AI 2035

Ett politiskt obundet svenskt initiativ

Sverige måste förbereda sig på att AI faktiskt fungerar.

Vi vill att Sverige använder AI mycket mer, inte mindre. Men frågan om huruvida ekonomin skapar nya arbetsuppgifter i samma takt som AI automatiserar gamla är obesvarad, och Sverige behöver bli bättre på att upptäcka svaret medan det uppstår.

  1. Accelerera

    Sverige ska försöka bli exceptionellt bra på att använda AI. Vi behöver produktivitetsökningen, och demografin gör den nödvändig.

  2. Mät

    Sverige saknar inte data. Vi ser den för sent, i kategorier som inte är byggda för frågan, och utan att kunna skilja AI från konjunktur.

  3. Förbered

    Förbered betyder inte genomför i dag. Det betyder att förstå alternativen och veta vilka observationer som skulle motivera handling.

Kärnfrågan

Två hastigheter, inte en ekvation

Om fem utvecklare med AI kan bygga det som tidigare krävde tjugo betyder det inte att ekonomin behöver femton personer mindre. Blir mjukvara billigare byggs mer mjukvara. Nya produkter blir lönsamma, marknader växer, företag startas som inte hade kunnat startas.

Historien är entydig. Tekniska revolutioner har automatiserat enorma mängder arbete utan att sysselsättningen fallit varaktigt. En betydande del av dagens jobb finns i yrken som inte existerade när våra föräldrar började arbeta. Det argumentet tänker vi inte bortförklara.

Men lägg märke till vad det säger. Det säger att automation förstör uppgifter samtidigt som ekonomin skapar nya, och att den andra kraften hittills varit tillräckligt stark. Det är en observation om en balans, inte en naturlag om den.

Två hastigheter jämfördaTvå staplar på en skala där längden motsvarar takt. Den övre stapeln visar takten i automatisering av arbetsuppgifter och är heldragen. Den nedre stapeln visar takten i nyskapande av arbetsuppgifter och är streckad över hela skalan, eftersom den takten inte är känd. Panelen visar alltså inte att den ena takten är högre än den andra, utan att förhållandet mellan dem är okänt och avgörande.AUTOMATISERING AV UPPGIFTERNYSKAPANDE AV UPPGIFTEROKÄND TAKTLÅNGSAMMARESNABBARE
Två hastigheterAutomatiseringstakten är den heldragna stapeln. Nyskapandetakten är streckad över hela skalan, eftersom ingen mäter den. Frågan är inte om AI kan utföra mänskligt arbete, utan vilken av staplarna som är längst.

Frågan

Kommer ekonomin att skapa nya mänskliga arbetsuppgifter i samma takt som AI automatiserar gamla?

Historien är evidens. Den är inte en garanti.

En annan teknik

Varför balansen inte är given

  1. Tidigare automation hade en väg ut

    När muskelkraft ersattes av maskiner och när rutinuppgifter digitaliserades flyttade människor mot mer kvalificerat kognitivt arbete. Det var dit vägen gick.

  2. AI blir bättre på just den vägen

    Programmering, juridisk och ekonomisk analys, research, design, administration och kommunikation är inte längre självklart skyddade områden.

  3. Agenter tar hela arbetsflöden

    Utvecklingen går från system som svarar på frågor till agenter som använder verktyg och genomför allt längre kedjor av arbete.

  4. Robotik kan bredda mekanismen

    På längre sikt kan samma utveckling nå delar av den fysiska ekonomin. Det är en möjlighet och inte en prognos, och vi anger inget datum.

UppgiftsstegenFyra nivåer av arbete i en stege, med fysiskt arbete längst ned och agenter som driver längre arbetsflöden högst upp. De två övre nivåerna är markerade i accentfärg för att visa var automatiseringen nu når, och en pil längs sidan visar att gränsen klättrar uppåt. Alla nivåer är lika breda, eftersom stegen inte säger något om hur många arbetsuppgifter varje nivå innehåller.AGENTER OCH LÄNGRE ARBETSFLÖDENKVALIFICERAT KOGNITIVT ARBETERUTINMÄSSIGA UPPGIFTERFYSISKT ARBETERÄCKVIDDEN KLÄTTRAR
UppgiftsstegenAutomationsgränsen har klättrat uppåt i stegen. De två övre nivåerna är de som tidigare automationsvågor lämnade orörda, och det är dit människor har flyttat varje gång.

Den kanal ekonomin historiskt har använt för att absorbera automation är alltså själv föremål för automation. Det betyder inte att nya uppgifter upphör att uppstå. Det betyder att vi inte kan anta att takten är oförändrad bara för att den har räckt tidigare.

