Jobb ‘i fara från AI’ var redan på nedgång innan ChatGPT lanserades

En stor ny studie visar att jobb som är i fara från AI redan försvann innan ChatGPT lanserades, men studenter som utbildats i dessa färdigheter fick högre löner och blev anställda snabbare.

En omfattande ny forskningssamarbete mellan amerikanska universitet har funnit att ursprunget till AI-sårbara jobb-krisen inte sammanfaller med lanseringen av ChatGPT i slutet av 2022, utan snarare att problemen började tidigare under året, av tydligen orelaterade skäl.

Ytterligare finner rapporten att akademiker vars universitetsutbildningar var mer ‘AI-exponerade’ faktiskt var associerade med högre första-jobbslöner och kortare jobbsökningstider efter att ChatGPT kom in på marknaden.

Det nya arbetet utnyttjar tre stora datamängder, inklusive mer än tio miljoner skrapade LinkedIn-profiler, samt arbetslöshetsregister och försäkringsanspråk. Författarna skriver:

‘[Våra] resultat tyder på att försämringen av arbetsmarknadsresultaten under 2022-2024 för LLM-exponerade arbetare och akademiker redan var på gång innan den stora marknadsframgången för LLM-applikationer. Arbetslöshetsrisken i högt exponerade yrken ökade i början av 2022 – långt innan ChatGPT – och i de flesta yrken och stater observerar vi ingen diskret paus som sammanfaller med dess introduktion.

‘Tidiga karriärarbetare påverkades oproportionerligt: akademiker från 2021-2023 års kullar gick in i högt exponerade jobb i lägre takt och upplevde längre observerade förseningar till sitt första jobb jämfört med tidigare kullar, med glapp som öppnades, igen, innan slutet av 2022. Samtidigt förblev LLM-relevant utbildning värdefull inom denna miljö.’

Det nya arbetet omformar uppkomsten av AI som att gå in i en arbetsmarknad som redan försvagats av bredare ekonomiska och sektors-specifikatryck, och noterar att färdigheter som kompletterar AI behöll, och kan till och med ha ökat, marknadsvärdet.

Författarna avslutar artikeln med att föreslå att ChatGPT:s lansering i november 2022 inte bör behandlas som gränsen mellan den före-AI och AI-inclusiva arbetsmarknaden, och att en rad samtidiga omständigheter bör beaktas tillsammans med den framväxande influensen av stora språkmodeller (LLM):

‘Dessa resultat har implikationer för forskning och politik. Först varnar de för att behandla ChatGPT:s lansering som ett rent natur-experiment för AI:s arbetsmarknadsinverkan: design som tillskriver post-2022 arbetsmarknads-svaghet främst till LLM riskerar att förväxla AI-diffusion med samtidiga makroekonomiska förändringar (möjliga exempel inkluderar monetär politik, sektoriell efterfrågan och/eller post-pandemisk justering).’

Författarna föreslår att universitet och utbildningsprogram inte bör sluta undervisa i färdigheter som ofta beskrivs som ‘sårbara för AI’, såsom skrivning, kodning och informations syntes. Enligt resultaten från arbetet kan undervisning i dessa färdigheter på sätt som fungerar tillsammans med AI, med fokus på att kontrollera utdata, bedöma kvalitet och använda chatbots som verktyg snarare än ersättningar, hjälpa akademiker att förbli konkurrenskraftiga på en ostabil arbetsmarknad.

Den nya studien heter AI-exponerade jobb försämrades innan ChatGPT, och kommer från fem forskare knutna till olika avdelningar vid University of Pittsburgh, Stanford University, Chapman University och Columbia University, i samarbete med Microsofts AI Economy Institute i Redmond och Revelio Labs i New York.

Metod och data

Artikelns resultat är, enligt författarna, en skarp kontrast till tidigare rapporter, inklusive en från Stanfords Digital Economy Lab, samt mörka varningar från framstående personer som VD för Anthropic, som varnade i maj 2025 att AI ‘kunde eliminera hälften av alla inträdesnivå-vita krage-jobb’*.

Författarnas analytiska metod undersökte initialt arbetslöshet bland arbetare i yrken som är mest utsatta för AI-driven automatisering, med exponering definierad med hjälp av sexsiffriga Standard Occupation Classification (SOC)-koder, genomsnittligt för att uppskatta exponeringsnivåer för bredare tvåsiffriga SOC-kategorier.

