Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft. Rachel Orston fra Instructure mener, at meget virksomhedstræning handler om at formidle information – ikke om at øve sig i at bruge den i virkelige situationer.[1] Grundlæggende øve...
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
AI kan gøre rutinearbejde hurtigere. Men de opgaver, der nu kan automatiseres, har også ofte været nye medarbejderes første mulighed for at øve sig, genkende mønstre og lære, hvornår en sag kræver mere end standardsvaret.
Hvis den træning forsvinder, risikerer virksomhederne at svække vejen fra nyansat til erfaren fagperson. Løsningen er ikke nødvendigvis at bevare alle gamle opgaver, men at sikre, at læring og vejledning stadig er en del af begyndernes arbejde.
I en Forbes-klumme satte Rachel Orston, kundedirektør hos Instructure, spørgsmålstegn ved, om mange virksomheder faktisk træner deres medarbejdere. Hun beskrev et velkendt forløb: præsentationer, produktinformation, gennemgang af regler og en quiz – hvorefter den nyansatte forventes at kunne udføre jobbet.1
Den slags kan lære medarbejderen reglerne. Men det er noget andet end at bruge dem i en tvetydig situation, hvor oplysningerne er ufuldstændige, eller kunden har brug for hjælp uden for den sædvanlige proces. Gentagne rutineopgaver kan give begyndere lejlighed til at øve sig i at se mønstre og vælge næste skridt.
Når AI overtager flere af de opgaver, kan nye medarbejdere få færre chancer for at udvikle de færdigheder, før de møder undtagelserne. Det kan skabe et hul i oplæringen – men det betyder ikke, at enhver automatiseret opgave tidligere var værdifuld læring.
Virksomheder kan lade AI håndtere passende rutinearbejde uden at overlade begyndere til kun at lære gennem vanskelige sager. Et mere bevidst oplæringsforløb kan for eksempel bestå af:
Det er et praktisk bud på, hvordan virksomheder kan erstatte noget af den læring gennem arbejdet, som automatisering kan fjerne. Det er ikke dokumentation for, at simulationer eller coaching alene løser problemet.
Vanessa Tang argumenterer i The Straits Times for, at automatisering af begynderopgaver ikke fjerner behovet for at udvikle nyansatte til fremtidige seniorroller.36 En juniorstilling kan både skabe værdi her og nu og give medarbejderen den erfaring, der senere gør det muligt at tage større ansvar.
For arbejdsgivere er det afgørende derfor ikke blot, om et forløb kaldes praktik eller læreplads. Spørgsmålet er, om det giver meningsfulde opgaver, supervision og feedback. Hvis rutinearbejdet automatiseres, kan de opgaver, der er tilbage, kræve en mere bevidst tilrettelæggelse som læringsforløb.
Eksempler fra Singapore viser to måder at tilpasse juniorarbejde og erhvervserfaring på. Ifølge The Straits Times forventes juniorudviklere nu at gennemgå AI-genererede kodeudkast for sikkerhed, logik og relevans for virksomheden.18 En anden indsats skal tilbyde omkring 3.000 praktikpladser af et års varighed til studerende på videregående uddannelser over tre år, skriver Channel NewsAsia.
17 Eksemplerne peger på to supplerende greb: at ændre, hvilke opgaver nyuddannede løser, og at give dem længerevarende muligheder for at få erfaring på en arbejdsplads.
Stanford-forskning peger på en særlig risiko for yngre arbejdstagere. De offentliggjorte resultater viser fald i beskæftigelsen blandt 22-25-årige i de mest AI-udsatte erhverv. Mønstret bliver mindre tydeligt og forsvinder blandt ældre arbejdstagere.49 En Stanford-undersøgelse fandt et relativt fald på 13 procent i beskæftigelsen blandt yngre medarbejdere i de mest udsatte erhverv, også efter at forskerne tog højde for udsving på virksomhedsniveau.
