Artikler og analyser

AI-eksponering

Din jobtitel fortæller ikke hele AI-historien.

To mennesker kan have samme titel og arbejde med forskellige opgaver. Derfor begynder AI Times’ AI-analyse med jobbet, men stopper ikke dér.

Af David & Redaktionen ·

AI-genereret illustration af en mand og en kvinde, der ser ned i en mappe under en samtale
AI-genereret illustration til AI Times

En score for forandring i opgaverne

AIXPOSURE™ undersøger, hvor meget AI kan ændre arbejdet over tid. En høj score er ikke sandsynligheden for at miste sit job. Den beskriver modellens vurdering af eksponeringen i opgaver og arbejdsformer. Den kan give anledning til spørgsmål om kompetencer, ansvar og nye muligheder, men den kan ikke forudsige en bestemt persons fremtid.

Når du indtaster en stilling, matcher modellen titlen med en erhvervsprofil og dens opgaver. Dit valgte opgavefokus kan ændre vægtningen. Erfaring indgår derefter i den personlige vurdering. Beregningen viser seks tidshorisonter fra ét til ti år, fordi forandringens tempo betyder noget for, hvordan tallet skal læses.

Tre forskellige svar

Modellen viser jobrollens mulige udvikling, din position med den erfaring du angiver, og et særskilt tal for vejen ind i faget. De tre tal lægges ikke sammen. I model 1.4 bruger indgangstallet fagets opgaver og redaktionelle titelvægte uden at overtage dit personlige opgavevalg. Dermed kan det beskrive en anden problemstilling end din egen hverdag.

Hvis du er under uddannelse, begynder analysen med dit studie og tiden til afslutning. Den viser mulige jobveje og lader dig undersøge dem hver for sig. En uddannelse er ikke ét fremtidigt job, og et enkelt gennemsnit ville skjule netop de forskelle, der er værd at forstå.

Spørgsmålet er ikke “forsvinder mit job?”, men “hvilke dele af arbejdet kan ændre sig, og hvad betyder det for min vej?”

Hvad modellen ved, og hvad den antager

AI Times bruger forskningsbaserede opgavevurderinger fra ILO og Eloundou og observeret AI-brug fra Anthropic som forskellige typer input. Vægte, tempo, zoner og erfaringens effekt er AI Times’ modelvalg. Scenariebåndet viser følsomhed over for antagelserne; det er ikke et statistisk konfidensinterval. Grundlagsstyrken er heller ikke en sandsynlighed for, at modellen får ret.

Det mest nyttige ved en score er derfor forklaringen bag den. Se opgaverne, sammenlign tidshorisonterne og læs de åbne antagelser, før du bruger tallet til at overveje et næste skridt.

Kilder og grundlag

Tal og ledige stillinger er øjebliksbilleder fra den angivne dato. AI Times’ egne vurderinger er markeret i teksten.

AI Times