Den fyrdimensionella analysmodellen

Ramverket går längre än enkla mått på ”AI-exponering” genom att kombinera fyra dimensioner :

• Teknisk AI-förmåga – huruvida nuvarande AI-system (GPT-4-klass) kan utföra yrkets kärnuppgifter på eller över medianen för mänsklig nivå. GPT-4-klassens modeller presterar på eller över medianen för människor på 60–80 % av kontorsuppgifterna .
• Mänsklig nödvändighet – om yrket kräver regleringsmandat, relationellt förtroende eller fysisk närvaro som skyddar det från full automatisering. Regulatoriska (domare, advokater i rättssalen), relationella (lärare, terapeuter, hospice-sjuksköterskor) och fysiska (rörmokare, elektriker, vårdpersonal) faktorer skapar skyddsvallar .
• Efterfrågeelasticitet – om yrket har oelastisk efterfrågan (fast behov oavsett kostnad) eller elastisk efterfrågan som kan växa när AI sänker kostnaderna .
• Observerad ChatGPT-användning – validerad mot verkliga användningsmönster; arbetare i de mest automatiseringsbara rollerna (dataregistrerare, revisorer) använder AI för tre gånger så stor andel av sina relevanta arbetsuppgifter jämfört med de i mindre utsatta roller .

De fyra övergångsarketyperna

Kombinerade och validerade delar dessa dimensioner in varje yrke i fyra kategorier :

1. Högre automatiseringsrisk (~18 % av jobben i USA) – Hög AI-exponering, svag mänsklig nödvändighet, oelastisk efterfrågan. Innefattar dataregistrering, bokföring, kundtjänst, butikskassor, juridiskt stöd och klassificeringspersonal. Det här är de roller som mest sannolikt kommer att försvinna på kort sikt.

2. Kommer att omorganiseras (~24 % av jobben) – Hög AI-exponering, stark mänsklig nödvändighet. Arbetsuppgifterna förändras avsevärt, men mänskliga arbetstagare förblir nödvändiga för centrala relationella, regulatoriska eller fysiska funktioner. Antalet anställda kan minska även om rollen består.

3. Kommer att växa/expandera (~12 % av jobben) – Hög AI-exponering kombinerat med elastisk efterfrågan gör att AI sänker kostnaderna och expanderar marknaden, vilket skapar fler jobb. Exempel är roller där AI fungerar som en produktivitetsmultiplikator i växande sektorer.

4. Kommer att påverkas relativt lite (~46 % av jobben) – Låg AI-exponering från början, ofta på grund av fysiska, relationella eller regulatoriska hinder. Dessa yrken påverkas minimalt av AI på kort sikt.

USA vs EU: 18 % mot 14 %

OpenAI-ramverket uppskattar att cirka 18 % av jobben i USA löper relativt hög risk för automatisering på kort sikt . För EU visar en separat analys av CEDEFOP (Europeiskt centrum för utveckling av yrkesutbildning, en EU-myndighet) att cirka 14 % av EU:s vuxna arbetstagare löper mycket hög risk för automatisering . Risken är koncentrerad till rutinbetonade jobb med låg efterfrågan på tvärgående och sociala färdigheter, och den är högre bland manliga arbetare .

Viktig anmärkning: Siffran på 14 % för EU kommer från CEDEFOP:s oberoende metodik för kompetensbehov, inte direkt från OpenAI:s ramverk. Riktningen är dock densamma: EU:s mer reglerade arbetsmarknader, starkare sociala skydd och annorlunda yrkessammansättning ger en lägre automatiseringsandel på kort sikt än i USA.

Skillnader mellan länder

En analys från Coface av AI-exponering på arbetsmarknaden i europeiska länder (publicerad april 2026) kartlägger automatiseringsutsatt arbetsinnehåll :

• Länder med högre automatiseringsrisk: Luxemburg, Storbritannien, Schweiz, Nederländerna, Norge och Danmark har högst andel automatiseringsutsatt arbetsinnehåll, från cirka 12 % i Turkiet till nästan 20 % i Storbritannien .
• Luxemburg, Sverige och Nederländerna tenderar att ha större andelar tillväxtorienterad, högkvalificerad tjänsteanställning, men också hög AI-exponering inom finans- och professionella tjänstesektorer.
• Tyskland, Grekland och Italien står inför en annan riskprofil: större andelar tillverkningsindustri, rutinbetonat administrativt arbete och lägre digital tjänstepenetration innebär att automatiseringspotentialen är högre inom handel med varor .

