AI-modeller og platforme

Anthropic lancerer interaktiv model af AI’s mulige økonomiske fremtider

mm
Føj Unite.AI til dine foretrukne kilder på Google

Anthropics økonomiteam udgav en ny interaktiv model i september 2026: Econ Scenario Explorer, som projicerer, hvordan AI kan påvirke USA’s vækst, beskæftigelse, lønninger og arbejdsløshed frem til 2030, sammen med et tilhørende arbejdsdokument og en undersøgelse af 10.980 amerikanske voksne.

Explorer‑siden identificerer udgivelsen som version 1.0, dateret september 2026. Den er bygget på den tekniske rapport Economic Scenarios for Transformative AI, offentliggjort som The Anthropic Institute Working Paper No. 2026-02. Anton Korinek, Charles I. Jones, Szymon Sacher, Tess Cotter og Peter McCrory udviklede modellen og var medforfattere til rapporten; McCrory, Korinek og Charles Yang koordinerede projektet, og Jack Clark gav retning. Forfatterne bemærker, at de brugte Claude som forsknings‑ og skriveassistent. The Anthropic Institute præsenterer projektet som en ny model for, hvordan AI kan påvirke økonomisk vækst, beskæftigelse, lønninger og mere inden 2030.

Udgivelsen ligger ved siden af Anthropics eksisterende Economic Index. Hvor indekset måler, hvordan AI anvendes på tværs af økonomien, ser exploreren fremad: brugerne indtaster forventninger til, hvor kapabel AI vil blive, og hvor udbredt den vil blive brugt, og modellen viser den 2030-økonomi, som disse forventninger ville indebære, samt hvordan en brugers svar sammenlignes med svar fra mere end 10.000 adspurgte amerikanere.

En opgavebaseret model af den amerikanske økonomi

Modellen repræsenterer hvert job i økonomien som en samling af opgaver hentet fra US Department of Labor’s O*NET‑taksonomi. For hver opgave kan AI forstærke en arbejders præstation, automatisere opgaven fuldstændigt, lade den forblive uændret eller skabe nye opgaver. Arbejdere er ansat enten i kognitive erhverv, dvs. ledelse, professionelle, salgs‑ og kontorjob, hvis opgaver AI kan påvirke, eller i alle andre erhverv; exploreren betegner de to grupper som vidensarbejdere og alle andre arbejdere. Den kognitive gruppe udgjorde 62,4 % af arbejdsstyrken i 2025 Current Population Survey.

Ifølge papiret er et scenarie en vej for fem elementer: andelen af opgaver, AI påvirker, spredningen af AI‑brug på tværs af disse opgaver, produktivitetsgevinsten pr. AI‑udført opgave, fordelingen mellem automatisering og forstærkning samt hastigheden hvormed nye arbejdsopgaver skabes. Når fortrængte kognitive arbejdere må søge job i andre erhverv, kan arbejdsmarkedets friktioner (en rabat på tvær‑erhvervs‑søgning, hastigheden hvormed udvidende erhverv offentliggør ledige stillinger og stivheden i den kognitive løn) skabe vedvarende arbejdsløshed. Forfatterne påpeger, at scenarierne ikke er forudsigelser, og at de ikke knytter sandsynligheder til dem; rammeværket er tænkt som en struktureret måde at sammenligne muligheder under forskellige antagelser.

Tre scenarier for 2030

I det beskedne scenarie rapporterer papiret, at BNP i 2030 er 1,6 % over den AI‑fri vej, væksten løber på 2,4 % om året mod 2 % uden AI, arbejdsløsheden ligger på 3,9 % mod et normalt niveau på 3,8 %, og arbejdsandelen falder fra 60,0 til 59,4 % af indkomsten. Exploreren udtrykker 2030‑BNP på 2025‑priser som $34,1 billioner i dette scenarie.

I det betydelige scenarie rapporterer papiret, at 2030‑BNP er 8,3 % over den AI‑fri vej, eller $36,3 billioner på 2025‑priser, og væksten over de tolv måneder til 2030 når 5,4 % om året, et tempo papiret sammenligner med den hurtigste BNP‑vækst på 4,7 % i 1990‑ernes dot‑com‑boom, registreret i 1999. Arbejdsløsheden blandt kognitive arbejdere stiger fra 2,9 % i midten af 2026 til 4,5 % i 2030. Kognitive lønninger afslutter perioden 0,3 % under deres AI‑fri vej, mens lønninger i alle andre erhverv er 5,9 % højere, og arbejdsandelen falder fra 60 til 56,1 % af indkomsten.

I det ekstreme scenarie er 2030‑BNP 32,4 % over den AI‑fri vej, eller $44,4 billioner, med en vækst på 15,4 % om året; exploreren beskriver, at økonomien fordobles i størrelse hver 4,5. år på denne vej og siger, at det sandsynligvis vil kræve rekursivt selvforbedrende AI‑systemer og hurtig adoption for vidensarbejde. Arbejdsløsheden blandt kognitive arbejdere når 17,9 % og den samlede arbejdsløshed 11,9 %. Kognitive lønninger falder 11,5 % under den AI‑fri vej, mens andre lønninger stiger 33,6 % over den, og arbejdsandelen falder fra 60 til 45,2 % af indkomsten, mens kapitalandelen stiger til 54,8 %.

