Jobbene ‘i risiko fra AI’ var allerede i nedgang før ChatGPT ble lansert

En stor ny studie finner at jobbene som er i risiko fra AI allerede var i nedgang før ChatGPT ble lansert, men studenter som ble utdannet i disse ferdighetene endte med høyere lønn og raskere ansettelse.

En omfattende ny forskningsstudie mellom amerikanske universiteter har funnet at årsakene til krisen med jobbene som er sårbare for AI ikke sammenfaller med lanseringen av ChatGPT i slutten av 2022, men at problemene begynte tidligere på året, av åpenbart uavhengige årsaker.

Videre finner rapporten at studenter hvis universitetsstudier var mer ‘AI-eksponert’ faktisk var assosiert med høyere lønn og kortere jobbsøking etter at ChatGPT kom på markedet.

Den nye studien bygger på tre store datamengder, inkludert over ti millioner skrapede LinkedIn-profiler, samt arbeidsløshetsdata og forsikringskrav. Forfatterne skriver:

‘[Våre] resultater indikerer at forverring av arbeidsmarkedets resultater i 2022–2024 for LLM-eksponerte arbeidere og studenter allerede var i gang før den store lanseringen av LLM-applikasjoner. Arbeidsløshetsrisiko i høyt eksponerte yrker økte fra begynnelsen av 2022–langt før ChatGPT–og i de fleste yrker og stater observerer vi ingen diskret pause sammenfallende med dens introduksjon.

‘Tidlige karrierearbeidere ble påvirket uforholdsmessig: studenter fra kohortene 2021–2023 gikk inn i høyt eksponerte jobber i lavere rater og opplevde lengre observerte forsinkelser til deres første jobb enn tidligere kohorter, med gap som åpnet, igjen, før slutten av 2022. Samtidig forble LLM-relevant utdanning verdifullt i denne sammenhengen.’

Den nye studien omdefinerer oppblomstringen av AI som inntreden i et arbeidsmarked allerede svekket av bredere økonomiske og sektor–spesifikke press, og påpeker at ferdigheter som komplementerer AI har beholdt, og kanskje sogar har økt, markedets verdi.

Forfatterne avslutter artikkelen med å foreslå at ChatGPTs lansering i november 2022 ikke bør behandles som en ren naturlig eksperiment for AI-s arbeidsmarkedspåvirkning, og at en rekke samtidige omstendigheter bør vurderes sammen med den fremvoksende innflytelsen av store språkmodeller (LLM):

‘Disse funnene har implikasjoner for forskning og politikk. Først, de advarte mot å behandle ChatGPTs lansering som et rent naturlig eksperiment for AI-s arbeidsmarkedspåvirkning: design som tilskriver post-2022 arbeidsmarkedssvakhet primært til LLM-risiko for å forveksle AI-diffusjon med samtidige makroøkonomiske skift (mulige eksempler inkluderer pengepolitikk, sektorale krav, og/eller post-pandemisk justering).’

Forfatterne foreslår at universiteter og utdanningsprogrammer ikke bør droppe ferdigheter som ofte beskrives som ‘sårbare for AI’, som skriving, kode og informasjonssyntese. Ifølge resultater fra studien kan undervisning i disse ferdighetene på en måte som fungerer sammen med AI, med fokus på å kontrollere utdata, vurdere kvalitet og bruke chatboter som verktøy i stedet for erstatninger, hjelpe studenter til å forbli konkurransedyktige i et ustabil arbeidsmarked.

Den nye studien har tittelen AI-eksponerte jobber forverret før ChatGPT, og kommer fra fem forskere tilknyttet ulike avdelinger ved University of Pittsburgh, Stanford University, Chapman University og Columbia University, i samarbeid med Microsofts AI Economy Institute i Redmond og Revelio Labs i New York.

Metode og data

Studiens funn er, ifølge forfatterne, en skarp kontrast til tidligere rapporter, inkludert en fra Stanfords Digital Economy Lab, samt mørke varsler fra personer som CEO-en i Anthropic, som advarte i mai 2025 at AI ‘kunne eliminere halvparten av alle innledende hvite-halsjobber’*.

Forfatternes analytiske metode undersøkte først arbeidsløshet blant arbeidere i yrker som var mest utsatt for AI-drevet automatisering, med eksponering definert ved hjelp av seks-sifrede Standard Occupation Classification (SOC)-koder, gjennomsnittlig for å estimere eksponeringsnivåer for bredere to-sifrede SOC-kategorier.

