Den firedimensjonale analysemodellen

Rammeverket går utover enkle «AI-eksponeringsmål» ved å kombinere fire dimensjoner :

• Teknisk AI-kapasitet – Om dagens AI-systemer (GPT-4-klasse-modeller) kan utføre yrkets kjernoppgaver på eller over median menneskelig nivå. GPT-4-klasse-modeller presterer på eller over median menneskelig nivå på 60–80 % av kontoroppgaver .
• Menneskelig nødvendighet – Om yrket krever regulatoriske mandater, relasjonell tillit eller fysisk tilstedeværelse som beskytter det mot full automatisering. Regulatoriske (dommere, advokater i rettssaler), relasjonelle (lærere, terapeuter, hospice-sykepleiere) og fysiske (rørleggere, elektrikere, omsorgsarbeidere) faktorer skaper beskyttende skjold .
• Etterspørselselastisitet – Om yrket har uelastisk etterspørsel (fast behov uavhengig av kostnad) eller elastisk etterspørsel som kan ekspandere når AI senker kostnadene .
• Observert ChatGPT-bruk – Validert mot reelle bruksmønstre; arbeidere i de mest automatiserbare rollene (dataregistrering, regnskap) bruker AI for tre ganger så mange av sine relevante oppgaver sammenlignet med de i mindre utsatte roller .

De fire omstillingsarketypene

Sammen og validert sorterer disse dimensjonene hvert yrke i fire kategorier :

1. Høyere automatiseringsrisiko (~18 % av amerikanske jobber) – Høy AI-eksponering, svak menneskelig nødvendighet, uelastisk etterspørsel. Inkluderer dataregistrering, bokføring, kundeservice, kasserere, juridisk støttearbeid og klassifiseringsfunksjonærer. Dette er rollene som mest sannsynlig vil bli eliminert på kort sikt.

2. Vil omstilles (~24 % av jobbene) – Høy AI-eksponering, sterk menneskelig nødvendighet. Oppgavesammensetningen endres betydelig, men menneskelige arbeidere forblir essensielle for kjernefunksjoner. Sysselsettingen kan gå ned selv om rollen består.

3. Vil vokse/utvides (~12 % av jobbene) – Høy AI-eksponering kombinert med elastisk etterspørsel gjør at AI senker kostnader og utvider markedet, noe som skaper flere jobber. Eksempler inkluderer roller der AI fungerer som en produktivitetsmultiplikator i voksende sektorer.

4. Vil være relativt upåvirket (~46 % av jobbene) – Lav AI-eksponering i utgangspunktet, ofte på grunn av fysiske, relasjonelle eller regulatoriske barrierer. Disse yrkene opplever minimal AI-påvirkning på kort sikt.

USA vs. EU: 18 % vs. 14 % automatiseringsrisiko

OpenAI-rammeverket anslår at omtrent 18 % av amerikanske jobber har en relativt høy risiko for automatisering på kort sikt . For EU finner en separat analyse fra CEDEFOP (EUs senter for utvikling av yrkesopplæring) at omtrent 14 % av EUs voksne arbeidere står overfor svært høy automatiseringsrisiko . Risikoen er konsentrert i rutinepregede jobber med lav etterspørsel etter tverrfaglige og sosiale ferdigheter, og er høyere blant mannlige arbeidere .

Viktig forbehold: 14 %-tallet for EU kommer fra CEDEFOPs uavhengige metode, ikke direkte fra OpenAIs rammeverk. Retningen er imidlertid konsistent: EUs mer regulerte arbeidsmarkeder, sterkere sosiale beskyttelsesordninger og annerledes yrkessammensetning gir en lavere automatiseringsandel på kort sikt enn i USA.

Forskjeller mellom europeiske land

En Coface-analyse av AI-eksponering på tvers av europeiske land (publisert april 2026) kartlegger automatiseringseksponert oppgaveinnhold :

• Høyest automatiseringsrisiko: Luxembourg, Storbritannia, Sveits, Nederland, Norge og Danmark har de høyeste andelene automatiseringseksponert oppgaveinnhold, fra ~12 % i Tyrkia til nesten 20 % i Storbritannia .
• Norge ligger i toppsjiktet, noe som reflekterer en høy andel tjenesteyrker innen finans, profesjonelle tjenester og administrasjon.
• Luxembourg, Sverige og Nederland har store andeler vekstorientert, høykompetent tjenestesysselsetting, men også høy AI-eksponering i finans- og profesjonelle tjenestesektorer.
• Tyskland, Hellas og Italia står overfor en annen risikoprofil: større andeler produksjon, rutinebasert administrativt arbeid og lavere digital tjenestepenetrasjon betyr at automatiseringspotensialet er høyere i konkurranseutsatte varesektorer .

