Hva er den virkelige effekten av AI på produktiviteten?

Kunstig intelligens har blitt tiårets historie, men mye av den offentlige debatten savner det som allerede skjer på bakken.

Effektene er ikke skjult i fjerne laboratorier eller teoretiske prognoser. Du finner dem i beregninger som utstyrsbestillinger, bedriftsbudsjetter, strømnett og til og med i aksjedrevne forbruk.

AI dukker opp på små måter som til sammen utgjør noe større. Noen bedrifter jobber raskere, noen jobber endrer form, og hele sektorer omorganiserer seg rundt programvare som ikke eksisterte for tre år siden.

Ideen om at AI ennå ikke har hatt innvirkning er ikke lenger nøyaktig. Men nøkkelen er å forstå hvor virkningen er synlig og hvorfor de offisielle produktivitetstallene bare har begynt å bevege seg.

Hvor langt har AI endret tallene så langt

De reneste dataene kommer fra Penn Wharton Budget Model, som deler AIs innflytelse inn i oppgaver i stedet for stillingstitler. Funnene deres er et nyttig grunnlag fordi de bruker detaljerte amerikanske yrkesdata.

De anslår at rundt 40 % av dagens arbeidsinntekt er knyttet til arbeid som kan omformes av generativ AI. Ikke alle oppgaver er lønnsomme å automatisere, men en betydelig andel er det.

Modellen deres antyder at rundt 10 % av dagens BNP sannsynligvis vil bli påvirket, og at andelen kan stige til rundt 15 % i løpet av de neste to tiårene ettersom sektorer med høy eksponering vokser raskere enn resten av økonomien.

Studier av reelle distribusjoner tegner et klart bilde av hva som skjer i bedrifter. Kundestøtteteam som bruker AI-assistenter, fullfører flere saker. Profesjonelle forfattere fullfører utkast omtrent 40 % raskere.

Programvareingeniører fullfører oppgaver raskere når de bruker verktøy i Copilot-stil.

Penn Wharton bruker disse studiene til å anta rundt 25 % lønnskostnadsbesparelser når AI brukes i dag, og stiger mot 40 % etter hvert som systemene forbedres ytterligere.

Når disse kostnadsbesparelsene vektes etter andelen oppgaver som påvirkes og justeres for adopsjonsrater, blir makroeffekten tydeligere.

Økningen i USAs totale faktorproduktivitet er liten i dag, omtrent 0,01 prosentpoeng. Men den forventes å stige gjennom tiåret og nå en topp på begynnelsen av 2030-tallet nær 0,2 prosentpoeng før den avtar.

Det langsiktige resultatet er en større økonomi, ikke en permanent raskere vekstrate. Deres sentrale estimat er at AI løfter BNP med omtrent 3 % innen 2055.

Takeaway fra slik forskning er at AIs tidlige produktivitetseffekter er meningsfulle, men ujevne og konsentrert i visse oppgaver og selskaper.

Samlede tall gjenspeiler en økonomi som ennå ikke har omorganisert seg rundt teknologien.

Hvorfor bedriftsinvesteringer gjør det tunge løftet

De tydeligste tegnene på AIs innflytelse vises på investeringssiden av den amerikanske økonomien. Nyere forskning fra Bloomberg viste at utgiftene til informasjonsbehandlingsutstyr og programvare har økt i år.

Bidraget til BNP-veksten fra disse kategoriene er det største på flere tiår.

Datasenterbygging har nådd en årlig rate på rundt 41 milliarder dollar og er et av få voksende segmenter innen privat konstruksjon.

Tre selskaper alene, Meta, Microsoft og Google, brukte 78 milliarder dollar på kapitalutstyr i tredje kvartal i år, nesten det dobbelte av utgiftene et år tidligere. Dette er det fysiske fotavtrykket til AI-boomen.

Bloomberg anslår at AI-relaterte investeringer bidro med rundt 1 % til amerikansk BNP-vekst i første halvdel av 2025. Det betyr at AI sto for mer enn halvparten av vekstraten på 1,6 % i løpet av den perioden.

Det er sjelden at en enkelt teknologibølge spiller en så stor rolle i nasjonalregnskapet.

Noen analytikere forventer at investeringsimpulsen vil styrke seg neste år. Andre mener toppen allerede er passert. Uansett er bidraget målbart i dag.

Det er en komplikasjon som ofte går ubemerket hen. Mye av maskinvaren som trengs for datasentre importeres. Det øker handelsunderskuddet og fjerner noe av bruttovekstbidraget.

Likevel har den føderale regjeringen tillatt tollfritak for servere og kretskort til tross for handelsspenninger andre steder.

Økonomer bemerker at boomen ville ha slitt hvis maskinvaren sto overfor de samme avgiftene som betales av bransjer som biler eller bygg og anlegg.

Det er også en belastning på kraftsystemet. Datasentre krever store mengder strøm. USAs kraftetterspørsel kan øke med rundt 16 % innen 2029 hvis dagens trender fortsetter.

Nettoppgraderinger tar år og står overfor høyere kostnader på grunn av tariffer på utstyr som transformatorer. Stigende strømpriser kan bremse AI-adopsjon eller komprimere marginene for bedrifter som prøver å skalere.

