samtidig blev kunderne mere tilfredse, og færre bad om at tale med en leder.
Det mønster går igen i et stort feltforsøg fra Harvard og konsulenthuset BCG, som blandt andre Fabrizio Dell'Acqua og Wharton-professoren Ethan Mollick står bag. Her løste 758 konsulenter opgaver med og uden AI. De, der brugte AI, kom hurtigere i mål og leverede målbart højere kvalitet på de opgaver, der lå inden for teknologiens formåen. Igen var effekten størst i bunden. De svagest præsterende forbedrede sig omkring 43 procent. Forskerne kalder det en nivelleringseffekt. AI hæver gulvet mere end loftet.
AI hæver gulvet mere end loftet.
Mollick har givet os et brugbart billede af, hvorfor det ikke er ligetil. Han taler om en takket grænse, en jagged frontier. AI er overraskende stærk til nogle opgaver, der ser svære ud, og overraskende svag til andre, der ser lette ud, og grænsen mellem de to er sjældent til at få øje på udefra. Derfor handler god brug af AI ikke om at overlade hele opgaver til maskinen, men om at lære, hvornår den hjælper, og hvornår den fører på vildspor. Mollick beskriver to arbejdsformer. I den ene deler man opgaverne op og giver AI'en det, den er god til. I den anden væver menneske og AI sig ind i hinanden gennem hele opgaven. Begge dele kræver øvelse, ikke bare et login.
Zoomer man ud, peger de store fremskrivninger i samme retning. World Economic Forum anslår i sin Future of Jobs Report fra januar 2025, at der på globalt plan kan opstå 170 millioner nye job frem mod 2030, mens 92 millioner forsvinder. Netto svarer det til 78 millioner flere. Samtidig venter arbejdsgiverne, at 39 procent af de kernekompetencer, job kræver, vil ændre sig i samme periode. Billedet er altså ikke arbejde eller intet arbejde, men arbejde, der forandrer sig. McKinsey har på sin side vurderet, at generativ AI årligt kan tilføre et sted mellem 2.600 og 4.400 milliarder dollar til verdensøkonomien, og at en stor del af værdien netop ligger i videnarbejde som kundebetjening og sagsbehandling.
Man skal læse den slags tal med kildekritiske briller. De er fremskrivninger, ikke facit, og de bygger på antagelser, der kan holde eller briste. Men samlet tegner de et mønster, der er svært at overse. Den mest sandsynlige fremtid er ikke en, hvor mennesker bliver overflødige, men en, hvor de får en ny slags medspiller ved siden af sig.
En sagsbehandlers arbejdsdag i 2031
Lad os gøre det konkret. Mød Mette. Hun er sagsbehandler i et jobcenter i en dansk kommune, og hendes arbejde handler om mennesker, der har brug for hjælp til at komme videre. Sådan ser en af hendes dage ud fem år fra nu.
Klokken er kvart i ni, og Mette har en samtale om lidt. Tidligere ville hun have brugt den første halve time på at læse sig ind på sagen på ny. I dag har hendes AI-assistent forberedt et kort overblik. Den har samlet trådene fra de seneste noter, markeret, hvad der er nyt siden sidst, og gjort opmærksom på en frist, der nærmer sig. Mette læser det igennem, retter en detalje, den har misforstået, og tilføjer sin egen fornemmelse af, hvor borgeren står. Overblikket er et udkast, ikke en dom. Beslutningen er stadig hendes.
Selve samtalen foregår, som samtaler altid har gjort. Mette lytter, spørger ind og er til stede. Det er her, hendes egentlige arbejde ligger, og det er præcis her, teknologien holder sig ude. Bagefter, mens indtrykkene stadig er friske, taler hun kort med assistenten om, hvad de aftalte. Den skriver et udkast til det faglige notat, hun ellers skulle have brugt tyve minutter på at formulere fra bunden. Mette læser det igennem, skærper et par formuleringer og godkender. Referatet er hendes ansvar, men hun skulle ikke bygge det fra grunden.
Hen over dagen fjerner assistenten mange af de små forhindringer, der før stjal tid og energi. Den finder den rette paragraf, når Mette er i tvivl, og henviser til, hvor den står, så hun selv kan tjekke efter. Den udfylder de rutineprægede felter i systemet, som ingen borger nogensinde har følt sig hjulpet af. Den gør Mette opmærksom på en sag, der har ligget stille for længe, så den ikke falder mellem to stole. Ikke noget af det er dramatisk. Det er summen af mange små ting, der gør forskellen.
