Andersons vinkel

Jobs ‘i fare fra AI’ var allerede i tilbagegang før ChatGPT blev lanceret

Martin Anderson
Føj Unite.AI til dine foretrukne kilder på Google
AI-generated image, by Z-Image vanilla, running on Krita AI Diffusion: 'An office full of robots, and a young worker (a white male) is being escorted out by two security guards, carrying his box of possessions from his vacated desk, including a plant'
NøglepunkterNedgangen i jobs udsat for AI begyndte i starten af 2022, flere måneder før ChatGPTs…
Vis mere
  • Nedgangen i jobs udsat for AI begyndte i starten af 2022, flere måneder før ChatGPTs lancering i slutningen af 2022.
  • Kandidater med AI-relevant uddannelse opnåede højere lønninger og hurtigere ansættelser efter ChatGPTs lancering.
  • ChatGPTs lancering bør ikke betragtes som den eneste årsag til de seneste ændringer på arbejdsmarkedet.

En stor ny studie viser, at jobs, der er i fare fra AI, allerede forsvandt før ChatGPT blev lanceret, men studerende, der blev uddannet i disse færdigheder, endte med højere løn og hurtigere ansættelse.

 

En omfattende ny forskningsstudie mellem amerikanske universiteter har fundet, at årsagen til krisen med jobs, der er sårbare over for AI, ikke sammenfaldt med lanceringen af ChatGPT i slutningen af 2022, men at problemerne begyndte tidligere på året af åbenbart urelaterede årsager.

Desuden viser rapporten, at dimittender, hvis universitetsuddannelser var mere “AI-eksponerede”, faktisk var forbundet med højere løn og kortere jobsøgningstid efter ChatGPT kom på markedet.

Den nye studie udnytter tre store datasæt, herunder mere end ti millioner scraped LinkedIn-profiler samt arbejdsløshedsdata og forsikringskrav. Forfatterne skriver:

‘Vores resultater viser, at forværrede arbejdsmarkedsmæssige resultater i 2022-2024 for LLM-eksponerede arbejdere og dimittender allerede var i gang før den fremkomst på massemarkedet af LLM-applikationer. Arbejdsløshedsrisikoen i højt eksponerede erhverv steg fra begyndelsen af 2022 – lang tid før ChatGPT – og i de fleste erhverv og stater observerer vi ingen diskret pause, der sammenfaldt med dens introduktion.

‘Tidlige karrierearbejdere blev uforholdsmæssigt hårdt ramt: dimittender fra 2021-2023-kohorterne indtrådte i højt eksponerede jobs i lavere takter og oplevede længere observeret forsinkelse til deres første job end tidligere kohorter, med åbninger, igen, før slutningen af 2022. Samtidig forblev LLM-relevant uddannelse værdifuld inden for denne kontekst.’

Den nye studie omdefinerer opkomsten af AI som en indtræden på et arbejdsmarked, der allerede var svækket af bredere økonomiske og sektorspecifikkepres, og bemærker, at færdigheder, der supplerer AI, har beholdt og måske endda har øget deres markedsværdi.

Forfatterne afslutter artiklen med at foreslå, at ChatGPT’s lancering i november 2022 ikke bør behandles som en klar skillelinje mellem arbejdsmarkedet før og efter AI, og at en række samtidige omstændigheder bør være med i overvejelserne sammen med den opdyrkende indflydelse af Large Language Models (LLM’er):

‘Disse resultater har implikationer for forskning og politik. Først advarer de imod at behandle ChatGPT’s lancering som en ren naturlig eksperiment for AI’s arbejdsmarkedspåvirkning: design, der tilskriver post-2022 arbejdsmarkedssvaghed primært til LLM’er, risikerer at forveksle AI-diffusion med samtidige makroøkonomiske skift (mulige eksempler omfatter monetær politik, sektorspecifik efterspørgsel og/eller post-pandemisk tilpasning).’

Forfatterne foreslår, at universiteter og uddannelsesprogrammer ikke bør droppe færdigheder, der ofte beskrives som “sårbare over for AI”, såsom skrivning, kodning og informationsanalyse. Ifølge resultaterne fra studiet kan undervisning i disse færdigheder på en måde, der fungerer sammen med AI, med fokus på at kontrollere output, vurdere kvalitet og bruge chatbots som værktøjer snarere end erstatninger, hjælpe dimittender med at forblive konkurrencedygtige på et ustabil arbejdsmarked.