OpenAI:s EU Economic Blueprint 2.0 (januari 2026) segmenterar ytterligare länder efter AI-penetration och användningsintensitet. Litauen och Lettland utmärker sig genom att kombinera både hög populationspenetration och högintensiv användning av avancerade AI-tankeförmågor, medan andra EU-länder ligger betydligt efter i spridning .

Policykontext: Chatterji i Bryssel, EU:s AI-act och jobbförskjutning

Ronnie Chatterji utsågs till OpenAI:s första chefsanalytiker i oktober 2024 och har tidigare varit ekonomisk rådgivare i Biden- och Obama-administrationerna. Hans kärnbudskap är att ekonomin befinner sig i ”mellantiden” – de flesta använder för närvarande AI som ett komplement, inte ett substitut . I slutet av juni 2026 befinner sig Chatterji i Europa för en rad högnivåsamtal, bland annat ett POLITICO Europe-evenemang med titeln ”AI and the future of work: Is the EU prepared for the transition?” .

Viktiga politiska spänningar:

• OpenAI var den första USA-baserade AI-utvecklaren som undertecknade EU:s AI-förordnings allmänna uppförandekod .
• Carnegie Endowment argumenterar för att det som behövs vid sidan av AI-förordningen är en ”dedikerad europeisk arbetsmarknadsövergångsram, helst inbäddad i blockets budget för 2028–2034” .
• Europeiska kommissionen konstaterar att AI och digital teknik ”kommer att öka sysselsättningen totalt sett i Europa, men vinsterna blir ojämna och gynnar främst högkvalificerade arbetstagare i prime-åldern och kvinnor, medan lågkvalificerade och unga arbetstagare samt strukturellt svagare regioner förblir mer exponerade” .

ECB-undersökning: begränsad intensiv AI-användning

ECB:s undersökning om företagens tillgång till finansiering (SAFE) för fjärde kvartalet 2025, som omfattar över 5 000 företag i euroområdet, ger en verklighetsförankrad bild av AI-spridningens djup :

• Över 70 % av företagen rapporterar att de använder AI i någon form senast i slutet av 2025 .
• Men endast cirka 7 % av företagen använder AI tillräckligt intensivt för att förändra hur de producerar, innovaterar och konkurrerar .
• Uppdelningen: 27 % använder inte AI alls; 33 % använder det mycket sällan; 31 % använder det måttligt; endast 7–9 % använder det intensivt .
• Det finns en betydande investeringsklyfta: medan de flesta företag använder AI, är det få som faktiskt investerar i dedikerad AI-infrastruktur. Företag som investerar planerar att avsätta i genomsnitt 9 % av sina totala investeringar till AI under 2026 .
• ECB drar slutsatsen att ”spridningen ökar snabbt” men att klyftan mellan tillfällig användning och transformativ integration fortfarande är mycket stor .

EU:s ansträngningar mot teknologisk suveränitet

OpenAI:s EU Economic Blueprint 2.0 ramar in europeisk AI-konkurrenskraft uttryckligen kring suveränitet . Den segmenterar EU-länder efter AI-penetration och högintensiv användning av avancerade ”tänkande” förmågor och finner att endast en liten grupp länder (Litauen, Lettland) kombinerar bred tillgång med djup spridning. Den bredare strategiska drivkraften – ”teknologisk suveränitet” – återspeglas i EU:s investeringsplaner för AI-infrastruktur, AI-förordningens regleringsambitioner och krav från organisationer som Carnegie Endowment på en öronmärkt EU-budget för arbetsmarknadsövergångar inbäddad i den fleråriga budgetramen för 2028–2034 . Europeiska kommissionens egen analys förutspår att AI kommer att öka den totala sysselsättningen i Europa men varnar för att utan riktade politiska åtgärder kommer strukturellt svagare regioner och lägre kvalificerade arbetstagare att hamna på efterkälken .

