WTW's analyse: AI kan ramme 3 ud af 4 opgaver i visse job – og 2030 kræver nye kompetencer

Kapløbet om at få AI-investeringer til at give afkast skaber en enorm kløft mellem teknologiens potentiale og virkeligheden på arbejdsmarkedet. Det satte konsulenthuset WTW fokus på i juni 2026 med lanceringen af deres AI Workforce Transformation-løsning. Værktøjet giver ledere et sjældent, databaseret kort over, hvor AI virkelig kan gøre en forskel – og hvor organisationerne måske slet ikke er klar til det .

Løsningen nøjes ikke med at kvantificere automatiseringspotentiale. Den tvinger virksomheder til at konfrontere en langt mere ubekvem variabel: organisatorisk parathed. Ved at kombinere detaljerede jobdata med en dedikeret diagnose af forandringsparathed, formulerer WTW kunstig intelligens-transformation som en grundlæggende menneskelig udfordring. Det er en position, der stemmer perfekt overens med World Economic Forums (WEF) seneste forudsigelser om den kommende disruption af vores kompetencer .

De to diagnoseværktøjer: WorkVue Agent og ChangeVue

WTW's platform bygger på to AI-drevne værktøjer, designet til at give ledelsen både en teknologisk og en menneskelig audit af arbejdsstyrken :

WorkVue Agent fokuserer på selve opgaverne. Værktøjet dissekerer specifikke roller i en organisation ved at trække på WTW's proprietære data om arbejdsprocesser og en taksonomi, der dækker mere end 900 stillingskategorier fra den amerikanske O*NET-database, for at identificere, hvilke opgaver der kan automatiseres eller forstærkes af AI . Resultatet hjælper ledere med at redesigne arbejdet omkring samspillet mellem maskiner og mennesker, i stedet for blot at erstatte det ene med det andet.

ChangeVue evaluerer derefter, om organisationen rent faktisk kan absorbere denne forandring. Det måler adoptionsparathed og kortlægger potentielle barrierer, lige fra kulturel friktion til forandringstræthed, og giver en realistisk score på den menneskelige og organisatoriske side af transformationen .

Kombinationen er et bevidst modsvar til det, der ofte fejler i virksomheders AI-projekter: pilots, der fungerer teknisk, men bryder sammen kulturelt . I stedet for bare at udlevere en liste over opgaver, der kan automatiseres, afslører de to værktøjer kløften mellem, hvad der er teknologisk muligt, og hvad organisationen er parat til at implementere.

Stor forskel på, hvordan AI rammer faggrupper

Det mest slående output fra WTW's analyse er, hvor ujævnt AI's effekt vil være på tværs af arbejdsstyrken. Baseret på kortlægningen af over 900 stillingskategorier i forhold til deres arbejdsproces-data, offentliggjorde firmaet spænd for opgaveautomatisering opdelt på overordnede rollekategorier .

• Industrielle- og frontlinjeroller: Op til 75% af opgaverne kan blive påvirket af AI-automatisering eller -forstærkning – den højeste grad af eksponering i nogen gruppe .
• Administrative roller: 60% til 70% af opgaverne ligger inden for AI's rækkevidde, hvilket afspejler den stærkt strukturerede og regelbaserede karakter af kontor- og supportarbejde .
• Professionelle roller: 20% til 35% af opgaverne forventes at blive berørt, mens en langt større andel af vidensarbejde og vurderingskrævende aktiviteter forbliver solidt forankret hos mennesker .

Den stejle forskel forstærker et klart mønster: Jo mere gentagelig, struktureret og opgavebaseret en rolle er, desto større er det nuværende potentiale for AI-automatisering. For vidensarbejdere hælder AI's rolle mere mod forstærkning – at assistere med dataanalyse, tekstproduktion eller research – snarere end direkte erstatning .