OpenAIs EU Economic Blueprint 2.0 (januar 2026) segmenterer land etter AI-penetrasjon og bruksintensitet. Litauen og Latvia skiller seg ut ved å kombinere både høy befolkningspenetrasjon og høyintensitetsbruk av avanserte AI-tenkeevner, mens andre EU-land ligger betydelig etter i spredning .

Politikkontekst: Chatterji i Brussel, EUs AI Act og jobbomstilling

Ronnie Chatterji ble utnevnt til OpenAIs første sjeføkonom i oktober 2024, og har tidligere vært økonomisk rådgiver i Biden- og Obama-administrasjonene. Hans kjernebudskap er at økonomien befinner seg i «mellomtiden» – de fleste bruker AI som et supplement, ikke en erstatning . I slutten av juni 2026 er Chatterji i Europa for en serie høynivåsamtaler, inkludert et POLITICO Europe-arrangement med tittelen «AI and the future of work: Is the EU prepared for the transition?» .

Sentrale politiske spenninger:

• OpenAI var den første USA-baserte AI-utvikleren som signerte EUs AI Act General Purpose Code of Practice .
• Carnegie Endowment argumenterer for at det ved siden av AI Act trengs en «dedikert europeisk arbeidsmarkedsomstillingsramme, ideelt forankret i blokkens 2028–2034-budsjett» .
• Europakommisjonen bemerker at AI og digitale teknologier «vil øke sysselsettingen totalt i Europa, men gevinstene vil være ujevne, til fordel for hovedsakelig høyt kvalifiserte, personer i sin beste alder og kvinner, mens lavt kvalifiserte, unge arbeidere og strukturelt svakere regioner forblir mer utsatt» .

ECB-undersøkelse: Begrenset intensiv AI-bruk

ECBs Survey on the Access to Finance of Enterprises (SAFE) for fjerde kvartal 2025, som dekker over 5 000 bedrifter i eurosonen, gir en realitetssjekk av AI-bruksdybden :

• Mer enn 70 % av bedriftene rapporterer at de bruker AI i en eller annen form innen slutten av 2025 .
• Imidlertid bruker kun omtrent 7 % av bedriftene AI intensivt nok til å endre hvordan de produserer, innoverer og konkurrerer .
• Fordelingen: 27 % bruker ikke AI i det hele tatt; 33 % bruker det svært sjelden; 31 % bruker det moderat; kun 7–9 % bruker det intensivt .
• Et betydelig investeringsgap eksisterer: mens de fleste bedrifter bruker AI, investerer få i dedikert AI-infrastruktur. Bedrifter som investerer, planlegger å allokere gjennomsnittlig 9 % av totalinvesteringer til AI i 2026 .
• ECB konkluderer med at «spredningen øker raskt», men at gapet mellom tilfeldig bruk og transformativ integrering fortsatt er svært stort .

EUs innsats for teknologisk suverenitet

OpenAIs EU Economic Blueprint 2.0 rammer inn europeisk AI-konkurransekraft eksplisitt rundt suverenitet . Det segmenterer EU-land etter AI-penetrasjon og høyintensitetsbruk av avanserte «tenke»-evner, og finner at kun en liten gruppe land (Litauen, Latvia) kombinerer bred tilgang med dyp spredning. Det bredere strategiske presset – «teknologisk suverenitet» – reflekteres i EUs investeringsplaner for AI-infrastruktur, AI Acts regulatoriske ambisjon, og krav fra organer som Carnegie Endowment om et øremerket EUs arbeidsmarkedsomstillingsbudsjett forankret i den flerårige finansielle rammen 2028–2034 . Europakommisjonens egen analyse anslår at AI vil øke den totale sysselsettingen i Europa, men advarer om at uten målrettet politikk vil strukturelt svakere regioner og lavere kvalifiserte arbeidere bli hengende etter .

