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

En stor ny studie finder, 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 ansættelser.

En omfattende ny forskningssamarbejde mellem amerikanske universiteter har fundet, at årsagerne til krisen med AI-sårbarhed ikke sammenfald med lanceringen af ChatGPT i slutningen af 2022, men snarere at problemerne begyndte tidligere på året, af åbenbart uvrelaterede årsager.

Yderligere finder rapporten, at akademikerne, hvis universitetsuddannelser var mere ‘AI-eksponerede’, faktisk var forbundet med højere løn og kortere jobsøgning efter ChatGPT kom på markedet.

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

‘[Vore] resultater viser, at forværrede arbejdsmarkedsmæssige resultater i 2022-2024 for LLM-eksponerede arbejdere og akademikerne allerede var i gang før den store markedsmæssige opdukken af LLM-applikationer. Arbejdsløshedsrisikoen i højt eksponerede beskæftigelser steg fra begyndelsen af 2022 – lang tid før ChatGPT – og i de fleste beskæftigelser og stater observerer vi ingen diskret pause, der sammenfald med dens introduktion.

‘Tidlige karrierearbejdere var berørt i uhensigtsmæssig grad: akademikerne fra 2021-2023-kohorterne indtrådte i højt eksponerede job på lavere satser og oplevede længere observerede forsinkelser 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 undersøgelse omdefinerer opkomsten af AI som en indtræden på et arbejdsmarked, der allerede var svækket af bredere økonomiske og sektorspecifikke–pres, og bemærker, at færdigheder, der supplerer AI, har beholdt og måske endda har øget markedsværdi.

Forfatterne afslutter artiklen med at foreslå, at ChatGPT’s lancering i november 2022 ikke bør behandles som terminatoren mellem det før-AI og AI-inclusive arbejdsmarked, og at en række samtidige omstændigheder bør være medtaget sammen med den opdukken af Large Language Models (LLM):

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

Forfatterne foreslår, at universiteter og uddannelsesprogrammer ikke bør droppe færdigheder, der ofte beskrives som ‘sårbar over for AI’, såsom skrivning, kodning og informationsanalyse. Ifølge resultaterne fra arbejdet 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 værktøj i stedet for erstatninger, hjælpe akademikerne med at forblive konkurrencedygtige på et ustabilt arbejdsmarked.

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

Metode og data

Artiklens resultater er, som forfatterne bemærker, en markant kontrast til tidligere rapporter, herunder en fra Stanford’s Digital Economy Lab, samt mørke varsler fra personligheder som CEO’en for Anthropic, der advarede i maj 2025, at AI ‘kunne eliminere halvdelen af alle indledende hvidkragearbejdspladser’*.

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

Månedlige administrative data blev hentet fra ETA 203-rapporten, kompuleret af U.S. Department of Labor’s Employment and Training Administration, med detaljer om den seneste beskæftigelse for personer, der har anmeldt fortsat arbejdsløshedsforsikring.

Disse datapunkter blev derefter kombineret med årlige beskæftigelsesdata på niveauet for hvert job fra Bureau of Labor Statistics’ Occupational Employment and Wage Statistics-program, hvilket muliggjorde en estimering af månedlig arbejdsløshedsrisiko for hvert job inden for hver stat (hvor risiko defineres som sandsynligheden for, at en arbejder i en given beskæftigelse anmelder fortsat arbejdsløshedsforsikring).

Historisk set, bemærker artiklen, havde job, der var mest udsat for AI, 20-80% lavere arbejdsløshedsrisiko end mindre udsatte roller, med åbningen, 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 job begyndte at stige i begyndelsen af 2022, og afsluttede en lang periode med relativ stabilitet. A viser denne omvending som åbningen mellem højt- og lavt-eksponerede roller, der indsnævres før ChatGPT’s lancering. B viser en tilsvarende stigning i den mest eksponerede kvintil, med risiko, der stiger efter en lavpunkt og derefter planer ud. C sporer effekten til computer- og matematikjob, 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 beskæftigelser i kvintiler efter ‘AI-eksponering’, og spored dem over tid. Mindre eksponerede job 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, i stedet for at accelerere i månederne, der fulgte.

