Analyse: AI og arbejdspladsen – hvem vinder, hvem taber?

Illustration generet med ChatGPT

Vi snakker meget om roller, når vi snakker AI. Hvordan vi skal bruge det, hvordan det ændrer vores funktioner, og hvilken rolle vi spiller i samfundet, når verden forandres af ny teknologi. 

Men hvad med overgangsperioden? Hvem er vinderne og taberne på den korte bane – og hvad gør SMV’erne i denne tidlige fase?

Når man bevæger sig rundt på nettet og ude i virksomhederne, får man hurtigt en fornemmelse af, at AI’s indtog er meget ulige fordelt. De helt små butikker og håndværksvirksomheder ser ikke ud til at være med endnu. De lidt større har måske fået øjnene op for, at der er noget, de nok skal tage fat på – men om de har forstået, hvor hurtigt det går, er mere uklart.

Min oplevelse er, at de helt små slet ikke tænker, AI kan have en værdi for dem. De lidt større har måske en leder, der har været på et kursus og set, at “det her er the new shit”. Men det er én ting at have set en demo, noget helt andet at implementere det. Det kan nemlig koste dyrt at integrere dårlige systemer i eksisterende arbejdsgange. 

Hvis ikke man har nogen, der står i krydsfeltet mellem brugerniveau og hardcore programmør-niveau, kan det hurtigt blive en tung og besværlig øvelse.

Allerede i 2018 mente man, at 40 % af arbejdsstyrken kunne erstattes med tidens teknologi. Så hvorfor er det ikke sket her, syv år efter? Ovenikøbet virker det i Danmark, som om ingen jobs reelt er blevet erstattet i en grad, der har ramt nyhedsstrømmen.

Der kan være mange grunde til, at forudsigelsen fra 2018 ikke blev til virkelighed. For det første er det svært i et lille land som Danmark at være den virksomhedsejer, der sender naboer og venner ud i arbejdsløshed – det kulturelle pres trækker den anden vej. 

Samtidig var teknologien dengang stadig dyr, besværlig og usikker at implementere, og udbyttet så ikke overbevisende ud. Først i 2023 ændrede billedet sig. Oven i det var der stort set ingen lovgivning eller offentlige rammer målrettet AI, hvilket gjorde det endnu sværere at få det passet ind i praksis.

Set fra mit perspektiv som mellemleder i en mellemstor virksomhed, er en af årsagerne tydelig: Folk på gulvet har slet ikke en forestillingsverden at bygge på. De kan ikke se, hvordan AI ændrer deres hverdag i morgen – og derfor ser de ingen trussel. Mange tror faktisk ikke engang på den verden. 

Det er også svært at forklare en tjener, at der om 20 år kan komme en robot, der går smilende mellem gæsterne, skænker vinen perfekt og smalltalker om vejret.

Ledelsen derimod kan godt se, hvilken vej vinden blæser. Men måske ikke med den seriøsitet – og især ikke med den hastighed – det sker. Finansieringen kommer derfor langsomt og forsigtigt. Og det tror jeg er en fejl i netop dette klima.

Jeg tror også, der ligger en kæmpe frygt i at opgive noget, man trods alt ved virker – som et halvdårligt hotelsystem eller et gammelt opgavestyringssystem – og så gå all in på at købe en OSS og lave alt om. Og det er måske fair nok, for tænk hvis det går galt. Men jeg må minde om, at det går så stærkt lige nu, at hvis du ikke er med, så er du bagud. In for a penny er mit bud på vejen frem.

For min klare fornemmelse er, at det er bedre at være foran kurven end at løbe bagefter. Ja, det kommer til at koste på den korte bane i fejlskud og forsøg, men på den lange bane bygger man erfaring, som konkurrenterne ikke har.

Selv når evidens stirrer folk direkte i øjnene, er det ikke altid nok til at overbevise. Et eksempel er verdens første AI-styrede restaurant. Om den holder på sigt er uvist – men den var i det mindste et proof of concept. Alligevel fastholder mange, at deres job også findes langt ude i fremtiden.

Så er der hele samtalen om, hvor gevinsten egentlig ligger her og nu. Chatbots har indtil videre ikke vist de store resultater – gennemsnitligt omkring 2,4 % sparet. Til gengæld ser vi hos konsulentfirmaer og på programmeringssiden i tech-branchen, at nogle satser på enorme besparelser indenfor kort tid. Spørgsmålet er, om det kan oversættes direkte til en mellemstor dansk virksomhed.

