Hvad er den reelle effekt af AI på produktiviteten?

Kunstig intelligens er blevet årtiets historie, men meget af den offentlige debat overser, hvad der allerede sker på stedet.

Effekterne er ikke skjult i fjerne laboratorier eller teoretiske prognoser. Du kan finde dem i målinger som udstyrsordrer, virksomhedsbudgetter, elnet og endda i aktiedrevne forbrug.

AI viser sig på små måder, der tilsammen bliver til noget større. Nogle virksomheder arbejder hurtigere, nogle job ændrer form, og hele sektorer omorganiserer sig omkring software, der ikke fandtes for tre år siden.

Ideen om, at AI endnu ikke har haft indflydelse, er ikke længere korrekt. Men nøglen er at forstå, hvor virkningen er synlig, og hvorfor de officielle produktivitetstal kun lige er begyndt at bevæge sig.

Hvor langt har AI ændret tallene indtil videre

De reneste data kommer fra Penn Wharton Budget Model, som opdeler AI's indflydelse i opgaver snarere end jobtitler. Deres resultater er et nyttigt grundlag, fordi de bruger detaljerede amerikanske erhvervsdata.

De anslår, at omkring 40 % af nutidens arbejdsindkomst er knyttet til arbejde, der kan omformes af generativ AI. Ikke alle opgaver er rentable at automatisere, men en betydelig andel er.

Deres model antyder, at omkring 10 % af det nuværende BNP sandsynligvis vil blive påvirket, og at andelen kan stige til omkring 15 % i løbet af de næste to årtier, da sektorer med høj eksponering vokser hurtigere end resten af økonomien.

Undersøgelser af reelle implementeringer tegner et klart billede af, hvad der sker i virksomheder. Kundesupportteams, der bruger AI-assistenter, fuldfører flere sager. Professionelle forfattere færdiggør udkast omkring 40 % hurtigere.

Softwareingeniører afslutter opgaver hurtigere, når de bruger værktøjer i Copilot-stil.

Penn Wharton bruger disse undersøgelser til at antage omkring 25 % lønomkostningsbesparelser, når AI bruges i dag, stigende til 40 %, efterhånden som systemerne forbedres yderligere.

Når disse omkostningsbesparelser vægtes med andelen af opgaver, der påvirkes, og justeres for implementeringsrater, bliver makroeffekten tydeligere.

Stigningen i USA's samlede faktorproduktivitet er lille i dag, omkring 0,01 procentpoint. Men den forventes at stige gennem årtiet og toppe i begyndelsen af 2030'erne tæt på 0,2 procentpoint, før den aftager.

Det langsigtede resultat er en større økonomi, ikke en permanent hurtigere vækstrate. Deres centrale skøn er, at AI løfter BNP med omkring 3 % i 2055.

Konklusionen fra sådan forskning er, at AI's tidlige produktivitetseffekter er meningsfulde, men ujævne og koncentreret i visse opgaver og virksomheder.

De samlede tal afspejler en økonomi, der endnu ikke har omorganiseret sig omkring teknologien.

Derfor gør virksomhedsinvesteringer det tunge løft

De tydeligste tegn på AI's indflydelse vises på investeringssiden af den amerikanske økonomi. Nyere forskning fra Bloomberg viste , at udgifterne til informationsbehandlingsudstyr og software er steget kraftigt i år.

Bidraget til BNP-væksten fra disse kategorier er det største i årtier.

Datacenterbyggeri har nået en årlig rate på omkring 41 milliarder dollars og er et af de få voksende segmenter inden for privat byggeri.

Alene tre virksomheder, Meta, Microsoft og Google, brugte 78 milliarder dollars på kapitaludstyr i tredje kvartal i år, næsten det dobbelte af deres udgifter et år tidligere. Dette er det fysiske fodaftryk af AI-boomet.

Bloomberg anslår, at AI-relaterede kapitaludgifter bidrog med omkring 1 % til den amerikanske BNP-vækst i første halvdel af 2025. Det betyder, at AI tegnede sig for mere end halvdelen af vækstraten på 1,6 % i den periode.

Det er sjældent, at en enkelt teknologisk bølge spiller en så overdimensioneret rolle i nationalregnskaberne.

Nogle analytikere forventer, at investeringsimpulsen vil blive styrket næste år. Andre mener, at toppen allerede er passeret. Uanset hvad, er bidraget målbart i dag.

Der er en komplikation, der ofte går ubemærket hen. Meget af den hardware, der er nødvendig for datacentre, importeres. Det øger handelsunderskuddet og fjerner en del af bruttovækstbidraget.

Alligevel har den føderale regering tilladt toldfritagelser for servere og printkort på trods af handelsspændinger andre steder.

Økonomer bemærker, at boomet ville have kæmpet, hvis hardwaren stod over for de samme afgifter, der betales af industrier som biler eller byggeri.

Der er også en belastning af elsystemet. Datacentre kræver store mængder elektricitet. USA's efterspørgsel efter elektricitet kan stige med omkring 16 % i 2029, hvis de nuværende tendenser fortsætter.

Netopgraderinger tager år og står over for højere omkostninger på grund af tariffer på udstyr såsom transformere. Stigende elpriser kan bremse AI-adoptionen eller komprimere marginerne for virksomheder, der forsøger at skalere.

Inde i virksomhederne mærker allerede forandringen

Undersøgelser giver et andet perspektiv. De viser, hvad der sker, når AI-værktøjer kommer ind i de daglige arbejdsgange. IBM's EMEA-undersøgelse fra 2025 er en af de største af sin slags, baseret på 3.500 ledere i ti lande.

