Debatten om AI og fremtidens arbejde ender ofte i to yderpunkter. Enten bliver teknologien fremstillet som en boble uden varig betydning, eller også som begyndelsen på et arbejdsmarked, hvor store dele af den menneskelige arbejdskraft bliver overflødig.

Virkeligheden er mere ujævn. AI kan være meget stærk til bestemte opgaver og overraskende svag til andre, der umiddelbart ligner dem. Derfor vil teknologien ikke påvirke alle job, medarbejdere eller organisationer på samme måde.

Den mest sandsynlige udvikling er ikke, at hele professioner forsvinder fra den ene dag til den anden. Det er, at opgaver flyttes, kombineres og får nye kvalitetskrav. Det ændrer, hvad medarbejdere bruger tiden på, hvilke kompetencer der bliver værdifulde, og hvem der har ansvaret for det færdige resultat.

Et job er en samling af opgaver

Når en AI kan skrive et tekstudkast, betyder det ikke automatisk, at kommunikationsmedarbejderen er overflødig. Når den kan analysere et datasæt, betyder det heller ikke, at analytikerens samlede arbejde kan overtages.

Et job består normalt af mange forskellige opgaver. Nogle er rutineprægede og digitale. Andre kræver faglig vurdering, kontekstforståelse, relationer, koordinering, fysisk tilstedeværelse eller ansvar over for andre mennesker.

Det er derfor mere præcist at spørge, hvilke dele af arbejdet AI kan overtage eller understøtte, end om et helt job kan automatiseres.

Den Internationale Arbejdsorganisation, ILO, vurderede i 2025, at omkring hver fjerde arbejdstager globalt befinder sig i et job med en vis eksponering for generativ AI. Samtidig var hovedkonklusionen, at transformation af job er mere sandsynlig end fuld erstatning, fordi de fleste professioner fortsat rummer opgaver, der kræver menneskelig deltagelse.

Eksponering er ikke det samme som erstatning

At et job er eksponeret for AI betyder, at teknologien potentielt kan påvirke en del af opgaverne. Det siger ikke i sig selv, om medarbejderen bliver mere produktiv, får et ændret job eller mister sin stilling.

En analyse af det danske arbejdsmarked fra IMF peger på, at mange danskere kan få gavn af AI, mens omkring en femtedel af arbejdsstyrken befinder sig i job med både høj eksponering og lav komplementaritet. Det er en risikovurdering – ikke en forudsigelse om, at en femtedel mister arbejdet. Effekten afhænger blandt andet af, hvordan virksomheder indfører teknologien, hvilke opgaver der ændres, og om medarbejdernes kompetencer udvikles sammen med værktøjerne.

Nyere empiriske undersøgelser viser også, at produktivitetsgevinsterne er reelle, men ujævne. En ILO-gennemgang fra 2026 fandt endnu begrænset omfattende jobfortrængning og understregede, at tidsbesparelser ikke automatisk bliver til højere samlet produktivitet, bedre kvalitet eller bedre arbejdsvilkår.

Det centrale spørgsmål er derfor ikke kun, hvad AI teknisk kan gøre. Det er, hvordan arbejdet bliver organiseret omkring teknologien.

AI har ujævne evner

Generativ AI kan hurtigt opsummere, omformulere, strukturere og producere forslag. Men kvaliteten varierer med opgaven, inputtet og den kontekst, som systemet ikke nødvendigvis har adgang til.

En model kan eksempelvis formulere et overbevisende beslutningsoplæg uden at vide, hvilke interne hensyn, relationer eller tidligere erfaringer der er afgørende i den konkrete organisation. Den kan foreslå en professionel tekst uden at forstå, om budskabet er rigtigt for modtageren. Og den kan levere et klart svar, selv når grundlaget er forkert eller mangelfuldt.

Det gør AI effektiv som medspiller, men risikabel som ubetinget autoritet. Jo tættere en opgave kommer på mennesker, faglige konsekvenser eller vigtige beslutninger, desto mere værdifuld bliver menneskelig vurdering og tydeligt ansvar.

Auto-arbejde: En ny arbejdsdeling mellem menneske og AI

I min bog Auto-arbejde bruger jeg begrebet til at beskrive en arbejdsform, hvor AI hverken er et passivt værktøj eller en fuld erstatning for medarbejderen. Teknologien deltager aktivt i processen, mens mennesket sætter retning, vurderer resultatet og bærer ansvaret.

I auto-arbejdet flytter en del af arbejdet sig fra ren produktion til:

• Formulering: At definere opgaven, formålet og de relevante begrænsninger.
• Udvælgelse: At vælge mellem forslag og afgøre, hvad der er relevant.
• Bearbejdning: At tilpasse output til faglighed, tone, modtager og kontekst.
• Kvalitetssikring: At kontrollere fakta, kilder, konsekvenser og fejl.
• Ansvar: At stå på mål for den endelige beslutning eller leverance.