Måske ikke én til én. Men hvis historien om de sidste 160 års teknologier kan bruges som pejlemærke, så er der en ting, der går igen: Det betaler sig at være med på vej op. Især når teknologien udvikler sig så hurtigt, og når erfaringen kan overføres direkte fra generation til generation.

Samtidig ligger der et kæmpe, uopdyrket potentiale i at bygge AI-løsninger til netop de små virksomheder, der ikke selv har musklerne til det. Det hele behøver ikke være samfundsomvæltende idéer. På den korte bane kan der skabes nye jobs i industrier, der leverer AI til grønthandlere, håndværkere eller små arkitektfirmaer. 

Man kunne sagtens forestille sig skræddersyede apps, der omstiller sig til den enkelte virksomhed og det sprog, de taler.

Tag for eksempel ægte dynamiske lagersystemer: Systemer der følger moden og dit salg og fortæller dig præcis, hvilke trusser du skal købe hjem, i hvilke mængder og til hvilken uge – alt sammen bundet op på dine tidligere salgstal og hvad der trender på Instagram. 

Eller forestil dig at tage et billede af din butik og straks se den visualiseret med dine egne varer, komplet med en punktliste over, hvordan du kan optimere rummet for at sælge alle produkter bedre.

Optimal lagerstyring er et oplagt sted at starte. Hvis Amazon bruger enorme ressourcer på det, er det fordi, det giver mening. Og hvis en lille butik kan spare bare nogle tusinde kroner om året, så er det penge direkte til en ekstra flaske vin på bordet.

Det vigtigste er, at det i dag ikke kræver kæmpestore Navision-løsninger. Det kan laves med små, agile GPT’er uden de store omkostninger – og for under 100.000 kan du pakke det ind i en app.

Superdynamiske, modulært opbyggede systemer, solgt på abonnement, tilpasset løbende og nemme at implementere – uden at være unicorns. Det er netop her, en stor del af de kommende gevinster kan ligge.

Tag en vinbutik i en dansk provinsby, der også fungerer som café. Hvornår skal der stå rosé på hylden – og hvornår ikke? Hvor placerer man luksuschokoladen, så den faktisk bliver solgt? Og hvordan sikrer man, at skiltningen får kunderne til at vælge den rigtige fredagsdrink? Alt det kan en simpel GPT allerede i dag hjælpe med at optimere. Det kræver ikke længere et milliondyrt system – du kan bygge det i Bubble.io eller Lovable med no-code/vibe-coding og sælge det som en app på abonnement.

Ideelt set burde alle mellemstore virksomheder få fat i en virkelig dygtig AI-person. Ikke nødvendigvis endnu en akademiker med fem års uddannelse bag en kontorstol, men en, der forstår sammenhængen fra rytmen på gulvet på lageret, op gennem kontorfolket og helt ind i direktørens hverdag. En, der kan bygge en sammenhængende AI-løsning, der faktisk passer til virkeligheden.

Når jeg kigger mig omkring, er vi stadig et sted, hvor folk tror, at AI er supersvært. Jo, det kræver selvfølgelig, at man gider lære at bruge det til andet end mails, men lige nu er det stadig folk fra DTU og lignende, der sidder tungt på ekspertrollen. Og det går egentlig imod hele AI’s grundlæggende idé: at alle bare kan sætte sig ned og tale sig frem til et resultat.

Problemet er det samme, virksomheder altid har haft, siden man opfandt ingeniøren og arbejderklassen: De taler ikke samme sprog. Resultatet bliver ofte systemer, der ikke forstår, hvad medarbejderen faktisk har brug for – og medarbejdere, der ikke forstår eller udnytter systemets muligheder.

Med AI er potentialet et helt andet. Her kan systemet nemlig indrette sig efter den, der bruger det, uden at man mister funktionalitet. Det betyder, at man for første gang kan få teknologi, der både er avanceret og alligevel tilpasser sig brugeren i stedet for omvendt.

Som det ser ud nu, er der enten de løsninger, enhver med lidt snilde kan sætte op, eller de meget specialiserede, som kræver eksterne eksperter. Men uanset hvad er det trods alt billigere på sigt at finde ud af det nu, end det er at halte bagefter konkurrenterne senere.

Alle siger, de nok skal hoppe på toget. Problemet er bare, at når de endelig står klar på perronen, er det allerede kørt. Og så må man nøjes med at se på røven af konkurrenten, der turde stige på før.