To tredjedele sagde, at AI allerede har produceret betydelige produktivitetsgevinster.

En ud af fem siger, at de allerede har nået deres mål for investeringsafkast. Yderligere 42 % forventer afkast inden for et år, ofte gennem hurtigere eksekvering, lavere omkostninger og forbedret servicekvalitet.

Rapporten fremhæver, at store virksomheder er foran. 72 % af virksomhederne med mere end tusind ansatte rapporterer om bemærkelsesværdige gevinster. Kun 55% af de små og mellemstore virksomheder siger det samme.

Organisationer i den offentlige sektor udviser lignende mønstre som mindre virksomheder. Dette afspejler tidligere teknologicyklusser, hvor større organisationer havde kapital og teknisk kapacitet til at flytte først.

IBM's data viser også, hvordan arbejdet ændrer sig. Ledere siger, at medarbejderne bruger mere tid på planlægning, kreativt arbejde og idéudvikling, når AI håndterer gentagne opgaver.

Mønsteret stemmer overens med akademiske undersøgelser, der viser, at AI hjælper mindre erfarne medarbejdere med at lukke præstationshuller og giver erfarne medarbejdere mulighed for at fokusere på output af højere værdi.

Det, der skiller sig ud i både IBM's og Penn Whartons resultater, er, hvor ujævne gevinsterne er på tværs af erhverv. De mest udsatte opgaver er i kontorsupportroller, forretningsdrift, IT, salg og mellemledere.

Eksponeringen topper omkring den firsindstyvende til halvfemsindstyvende lønpercentiler og falder derefter for de højest lønnede, der har tendens til at udføre opgaver, der kræver dømmekraft, forhandling eller sjælden ekspertise.

De mindst udsatte grupper omfatter byggeri, transport, madtjenester og personligt plejearbejde. Det betyder, at den kortsigtede arbejdskraftpåvirkning er koncentreret i mellem- og højtlønnede funktionærstillinger, ikke i manuelle job.

Hvad CEO'er rent faktisk siger i bestyrelseslokalerne

Virksomhedsledere beskriver en forandring, der er hurtigere end tidligere cyklusser. Goldman Sachs' administrerende direktør David Solomon sagde, at han ikke kan finde en administrerende direktør, der ikke forsøger at redesigne processer omkring automatisering.

Han sagde, at virksomheder ønsker at øge produktionen uden at øge antallet af medarbejdere, og at AI nu er centralt for disse bestræbelser.

Microsofts Satya Nadella kom med lignende kommentarer ved at kalde dette øjeblik et "AI-platformsskift". Nvidias Jensen Huang, der har sammenlignet det med en ny industriel revolution.

Deres synspunkter beskriver, hvad de nuværende AI-ledere ser i deres egen drift og blandt deres kunder.

Dataene understøtter denne holdning. Et stigende antal virksomheder tilføjer ikke blot AI-værktøjer til eksisterende arbejdsgange. De genopbygger arbejdsgange omkring værktøjerne.

Nogle designer værdikæder fra bunden med AI i tankerne. Andre skifter fra periodiske planlægningscyklusser til kontinuerlig beslutningstagning styret af AI-systemer.

Disse ændringer tager tid at filtrere igennem til officielle produktivitetstal, hvilket hjælper med at forklare kløften mellem, hvad virksomheder rapporterer internt, og hvad der vises i nationale statistikker.

Et andet vigtigt punkt dukker op i undersøgelserne. Virksomheder ønsker åbne og interoperable AI-systemer. Omkring 85 % af IBM's respondenter sagde, at gennemsigtighed, interoperabilitet og udbyderfleksibilitet er afgørende.

Hvad fortæller alt dette os om den reelle AI-produktivitetseffekt

AI optræder i dag tre steder i økonomien. Det ser ud til, at virksomhedernes stigende kapitaludgifter er i kapløb om at opbygge computerkapacitet. Det viser sig i det daglige arbejde hos tidlige brugere, der rapporterer hurtigere eksekvering og højere output.

Og det vises også på aktivmarkederne, hvor AI-ledede virksomheder har genereret billioner af dollars i ny aktieformue, der har givet næring til højere forbrug blandt velhavende husholdninger, hvilket har udløst bekymringer om en "AI-boble".

Det, der endnu ikke ser ud, er en bred stigning i produktiviteten i hele økonomien. Dette er ikke usædvanligt.

Tidligere generelle teknologier, såsom elektrificering og internettet, dukkede først op i dataene, efter at virksomhederne omorganiserede produktionen.

Det samme mønster udspiller sig igen. AI er stadig i investerings- og forsøgsfasen for de fleste virksomheder. Når reorganiseringen er gennemført, vil gevinsterne sandsynligvis vise sig tydeligere.

De mest omhyggelige estimater tyder på, at AI løfter produktivitetsvæksten med et par tiendedele af et procentpoint på sit højeste og efterlader økonomien permanent større med et par procent.

De mere ambitiøse prognoser tyder på højere gevinster, hvis AI accelererer innovationen selv.

Kløften mellem disse synspunkter afhænger af, hvor hurtigt virksomheder omstrukturerer arbejdet, hvor bredt AI-værktøjer spredes til mindre virksomheder og den offentlige sektor, og om infrastruktur som elnettet kan skaleres til at matche efterspørgslen.