Microsofts AI-chef giver 18 måneder til white-collar-arbejde

Mustafa Suleyman, Microsofts chef for AI, fortalte Financial Times denne uge, at “de fleste, hvis ikke alle” white-collar-computertasks vil blive “fuldstændigt automatiseret” inden for 12 til 18 måneder. Advokater, revisorer, projektledere, marketingsfolk – alle sammen, sagde han, vil se deres daglige arbejde håndteret af AI inden midten af 2027.

Det er et slående krav. Det er også noget, der fortjener langt mere skærping end de åndeløse overskrifter, det genererede.

Suleyman er ikke en tilfældig kommentator. Han co-foundede DeepMind, lancerede Inflection AI og leder nu Microsofts forbruger-AI-afdeling. Han har set AI gå fra forskningsnysgerrighed til kommercielt produkt tættere end næsten nogen andre. Når han taler, lytter branchen. Men han er også, på dette bestemte tidspunkt, den person, der er mest ansvarlig for at sælge Microsoft (MSFT ) Copilot til virksomheder – et produkt, der kun har 1,2% af AI-chatbot-markedet, på trods af Microsofts ubestridte distribution gennem Windows, Office og Azure.

Dette kontekst er vigtigt. Suleyman forudser fremtiden og markedsfører den på samme tid.

Hvad han faktisk sagde

Det fulde citat er værd at undersøge: “White-collar-arbejde, hvor du sidder ved en computer, enten som advokat eller revisor eller projektleder eller marketingsperson – de fleste af disse opgaver vil blive fuldstændigt automatiseret af en AI inden for de næste 12 til 18 måneder.”

Han pegede på software-udvikling som bevis for, at skiftet allerede er i gang, og hævdede, at udviklere nu bruger “AI-assisteret kodning til det overvejende antal af deres kodeproduktion” – en transformation, han sagde skete “i de sidste seks måneder”.

Den samme interview afslørede Microsofts bredere AI-strategi: at bygge deres egne frontier-modeller for at opnå “sand AI-selvforsyning” og reducere afhængigheden af OpenAI. Virksomheden ønsker at konkurrere på alle lag af AI-stakken, fra infrastruktur til applikationer.

Hvor han har ret

At afvise Suleyman ville være en fejl. I software-udvikling specifikt er beviset for hurtig AI-adopterings- og potentiel disruption mere end virkeligt.

Spotify’s co-CEO Gustav Söderström sagde denne uge, at virksomhedens bedste udviklere “ikke har skrevet en enkelt linje kode siden december”, og tilskrev det Claude Code og interne AI-systemer. Cursor nåede en årlig omsætning på 1 milliard dollars ved at hjælpe udviklere med at producere mere output med færre tastetryk. Claude Code står nu for 4% af alle offentlige GitHub-commits – et tal, der fordobledes på blot en måned. AI-kodningsværktøjer er gået fra nytænkning til nødvendighed hurtigere end næsten nogen anden virksomhedssoftware-kategori i historien.

Anthropics januar 2026 Økonomiske Index fandt, at 49% af job kan nu bruge AI i mindst en kvart af deres opgaver, op fra 36% året før. Det er acceleration.

Og markedet er allerede i gang med at prisindeksere disruption. Cowork‘s lancering sidste måned udløste en selloff på 285 milliarder dollars i software-aktier, da investorerne omregned, hvilke SaaS-produkter en AI-agent kunne erstatte.

Hvor han har uret

Men der er en kløft mellem “AI kan hjælpe med opgaver” og “de fleste opgaver vil blive fuldstændigt automatiseret”. Suleyman kollapserede denne forskel, og det kan forvrænge, hvad der faktisk sker.

Den samme Anthropic-rapport, der fandt, at 49% af job kan bruge AI i mindst en kvart af deres opgaver, viste også, at kun 9% af virksomhederne rapporterede fuld rolle-erstatning. 45% havde reduceret indledende ansættelse – hvilket er betydeligt – men reduceret ansættelse er ikke det samme som opgaver, der er “fuldstændigt automatiseret”. Gapet mellem disse to realiteter er, hvor de fleste white-collar-arbejdere faktisk bor.

