shutterstock_1190015494-659010-edited

Det er skrevet mye nyttig om automatisering og bruk av kunstig intelligens den siste tiden. Det er en blanding av et trusselbilde og et mulighetsbilde. En vanlig oppfatning er at lavstatusyrker vil forsvinne mens høystatusyrker som rådgiver, advokat og revisor vil overleve.

Denne oppfatningen kan delvis forklares med at media og analytikere har satt fokuset på utdanningsnivå og lønn når de vurderer effekten av kunstig intelligens (KI). Automatisering vil uten tvil fjerne farlige, monotone og kostbare arbeidsoppgaver, men krever ikke nødvendigvis KI.

Hva er kunstig intelligens?

På sitt mest avanserte utfører KI oppgaver som det ikke er mulig for mennesker å gjøre. På sitt enkleste er det i realiteten ikke snakk om kunstig intelligens, men forhåndsprogrammerte automatiske arbeidsflyter.

KI kan defineres som en datamaskins evne til å utføre kognitive oppgaver som vi vanligvis assosierer med vår egen hjerne. Det vil si egenskaper som tolkning, forståelse, handling og læring. KI omfatter en rekke teknologier som roboter, selvgående biler, bildegjenkjenning og chatbots.

VI kan segmentere de ulike typene KI basert på hvor komplekse de er. Her er tre eksempler:  

  • Roboter (bots)
    Den enkleste formen er å automatisere prosesser gjennom roboter (eller bots som det nå ofte kalles). Når vi her nevner «robot» mener vi ikke en menneskelignende skapning, men kode på en server. Dette står for om lag halvparten av alle KI-anvendelser globalt. Denne KI-typen blir mer og mer avansert grunnet fremveksten av mer sofistikert kode og integrasjon/datafangst fra flere IT-systemer.

    Dette resulterer i mer avanserte algoritmer – algoritmer som kan utføre mer intelligente oppgaver enn for få år siden. Et eksempel er chatboten du møter når du logger på nettbanken din, som besvarer enkle spørsmål. Dette er også den enkleste og billigste formen for KI. Disse applikasjonene er ofte ikke programmert for å lære eller forbedre seg.

  • Kognitiv innsikt
    En mer avansert form for KI er maskinlæring. Løsningene bruker algoritmer til å avdekke mønstre i store datamengder, og deretter tolke mønstrene ut fra resultatene. En typisk anvendelse kan være å predikere belastningen i et strømnett, eller hva en kunde sannsynligvis vil kjøpe i nettbutikken.

  • Kognitivt engasjement
    Den mest avanserte formen for KI er løsninger som skaper kognitivt engasjement hos kunder og/eller ansatte. I en studie publisert i Harvard Business Review utgjorde denne anvendelsen ca. 16 % av alle KI-prosjekter. Her brukes teknologier som avanserte chatbots, intelligente agenter og maskinlæring.

    Et eksempel på anvendelse kan være intelligente agenter som 24/7 besvarer potensielle kunders spørsmål om priser, funksjonalitet, leveringsalternativer og servicer på kundens eget språk. Et annet eksempel kan være produktanbefalinger basert på dialog med potensielle kunder. Løsninger som skaper kognitivt engasjement brukes til å besvare ansattes spørsmål om ferie, lønn, permisjon, utdanning og sykefravær.

I resten av denne artikkelen vil jeg bruke automatisering som begrep på alle tre kategorier av kunstig intelligens. Les også gjerne Aftenpostens artikkel om temaet: Hvilke nye jobber vil skapes av kunstig intelligens?

Rammeverk for hvordan jobben din påvirkes av automatisering

Det finnes lite litteratur om hvordan dagens jobber vil endres som følge av automatisering. Ingen overraskelse i og med at vi fremdeles venter på den store automatiseringsbølgen. Professor Scott Latham og assistentprofessor Beth Humberd har analysert 50 profesjoner. Professorene har etablert et rammeverk i to dimensjoner:

  • Hvor erstattelig er kjernekompetansen din som følge av implementeringen av automatisering?
  • Hvor store endringer blir det på leveransemodellen som følge av automatisering?

Med leveransemodell menes hvordan en elektriker utfører en installasjon eller feilsøking på et elektrisk anlegg, eller hvordan en høyskolelektor gjennomfører undervisning.

