Meta og Klarna bremser AI-planene: Derfor trenger automatisering fortsatt mennesker

AI endrer hvordan selskaper setter sammen team, men Meta og Klarna viser hvorfor det er langt vanskeligere å erstatte hele funksjoner enn å automatisere deler av arbeidet. Meta stanset planleggingen av en andre omorganiseringsrunde etter den første nedbemanningen i Project OT. Klarna begynte på sin side å ansette menneskelige kundeservicemedarbeidere igjen etter at en AI-først-modell ga svakere resultater på kvalitet. 218

Den praktiske lærdommen er ikke at AI er verdiløs. Den kan håndtere strukturerte og gjentakende oppgaver i stor skala. Men virksomheter trenger fortsatt mennesker til å tolke tvetydige situasjoner, kvalitetssikre svar, løse unntak og ta ansvar for kundeopplevelsen.

Meta: Planen om mindre team møtte en mer komplisert virkelighet

Reuters rapporterte at Metas Project OT – «Organization Transformation» – var lagt opp som en omorganisering i to bølger. Den første kom i mai 2026 og innebar at om lag 10 prosent av arbeidsstyrken ble kuttet. Planleggingen av en senere runde, som var ventet i november, ble deretter stanset. Meta bekreftet at Project OT eksisterte, og beskrev det som et ettårig arbeid med kostnadskutt, ny utforming av team og flytting av ansatte til prioriterte områder. 2

Planen handlet ikke bare om tradisjonell kostnadskontroll. Den bygget på en idé om betydelig mindre grupper av ansatte, støttet av AI-agenter. Erfaringen illustrerer et viktig skille: At AI kan produsere mer kode, flere utkast eller flere deloppgaver, betyr ikke nødvendigvis at et team leverer robuste produkter raskere. I komplekse arbeidsløp må noen fortsatt definere målet, koble sammen systemer, teste resultatene, oppdage feil og stå ansvarlig når noe går galt.

Meta har ikke sluttet å investere i AI eller AI-støttet arbeid. Det som ble endret, var tempoet og tilliten til at agentteknologien kunne begrunne en ny, bred nedbemanningsrunde etter den opprinnelige planen. 2

Klarna: Høyt volum er ikke det samme som god kundeservice

Klarna illustrerer den samme utfordringen fra kundeservicesiden. AI-assistenten kunne håndtere en stor andel av vanlige henvendelser, som spørsmål om betalinger, refusjoner og returer. Senere gikk selskapet likevel bort fra en ren AI-tilnærming og gjenopptok ansettelser av kundeservicemedarbeidere. 1720

Ifølge omtalen av kursendringen erkjente konsernsjef Sebastian Siemiatkowski at Klarna hadde redusert den menneskelige kapasiteten for kraftig. Problemet var ikke at AI ikke hadde noen nytte, men at automatisert kundeservice slet med kompliserte, uklare og følelsesmessig krevende saker. Der bidrar erfarne medarbeidere med undersøkelse, skjønn og empati. Klarna begynte derfor å bygge opp menneskelig støttekapasitet ved siden av automatiseringen. 1819

Dette er særlig viktig i kundeservice. Et system kan løse enkle saker raskt, men likevel svekke tilliten dersom kunder med omstridte betalinger, uvanlige omstendigheter eller saker som eskalerer, ikke raskt kommer til et kompetent menneske. Automatisering fungerer best når overføring til mennesker og tydelig ansvar er en del av tjenesten – ikke en nødløsning.

Den mest holdbare modellen: AI som forsterkning, ikke full erstatning

De to eksemplene peker mot en mer realistisk driftsmodell:

• Automatiser forutsigbare oppgaver. AI er mest nyttig når informasjonen er standardisert, resultatet er lett å kontrollere og feil er rimelige å rette.
• Behold mennesker i beslutningspunktene. Folk er fortsatt avgjørende når arbeidet krever kontekst på tvers av systemer, avveiinger, skjønn, ansvar eller relasjonsarbeid.
• Bygg inn eskalering i arbeidsflyten. Kundeservice og andre prosesser med store konsekvenser trenger en klar overgang til kvalifiserte medarbeidere, ikke en blindvei i en automatisert sløyfe.
• Mål resultater, ikke bare aktivitet. Mer generert kode, raskere første svar eller flere behandlede saker er ufullstendige mål hvis kvalitet, løsningsevne, sikkerhet eller kundetillit forverres.

Det betyr ikke at jobbene forblir uendret. Endringen vil trolig komme gjennom annerledes team, nye kompetansekrav og færre roller som kun består av rutinearbeid – ikke gjennom en umiddelbar slutt på menneskelig arbeid.

Teknologiselskapene ansetter færre, men vektlegger teknisk kompetanse

Den bredere utviklingen i teknologibransjen passer med dette bildet. SignalFire oppga at ansettelser i store teknologiselskaper lå 25 prosent under 2019-nivået, mens ansettelser av programvareingeniører var 11 prosent lavere. Programvareingeniører utgjorde dermed 55 prosent av ansettelsene, mot 46 prosent i 2019. 49

Tallene beviser ikke at AI er årsaken til hver enkelt endring i ansettelsene. Teknologibransjen påvirkes også av konjunkturer og justeringer etter ansettelsesveksten under pandemien. Men de viser at slankere organisasjoner fortsatt trenger teknisk kompetanse. Etterspørselen flyttes mot folk som kan bygge, innføre, evaluere, sikre og føre tilsyn med stadig mer automatiserte systemer.

Den største kortsiktige risikoen ligger i inngangen til arbeidslivet

Forskere ved Stanford Digital Economy Lab fant ingen tegn til bred, økonomiomfattende jobbfortrengning i amerikanske administrative lønnsdata fram til juni 2026. Men for arbeidstakere mellom 22 og 25 år i yrker med høy AI-eksponering var sysselsettingen 19 prosent lavere enn den ville vært dersom utviklingen hadde holdt tritt med jevnaldrende i mindre AI-utsatte yrker. Erfarne arbeidstakere hadde ikke et tilsvarende gap, og tilpasningen så først og fremst ut til å skje gjennom lavere ansettelser, ikke flere oppsigelser. 35

Tallet på 19 prosent er et relativt «holdt-tritt»-underskudd, ikke et anslag over jobber som AI direkte har fjernet. Likevel peker det på et reelt problem: Når AI overtar deler av det rutinepregede startarbeidet, kan bedrifter tilby færre muligheter for unge til å bygge erfaringen som trengs for å komme videre til mer senior roller.

Hva bedrifter kan lære av Meta og Klarna

Det sentrale spørsmålet er ikke lenger om virksomheter skal bruke AI, men hvor AI kan forbedre en prosess uten å fjerne de menneskelige ferdighetene som gjør den pålitelig.

Metas stans i den andre bølgen og Klarnas gjenopptatte rekruttering i kundeservice tyder på at automatisering bør vurderes mot faktiske resultater: vellykket produktleveranse, korrekte beslutninger, løste saker, kundetillit og kostnaden ved å rette opp feil. Der AI fungerer godt, kan den øke kapasiteten i et mindre team. Når usikkerheten eller konsekvensene er store, er den mest robuste løsningen som regel mennesker sammen med AI – ikke en løsning uten mennesker.