Det betyder ikke, at Mette har mindre travlt. Det betyder, at hendes travlhed handler om noget andet. Hun bruger mere af sin dag på de borgere, der har de mest sammensatte behov, og mindre på papirarbejde, der tappede hende for overskud. Hun når at ringe tilbage til en, hun ellers ville have udskudt. Hun har fået lidt af sit fag tilbage.
Der er også nye krav i Mettes hverdag. Hun har lært at læse AI'ens udkast med et kritisk blik, for den tager fejl, og fejlene er ikke altid til at få øje på. Hun ved, hvornår en sag er for følsom til at overlade noget som helst til en maskine. Og hun arbejder i en kommune, der har taget stilling til, hvad teknologien må og ikke må, så ansvaret ikke hviler på den enkelte sagsbehandler alene. Det er den slags rammer, der gør forskellen mellem en god og en dårlig version af den her fremtid.
Det danske forspring, og et konkret eksempel
Mettes arbejdsdag er ikke ren fantasi. Dele af den findes allerede. Danske virksomheder ligger ifølge Eurostat i front i EU, når det gælder brug af AI, og i den offentlige sektor er der de senere år skudt en lang række konkrete projekter op.
Et af de mere lovende hedder RoboRef. Det er et værktøj, udviklet af Droids Agency i samarbejde med ATP og mere end tyve danske kommuner, der hjælper sagsbehandlere med at skrive referater og faglige notater. Medarbejderen taler, og værktøjet laver et udkast, som mennesket derefter retter til og godkender. I Jobcenter Roskilde peger de indledende erfaringer på, at værktøjet kan frigøre et sted mellem 15 og tyve minutter per samtale, og at kvaliteten af udkastene var brugbar i omkring 75 til 80 procent af tilfældene. Hos ATP var rettetiden under to minutter for cirka 70 procent af samtalerne.
De tal skal læses for, hvad de er. De stammer fra pilotdrift og fra den offentlige sektors egne opgørelser, ikke fra uafhængige effektstudier, og de beskriver et potentiale mere end et endeligt facit. Men de er konkrete, de er danske, og de peger på præcis den type opgaver, hvor teknologien gør mest gavn: det tidskrævende forarbejde, ikke selve mødet med borgeren.
Det er værd at tilføje, at ikke alle danske erfaringer med AI i det offentlige har været lige gode. Der har også været eksempler, hvor algoritmer til at opspore snyd er blevet kritiseret for at overvåge og risikere at forskelsbehandle borgere. Den slags hører med til det ærlige billede. Den optimistiske fremtid er ikke en, hvor vi bruger AI til alt, men en, hvor vi bruger den til det rigtige og holder mennesket i førersædet, hvor det betyder mest.
Fra frygt til fortrolighed
Hvis der er en fælles tråd i forskningen og i de danske erfaringer, er det, at teknologien sjældent er det, der afgør udfaldet. Det gør menneskene og rammerne omkring den. Tre ting går igen.
Det første er læring. Gevinsten kommer ikke af at give folk adgang til et værktøj, men af at give dem tid og tryghed til at lære, hvornår det hjælper, og hvornår det ikke gør. Den takkede grænse, Mollick beskriver, kan man kun lære at kende ved at arbejde med teknologien, gøre sig erfaringer og dele dem med hinanden.
Det andet er feedback. De organisationer, der lykkes, behandler ikke AI som noget, der rulles ud en gang for alle. De prøver noget af i det små, ser efter, hvad der virker, og justerer. En sagsbehandler, der opdager, at assistenten misforstår en bestemt type sag, skal have et sted at sige det, så alle bliver klogere. Små forandringer, der bygger oven på hinanden, kommer længere end store spring.
Det tredje er ansvar. Når teknologien flytter ind i kernen af en organisation, skal nogen have taget stilling til, hvad den må, hvor mennesket skal ind over, og hvordan man opdager, når den tager fejl. Ikke som en bremse, men som det, der gør det trygt at bruge den. Reglerne er på vej, blandt andet med kravene i EU's forordning om AI, og de organisationer, der tager stilling nu, står stærkere, når det bliver hverdag.
Retningen er værd at gå efter
Fremtidens arbejdsplads bliver ikke et sted uden mennesker. Den bliver et sted, hvor mennesker får en ny slags kollega, og hvor det, der før tog tid fra det væsentlige, fylder mindre. Sagsbehandleren, revisoren, sygeplejersken og sælgeren får ikke mindre at lave, men de får måske deres fag tilbage.
Om den version bliver virkelighed, afhænger ikke af teknologien alene. Det afhænger af, om vi tør prøve i det små, lære undervejs og bygge rammer, der sætter mennesket først. Det er ikke en fjern drøm. Det er en retning, man kan begynde at gå i allerede nu.