Månedlige administrative data ble hentet fra ETA 203-rapporten, samlet inn av USAs arbeids- og treningadministrasjon, som detaljer den siste yrkesaktiviteten til personer som søker om fortsatt arbeidsløshetsforsikring.

Disse datapunktene ble deretter kombinerer med årlige yrkesnivå-ansettelsesdata fra Bureau of Labor Statistics’ Occupational Employment and Wage Statistics-program, som gjorde det mulig å estimere månedlig arbeidsløshetsrisiko for hvert yrke i hver stat (der risiko ble definert som sannsynligheten for at en arbeider i et gitt yrke søkte om fortsatt arbeidsløshetsforsikring).

Historisk sett, ifølge artikkelen, har jobbene som er mest utsatt for AI hatt 20-80% lavere arbeidsløshetsrisiko enn mindre utsatte roller, med gapet som økte under pandemien da fjernkapable arbeid viste seg å være mer motstandsdyktig. Denne fordelen begynte å forsvinne i begynnelsen av 2022, og ved 2023–2024 hadde forskjellen i stor grad forsvunnet:

Arbeidsløshetsrisiko i AI-eksponerte jobber begynte å øke i begynnelsen av 2022, og avsluttet en lang periode med relativ stabilitet. A viser denne reverseringen som gapet mellom høyt- og lavt-eksponerte roller smalner før ChatGPTs lansering. B avslører at økningen var konsentrert i den mest eksponerte kvintilen, med risiko som økte etter en dal og deretter planet ut. C sporer effekten til data- og matematikkjobber, mens de fleste andre felt forble stabile. Risiko ble målt månedlig over USAs stater og gjennomsnittlig kvartalsvis. Kilde

Som vi kan se i grafene ovenfor, grupperte forfatterne yrker i kvintiler etter ‘AI-eksponering’, og sporet disse over tid. Mindre eksponerte jobber viste konsistent høyere arbeidsløshetsrisiko og sterkere sesongvariasjon, med alle grupper som toppet under pandemien i 2020 og nådde en dal i begynnelsen av 2022.

Etter dette lavpunktet, begynte arbeidsløshetsrisiko å øke i de mest eksponerte kvintilene, lenge før lanseringen av ChatGPT, og deretter stabiliserte, i stedet for å akselerere i månedene som fulgte.

Data- og matematikkjobber så den største økningen i arbeidsløshetsrisiko før ChatGPT ble lansert, og deretter planet ut. De fleste andre roller viste liten endring. Noen stater, inkludert California, Washington og Alaska, så økninger etter ChatGPT, men nasjonale risikonivåer forble nær pre-pandemiske normer, og indikerer innflytelsen av tidligere økonomiske press.

Dataoverveielser

Forfatterne påpeker at statistisk sett, arbeidsløshetsrisiko vil avsløre mønster over jobbtyper, men ikke fanger opp resultater for spesifikke grupper – som nyutdannede som kanskje ikke kvalifiserer for fordeler eller har en tidligere jobb å rapportere. Andre studier og industrihevdinger antyder at tidlige karrierearbeidere påvirkes mest av AI, og at generell arbeidsløshetsdata kanskje mangler de som er mest berørt.

For å overvinne denne begrensningen, hentet den nye studien 10 584 980 LinkedIn-profiler fra Revelio Labs. Hver post fra datamengden inkluderte detaljerte utdannelseshistorier som dekket studietype, studieretning, avgangsår og universitet, samt karriereinformasjon som jobbtitler (tilordnet seks-sifrede SOC-koder), arbeidsgivere, startdatoer og steder.

Lønner ble estimert ved hjelp av ‘en proprietær maskinlæringsmodell’ trent på visumansøkninger, selvrapporterte innføringer og offentlige jobbannonser, som inkorporerte både rollespesifikke detaljer og individuelle karrierebaner.

Ettersom faktiske lønner ikke kunne verifiseres, sporet analysen også antall måneder studenter tok for å starte sin første observerte jobb innen tre år etter å ha fullført sine studier, med eksklusjon av de som ikke hadde noen registrert ansettelse i denne perioden (en måling som tjente som en proxy for arbeidsmarkedets friksjon, under antagelse av at studenter oppdaterer sine profiler når de blir ansatt):

Studenter som gikk inn i arbeidsmarkedet etter 2022 tok lengre tid å sikre LLM-eksponerte jobber, men denne nedgangen i jobbmarkedets ytelse begynte måneder før ChatGPTs lansering. Ovenfor A viser at studenter med høyt eksponerte første jobber vanligvis fant arbeid raskere, inntil denne mønsteret reverserte etter 2022; B viser en lignende forsinkelse for høyt lønnede roller, om enn mindre uttalt; og C avslører at kohortene 2021 og 2022 gikk inn i LLM-eksponerte jobber i lavere rater enn tidligere kohorter, med underprestasjon som oppstod før ChatGPT. Til slutt D viser ingen tilsvarende skift for lavt eksponerte jobber, og understreker at nedgangen foregikk før omfattende LLM-tiltak.