Månadsvisa administrativa data hämtades från ETA 203-rapporten, sammanställd av US Department of Labors Employment and Training Administration, som detaljerar den senaste yrkesverksamheten för personer som ansöker om fortsatt arbetslöshetsförsäkring.

Dessa data kombinerades med årliga yrkesvisa sysselsättningsdata från Bureau of Labor Statistics Occupational Employment and Wage Statistics-program, vilket möjliggjorde att månadsvis arbetslöshetsrisk kunde uppskattas för varje yrke inom varje stat (där risk definierades som sannolikheten att en arbetare i ett visst yrke ansökte om fortsatt arbetslöshetsersättning).

Historiskt sett, noterar artikeln, har jobb som är mest utsatta för AI mött 20-80% lägre arbetslöshetsrisk jämfört med mindre utsatta roller, med gapet som vidgades under pandemin då distansarbete visade sig vara mer resilient. Denna fördel började erodera i början av 2022, och till 2023-2024 hade skillnaden till stor del försvunnit:

Arbetslöshetsrisken i AI-exponerade jobb började öka i början av 2022, vilket avslutade en lång period av relativ stabilitet. A visar denna vändning som gapet mellan hög- och lågexponerade roller smalnar innan ChatGPT:s lansering. B visar en liknande ökning för den mest exponerade kvintilen, med risk som stiger efter en dal och sedan planar ut. C spårar effekten till dator- och matematikjobb, medan de flesta andra fält förblev stabila. Risken mättes månadsvis över US-stater och genomsnittligt kvartalsvis. Källa

Som vi kan se i diagrammen ovan, grupperade författarna yrken i kvintiler efter ‘AI-exponering’ och spårade dessa över tid. Mindre exponerade jobb visade konsekvent högre arbetslöshetsrisk och starkare säsongsvariation, med alla grupper som toppade under pandemin 2020 och nådde en dal i början av 2022.

Efter denna lågpunkt började arbetslöshetsrisken öka i de mest exponerade kvintilerna, långt innan ChatGPT lanserades, och sedan stabiliserades, snarare än att accelerera under de följande månaderna.

Dator- och matematikjobb såg den största ökningen av arbetslöshetsrisk innan ChatGPT lanserades, och sedan planade ut. De flesta andra roller visade liten förändring. Några stater, inklusive Kalifornien, Washington och Alaska, såg ökningar efter ChatGPT, men nationella risknivåer förblev nära pre-pandemiska normer, vilket indikerar influensen av tidigare ekonomiska tryck.

Dataöverväganden

Författarna noterar att statistiskt sett kommer arbetslöshetsrisken att avslöja mönster över jobbtyper, men fångar inte resultat för specifika grupper – såsom nyanställda som kanske inte kvalificerar sig för förmåner eller har ett tidigare jobb att rapportera. Andra forskningar och branschanspråk tyder på att tidiga karriärarbetare påverkas mest av AI, vilket innebär att övergripande arbetslöshetsdata kan missa de som är mest påverkade.

För att övervinna denna begränsning drog den nya studien på 10 584 980 LinkedIn-profiler tillhandahållna av Revelio Labs. Varje post i datamängden innehöll detaljerad utbildningshistorik som täckte typ av examen, studieområde, examensår och universitet, samt karriärdata som jobbtitel (mappad till sexsiffriga SOC-koder), arbetsgivare, startdatum och platser.

Löner uppskattades med hjälp av ‘en proprietär maskinlärningsmodell’ tränad på visumansökningar, självrapporterade inlägg och offentliga jobbannonser, som inkorporerade både rollspecifika detaljer och individuella karriärbanor.