Den nye studie har titlen AI-eksponerede jobs forværredes før ChatGPT og kommer fra fem forskere tilknyttet forskellige afdelinger på University of Pittsburgh, Stanford University, Chapman University og Columbia University i samarbejde med Microsofts AI Economy Institute i Redmond og Revelio Labs i New York.

Metode og Data

Studiets resultater er, ifølge forfatterne, en markant kontrast til tidligere rapporter, herunder én fra Stanfords Digital Economy Lab, såvel som mørke varsler fra prominente personer som CEO’en for Anthropic, der advarede i maj 2025 om, at AI ‘kunne eliminere halvdelen af alle kontorjob på begynderniveau’*.

Forfatternes analytiske metode undersøgte først arbejdsløshed blandt arbejdere i erhverv, der var mest udsat for AI-dreven automatisering, med eksponering defineret ved hjælp af seks-cifrede Standard Occupation Classification (SOC)-koder, gennemsnitligt for at estimere eksponeringsniveauer for bredere to-cifrede SOC-kategorier.

Månedlige administrative data blev hentet fra ETA 203-rapporten, som er udarbejdet af U.S. Department of Labor’s Employment and Training Administration, og indeholder den seneste beskæftigelse for personer, der har ansøgt om fortsat arbejdsløshedsunderstøttelse.

Disse data blev herefter kombineret med årlige erhvervsniveau-ansættelses- og lønstatistik fra Bureau of Labor Statistics’ Occupational Employment and Wage Statistics-program, hvilket gjorde det muligt at estimere månedlig arbejdsløshedsrisiko for hvert erhverv i hver stat (hvor risiko blev defineret som sandsynligheden for, at en arbejder i et givet erhverv havde ansøgt om fortsat arbejdsløshedsunderstøttelse).

Historisk set, bemærker artiklen, havde de jobs, der var mest udsat for AI, 20-80% lavere arbejdsløshedsrisiko end mindre udsatte roller, med en åbning, der udvidede sig under pandemien, da fjernarbejde viste sig at være mere robust. Denne fordel begyndte at forsvinde i begyndelsen af 2022, og i 2023-2024 var forskellen næsten forsvundet:

Arbejdsløshedsrisikoen i AI-eksponerede jobs begyndte at stige i begyndelsen af 2022, og afsluttede en lang periode med relativ stabilitet. A viser denne omvending som åbningen mellem høj- og lav-eksponerede roller, der lukkes før ChatGPT's lancering. B afslører, at stigningen var koncentreret i den mest eksponerede kvintil, med risiko, der steg efter en lavpunkt og derefter planede ud. C sporer effekten til computer- og matematikjobs, mens de fleste andre fag forblev stabile. Risikoen blev målt månedligt på tværs af amerikanske stater og gennemsnitligt kvartalsvis. Kilde - https://arxiv.org/pdf/2601.02554

Arbejdsløshedsrisikoen i AI-eksponerede jobs begyndte at stige i begyndelsen af 2022, og afsluttede en lang periode med relativ stabilitet. A viser denne omvending som åbningen mellem høj- og lav-eksponerede roller, der lukkes før ChatGPT’s lancering. B afslører, at stigningen var koncentreret i den mest eksponerede kvintil, med risiko, der steg efter en lavpunkt og derefter planede ud. C sporer effekten til computer- og matematikjobs, mens de fleste andre fag forblev stabile. Risikoen blev målt månedligt på tværs af amerikanske stater og gennemsnitligt kvartalsvis. Kilde

Som vi kan se i grafen ovenfor, grupperede forfatterne erhverv i kvintiler efter “AI-eksponering” og spored disse over tid. Mindre eksponerede jobs viste konsekvent højere arbejdsløshedsrisiko og stærkere sæsonvariation, med alle grupper, der toppede under pandemien i 2020 og nåede et lavpunkt i begyndelsen af 2022.

Efter dette lavpunkt begyndte arbejdsløshedsrisikoen at stige i de mest eksponerede kvintiler, lang tid før lanceringen af ChatGPT, og derefter stabiliserede sig, snarere end at accelerere i månederne, der fulgte.