Forfatterne analyserte jobbsøketid over kohorter, med kontroll for månedlige jobbåpninger etter stat og sektor, og justering for forskjeller i studietype, studieretning og universitet, med jobbeksponering for LLM definert ved hjelp av SOC-koder.

Før ChatGPTs lansering, tilbrakte studenter som gikk inn i høyt eksponerte roller vanligvis mindre tid på å søke jobb enn sine jevnaldrende. For kohortene 2023 og 2024 reverserte dette mønsteret, med eksponerte roller som tok lengre tid å sikre.

Det bør understrekes at selv om artikkelen sier at resultater forverret etter ChatGPT, viser data at denne nedgangen begynte måneder tidligere og fortsatte etterpå, og undergraver tanken om en plutselig post-ChatGPT-kollaps, og undergraver også tilskrivningen av den (pågående) nedadgående trenden helt til LLM-oppblomstring.

Utdannelseseksponering

En sentral bekymring i debatten om AI og ansettelse er om studenter bør fortsette å utdanne seg i ferdigheter som store språkmodeller kan automatisere, som skriving, kode eller syntese. Hvis disse ferdighetene har tapt markedets verdi, bør studenter som er mest utsatt for dem fungere dårligere. For å teste dette, estimerte forfatterne utdannelseseksponering for LLM-relevante oppgaver ved hjelp av LinkedIn-profiler sammenlignet med millioner av universitetsstudieplaner, og sporet tidlige jobbresultater før og etter ChatGPT:

Utdannelseseksponering for LLM-relevante oppgaver forutsier sterkere tidlige karriereutfall etter ChatGPT. Studenter som fullførte studier etter 2022 med større eksponering for automatiserbare ferdigheter ble ansatt raskere og tjente høyere lønn, og delvis kompenserte for straffene knyttet til høyt LLM-yrkeseksponering. Alle modeller kontrollerer for jobbåpninger, jobbtype og utdannelsesbakgrunn.

Før ChatGPTs lansering, viste denne utdannelseseksponeringen ingen tydelig sammenheng med jobbsøketid eller lønn. Etter ChatGPT, synes det å være assosiert med raskere ansettelse og høyere startlønn. Selv om roller med høyt LLM-eksponering tenderte til å gi dårligere resultater etter ChatGPT, var studenter fra mer AI-orienterte programmer mindre berørt.

I stedet for å minke i verdi, synes ferdigheter som anses som sårbare for automatisering å støtte bedre tidlige karriereutfall.

‘Hvis LLM-er var årsaken til studenter dårlige jobbmarkedsprestasjoner, så ville vi forvente å se at utdannelseseksponering indikerer redundante ferdigheter som ikke legger verdi når man søker jobb.

‘Likevel, våre resultater antyder at undervisning i AI-eksponerte ferdigheter gir bedre resultater for studenter etter ChatGPTs lansering. Disse sammenhengene er vanskelige å forsones med synspunktet at LLM-relevant utdanning ble mindre verdifull etter ChatGPT. Mens ikke årsaksrelatert, antyder de at LLM-relevant forberedelse er i det minste kompatibelt med bedre tidlige karriereutfall i post-ChatGPT-perioden.’

Forfatterne konkluderer med å foreslå at de overskriftene om ansettelsestrender som studeres, skjedde i et arbeidsmarked som allerede var blitt formet av tidligere hendelser og trender. Som det står, å skille innflytelsen (på ansettelsestrender) av ChatGPT og AI generelt fra de uavhengige kreftene som startet markedets nedgang, synes å være en umulig oppgave, som å fjerne salt fra suppe.

* Likevel, en rimelig mengde nåværende kommentar godtar at denne type dommedagsprofetier fra AI-investerte gründere er mer lik astroturfing, med intensjonen å imponere potensielle kunder og investorer, og øke aksjepriser.

Først publisert onsdag 7. januar 2026