Humankapital
i en tid av AI

November 2022 markerade ett historiskt skifte. Med lanseringen av ChatGPT fick allmänheten för första gången tillgång till ett AI-system med tillräcklig bredd för att ta sig an uppgifter tvärs över hela ekonomin: skrivande, programmering, juridisk granskning, ekonomisk analys, kundtjänst, marknadsföring.

Ekonomer brukar kalla sådana teknologier för General Purpose Technologies — GPT:er. Det är tekniker som inte bara förbättrar en sektor utan omformar hela ekonomins struktur: ångmaskinen, elektriciteten, datorn och internet är klassiska exempel. Eloundou m.fl. argumenterar i GPTs are GPTs (2023) att stora språkmodeller uppfyller de klassiska kriterierna för en GPT: de är pervasiva — tillämpliga över ett brett spektrum av sektorer och yrkesgrupper — de förbättras kontinuerligt med skala och tid, och de är komplementära med annan teknik och kan integreras i en mängd olika arbetsflöden och processer. Vad som utmärker en GPT är att dess fulla genomslag tar tid — det Acemoglu i The Simple Macroeconomics of AI (2024) kallar en J-kurva: i inledningsskedet av ett teknologiskt genombrott pressas produktiviteten paradoxalt nog nedåt. Investeringarna är höga, arbetsprocesser störs, gamla kompetenser tappar i värde och institutioner anpassas långsamt — medan de faktiska produktivitetsvinsterna anländer med fördröjning. Kurvan böjer sig nedåt innan den stiger. Men när genomslaget väl kommer, gör det det brett och på djupet.

Det som utmärker AI som GPT är dels hastigheten som den har spridits med: På hundra dagar nådde det hundra miljoner användare — ingen konsumentprodukt i historien hade spridits snabbare. Och dels att den — till skillnad från sina föregångare — kan automatisera de kognitiva uppgifter som tidigare ansetts vara immuna: kunskapsarbetet självt. Ångmaskinen ersatte muskelkraft och skapade industriella tjänstemannayrken. Datorn ersatte kalkylering och skapade en ny ekonomi av kunskapsarbetare. AI utmanar kunskapsarbetets värde direkt, och med det det premium som utbildning historiskt har genererat på arbetsmarknaden.

Platsannonser för juniora positioner i AI-exponerade yrken — mjukvaruutveckling, juridik, ekonomi och marknadsföring — har minskat markant på marknader med tidig AI-adoption. Företag som Goldman Sachs, IBM och Klarna har offentligt kommunicerat att de låter AI ta över uppgifter som tidigare krävde en stab av anställda. I aggregerad statistik syns detta ännu inte fullt ut, men det börjar märkas i strukturen.

Man kan också tala om en K-formad ekonomi — eller en dubbelspårsekonomi — ett begrepp som fått genomslag i debatten efter Covid. Konkret innebär det att tillväxt, konsumtionsutgifter och produktivitet ökar och börsvärdena är rekordhöga, men löneökningarna och nyanställningarna är långsamma och arbetslösheten ökar. En minoritet av höginkomsttagare och de som äger produktiva tillgångar — vare sig det är fastigheter eller aktier — har aldrig haft det bättre, medan låg- och medelinkomsttagare pressas av prisökningar och långsamma löneökningar. Det är en utveckling som riskerar att intensifieras av AI, där “the haves” gynnas kraftigt medan “the have-nots” pressas allt hårdare. Kombinerar man det med Acemoglus J-kurva får man en JK-ekonomi — och Just Kidding-ekonomi är kanske passande för den majoritet som riskerar att känna sig lurad av ett riggat ekonomiskt system.

Det är ett fiktivt scenario, och lyckligtvis befinner vi oss inte där. Men problembilden som rapporten utgår från är verklig. Vad händer när den produktivkraft som antagits få sitt värde från sin knapphet — mänsklig intelligens — visar sig vara billig att producera i skala? Vad gör vi när priset på arbete sjunker drastiskt, medan värdet av tillgångar bara fortsätter öka? När AI kan utföra de flesta uppgifter som kräver analysförmåga snabbare och bättre än en människa? Då urholkas värdet av det premium vi har använt för att “höja vårt marknadsvärde” — nämligen utbildning. Produktiviteten och tillväxten kan fortsätta öka, men tillfaller kapitalägarna av mjuk- och hårdvara, inte arbetskraften. Börsvärdena fortsätter stiga, men reallönerna stagnerar eller sjunker. Vad gör vi när de stödsystem vi har byggt upp för att hålla folk flytande under lågkonjunkturer behöver hantera en kris som är strukturell snarare än cyklisk?