Betragt de professioner, Suleyman nævnte. Kan AI udarbejde en kontrakt? Ja. Kan det udøve jura – navigere i klientrelationer, retssalsdynamik, regulatorisk nuance og professionel ansvar? Ikke på 18 måneder. Kan AI generere en markedsføringsplan? Absolut. Kan det forstå, hvorfor en bestemt mærkes publikum reagerer på ironi, men ikke oprigtighed? Det er et andet problem helt.

Mønsteret er velkendt. AI udmærker sig i de strukturerede, gentagne dele af videnarbejde. Det kæmper med de tvetydige, relationelle og kontekstuelle dele – som netop er, hvad de fleste professionelle faktisk bruger deres tid på. Automatisering af 40% af en advokats opgaver automatiserer ikke advokaten. Det gør advokaten 40% mere produktiv, hvilket er værdifuldt, men fundamentalt forskelligt fra, hvad Suleyman beskrev.

Så er der Copilot selv. På trods af, at 70% af Fortune 500-virksomhederne har adopteret Microsoft 365 Copilot, kører de fleste virksomheder stadig piloter. Enterprise AI-adopteringshastighed har konsekvent vist sig at være langsommere, rodere og mere politisk belastet end leverandørerne lover. Hvis Microsofts eget produkt ikke har automatiseret white-collar-arbejde hos de virksomheder, der allerede betaler for det, strækker 18-måneders-tidsrammen for universel automation troværdigheden.

Problemet med track-record

Teknologiledere har en lang historie med at love for meget på automationstidsrammer. I 2016 forudsagde Business Insider 10 millioner selvstyrende biler på vejene i 2020. IBM’s Watson skulle revolutionere onkologi. Fuldt autonome fabrikker var altid fem år væk.

Disse forudsigelser delte en fælles fejl: de extrapolerede fra teknisk fremgangshastighed uden at tage hensyn til friktionen af institutionel adoption, regulatorisk kompleksitet og menneskelig adfærd. AI i 2026 er længere fremme end disse tidligere teknologier var på deres hype-toppe – men adoptionsbarriererne er stadig ubøjelige.

Suleymans egen track-record er blandet. DeepMind producerede ægte videnskabelige gennembrud under hans co-lederskab. Inflection AI, virksomheden han grundlagde efter at have forladt Google (GOOGL ), hævede 1,5 milliarder dollars, før han forlod til Microsoft, og virksomhedens teknologi blev grundlæggende absorberet i Microsofts AI-afdeling. Han forstår kapacitet bedre end de fleste. Men kapacitet og udrulning er to forskellige ting.

Hvad der faktisk sker i 18 måneder

Den mere beskedne forudsigelse kommer fra Anthropic CEO Dario Amodei, der advarede ved Davos sammen med DeepMind CEO Demis Hassabis, at AI vil ramme indledende ansættelse først, med bredere udskiftning, der tager ét til fem år. Begge erkendte, at deres egne virksomheder allerede ansætter færre junior-arbejdere – et mere ærligt og verificerbart krav end Suleymans omfattende forudsigelse.

Verdensøkonomisk Forum projekterer en netto gevinst på 78 millioner job globalt i 2030, med 170 millioner skabt og 92 millioner erstattet. Indledende jobannoncer er allerede faldet 29% siden januar 2024. Det er et rigtigt problem, men det er en gradvis strukturel ændring – ikke en klippekanter 18 måneder væk.

Hvad der faktisk sker inden for 18 måneder: AI-værktøjer vil håndtere betydeligt mere rutinearbejde. Professionelle, der lærer at bruge dem, vil overgå dem, der ikke gør. Nogle roller – især juniorstillinger, der består primært af strukturerede opgaver – vil mindske eller forsvinde. Virksomheder vil bevæge sig langsomt, diskutere om indkøb og underinvestere i uddannelse.

Transformationen er reel. Tidsrammen kan være overdreven.

Suleyman har ret i, at AI vil forme white-collar-arbejde. Han kan have uret i, at det sker på 18 måneder. Gapet mellem disse to positioner er, hvor den virkelige historie bor – og det er en historie, der vil tage år, ikke måneder, at udfolde sig.