Vi snakker om alle former for automatisering i denne analysen. På kort sikt er det mest av robotisering, mens vi på mellomlang sikt (3-5 år) vil se at profesjoner som har et høyere kunnskapsinnhold vil påvirkes mer av automatisering gjennom prosjekter som utnytter kognitiv innsikt. På lang sikt vil vi se flere prosjekter med kognitivt engasjement.

 Hvordan vil dagens jobber påvirkes av automatisering

Noen jobber har veldig tydelig kjernekompetanse, for eksempel rørleggere som er sertifiserte til å arbeide på industrielle anlegg med høyt trykk i gassfarlige områder. Andre jobber har mer «myke» kompetanseområder som relasjonsbygging og kommunikasjon. Selgere kan være et eksempel på sistnevnte. Profesjoner hvis arbeidsoppgaver kan standardiseres, og som er gjentagende, vil sannsynligvis kunne automatiseres. Arbeidsoppgaver som krever hands-on problemløsning med liten grad av standardisering, vil vanskelig kunne automatiseres.

Vedvarende jobber

Det finnes profesjoner hvor både kjernekompetansen og leveranseformen er for vanskelig eller for dyr å automatisere. Et eksempel her er rørleggeren som skal reparere en lekkasje i ditt hundre år gamle oppussingsprosjekt, som ikke har en eneste arbeidstegning. Slike oppgaver krever individuell tilpasning; et gammelt hus er ikke likt et annet gammelt hus – selv ikke i samme gate! Denne kategorien kaller vi vedvarende jobber (durable jobs).

Dekonstruerte jobber

Kjernekompetansen er ikke utsatt for automatisering i seg selv, men måten kompetansen omsettes i tjenester, f.eks. undervisning og forskning, vil endres. Fremveksten av nettbasert undervisning, kollektiv problemløsning, m.m. vil endre måten læreren underviser på, men kjernekompetanse innen pedagogikk og økonomi forblir relativt upåvirket. Fremtidige studenter kommer til å forvente at tjenesten leveres på andre måter, gjerne ved at man kombinerer nettkurs, automatiske tester og evalueringer med tradisjonell tavleundervisning. Denne kategorien kaller vi dekonstruerte jobber (deconstructed jobs).

Utdøende jobber

Det finnes mange profesjoner hvor kjernekompetansen er i ferd med å miste sin verdi og måten tjenesten leveres på er endret for alltid. Den kan heller ikke reverseres. Mange blir nok overrasket over at dette også gjelder profesjoner som krever høy utdanning. Bibliotekarer er et eksempel på en døende profesjon (displaced jobs).

Disrupsjonsutsatte jobber

Disrupsjon oppstår når arbeidsoppgavene er svært standardiserte, men kunden allikevel foretrekker å få levert tjenesten på samme måte. Et eksempel kan være eiendomsmeglere. Her har vi fått mange automatiske tjenester med roboter som søker opp attraktive eiendommer og eiendomsoppgjør som i høy grad kan automatiseres. Likevel velger en klar majoritet å benytte megler som har tradisjonelle tjenester og prisingsmodeller.

Tilsvarende kan vi se på regnskapsførere. Fremveksten av blockchain-teknologien og automatisk postering av regnskapsbilag vil erstatte store deler av profesjonens kjerneoppgaver. Tjenesten vil fortsatt etterspørres – bedriftseiere vil ha regnskap og rapporter – men kompetanseområdet til regnskapsføreren påvirkes i høy grad. Denne kategorien kan vi kalle disrupsjonsutsatte jobber (disrupted jobs).

Dermed har vi fått følgende fire kategorier: Durable, Deconstructed, Displaced og Disrupted.  

  • Modellen er oversiktlig og pedagogisk, men virkeligheten er langt mer kompleks. Arbeidslivet lar seg ikke fullt ut gjenskape i en 2x2-matrise, men det er noen viktige læringspunkter å ta med seg enten du er arbeidsgiver eller arbeidstaker:
  • Det er viktig å forstå hvilke mekanismer som påvirker automatiseringen.
  • Det er viktig å forstå at automatisering skjer uavhengig av profesjonens status.
  • Profesjoner kan bevege seg mellom kategoriene – bildet er langt fra statisk.
  • Det er viktig å ha en positiv innstilling til endring – nye jobber vil oppstå – ikke alt vil automatiseres bort. Roboter og algoritmer må designes, trenes, optimaliseres, overvåkes og forvaltes. Her vil det oppstå nye muligheter.

Har du innspill til temaet håper jeg du legger igjen en kommentar! 

Last ned gratis guide:  Styrearbeid i selskaper utsatt for digital disrupsjon