Den fyrdimensionella analysmodellen

Ramverket går längre än enkla mått på ”AI-exponering” genom att kombinera fyra dimensioner :

• Teknisk AI-förmåga – huruvida nuvarande AI-system (GPT-4-klass) kan utföra yrkets kärnuppgifter på eller över medianen för mänsklig nivå. GPT-4-klassens modeller presterar på eller över medianen för människor på 60–80 % av kontorsuppgifterna .
• Mänsklig nödvändighet – om yrket kräver regleringsmandat, relationellt förtroende eller fysisk närvaro som skyddar det från full automatisering. Regulatoriska (domare, advokater i rättssalen), relationella (lärare, terapeuter, hospice-sjuksköterskor) och fysiska (rörmokare, elektriker, vårdpersonal) faktorer skapar skyddsvallar .
• Efterfrågeelasticitet – om yrket har oelastisk efterfrågan (fast behov oavsett kostnad) eller elastisk efterfrågan som kan växa när AI sänker kostnaderna .
• Observerad ChatGPT-användning – validerad mot verkliga användningsmönster; arbetare i de mest automatiseringsbara rollerna (dataregistrerare, revisorer) använder AI för tre gånger så stor andel av sina relevanta arbetsuppgifter jämfört med de i mindre utsatta roller .

De fyra övergångsarketyperna

Kombinerade och validerade delar dessa dimensioner in varje yrke i fyra kategorier :

1. Högre automatiseringsrisk (~18 % av jobben i USA) – Hög AI-exponering, svag mänsklig nödvändighet, oelastisk efterfrågan. Innefattar dataregistrering, bokföring, kundtjänst, butikskassor, juridiskt stöd och klassificeringspersonal. Det här är de roller som mest sannolikt kommer att försvinna på kort sikt.

2. Kommer att omorganiseras (~24 % av jobben) – Hög AI-exponering, stark mänsklig nödvändighet. Arbetsuppgifterna förändras avsevärt, men mänskliga arbetstagare förblir nödvändiga för centrala relationella, regulatoriska eller fysiska funktioner. Antalet anställda kan minska även om rollen består.

3. Kommer att växa/expandera (~12 % av jobben) – Hög AI-exponering kombinerat med elastisk efterfrågan gör att AI sänker kostnaderna och expanderar marknaden, vilket skapar fler jobb. Exempel är roller där AI fungerar som en produktivitetsmultiplikator i växande sektorer.

4. Kommer att påverkas relativt lite (~46 % av jobben) – Låg AI-exponering från början, ofta på grund av fysiska, relationella eller regulatoriska hinder. Dessa yrken påverkas minimalt av AI på kort sikt.

USA vs EU: 18 % mot 14 %

OpenAI-ramverket uppskattar att cirka 18 % av jobben i USA löper relativt hög risk för automatisering på kort sikt . För EU visar en separat analys av CEDEFOP (Europeiskt centrum för utveckling av yrkesutbildning, en EU-myndighet) att cirka 14 % av EU:s vuxna arbetstagare löper mycket hög risk för automatisering . Risken är koncentrerad till rutinbetonade jobb med låg efterfrågan på tvärgående och sociala färdigheter, och den är högre bland manliga arbetare .

Viktig anmärkning: Siffran på 14 % för EU kommer från CEDEFOP:s oberoende metodik för kompetensbehov, inte direkt från OpenAI:s ramverk. Riktningen är dock densamma: EU:s mer reglerade arbetsmarknader, starkare sociala skydd och annorlunda yrkessammansättning ger en lägre automatiseringsandel på kort sikt än i USA.

Skillnader mellan länder

En analys från Coface av AI-exponering på arbetsmarknaden i europeiska länder (publicerad april 2026) kartlägger automatiseringsutsatt arbetsinnehåll :

• Länder med högre automatiseringsrisk: Luxemburg, Storbritannien, Schweiz, Nederländerna, Norge och Danmark har högst andel automatiseringsutsatt arbetsinnehåll, från cirka 12 % i Turkiet till nästan 20 % i Storbritannien .
• Luxemburg, Sverige och Nederländerna tenderar att ha större andelar tillväxtorienterad, högkvalificerad tjänsteanställning, men också hög AI-exponering inom finans- och professionella tjänstesektorer.
• Tyskland, Grekland och Italien står inför en annan riskprofil: större andelar tillverkningsindustri, rutinbetonat administrativt arbete och lägre digital tjänstepenetration innebär att automatiseringspotentialen är högre inom handel med varor .