Den firedimensjonale analysemodellen

Rammeverket går utover enkle «AI-eksponeringsmål» ved å kombinere fire dimensjoner :

• Teknisk AI-kapasitet – Om dagens AI-systemer (GPT-4-klasse-modeller) kan utføre yrkets kjernoppgaver på eller over median menneskelig nivå. GPT-4-klasse-modeller presterer på eller over median menneskelig nivå på 60–80 % av kontoroppgaver .
• Menneskelig nødvendighet – Om yrket krever regulatoriske mandater, relasjonell tillit eller fysisk tilstedeværelse som beskytter det mot full automatisering. Regulatoriske (dommere, advokater i rettssaler), relasjonelle (lærere, terapeuter, hospice-sykepleiere) og fysiske (rørleggere, elektrikere, omsorgsarbeidere) faktorer skaper beskyttende skjold .
• Etterspørselselastisitet – Om yrket har uelastisk etterspørsel (fast behov uavhengig av kostnad) eller elastisk etterspørsel som kan ekspandere når AI senker kostnadene .
• Observert ChatGPT-bruk – Validert mot reelle bruksmønstre; arbeidere i de mest automatiserbare rollene (dataregistrering, regnskap) bruker AI for tre ganger så mange av sine relevante oppgaver sammenlignet med de i mindre utsatte roller .

De fire omstillingsarketypene

Sammen og validert sorterer disse dimensjonene hvert yrke i fire kategorier :

1. Høyere automatiseringsrisiko (~18 % av amerikanske jobber) – Høy AI-eksponering, svak menneskelig nødvendighet, uelastisk etterspørsel. Inkluderer dataregistrering, bokføring, kundeservice, kasserere, juridisk støttearbeid og klassifiseringsfunksjonærer. Dette er rollene som mest sannsynlig vil bli eliminert på kort sikt.

2. Vil omstilles (~24 % av jobbene) – Høy AI-eksponering, sterk menneskelig nødvendighet. Oppgavesammensetningen endres betydelig, men menneskelige arbeidere forblir essensielle for kjernefunksjoner. Sysselsettingen kan gå ned selv om rollen består.

3. Vil vokse/utvides (~12 % av jobbene) – Høy AI-eksponering kombinert med elastisk etterspørsel gjør at AI senker kostnader og utvider markedet, noe som skaper flere jobber. Eksempler inkluderer roller der AI fungerer som en produktivitetsmultiplikator i voksende sektorer.

4. Vil være relativt upåvirket (~46 % av jobbene) – Lav AI-eksponering i utgangspunktet, ofte på grunn av fysiske, relasjonelle eller regulatoriske barrierer. Disse yrkene opplever minimal AI-påvirkning på kort sikt.

USA vs. EU: 18 % vs. 14 % automatiseringsrisiko

OpenAI-rammeverket anslår at omtrent 18 % av amerikanske jobber har en relativt høy risiko for automatisering på kort sikt . For EU finner en separat analyse fra CEDEFOP (EUs senter for utvikling av yrkesopplæring) at omtrent 14 % av EUs voksne arbeidere står overfor svært høy automatiseringsrisiko . Risikoen er konsentrert i rutinepregede jobber med lav etterspørsel etter tverrfaglige og sosiale ferdigheter, og er høyere blant mannlige arbeidere .

Viktig forbehold: 14 %-tallet for EU kommer fra CEDEFOPs uavhengige metode, ikke direkte fra OpenAIs rammeverk. Retningen er imidlertid konsistent: EUs mer regulerte arbeidsmarkeder, sterkere sosiale beskyttelsesordninger og annerledes yrkessammensetning gir en lavere automatiseringsandel på kort sikt enn i USA.

Forskjeller mellom europeiske land

En Coface-analyse av AI-eksponering på tvers av europeiske land (publisert april 2026) kartlegger automatiseringseksponert oppgaveinnhold :

• Høyest automatiseringsrisiko: Luxembourg, Storbritannia, Sveits, Nederland, Norge og Danmark har de høyeste andelene automatiseringseksponert oppgaveinnhold, fra ~12 % i Tyrkia til nesten 20 % i Storbritannia .
• Norge ligger i toppsjiktet, noe som reflekterer en høy andel tjenesteyrker innen finans, profesjonelle tjenester og administrasjon.
• Luxembourg, Sverige og Nederland har store andeler vekstorientert, høykompetent tjenestesysselsetting, men også høy AI-eksponering i finans- og profesjonelle tjenestesektorer.
• Tyskland, Hellas og Italia står overfor en annen risikoprofil: større andeler produksjon, rutinebasert administrativt arbeid og lavere digital tjenestepenetrasjon betyr at automatiseringspotensialet er høyere i konkurranseutsatte varesektorer .