Papr’et angiver, at i det ekstreme scenarie vil en overførsel på omkring 9 % af BNP, omtrent på størrelse med Social Security og Medicare samlet, holde kognitive arbejderes indkomst på deres AI‑fri niveau, og bemærker, at der ikke findes noget præcedens for overførsler af denne størrelse som svar på teknologisk forandring.

Hvad amerikanerne forventer

Anthropic foretog en repræsentativ undersøgelse af 10.980 amerikanske voksne gennem Morning Consult, afholdt 11.–23. august 2026. Respondenterne besvarede fem spørgsmål: hvornår AI vil udføre hver af otte opgaver lige så godt som en faglært professionel, hvor udbredt den vil blive brugt, hvor store produktivitetsgevinster den vil give, om den vil automatisere eller forstærke arbejdet, og hvor lang tid en fortrængt arbejder vil bruge på at finde et job i en ny branche.

Papr’et rapporterer, at kørsel af medianrespondentens svar gennem modellen giver resultater tæt på det betydelige scenarie: BNP 8,6 % over den AI‑fri vej i 2030 og arbejdsløshed omkring 4,6 %. Exploreren opsummerer den typiske respondent som at indikere et BNP omkring 10 % højere i 2030 end uden AI og en samlet arbejdsløshed omkring 5 %, med cirka 10 % af respondenterne, der har holdninger i overensstemmelse med det ekstreme scenarie. I undersøgelsesresultaterne sagde 53 % af respondenterne, at AI allerede kan skrive rutineforretnings‑e‑mails og dokumenter, og 24 % sagde, at den allerede kan bygge og vedligeholde et fungerende softwareprodukt; 39 % forventer en videnskabelig opdagelse på Nobel‑niveau inden 2030, mens 40 % siger, at det aldrig vil ske.

Angivne begrænsninger og ekstern gennemgang

Anthropic beskriver exploreren som Version 1.0 og advarer om, at den isolerer nogle få nøglekræfter, mens den udelader mange andre: den udelader politiske svar, konjunkturcyklusser, potentielle samlede efterspørgsels‑ eller finansmarked‑forstyrrelser og mulige katastrofale risici, og den indeholder ingen scenarier med hyper‑kapable robotter. Papiret angiver, at rammeværket kun tager højde for AI’s påvirkning af kognitive opgaver og ikke tillader hurtige fremskridt inden for robotteknologi, der påvirker fysiske opgaver, hvilket i høj grad er årsagen til, at analysen slutter i 2030.

Eksterne økonomer, herunder Daron Acemoglu, David Autor og David Romer, kommenterede et tidligt udkast af rapporten; Anthropic siger, at de ikke blev bedt om at bakke deres konklusioner op. Explorer‑siden lister kritikpunkter, der stadig er åbne, blandt dem at modellen ikke følger individuelle arbejdere og derfor kun groft indfanger omkostningerne ved jobfortrængning, samt at den udelader de samlede efterspørgselseffekter af datacenter‑udbygningen. Anthropic siger, at de planlægger at adressere mange af kritikkerne i fremtidige versioner.

Anthropic siger, at modellen, sammen med deres fulde forskningsportefølje, vil informere den forskning, de finansierer gennem deres Economic Futures‑program om indgreb for arbejdsmarkedets forstyrrelser, såvel som de politiske idéer, de foreslår. Forfatterne skriver, at data observeret i de kommende år vil vise, hvilket scenarie økonomien befinder sig i, og at ingen af de tre scenarier kan udelukkes.

Jonas Reeve er en AI-genereret analytiker hos Unite.AI, der fokuserer på kognitiv AI, kunstig generel intelligens (AGI) og de teoretiske grundlag for maskinintelligens. Hans arbejde udforsker, hvordan læring, resonnering, hukommelse og abstraktion opstår i både biologiske og kunstige systemer, og hvordan der kan trækkes forbindelser mellem moderne AI-arkitekturer og langvarige spørgsmål i kognitiv videnskab og filosofi om sindet.
Med en konceptuel og reflekterende tilgang undersøger Jonas rammer som resonneringsmodeller, agente systemer, emergent kognition og alignment-teori, med det formål at klargøre, hvad fremgang mod AGI faktisk betyder - og hvad det ikke gør. I stedet for at jagte tidsfrister eller hype lægger han vægt på første principper, konceptuel rigor og grænserne for nuværende modeller.
Artikler skrevet af Jonas Reeve er AI-genererede og gennemgået af Unite.AIs redaktionelle team for at sikre nøjagtighed, klarhed og ansvarlig diskussion af avancerede AI-koncepter.