OpenAI:s EU Economic Blueprint 2.0 (januari 2026) segmenterar ytterligare länder efter AI-penetration och användningsintensitet. Litauen och Lettland utmärker sig genom att kombinera både hög populationspenetration och högintensiv användning av avancerade AI-tankeförmågor, medan andra EU-länder ligger betydligt efter i spridning .

Policykontext: Chatterji i Bryssel, EU:s AI-act och jobbförskjutning

Ronnie Chatterji utsågs till OpenAI:s första chefsanalytiker i oktober 2024 och har tidigare varit ekonomisk rådgivare i Biden- och Obama-administrationerna. Hans kärnbudskap är att ekonomin befinner sig i ”mellantiden” – de flesta använder för närvarande AI som ett komplement, inte ett substitut . I slutet av juni 2026 befinner sig Chatterji i Europa för en rad högnivåsamtal, bland annat ett POLITICO Europe-evenemang med titeln ”AI and the future of work: Is the EU prepared for the transition?” .

Viktiga politiska spänningar:

• OpenAI var den första USA-baserade AI-utvecklaren som undertecknade EU:s AI-förordnings allmänna uppförandekod .
• Carnegie Endowment argumenterar för att det som behövs vid sidan av AI-förordningen är en ”dedikerad europeisk arbetsmarknadsövergångsram, helst inbäddad i blockets budget för 2028–2034” .
• Europeiska kommissionen konstaterar att AI och digital teknik ”kommer att öka sysselsättningen totalt sett i Europa, men vinsterna blir ojämna och gynnar främst högkvalificerade arbetstagare i prime-åldern och kvinnor, medan lågkvalificerade och unga arbetstagare samt strukturellt svagare regioner förblir mer exponerade” .

ECB-undersökning: begränsad intensiv AI-användning

ECB:s undersökning om företagens tillgång till finansiering (SAFE) för fjärde kvartalet 2025, som omfattar över 5 000 företag i euroområdet, ger en verklighetsförankrad bild av AI-spridningens djup :

• Över 70 % av företagen rapporterar att de använder AI i någon form senast i slutet av 2025 .
• Men endast cirka 7 % av företagen använder AI tillräckligt intensivt för att förändra hur de producerar, innovaterar och konkurrerar .
• Uppdelningen: 27 % använder inte AI alls; 33 % använder det mycket sällan; 31 % använder det måttligt; endast 7–9 % använder det intensivt .
• Det finns en betydande investeringsklyfta: medan de flesta företag använder AI, är det få som faktiskt investerar i dedikerad AI-infrastruktur. Företag som investerar planerar att avsätta i genomsnitt 9 % av sina totala investeringar till AI under 2026 .
• ECB drar slutsatsen att ”spridningen ökar snabbt” men att klyftan mellan tillfällig användning och transformativ integration fortfarande är mycket stor .

EU:s ansträngningar mot teknologisk suveränitet

OpenAI:s EU Economic Blueprint 2.0 ramar in europeisk AI-konkurrenskraft uttryckligen kring suveränitet . Den segmenterar EU-länder efter AI-penetration och högintensiv användning av avancerade ”tänkande” förmågor och finner att endast en liten grupp länder (Litauen, Lettland) kombinerar bred tillgång med djup spridning. Den bredare strategiska drivkraften – ”teknologisk suveränitet” – återspeglas i EU:s investeringsplaner för AI-infrastruktur, AI-förordningens regleringsambitioner och krav från organisationer som Carnegie Endowment på en öronmärkt EU-budget för arbetsmarknadsövergångar inbäddad i den fleråriga budgetramen för 2028–2034 . Europeiska kommissionens egen analys förutspår att AI kommer att öka den totala sysselsättningen i Europa men varnar för att utan riktade politiska åtgärder kommer strukturellt svagare regioner och lägre kvalificerade arbetstagare att hamna på efterkälken .