52 Det er en relativ sammenligning – ikke et udsagn om, at AI har fjernet 13 procent af alle begynderjob.
Et vigtigt forbehold er årsagssammenhængen. Stanford understreger, at deres Canaries Dashboard måler sammenhængen mellem erhvervsgruppers AI-eksponering og beskæftigelsesudviklingen, ikke at det påviser en årsagssammenhæng.51 Resultaterne giver derfor grund til at holde øje med et ulige mønster, men fastslår ikke, at AI alene har skabt det.
En separat Forbes-omtale af forskning fra amerikanske Census Bureau-forskere beskriver omkring 13 procent lavere startindtjening pr. kvartal blandt dimittender fra fag med høj AI-eksponering sammenlignet med dimittender fra mindre udsatte fag.58 Indtjening er ikke det samme som antallet af job, så tallet kan ikke bruges som et direkte mål for, hvor mange stillinger der er forsvundet. Andre undersøgelser, som Stanford sammenfatter, finder højst små ændringer i ansættelser i AI-udsatte job – endnu en grund til ikke at gøre blandede resultater til en enkel, altomfattende konklusion.
54
Den mest nyttige konklusion ligger mellem to yderpunkter: at AI vil udslette begynderarbejdet, og at alt er uændret, fordi ansættelserne ikke er faldet overalt. Risikoen ser ud til at være forskellig på tværs af grupper, samtidig med at juniorarbejdet ændrer karakter. Arbejdsgivere bør følge begge dele: hvem der bliver ansat, og om nye medarbejdere stadig får støtte til at opbygge de færdigheder og den dømmekraft, som mere erfarne roller kræver.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft.
Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft. Rachel Orston fra Instructure mener, at meget virksomhedstræning handler om at formidle information – ikke om at øve sig i at bruge den i virkelige situationer.[1]
Grundlæggende øvelser, realistiske cases, feedback på beslutninger og opgaver med støtte fra erfarne kolleger kan være med til at genopbygge læringsvejen.
Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft. Rachel Orston fra Instructure mener, at meget virksomhedstræning handler om at formidle information – ikke om at øve sig i at bruge den i virkelige situationer.[1] Grundlæggende øve...
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI automation of routine entry-level work removing the training “on-ramp” for new employees, according to Instructure chief customer. Article summary: The central concern is a training gap, not simply job loss: automating junior tasks can remove the work through which beginners become capable professionals, while firms still need to develop future senior staff.[13] The. Topic tags: general, general web, user generated, government, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
AI kan gøre rutinearbejde hurtigere. Men de opgaver, der nu kan automatiseres, har også ofte været nye medarbejderes første mulighed for at øve sig, genkende mønstre og lære, hvornår en sag kræver mere end standardsvaret.
Hvis den træning forsvinder, risikerer virksomhederne at svække vejen fra nyansat til erfaren fagperson. Løsningen er ikke nødvendigvis at bevare alle gamle opgaver, men at sikre, at læring og vejledning stadig er en del af begyndernes arbejde.
I en Forbes-klumme satte Rachel Orston, kundedirektør hos Instructure, spørgsmålstegn ved, om mange virksomheder faktisk træner deres medarbejdere. Hun beskrev et velkendt forløb: præsentationer, produktinformation, gennemgang af regler og en quiz – hvorefter den nyansatte forventes at kunne udføre jobbet.1
Den slags kan lære medarbejderen reglerne. Men det er noget andet end at bruge dem i en tvetydig situation, hvor oplysningerne er ufuldstændige, eller kunden har brug for hjælp uden for den sædvanlige proces. Gentagne rutineopgaver kan give begyndere lejlighed til at øve sig i at se mønstre og vælge næste skridt.
Når AI overtager flere af de opgaver, kan nye medarbejdere få færre chancer for at udvikle de færdigheder, før de møder undtagelserne. Det kan skabe et hul i oplæringen – men det betyder ikke, at enhver automatiseret opgave tidligere var værdifuld læring.
Virksomheder kan lade AI håndtere passende rutinearbejde uden at overlade begyndere til kun at lære gennem vanskelige sager. Et mere bevidst oplæringsforløb kan for eksempel bestå af:
Det er et praktisk bud på, hvordan virksomheder kan erstatte noget af den læring gennem arbejdet, som automatisering kan fjerne. Det er ikke dokumentation for, at simulationer eller coaching alene løser problemet.