Det är inget vi har något definitivt svar på — men det är problembilden vi utgår från i vår reform.

Istället för att undergräva stora yrkesgruppers köpkraft, sänka lönerna, orsaka massarbetslöshet, och undergräva statsfinanserna på grund av stora intäktsförluster — utgår vår provisoriska utopi från ett samhälle där människa och maskin — eller AI — kompletterar varandra snarare än konkurrerar.

Vår provisoriska utopi består av ett samhälle där människa och maskin — eller AI — kompletterar varandra snarare än konkurrerar. I denna sköna nya framtid ses teknisk utveckling inte som en naturkraft som passivt måste accepteras, utan som ett verktyg som aktivt styrs i medborgarnas tjänst.

I vår utopi har maktresurserna mellan arbetstagare och arbetsgivare utjämnats. Arbetstagarna har en självklar plats vid förhandlingsbordet vid införandet av ny teknik. AI används här för att förstärka mänskliga förmågor och frigöra tid, vilket möjliggör en generell arbetstidsförkortning snarare än massarbetslöshet. Vinsterna från den ökade produktiviteten fördelas rättvist, och samhället investerar systematiskt i alla människors humankapital genom hela livet.

Anthropic Economic Index — publicerat i mars 2026 och baserat på miljontals konversationer med Claude — kartlägger hur AI faktiskt används i arbetsrelaterade sammanhang och jämför det med vad tekniken teoretiskt sett skulle kunna göra. Resultaten är slående: den faktiska användningen av AI är en bråkdel av den teknologiska kapaciteten. Det är det adoptionsgap som historiskt har kännetecknat alla General Purpose Technologies — men som erfarenheten visar tenderar att slutas, och snabbare än förväntat.

Inom data och IT är 94 procent av arbetsuppgifterna teoretiskt möjliga för en stor språkmodell att utföra — men faktisk observerad täckning stannar på 33 procent. Inom kontor och administration, juridik och ekonomi ser mönstret likartant ut: hög teoretisk kapacitet, betydande gap till faktisk adoption. Tre av tio yrkesverksamma har i dag noll AI-exponering: kockar, mekaniker, byggnadsarbetare, bartendrar. Det är i de yrken som kräver fysisk närvaro och handfärdighet som AI:s gräns fortfarande är tydlig.

Pizzinelli m.fl. (2024) gör i Labor market exposure to AI en mer finmaskig indelning av 748 yrken efter både exponering och komplementaritet — det vill säga i vilken utsträckning AI förstärker snarare än ersätter en yrkesroll. Bland yrken med hög exponering och låg komplementaritet finner de statistiker, programmerare, kontorister, HR-assistenter, telefonförsäljare, grafiska formgivare och webbutvecklare. Bland yrken med hög exponering och hög komplementaritet finner de läkare, flygledare, domare, sjuksköterskor, arkitekter, bibliotekarier, högstadielärare, optiker, civilingenjörer och advokater. Bland yrken med låg exponering och låg komplementaritet finns servitriser, skomakare, tvättare, kockar, svetsare, barnskötare och CNC-operatörer. Bland yrken med låg exponering men hög komplementaritet finns slutligen snickare, skogmästare, ambulansförare, poliser, elektriker, trafikpiloter och tandläkare.

Anmärkningsvärt i studien är inte bara klyftan, utan vilka som är mest exponerade. Arbetstagare i AI-exponerade yrken tjänar i genomsnitt 47 procent mer och har avsevärt högre utbildningsnivå — det är välutbildade specialister och tjänstemän, inte lågutbildade, vars kompetens i dag utmanas mest direkt. Bland unga (22–25 år) som försöker ta sig in på AI-exponerade arbetsmarknader har andelen som lyckas sjunkit med 14 procent sedan ChatGPT:s lansering. Någon systematisk uppgång i arbetslöshet syns ännu inte i statistiken — men strukturen börjar röra sig.

Även med OECD:s konservativa uppskattningar (OECD AI Policy Observatory: The Future of Work, 2026) är Sverige det land i Europa som näst efter Luxemburg har högst andel av arbetskraften exponerad för AI — med nästan 35 % av arbetskraften. Enligt Arbetsmarknadens AI-råds Insiktsrapport #1 kan 70 % av arbetsuppgifterna i tjänstesektorn — som utgör en stor del av Sveriges ekonomi — exponeras för AI. Almegas rapport Jobb som ersätts av AI, och jobb som komplementeras (2025) pekar på att hela 66 % av alla jobb på något sätt berörs av AI på medelhög till hög nivå, och i 25 % av alla yrken bedöms AI kunna utföra minst hälften av alla uppgifter. Det gäller inte minst finans och försäkring, IKT, juridik, ekonomi, vetenskap och teknik samt offentlig förvaltning. Det som kännetecknar dessa arbeten är att de generellt kräver hög utbildning, är välavlönade, och i högre grad är urbana och kvinnodominerade.