AI kan gøre dele af processen hurtigere, men den fjerner ikke nødvendigvis arbejdet. Den ændrer fordelingen mellem eksekvering, kontrol og dømmekraft.

Fire måder AI kan møde arbejdet på

For at forstå forskellene kan arbejdsopgaver placeres i fire overordnede zoner. Det er ikke faste kasser for hele professioner. Den samme medarbejder kan have opgaver i flere zoner.

Bevaring

Opgaver med lavt AI-potentiale, fordi de kræver fysisk tilstedeværelse, situationsfornemmelse, komplekse relationer eller stor variation. AI kan måske støtte planlægning og dokumentation, men løser ikke kerneopgaven.

Hype

Opgaver, hvor forventningerne til AI er større end den dokumenterede værdi. Teknologien bliver indført, fordi den er ny, ikke fordi den løser et tydeligt problem. Resultatet kan blive mere kontrol, flere fejl eller en dårligere oplevelse for medarbejdere og brugere.

Fuld automatisering

Afgrænsede opgaver med ensartede input, klare regler og et kontrollerbart output kan i nogle tilfælde automatiseres næsten helt. Det gælder typisk dele af et job – ikke nødvendigvis hele rollen omkring opgaven.

Auto-arbejde

Opgaver, hvor AI har et højt potentiale, men hvor menneskelig faglighed, kontekst og ansvar fortsat er afgørende. Her opstår værdien gennem en bevidst arbejdsdeling mellem teknologi og medarbejder.

Den vigtigste pointe er, at en organisation ikke bør spørge, om den er “for” eller “imod” AI. Den bør undersøge, hvilken zone en konkret opgave befinder sig i, og hvilken rolle mennesket fortsat skal have.

Dømmekraft bliver vigtigere – ikke mindre

Når AI kan producere mere indhold på kortere tid, vokser behovet for at vurdere, hvad der er korrekt, relevant og værd at bruge. Mere output er ikke det samme som mere værdi.

Menneskelig dømmekraft handler blandt andet om at forstå situationen, afveje hensyn og tage ansvar for konsekvenserne. En AI kan generere et forslag, men den kan ikke overtage organisationens ansvar over for medarbejdere, kunder eller borgere.

Derfor bliver følgende kompetencer centrale:

• at afgrænse problemer og stille præcise spørgsmål
• at vurdere svar kritisk og kontrollere dokumentation
• at forstå faglig og organisatorisk kontekst
• at opdage bias, fejl og uacceptable risici
• at vide, hvornår AI ikke bør bruges
• at tage ansvar for det endelige resultat

Det er en central del af AI-literacy. God brug af AI handler ikke kun om at kunne betjene et værktøj, men om at kunne placere det rigtigt i en arbejdsproces.

Hvad bør organisationer gøre nu?

Organisationer behøver ikke kende hele fremtiden for at tage fornuftige beslutninger i dag. De kan begynde med at undersøge deres eksisterende arbejde mere systematisk.

• Kortlæg opgaverne: Hvor bruges der meget tid, og hvor er arbejdet digitalt, gentaget eller teksttungt?
• Vurder konsekvenserne: Hvad sker der, hvis outputtet er forkert, mangelfuldt eller skævt?
• Test i lille skala: Afprøv AI i afgrænsede opgaver, hvor kvaliteten kan kontrolleres.
• Mål mere end hastighed: Se også på kvalitet, efterarbejde, risiko og medarbejdernes oplevelse.
• Fastlæg ansvar: Gør det tydeligt, hvem der vurderer og godkender resultatet.
• Udvikl kompetencerne: Træn medarbejderne i de konkrete værktøjer, opgaver og risici, de møder.

En praktisk begyndelse findes i guiden Hvordan bruger man AI i en virksomhed?. Organisationer, der allerede har udvalgt konkrete processer, kan arbejde videre med bedre AI-arbejdsgange.

Fremtidens arbejde bliver ikke én ting

AI vil både automatisere, støtte og forandre arbejde. Nogle opgaver vil forsvinde, andre vil fylde mindre, og nye opgaver vil opstå omkring kontrol, koordinering og anvendelse. Fordelingen bliver forskellig mellem brancher, virksomheder og medarbejdere.

Det gør kategoriske forudsigelser om hele professioners fremtid usikre. Det mere nyttige spørgsmål er, hvordan vi designer arbejde, hvor teknologiens styrker bruges uden at fjerne den faglige dømmekraft, det menneskelige ansvar og den kvalitet, som organisationen er afhængig af.

Auto-arbejde er mit bud på denne mellemposition: Observation, sortering og første udkast kan i stigende grad blive maskinelle, mens retning, vurdering og reaktion fortsat skal være menneskelige.

Den samlede analyse udfoldes i Auto-arbejde: Myten om automatisering og virkeligheden i vores nye arbejdsliv. Har jeres organisation brug for et oplæg eller en dialog om, hvordan AI konkret kan ændre jeres arbejde, kan I kontakte Next Chapter Consulting.