Vanessa Tang argumenterer i The Straits Times for, at automatisering af begynderopgaver ikke fjerner behovet for at udvikle nyansatte til fremtidige seniorroller.36 En juniorstilling kan både skabe værdi her og nu og give medarbejderen den erfaring, der senere gør det muligt at tage større ansvar.
For arbejdsgivere er det afgørende derfor ikke blot, om et forløb kaldes praktik eller læreplads. Spørgsmålet er, om det giver meningsfulde opgaver, supervision og feedback. Hvis rutinearbejdet automatiseres, kan de opgaver, der er tilbage, kræve en mere bevidst tilrettelæggelse som læringsforløb.
Eksempler fra Singapore viser to måder at tilpasse juniorarbejde og erhvervserfaring på. Ifølge The Straits Times forventes juniorudviklere nu at gennemgå AI-genererede kodeudkast for sikkerhed, logik og relevans for virksomheden.18 En anden indsats skal tilbyde omkring 3.000 praktikpladser af et års varighed til studerende på videregående uddannelser over tre år, skriver Channel NewsAsia.
17 Eksemplerne peger på to supplerende greb: at ændre, hvilke opgaver nyuddannede løser, og at give dem længerevarende muligheder for at få erfaring på en arbejdsplads.
Stanford-forskning peger på en særlig risiko for yngre arbejdstagere. De offentliggjorte resultater viser fald i beskæftigelsen blandt 22-25-årige i de mest AI-udsatte erhverv. Mønstret bliver mindre tydeligt og forsvinder blandt ældre arbejdstagere.49 En Stanford-undersøgelse fandt et relativt fald på 13 procent i beskæftigelsen blandt yngre medarbejdere i de mest udsatte erhverv, også efter at forskerne tog højde for udsving på virksomhedsniveau.
52 Det er en relativ sammenligning – ikke et udsagn om, at AI har fjernet 13 procent af alle begynderjob.
Et vigtigt forbehold er årsagssammenhængen. Stanford understreger, at deres Canaries Dashboard måler sammenhængen mellem erhvervsgruppers AI-eksponering og beskæftigelsesudviklingen, ikke at det påviser en årsagssammenhæng.51 Resultaterne giver derfor grund til at holde øje med et ulige mønster, men fastslår ikke, at AI alene har skabt det.
En separat Forbes-omtale af forskning fra amerikanske Census Bureau-forskere beskriver omkring 13 procent lavere startindtjening pr. kvartal blandt dimittender fra fag med høj AI-eksponering sammenlignet med dimittender fra mindre udsatte fag.58 Indtjening er ikke det samme som antallet af job, så tallet kan ikke bruges som et direkte mål for, hvor mange stillinger der er forsvundet. Andre undersøgelser, som Stanford sammenfatter, finder højst små ændringer i ansættelser i AI-udsatte job – endnu en grund til ikke at gøre blandede resultater til en enkel, altomfattende konklusion.
54
Den mest nyttige konklusion ligger mellem to yderpunkter: at AI vil udslette begynderarbejdet, og at alt er uændret, fordi ansættelserne ikke er faldet overalt. Risikoen ser ud til at være forskellig på tværs af grupper, samtidig med at juniorarbejdet ændrer karakter. Arbejdsgivere bør følge begge dele: hvem der bliver ansat, og om nye medarbejdere stadig får støtte til at opbygge de færdigheder og den dømmekraft, som mere erfarne roller kræver.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft.
Når AI overtager rutinearbejde, kan nyansatte miste nogle af de praktiske erfaringer, der hjælper dem med at opbygge faglig dømmekraft. Rachel Orston fra Instructure mener, at meget virksomhedstræning handler om at formidle information – ikke om at øve sig i at bruge den i virkelige situationer.[1]
Grundlæggende øvelser, realistiske cases, feedback på beslutninger og opgaver med støtte fra erfarne kolleger kan være med til at genopbygge læringsvejen.