Computer- og matematikjobs oplevede den største stigning i arbejdsløshedsrisiko før ChatGPT blev lanceret, og derefter planede ud. De fleste andre roller viste kun små ændringer. Nogle stater, herunder Californien, Washington og Alaska, oplevede stigninger efter ChatGPT, men nationale risikoniveauer forblev tæt på præ-pandemiske normer, hvilket indikerer indflydelsen af tidligere økonomiske pres.

Dataovervejelser

Forfatterne bemærker, at statistisk set vil arbejdsløshedsrisiko afsløre mønstre på tværs af jobtyper, men ikke fange resultater for bestemte grupper – såsom nyuddannede, der måske ikke kvalificerer sig til understøttelse eller har en tidligere beskæftigelse at rapportere. Andre studier og påstande fra branchen antyder, at tidlige karrierearbejdere oplever den største indvirkning fra AI, hvilket betyder, at samlede arbejdsløshedsdata kan overse de mest berørte.

For at overvinde denne begrænsning hentede den nye studie 10.584.980 LinkedIn-profiler leveret af Revelio Labs. Hver post fra datasættet indeholdt detaljerede uddannelseshistorier, der dækkede typen af uddannelse, studieretning, dimittentionsår og universitet, samt karrieredata som jobtitler (kortlagt til seks-cifrede SOC-koder), arbejdsgivere, startdatoer og placeringer.

Joblønninger blev estimeret ved hjælp af “en proprietær maskinelæringsmodel” trænet på visumansøgninger, selvrapporterede indtastninger og offentlige jobannoncer, der integrerede både rollespecifikke detaljer og individuelle karriereforløb.

Da faktiske lønninger ikke kunne verificeres, sporedes antallet af måneder, det tog dimittender at starte deres første observerede job inden for tre år efter at have afsluttet deres uddannelse, med undtagelse af dem med ingen registreret beskæftigelse i denne periode (en metode, der fungerede som en proxy for arbejdsmarkedets friktion, under antagelse af, at dimittender opdaterer deres profiler, når de bliver ansat):

Dimittender, der kom på arbejdsmarkedet efter 2022, brugte længere tid på at finde LLM-eksponerede job, men forværringen begyndte måneder før ChatGPT blev lanceret. A viser, at dimittender med højt eksponerede første job typisk fandt arbejde hurtigere, indtil dette mønster vendte efter 2022; B viser en tilsvarende, men mindre udtalt forsinkelse for højtlønnede job; C viser, at årgangene 2021 og 2022 fik LLM-eksponerede job i lavere grad end tidligere årgange, og at forværringen opstod før ChatGPT. D viser ingen tilsvarende ændring for lavt eksponerede job, hvilket understøtter, at nedgangen begyndte før udbredt brug af LLM.

Dimittender, der kom på arbejdsmarkedet efter 2022, brugte længere tid på at finde LLM-eksponerede job, men forværringen begyndte måneder før ChatGPT blev lanceret. A viser, at dimittender med højt eksponerede første job typisk fandt arbejde hurtigere, indtil dette mønster vendte efter 2022; B viser en tilsvarende, men mindre udtalt forsinkelse for højtlønnede job; C viser, at årgangene 2021 og 2022 fik LLM-eksponerede job i lavere grad end tidligere årgange, og at forværringen opstod før ChatGPT. D viser ingen tilsvarende ændring for lavt eksponerede job, hvilket understøtter, at nedgangen begyndte før udbredt brug af LLM.

Forfatterne analyserede jobsøgningstid på tværs af dimittentionskohorter, hvor der kontrolleredes for månedlige jobåbninger efter stat og sektor, og hvor der blev taget hensyn til forskelle i uddannelsestype, studieretning og universitet, med jobeksponering for LLM’er defineret ved hjælp af SOC-koder.

Før ChatGPT’s lancering tilbragte dimittender, der indtrådte i højt eksponerede roller, generelt mindre tid på jobsøgning end deres kollegaer. For 2023- og 2024-kohorterne vendte dette mønster om, og eksponerede roller tog længere tid at sikre.