OpenAIs EU Economic Blueprint 2.0 (januar 2026) segmenterer land etter AI-penetrasjon og bruksintensitet. Litauen og Latvia skiller seg ut ved å kombinere både høy befolkningspenetrasjon og høyintensitetsbruk av avanserte AI-tenkeevner, mens andre EU-land ligger betydelig etter i spredning .

Politikkontekst: Chatterji i Brussel, EUs AI Act og jobbomstilling

Ronnie Chatterji ble utnevnt til OpenAIs første sjeføkonom i oktober 2024, og har tidligere vært økonomisk rådgiver i Biden- og Obama-administrasjonene. Hans kjernebudskap er at økonomien befinner seg i «mellomtiden» – de fleste bruker AI som et supplement, ikke en erstatning . I slutten av juni 2026 er Chatterji i Europa for en serie høynivåsamtaler, inkludert et POLITICO Europe-arrangement med tittelen «AI and the future of work: Is the EU prepared for the transition?» .

Sentrale politiske spenninger:

• OpenAI var den første USA-baserte AI-utvikleren som signerte EUs AI Act General Purpose Code of Practice .
• Carnegie Endowment argumenterer for at det ved siden av AI Act trengs en «dedikert europeisk arbeidsmarkedsomstillingsramme, ideelt forankret i blokkens 2028–2034-budsjett» .
• Europakommisjonen bemerker at AI og digitale teknologier «vil øke sysselsettingen totalt i Europa, men gevinstene vil være ujevne, til fordel for hovedsakelig høyt kvalifiserte, personer i sin beste alder og kvinner, mens lavt kvalifiserte, unge arbeidere og strukturelt svakere regioner forblir mer utsatt» .

ECB-undersøkelse: Begrenset intensiv AI-bruk

ECBs Survey on the Access to Finance of Enterprises (SAFE) for fjerde kvartal 2025, som dekker over 5 000 bedrifter i eurosonen, gir en realitetssjekk av AI-bruksdybden :

• Mer enn 70 % av bedriftene rapporterer at de bruker AI i en eller annen form innen slutten av 2025 .
• Imidlertid bruker kun omtrent 7 % av bedriftene AI intensivt nok til å endre hvordan de produserer, innoverer og konkurrerer .
• Fordelingen: 27 % bruker ikke AI i det hele tatt; 33 % bruker det svært sjelden; 31 % bruker det moderat; kun 7–9 % bruker det intensivt .
• Et betydelig investeringsgap eksisterer: mens de fleste bedrifter bruker AI, investerer få i dedikert AI-infrastruktur. Bedrifter som investerer, planlegger å allokere gjennomsnittlig 9 % av totalinvesteringer til AI i 2026 .
• ECB konkluderer med at «spredningen øker raskt», men at gapet mellom tilfeldig bruk og transformativ integrering fortsatt er svært stort .

EUs innsats for teknologisk suverenitet

OpenAIs EU Economic Blueprint 2.0 rammer inn europeisk AI-konkurransekraft eksplisitt rundt suverenitet . Det segmenterer EU-land etter AI-penetrasjon og høyintensitetsbruk av avanserte «tenke»-evner, og finner at kun en liten gruppe land (Litauen, Latvia) kombinerer bred tilgang med dyp spredning. Det bredere strategiske presset – «teknologisk suverenitet» – reflekteres i EUs investeringsplaner for AI-infrastruktur, AI Acts regulatoriske ambisjon, og krav fra organer som Carnegie Endowment om et øremerket EUs arbeidsmarkedsomstillingsbudsjett forankret i den flerårige finansielle rammen 2028–2034 . Europakommisjonens egen analyse anslår at AI vil øke den totale sysselsettingen i Europa, men advarer om at uten målrettet politikk vil strukturelt svakere regioner og lavere kvalifiserte arbeidere bli hengende etter .