Motverkande kraft

Demografin drar i motsatt riktning

Sverige har inte brist på arbete. Sverige har brist på arbetskraft, i alla fall i de sektorer där behoven växer snabbast. SKR:s personalprognos visar att antalet personer som är 85 år eller äldre ökar med nästan 60 procent under tio år, att äldreomsorgen behöver omkring en tredjedel fler anställda, och att befolkningen i arbetsför ålder samtidigt växer med knappt tre procent.

I den världen är arbetsbesparande teknik en lösning och inte ett problem. SNS Konjunkturråd gick längre och konstaterade att eftersom produktiviteten växer långsammare i välfärdssektorn, kan AI i andra delar av ekonomin leda till att efterfrågan på arbetskraft i välfärden ökar snarare än minskar.

Vi tar det argumentet på allvar. Det är ett av skälen att vi vill accelerera. Men demografin säger ingenting om vilka kompetenser som efterfrågas, om geografi, om löner, eller om hur unga kommer in på arbetsmarknaden. Bristen är sektorsspecifik och inte aggregerad.

Demografi och AI är två krafter som verkar samtidigt och drar i olika riktningar. De är inte argument för varsin sida.

Juniorproblemet

Det första tecknet är inte uppsägningar

En senior jurist med AI kan göra mer av det arbete som tidigare gick till juniora jurister. En erfaren utvecklare med agenter behöver inte ett lika stort juniorteam. Det första tecknet behöver därför inte vara att människor förlorar jobbet. Det kan vara att de aldrig anställs.

Och det syns redan. Tre oberoende datamängder pekar mot samma mönster: nivån på rekryteringen rör sig med konjunkturen, men åldersfördelningen förskjuts. Den svenska studien är den försiktigaste av dem, de amerikanska siffrorna är färskast och kraftigast, och den danska registerstudien är motvikten som finner precisa nolleffekter på löner och arbetade timmar men tydliga effekter på arbetsuppgifternas sammansättning.

Och detta handlar inte om ungdomsarbetslöshet. Juniorarbete är mekanismen som producerar framtidens seniorer. En jurist blir inte senior genom sin examen utan genom tusentals timmar research, utkast, granskning och kvalitetssäkring. Det är precis den sortens uppgifter AI snabbt blir bra på.

Eftersläpningen mellan juniorrekrytering och tillgången på seniorerTvå band över en gemensam tidsaxel. Det övre bandet är juniorrekryteringen och blir tunt vid den punkt som är märkt nu. Det nedre bandet är tillgången på seniora specialister och ligger kvar på full tjocklek långt efter det, och blir tunt först tio till femton år senare. De streckade konturerna visar den nivå som faller bort. Avståndet mellan de två punkterna är eftersläpningen.JUNIORREKRYTERINGSENIORA SPECIALISTERNUTIO TILL FEMTON ÅR
EftersläpningenJuniorarbetet är det som bygger seniorer, så ett bortfall i ingången slår igenom i tillgången på erfarna specialister först tio till femton år senare. Avståndet mellan de två punkterna på tidsaxeln är eftersläpningen, och den är skälet att problemet knappt går att åtgärda när det syns.
Målet är inte att bevara juniorjobbet som det såg ut 2020. Målet är att fortfarande kunna skapa en senior 2035.

Ägande

Vem äger produktivitetsökningen?

  1. Arbete
  2. Produktivitet
  3. Kapital
  4. Ägande

Om AI ger stora produktivitetsvinster hamnar de någonstans. Som lägre priser för konsumenterna, som högre löner, som högre företagsvinster, eller som varaktig avkastning till dem som äger modellerna, beräkningskraften och energin.

Vilket det blir beror i hög grad på konkurrensen. Är konkurrensen hård konkurreras vinsterna ned till konsumenter och löntagare, och då är ägande fel fråga. Då är svaret konkurrenspolitik, interoperabilitet och skydd mot inlåsning. Koncentreras marknaderna blir vinsterna bestående, och då blir ägandefrågan relevant.

Vi lägger medvetet inte fram ett färdigt instrument. Sverige har redan ett betydande kollektivt kapitalägande: buffertfonderna förvaltade drygt 2 200 miljarder kronor vid slutet av 2025 och premiepensionen närmare 3 000 miljarder för mer än åtta miljoner sparare. Och Norge är ett bra pedagogiskt exempel men ett dåligt argument, eftersom Norge omvandlade en resursränta som redan fanns. Sverige har ingen AI-ränta att omvandla.