Eftersom faktiska löner inte kunde verifieras, spårade analysen också antalet månader akademiker tog på sig att börja sitt första observerade jobb inom tre år efter att ha avslutat sina studier, exklusive de som inte hade någon registrerad anställning under den perioden (en måttstock som tjänade som proxy för arbetsmarknadsfriktion, med antagandet att akademiker uppdaterar sina profiler när de anställs):

Akademiker som gick in på arbetsmarknaden efter 2022 tog längre tid att säkra LLM-exponerade jobb, men denna nedgång i jobbmarknadsprestation började månader innan ChatGPT:s lansering. A visar att akademiker med högexponerade första jobb vanligtvis hittade arbete snabbare, tills denna mönster vände efter 2022; B visar en liknande försening för höglönejobb, om än mindre uttalad; och C avslöjar att 2021 och 2022 års kullar gick in i LLM-exponerade jobb i lägre takt än tidigare kullar, med underprestation som uppstod innan ChatGPT. D visar ingen motsvarande skift för lågexponerade jobb, vilket förstärker att nedgången föregick omfattande LLM-antagande.

Författarna analyserade jobbsökningstid över examenskullar, med kontroll för månatliga jobböppningar per stat och sektor, och hänsyn till skillnader i examenstyp, studieområde och universitet, med jobbexponering för LLM definierad med hjälp av SOC-koder.

Innan ChatGPT:s lansering tillbringade akademiker som gick in i högt exponerade roller vanligtvis mindre tid på att söka jobb än sina kamrater. För 2023 och 2024 års kullar vände denna mönster, med exponerade roller som tog längre tid att säkra.

Det bör betonas att medan artikeln påstår att resultaten försämrades efter ChatGPT, visar datan att denna nedgång började månader tidigare och fortsatte därefter, vilket undergräver idén om en plötslig post-ChatGPT-kollaps, och undergräver också tillskrivningen av den (pågående) nedåtgående trenden helt till LLM-antagande.

Utbildningsexponering

En central fråga i debatten om AI och anställning är om studenter bör fortsätta att utbilda sig i färdigheter som stora språkmodeller kan automatisera, som skrivning, kodning eller syntes. Om dessa färdigheter har förlorat marknadsvärde, bör akademiker som är mest exponerade för dem ha svårare. För att testa detta, uppskattade författarna utbildningsexponering för LLM-relevanta uppgifter med hjälp av LinkedIn-profiler som matchats med miljontals universitetsplaner, och spårade tidiga jobbresultat före och efter ChatGPT:

Utbildningsexponering för LLM-relevanta uppgifter förutsäger starkare tidiga karriärresultat efter ChatGPT. Akademiker som examinerades efter 2022 med större exponering för automatiserbara färdigheter anställdes snabbare och tjänade högre löner, delvis för att kompensera för de straff som är kopplade till hög LLM-yrkesexponering. Alla modeller kontrollerar för jobböppningstakt, jobbtyp och utbildningsbakgrund.

Innan ChatGPT:s lansering visade denna utbildningsexponering ingen tydlig koppling till jobbsökningstid eller lön. Efter ChatGPT verkar den vara associerad med snabbare anställningar och högre startlöner. Även om roller med hög LLM-exponering tenderade att ge sämre resultat efter ChatGPT, var akademiker från mer AI-anpassade program mindre påverkade.

Snarare än att minska i värde, tycks färdigheter som anses vara sårbara för automatisering ha stött bättre tidiga karriärresultat.

‘Om LLM var skyldig till akademikernas dåliga jobbmarknadsprestation, då borde vi förvänta oss att se att utbildningsexponering indikerar redundant färdigheter som inte lägger till värde när man söker jobb.’

‘Men våra resultat tyder på att undervisning i AI-exponerade färdigheter ger bättre resultat för akademiker efter ChatGPT:s lansering. Dessa associationer är svåra att förena med synsättet att LLM-relevant utbildning blev mindre värdefull efter ChatGPT. Medan inte orsakssamband, tyder de på att LLM-relevant förberedelse är åtminstone förenlig med bättre tidiga karriärresultat i post-ChatGPT-perioden.’

Författarna avslutar med att föreslå att de rubrikskapande sysselsättnings­trender som studeras inträffade på en arbetsmarknad som redan formas av tidigare händelser och trender. Som det är, verkar det omöjligt att skilja influensen (på sysselsättnings­trender) av ChatGPT och AI i allmänhet från de orelaterade krafter som inledde marknadsnedgången, likt att försöka ta bort salt från soppa.

* Men en hel del nuvarande kommentarer medger att denna typ av domedagsprofetia från AI-investerade grundare mer liknar astroturfing, med avsikt att imponera på potentiella kunder och investerare, och höja aktiekurser.

Publicerad första gången onsdag, 7 januari 2026