Tillväxtanalys rapport En kartläggning av AI-användning bland svenska företag (2023) och statistik från SCB visar att Sverige redan är ett av de länder i EU där AI-användningen inom näringslivet är som högst, med 35 % av företagen. Användningen skiljer sig dock kraftigt åt mellan branscher och är i särklass högst inom kunskapsintensiva tjänster. År 2025 använde 88 procent av företagen inom information och kommunikation och 65 procent av företagen inom juridik, ekonomi och teknik någon form av AI-teknik — framförallt eftersom dessa branscher är större i Sverige än i många jämförbara EU-länder. Mindre än en tredjedel av alla företag använder AI inom produktionen, men inom IKT-sektorn är andelen cirka 50 %.

Som SCB:s statistik om AI i företag visar ovan är det också i första hand storföretagen som använder AI. Den bilden förstärks av SCB:s LISA^{11 Longitudinell integrationsdatabas för sjukförsäkrings- och arbetsmarknadsstudier} och FEK^{22 Företagens ekonomi}: företag som använder AI har i genomsnitt 724 anställda och är koncentrerade till IKT-sektorn i Stockholmsregionen — i synnerhet väletablerade IT-bolag med kapitalet, kompetensen och de välstrukturerade datamängder som krävs för att utnyttja stordriftsfördelar och nätverkseffekter.

Sverige står alltså inför den största strukturomvandlingen sedan industrialiseringen. Samtidigt som AI erbjuder enorma möjligheter, visar forskningen att automation utan motvikter har bidragit till mellan 50–70 % av den ökade löneojämlikheten i avancerade ekonomier.

Särskilt utsatta är de vars arbetsuppgifter präglas av rutin och ostrukturerat dataarbete. Uppskattningsvis 300 000 jobb i Sverige riskerar att försvinna direkt på grund av AI-automation inom ett decennium.

Inom logistiksektorn styrs redan 90 % av lagerarbetarna av algoritmer som minskar deras autonomi och ökar stressen. Även akademiska yrken med hög exponering, såsom översättare, juniora jurister och analytiker, möter ett växande kompetensglapp.

Vi har redan nu en av de högsta arbetslöshetsnivåerna i EU. För att lösa dessa problem, öka produktiviteten i samhällsekonomin och få fler i arbete, föreslår dock regeringens stora Produktivitetskommission (SOU 2025:96) inte främst stora satsningar på kompetensutveckling och omskolning, utan istället samma medicin som ovan.

I denna situation har vi en arbetsmarknadspolitik som uteslutande fokuserar på ekonomiska incitament för att få folk i arbete:

Problemet är bara att det inte hjälper. Det är verktyg som kan pressa människor att söka jobb, men de skapar inte fler jobb som matchar den nya tekniken och de bygger inte nytt humankapital anpassat till den nya tekniken och villkoren på arbetsmarknaden.

Enligt Finanspolitiska rådets årsrapport 2026 är incitamenten redan starka, och regeringens åtgärder – som starkare jobbskatteavdrag samt bidragstak – gör föga nytta.¹ Dessutom är varken a-kassans tak eller aktivitetsersättningens grundbelopp indexerade. De utökade jobbskatteavdragen tillfaller inte heller arbetslösa. Det innebär att de arbetslösas köpkraft urholkas ytterligare, och att de får svårare att etablera sig på arbetsmarknaden. Arbetslösheten straffar sig dubbelt.² Forskningen visar att det snarare är en kombination av yrkesutbildning, intensiva förmedlingsåtgärder, bättre matchning mellan kompetenser och företagens behov, samt subventionerade anställningar som är den mest effektiva vägen för att minska arbetslösheten.³

Det verkar inte heller finnas någon tanke på hur utbildningssystemet och arbetsmarknadspolitiken kan samspela.

Det är dock nödvändigt om vi ska lyckas hantera konsekvenserna av AI för arbetsmarknad och utbildningssystem. Det är problemet vi vill lösa, men vilken form det kan ta sig kan variera — omställningsfond, kompetenslyft m.m.