Gränsen mellan arbete och kapitalEn stapel delad mellan arbete och kapital. Gränsen mellan dem är streckad och har pilar som pekar i båda riktningarna, eftersom panelen visar att gränsen kan röra sig men inte vilken väg. Var produktivitetsvinsterna hamnar beror bland annat på konkurrensen.ARBETEKAPITALGRÄNSEN KAN RÖRA SIG ÅT BÅDA HÅLLEN
Arbete och kapitalGränsen mellan arbete och kapital kan röra sig i båda riktningarna. Vilken väg den rör sig avgörs av konkurrensen mellan modellerna, inte av tekniken.

Vad gränsen påverkar

  • Priser
  • Löner
  • Skattebas
  • Förmögenhetsfördelning
  • Ekonomisk makt

Om kapital får större betydelse i en AI-ekonomi, behöver svenska hushåll då äga mer av det produktiva kapitalet?

Motargument

Vad vi kan ha fel om

Ett projekt som säger att ingen vet måste kunna redovisa varför det själv kan ha fel. Detta är de starkaste invändningarna mot vår tes, och flera av dem är i dag obesvarade.

  • Nya uppgifter uppstår

    Bevisbördan för att takten skulle falla ligger hos oss, och vi ger inget positivt skäl att tro att den gör det.

  • Efterfrågan växer när priset faller

    Juridik, revision, mjukvara och diagnostik har stor icke-tillfredsställd efterfrågan vid dagens priser.

  • Beräkningskraft är knapp

    Ju bättre AI fungerar desto mer värdefull blir varje enhet beräkningskraft, vilket lämnar fler uppgifter till människor.

  • Lönerna kan anpassa sig

    Standardanalysen är att relativlönerna för exponerade uppgifter faller, vilket dämpar anpassningen i sysselsättning.

  • Baumoleffekter bevarar arbete

    Arbetskraft omfördelas mot sektorer med svag produktivitetstillväxt, alltså precis de sektorer där svensk efterfrågan växer.

  • Prognosmeritlistan är dålig

    Tidigare uppskattningar av automatiserbara jobb slog fel, vilket är ett gott skäl att kräva belägg i stället för prognoser.

Läs hela genomgången

Osäkerhet

Vi vet inte vad som händer.

Projektet bygger inte på antagandet att AI skapar massarbetslöshet. Utgångspunkten är att ingen vet. Minst tre breda utfall ska tas på allvar, och det mellersta är rimligen det mest sannolika.

  1. Augmentation

    AI gör människor betydligt mer produktiva. Nya produkter, företag och marknader skapar stora mängder nya mänskliga arbetsuppgifter. Löner och produktivitet stiger. Efterfrågan på mänskligt arbete förblir hög.

    Ett mycket positivt scenario.

  2. Transformation

    AI automatiserar stora mängder arbetsuppgifter. Vissa yrken och kompetenser tappar kraftigt i värde medan nya uppstår. Arbetsmarknaden fortsätter absorbera människor, men omställningen blir omfattande och kan skapa stora fördelningsproblem.

    Rimligen det mest sannolika utfallet, och det där omställning och vägen in på arbetsmarknaden betyder mest.

  3. Displacement

    AI:s förmåga utvecklas snabbare än ekonomins förmåga att skapa nya arbetsuppgifter där människor har en komparativ fördel. Samma produktion kan då utföras med betydligt färre mänskliga arbetstimmar, och arbetets andel av inkomsterna kan falla.

    Kräver mer än kapabel AI. Det kräver också att beräkningskraft och energi är billiga och rikliga vid marginalen.

Ingen vet vilket scenario som dominerar. Därför skiljer vi mellan det Sverige bör göra oavsett utfall och det som bör förberedas men inte genomföras förrän vi ser något.

Resonemang

Cirka 12 minuters läsning

Hela argumentet, i ett sammanhang

Svensk AI-debatt domineras av risken att vi misslyckas. Det är viktiga frågor, och vi tycker att ambitionen borde vara högre. Men den motsatta frågan får nästan ingen uppmärksamhet, och den blir mer intressant desto bättre det går.

Läs hela resonemanget

Bidra

Hjälp oss hitta vad vi har fel om.

Detta är ett pågående arbete, inte en färdig doktrin. Projektet söker ekonomer, AI-forskare, entreprenörer, arbetsmarknadsexperter, statistiker och fackliga företrädare som vill kritisera eller utveckla idéerna.

Vi är särskilt intresserade av argument och data som talar emot hypoteserna. Om vi har framställt någon invändning felaktigt vill vi veta det. När evidensen förändras ska slutsatserna kunna förändras.

Kontakta oss