Sådan udvider AI det, mennesker gør på jobbet

AI ændrer det arbejde, mennesker udfører. I en analyse af mere end 800.000 beskeder fra amerikanske ChatGPT‑brugere viser vores nye forskning, at 16,8 % af de arbejdsrelaterede beskeder og 43,5 % af de fagspecifikke beskeder handler om opgaver, der forbindes med et andet fagområde.

En ejer af en lille virksomhed kan selv skrive tekst, gennemgå en kontrakt eller foretage en grundlæggende finansiel analyse. En sælger kan bruge AI til at undersøge et kundedatasæt, som tidligere måske var blevet sendt videre til en analytiker. En marketingmedarbejder kan fejlfinde på et website uden at vente på en udvikler. I hvert tilfælde ændrer AI ikke blot, hvordan arbejdet bliver udført, men også hvem der gør hvad.

Vores nye rapport: Work at the Frontier: Sådan udvider AI, hvilke opgaver mennesker udfører på jobbet, undersøger denne udvikling. Vi kalder det resulterende mønster opgave-crossover: Arbejde, der historisk har været knyttet til ét fagområde, optræder i AI-brugen hos personer fra et andet. I vores ramme for omstillingen af job med AI⁠(åbner i et nyt vindue) argumenterer vi for, at mange jobs sandsynligvis vil blive omorganiseret. Det gælder jobs, hvor de daglige opgaver kan ændre sig markant. Denne rapport er den første i vores nye serie Work at the Frontier, som undersøger, hvordan AI ændrer arbejdslivet i realtid. 

Med vores unikke indblik i, hvordan arbejdslivet ændrer sig, vil vi løbende levere datadrevet og evidensbaseret indsigt, der kan vejlede beslutninger og praksis.

Mange undersøgelser af AI og arbejde tager udgangspunkt i en fast liste over opgaver, der er knyttet til et bestemt fagområde, og spørger, om modeller kan udføre dem. Vores resultater tyder på, at AI også ændrer, hvem der påtager sig hvilke opgaver.

For at måle opgave-crossover skelner vi først mellem arbejde, der er knyttet til et fagområde, og arbejde, der optræder i mange forskellige job. Nogle aktiviteter, såsom skrivning, opsummering og planlægning, går igen i så mange fagområder, at de ikke kan bruges som tegn på opgave-crossover. Dem klassificerer vi som generiske. For de resterende beskeder undersøger vi, om opgaven ligger inden for eller uden for brugerens eget fagområde. Blandt de ikke-generiske beskeder ligger 43,5 % uden for brugerens fagområde. Det giver et tidligt indblik i, hvordan AI kan ændre jobindholdet, før ændringerne afspejles i jobbeskrivelser eller stillingsbetegnelser.

Det tyder på, at en væsentlig del af den arbejdsrelaterede brug af ChatGPT kommer fra brugere, der udvider deres rolle. Mønstret er særligt tydeligt i flere grupper. Når generisk arbejde er sorteret fra, udgør opgaver uden for eget fagområde: 

• 77 % af de fagspecifikke beskeder fra medarbejdere inden for kundeoplevelser
• 75 % fra designere
• 69 % fra HR-medarbejdere
• 56 % fra juridiske medarbejdere 
• 53 % fra marketingmedarbejdere

Disse faggrupper »låner« opgaverne fra andre roller. Resultaterne peger på en ny arbejdsdeling: Nogle aktiviteter, der tidligere skulle gives videre, kan nu udføres af den person, der først opdager behovet.

Heatmappet nedenfor viser opgave-crossover ved at undersøge, hvilket fagområdes arbejde hver ikke-generisk besked minder mest om. Marketing- og softwareudvikleropgaver bevæger sig længst og optræder ofte i beskeder fra medarbejdere uden for disse områder.

Når vi går fra fagområder til konkrete opgaver, er opgave-crossover ikke jævnt fordelt. Finansielle beregninger og teknologisk fejlfinding er begge blandt de tre mest almindelige eksterne opgaver i samtlige syv andre faggrupper i analysen. Marketingarbejde spreder sig også bredt: Udarbejdelse af marketingmateriale optræder i fem andre grupper og er særligt udbredt blandt designbrugere.

Ser vi på bredere opgaveklynger, viser der sig to tydelige retninger for opgave-crossover. Nogle jobs inddrager mange opgaver fra andre fagområder. Andre leverer opgaver, som optræder i mange forskellige jobs.

Design illustrerer det første mønster. Omkring 35,2 % af designernes beskeder vedrører arbejde, der normalt forbindes med et andet fagområde, mens designopgaver kun udgør 1,7 % af beskederne fra medarbejdere på andre områder. Designere trækker i høj grad på opgaver udefra, men selve designarbejdet optræder sjældent andre steder.

For softwareingeniørarbejde er det næsten omvendt. Kun 18,5 % af beskederne fra softwareingeniører omhandler opgaver fra andre områder, men softwareingeniøropgaver udgør 7,4 % af beskederne blandt medarbejdere i andre fag. Softwareingeniørfaget er en vigtig kilde til arbejde, som personer på andre områder påtager sig, fra fejlfinding i software til arbejde med tekniske systemer.

Marketing skiller sig ud i begge retninger. Marketingmedarbejdere bruger 24,3 % af deres beskeder på opgaver, der er knyttet til andre fagområder, mens marketingopgaver udgør 8,9 % af beskederne blandt medarbejdere på andre områder – den højeste udadgående andel i undersøgelsen. Marketingmedarbejdere kombinerer opgaver fra flere områder, og marketingarbejdet breder sig samtidig vidt i organisationen.

Virksomhedens størrelse og struktur påvirker, hvordan AI ændrer arbejdet. I en stor virksomhed kan medarbejderne have adgang til specialiserede teams, etablerede arbejdsgange og interne tjenester. I en mindre organisation er det mere sandsynligt, at den medarbejder, der er tættest på problemet, selv løser det frem for at uddelegere det.

Blandt brugere med et gennemsnitligt aktivitetsniveau falder andelen af opgaver uden for eget fagområde fra 18,9 % for brugere i arbejdsområder med 2-5 brugere til 16,3 % for brugere i arbejdsområder med over 100 brugere. Blandt de mest aktive brugere ser vi ikke det samme entydige mønster.

En mulig forklaring er, at brugere med moderat aktivitet i mindre organisationer benytter AI, når de møder arbejde, der ellers ville kræve en anden funktion. Brugere med høj aktivitet kan i stedet have udviklet stabile AI-understøttede arbejdsgange, der ligner hinanden mere på tværs af organisationer, eller de kan bruge AI mere intensivt inden for deres primære fagområde.

AI kan være særligt nyttig som et alsidigt værktøj, hvor der er få specialistressourcer.

Data om AI-brug som disse viser, hvor arbejdet er ved at flytte sig hen. De giver os mulighed for at se, hvordan AI lader medarbejdere eksperimentere med nye kombinationer af aktiviteter, før virksomheder omskriver jobbeskrivelser eller opretter nye stillingsbetegnelser. På den måde kan brugsmønstre give et tidligt signal om ændringer i fag og jobs, som den traditionelle arbejdsmarkedsstatistik først vil registrere senere.