Det skal understreges, at selvom artiklen fastslår, at resultaterne blev forværret efter ChatGPT, viser data, at denne nedgang begyndte måneder tidligere og fortsatte herefter, hvilket undergraver idéen om en pludselig post-ChatGPT-kollaps, og undergraver også tilskrivningen af den (pågående) nedadgående tendens helt til LLM-optagelse.

Uddannelseseksponering

En central bekymring i debatten om AI og beskæftigelse er, om studerende skal fortsætte med at uddanne sig i færdigheder, som store sprogmodeller kan automatisere, såsom skrivning, kodning eller informationsanalyse. Hvis disse færdigheder har mistet markedsværdi, bør dimittender, der er mest eksponerede for dem, klare sig værre. For at teste dette estimerede forfatterne uddannelseseksponering for LLM-relevante opgaver ved hjælp af LinkedIn-profiler, der var koblet med millioner af universitetskursusbeskrivelser, og derefter sporedes tidlige jobsresultater før og efter ChatGPT:

Uddannelseseksponering for LLM-relevante opgaver forudsiger stærkere tidlige karriere-resultater efter ChatGPT. Dimittender efter 2022 med større eksponering for automatiserbare færdigheder blev ansat hurtigere og fik højere løn, delvist kompenserende for de ulemper, der er forbundet med høj LLM-erhvervseksponering. Alle modeller kontrollerer for jobåbninger, jobtype og uddannelsesbaggrund.

Uddannelseseksponering for LLM-relevante opgaver forudsiger stærkere tidlige karriere-resultater efter ChatGPT. Dimittender efter 2022 med større eksponering for automatiserbare færdigheder blev ansat hurtigere og fik højere løn, delvist kompenserende for de ulemper, der er forbundet med høj LLM-erhvervseksponering. Alle modeller kontrollerer for jobåbninger, jobtype og uddannelsesbaggrund.

Før opkomsten af ChatGPT viste denne uddannelseseksponering ingen tydelig sammenhæng med jobsøgningstid eller løn. Efter ChatGPT synes det at være forbundet med hurtigere ansættelser og højere startløn. Selvom roller med høj LLM-eksponering havde en tendens til at give dårligere resultater efter ChatGPT, var dimittender fra mere AI-orienterede programmer mindre berørt.

I stedet for at formindske i værdi syntes færdigheder, der anses for sårbare over for automatisering, at støtte bedre tidlige karriere-resultater.

‘Hvis LLM’er var skyld i, at dimittender havde en dårlig arbejdsmarkedsmæssig præstation, så ville vi forvente at se, at uddannelseseksponering indikerer overflødige færdigheder, der ikke tilføjer værdi, når man søger job.

‘Dog viser vores resultater, at undervisning i AI-eksponerede færdigheder giver bedre resultater for dimittender efter ChatGPT’s lancering. Disse sammenhænge er svære at forene med synspunktet, at LLM-relevant uddannelse blev mindre værdifuld efter ChatGPT. Selv om disse sammenhænge ikke viser årsag og virkning, antyder de, at LLM-relevant forberedelse er i hvert fald kompatibel med bedre tidlige karriere-resultater i den post-ChatGPT-periode.’

Forfatterne afslutter med at foreslå, at de overskriftsfangeri arbejdsmarkedstendenser, der er under undersøgelse, fandt sted på et arbejdsmarked, der allerede var formet af tidligere begivenheder og tendenser. Som det står, synes det at være en umulig opgave at adskille indflydelsen (på arbejdsmarkedstendenser) af ChatGPT og AI generelt fra de urelaterede kræfter, der startede markedets nedgang, som at prøve at fjerne salt fra suppe.

* Men en rimelig mængde nuværende kommentarer indrømmer, at denne type dommedagsprofeti fra AI-investerede grundlæggere er mere lignende astroturfing, med det formål at imponere potentielle kunder og investorer og øge aktiekurserne.

Først offentliggjort onsdag, den 7. januar 2026

Forfatter inden for maskinlæring, domænespecialist i menneskelig billedsyntese. Tidligere chef for forskningsindhold hos Metaphysic.ai, indtil den blev opløst i DNEGs Brahma.ai.
Websted: martinanderson.ai
Kontakt: martin@martinanderson.ai