Inne i selskapene som allerede føler endringen

Spørreundersøkelser gir et annet perspektiv. De viser hva som skjer når AI-verktøy kommer inn i daglige arbeidsflyter. IBMs EMEA-studie fra 2025 er en av de største i sitt slag, basert på 3,500 ledere i ti land.

To tredjedeler sa at AI allerede har gitt betydelige produktivitetsgevinster.

En av fem sier at de allerede har nådd sine avkastningsmål. Ytterligere 42 % forventer avkastning innen et år, ofte gjennom raskere utførelse, lavere kostnader og forbedret servicekvalitet.

Rapporten fremhever at store bedrifter ligger foran. 72 % av bedriftene med mer enn tusen ansatte rapporterer om bemerkelsesverdige gevinster. Bare 55 % av små og mellomstore bedrifter sier det samme.

Offentlige organisasjoner viser lignende mønstre som mindre bedrifter. Dette gjenspeiler tidligere teknologisykluser der større organisasjoner hadde kapital og teknisk kapasitet til å flytte først.

IBMs data viser også hvordan arbeidet endrer seg. Ledere sier at ansatte bruker mer tid på planlegging, kreativt arbeid og idéutvikling når AI håndterer repeterende oppgaver.

Mønsteret stemmer overens med akademiske studier som viser at AI hjelper mindre erfarne arbeidere med å tette ytelsesgap og lar erfarne arbeidere fokusere på produksjon med høyere verdi.

Det som skiller seg ut i både IBM- og Penn Wharton-funnene er hvor ujevne gevinstene er på tvers av yrker. De mest utsatte oppgavene er i kontorstøtteroller, forretningsdrift, IT, salg og mellomledere.

Eksponeringen topper seg rundt åttiende til nittiende lønnspersentiler, og faller deretter for de høyest lønnede som har en tendens til å utføre oppgaver som krever dømmekraft, forhandlinger eller sjelden ekspertise.

De minst utsatte gruppene inkluderer bygg og anlegg, transport, mattjenester og personlig omsorgsarbeid. Dette betyr at den kortsiktige arbeidseffekten er konsentrert i mellom- til høytlønnede funksjonærroller, ikke i manuelle jobber.

Hva administrerende direktører faktisk sier i styrerommene

Bedriftsledere beskriver en endring som er raskere enn tidligere sykluser. Goldman Sachs-sjef David Solomon sa at han ikke kan finne en administrerende direktør som ikke prøver å redesigne prosesser rundt automatisering.

Han sa at selskaper ønsker å øke produksjonen uten å øke antall ansatte, og at AI nå er sentralt i denne innsatsen.

Microsofts Satya Nadella kom med lignende kommentarer ved å kalle dette øyeblikket et «AI-plattformskifte». Nvidias Jensen Huang, som har sammenlignet det med en ny industriell revolusjon.

Deres synspunkter beskriver hva de nåværende AI-lederne ser i sin egen virksomhet og blant sine kunder.

Dataene støtter dette sentimentet. Et økende antall firmaer legger ikke bare til AI-verktøy i eksisterende arbeidsflyter. De gjenoppbygger arbeidsflyter rundt verktøyene.

Noen designer verdikjeder fra bunnen av med AI i tankene. Andre bytter fra periodiske planleggingssykluser til kontinuerlig beslutningstaking styrt av AI-systemer.

Disse endringene tar tid å filtrere gjennom til offisielle produktivitetstall, noe som bidrar til å forklare gapet mellom hva bedrifter rapporterer internt og hva som vises i nasjonal statistikk.

Et annet viktig poeng dukker opp i undersøkelsene. Bedrifter ønsker åpne og interoperable AI-systemer. Rundt 85 % av IBMs respondenter sa at åpenhet, interoperabilitet og leverandørfleksibilitet er avgjørende.

Hva forteller alt dette oss om den virkelige AI-produktivitetseffekten

AI dukker i dag opp tre steder i økonomien. Det ser ut til at økende kapitalutgifter fra bedrifter kappes om å bygge datakapasitet. Det vises i det daglige arbeidet til tidlige brukere som rapporterer raskere utførelse og høyere produksjon.

Og det vises også i aktivamarkeder, der AI-ledede selskaper har generert billioner av dollar i ny aksjeformue som har drevet høyere forbruk blant velstående husholdninger, noe som har utløst bekymringer for en «AI-boble».

Det som ennå ikke ser ut er en bred, økonomisk økning i produktiviteten. Dette er ikke uvanlig.

Tidligere generelle teknologier, som elektrifisering og internett, dukket opp i dataene først etter at bedrifter omorganiserte produksjonen.

Det samme mønsteret utspiller seg igjen. AI er fortsatt i investerings- og eksperimenteringsfasen for de fleste selskaper. Når omorganiseringen er fullført, vil gevinstene sannsynligvis komme tydeligere frem.

De mest forsiktige estimatene antyder at AI løfter produktivitetsveksten med noen tideler av et prosentpoeng på toppen og etterlater økonomien permanent større med noen få prosent.

De mer ambisiøse prognosene antyder høyere gevinster hvis AI akselererer innovasjonen selv.

Gapet mellom disse synspunktene avhenger av hvor raskt bedrifter omstrukturerer arbeid, hvor mye AI-verktøy sprer seg til mindre selskaper og offentlig sektor, og om infrastruktur som strømnettet kan skaleres for å matche etterspørselen.