Denne granularitet på stillingsniveau er et markant skift fra tidligere arbejdsmarkedsundersøgelser, der ofte har klumpet estimater for påvirkning sammen. WTW's opgave-drevne taksonomi kommer tættere på, hvordan arbejde rent faktisk ser ud i praksis, hvilket er grunden til, at spændene er så store på tværs af kategorierne .

Det store billede: WEF forudser 170 mio. nye job og 39% udskiftning af kompetencer i 2030

WTW's resultater lander på et arbejdsmarked, som World Economic Forum beskriver som stående over for en strukturel omformning – ikke bare en langsom glidning. Deres "Future of Jobs Report 2025", som har spurgt over 1.000 arbejdsgivere, der repræsenterer mere end 14 millioner medarbejdere i 55 økonomier, forudser, at 22% af de nuværende roller vil blive forstyrret inden 2030. Det dækker over både skabelsen af 170 millioner nye job og forsvindingen af 92 millioner eksisterende .

Endnu mere afgørende for den daglige arbejdsstyrkeplanlægning: Arbejdsgivere forventer, at 39% af de kernekompetencer, der kræves i de nuværende job, vil ændre sig inden for den samme femårige periode . Selvom tallet er faldet en smule fra 44% i 2023-rapporten, repræsenterer det stadig en næsten total overhaling af, hvad millioner af medarbejdere skal kunne inden 2030 .

Teknologiske færdigheder forventes at vokse i betydning hurtigere end nogen anden færdighedsfamilie, hvor AI og big data, teknologisk forståelse og cybersikkerhed topper listen over forretningsmæssige prioriteter . Alligevel er analytisk tænkning stadig den mest efterspurgte kernekompetence på tværs af alle brancher, hvor syv ud af ti arbejdsgivere markerer den som essentiel .

Den rene forandringshastighed – 86% af de adspurgte arbejdsgivere forventer, at AI og informationsbehandlingsteknologier vil transformere deres forretning – skaber både en mulighed og et koordineringsproblem . Arbejdsmarkedet genererer samtidig netto nye roller (en global gevinst på omkring 78 millioner job) og gør store dele af de nuværende kompetencesæt forældede, alt sammen inden for et enkelt årti .

Organisatorisk parathed er den virkelige flaskehals

WTW's beslutning om at indlejre ChangeVue ved siden af WorkVue Agent var et bevidst svar på, hvad firmaet ser som den primære fejlmekanisme i virksomheders AI-implementering: Organisationer identificerer, hvad der kan automatiseres, springer til udrulning og går så i stå, når arbejdsstyrken ikke er klar .

Data fra WEF understøtter denne bekymring. Mens 41% af de adspurgte arbejdsgivere planlagde at reducere deres arbejdsstyrke, hvor AI kunne automatisere opgaver, havde to tredjedele også til hensigt at ansætte talenter med AI-specifikke færdigheder . Resultatet er et samtidigt træk mellem at reducere antallet af medarbejdere i nogle områder og hektisk lede efter medarbejdere med kompetencer, der knap nok eksisterede for få år siden.

At opbygge en forandringsparat organisation kræver mere end et træningsbudget. WTW's tilgang lægger vægt på at gentænke, hvordan arbejdet er organiseret – at nedbryde job til opgaver, beslutte, hvilke der skal forblive menneskelige, fastlægge, hvordan maskiner og medarbejdere interagerer, og skabe veje for de talenter, hvis roller er under forandring . WEF argumenterer på lignende vis for, at de mest effektive indsatser involverer målrettet opkvalificering, overgangsforløb og en klar forbindelse mellem beslutninger om teknologi-implementering og talentstrategi .

Organisationer, der behandler AI-arbejdsstyrketransformation som et rent teknisk problem – implementér først, håndter menneskerne senere – risikerer at automatisere opgaver hurtigere, end deres teams kan tilpasse sig . De værktøjer, WTW frigav i juni 2026, er bygget til at synliggøre det misforhold, før det udvikler sig til en krise.