Computer- og matematikjob oplevede den største stigning i arbejdsløshedsrisiko før ChatGPT blev lanceret, og derefter planerede ud. De fleste andre roller viste kun lidt ændring. Nogle stater, herunder California, 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 fanger resultater for bestemte grupper – såsom nyuddannede, der måske ikke kvalificerer sig til forsikring eller har en tidligere beskæftigelse at rapportere. Andre forskning og industrikrav antyder, at tidlige karrierearbejdere oplever den største indvirkning fra AI, hvilket betyder, at samlede arbejdsløshedsdata kan undlade at fange de mest berørte.

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

Lønninger blev estimeret ved hjælp af ‘en proprietær maskinlæringsmodel’ trænet på visumansøgninger, selvrapporterende indtastninger og offentlige jobannoncer, der integrerede både rollespecifikke detaljer og individuelle karriereforløb.

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

Akademikerne, der indtrådte på arbejdsmarkedet efter 2022, tog længere tid at sikre LLM-eksponerede job, men denne nedgang i jobmarkedets præstation begyndte måneder før ChatGPT’s lancering. Ovenfor viser A, at akademikerne med højt eksponerede første job typisk fandt arbejde hurtigere, indtil denne mønster vendte om efter 2022; B viser en tilsvarende forsinkelse for højt lønnede roller, omend mindre udtalt; og C viser, at 2021- og 2022-kohorterne indtrådte i LLM-eksponerede job i lavere satser end tidligere kohorter, med underpræstation, der opstod før ChatGPT. Endelig viser D ingen tilsvarende skift for lavt eksponerede job, hvilket understreger, at nedgangen foregik før den bredt udbredte LLM-adopteringsperiode.

Forfatterne analyserede jobsøgningsvarighed på tværs af uddannelseskohorter, med kontrol for månedlige jobåbninger efter stat og sektor, og med hensyn til forskelle i uddannelsestype, studieretning og universitet, med jobeksponering for LLM defineret ved hjælp af SOC-koder.

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

Det skal understreges, at selvom artiklen fastslår, at resultaterne forværres 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 tillægget af den (pågående) nedadgående trend 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 syntese. Hvis disse færdigheder har mistet markedsværdi, skal akademikerne, der er mest udsat for dem, have det værre. For at teste dette estimerede forfatterne uddannelseseksponering for LLM-relevante opgaver ved hjælp af LinkedIn-profiler, der er matchet med millioner af universitetsstudieplaner, og derefter spored tidlige jobresultater før og efter ChatGPT:

Uddannelseseksponering for LLM-relevante opgaver forudsiger stærkere tidlige karriereudfald efter ChatGPT. Akademikerne efter 2022 med større eksponering for automatiserbar færdigheder blev ansat hurtigere og fik højere løn, delvist kompenserende for de straffe, der er forbundet med høj LLM-beskæftigelseseksponering. Alle modeller kontrollerer for jobåbninger, jobtype og uddannelsesbaggrund.

Før opkomsten af ChatGPT viste denne uddannelseseksponering ingen klar sammenhæng med jobsøgningsvarighed 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 akademikerne fra mere AI-orienterede programmer mindre berørt.

I stedet for at formindske i værdi, syntes færdigheder, der anses for at være sårbar over for automatisering, at støtte bedre tidlige karriereudfald.

‘Hvis LLM’er var skyld i, at akademikerne havde dårlige jobmarkedsmæssige resultater, 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 akademikerne efter ChatGPT’s lancering. Disse sammenhænge er svære at forene med synspunktet, at LLM-relevant uddannelse blev mindre værdifuld efter ChatGPT. Selv om det ikke er årsagssammenhæng, antyder de, at LLM-relevant forberedelse er i hvert fald kompatibel med bedre tidlige karriereudfald i den post-ChatGPT-periode.’

Forfatterne afslutter med at foreslå, at de overskriftsfangerende beskæftigelsestendenser under studie fandt sted på et arbejdsmarked, der allerede var formet af tidligere begivenheder og tendenser. Som det er nu, synes adskillelsen af ChatGPT’s og AI’s generelle indflydelse på beskæftigelsestendenser fra de uvrelaterede kræfter, der startede markedets nedgang, at være en umulig opgave, som at forsøge at fjerne salt fra suppe.

* Dog indrømmer en rimelig mængde nuværende kommentarer, at denne type dommedagsprofeti fra AI-investerede grundlæggere mere ligner astroturfing, med det formål at betage potentielle kunder og investorer, og øge aktiekurser.

Først udgivet onsdag, 7. januar 2026