Grundtanken: uppgifter, inte jobb
Ett jobb är ett knippe uppgifter. AI tar sällan ett helt jobb; det tar några uppgifter och lämnar andra. Så i stället för att betygsätta hela yrken (vilket brukar ge skrämmande, missvisande siffror) betygsätter den här sajten de 68 uppgifter människor faktiskt gör, och läser varje område som blandningen av de uppgifter dess arbete bygger på.
De fyra nivåerna
Varje uppgift och varje område ligger i en av fyra nivåer. Det är en värmeskala över hur exponerat arbetet är för dagens AI, inte en bedömning av dess värde:
- Maskinens domän AI gör redan detta bra i de flesta vardagsfall. Själva uppgiften går till stor del att automatisera.
- Rör sig snabbt AI blir snabbt kapabelt här. Det är här trycket på hantverket ökar fortast.
- Delad mark AI hjälper till stort, men en människa är kvar i loopen och ansvarar för bedömningen.
- Mänsklig mark Bygger på närvaro, tillit, kroppen eller ansvar. Det minst exponerade arbetet på kartan.
Områdesnivåerna använder samma färger under andra namn: Hög exponering, Stigande exponering, Blandad och Förankrad.
Vad nivåerna är, och inte är
Nivån för varje uppgift och område är en redaktionell syntes av forskningen nedan, inte ett betyg från någon enskild studie. Den speglar en övervägd läsning av var dagens AI är kapabel, viktad mot det som underlaget i stort är överens om. Den är en utgångspunkt för ett samtal, inte en mätning. Förnuftiga människor kommer att flytta vissa kort en nivå, och just den oenigheten är vad korten är till för.
Exponering är inte samma sak som ersättning. En hög nivå betyder att mer av arbetet är tekniskt automatiserbart, inte att jobbet försvinner. Se signalen Exponering är inte samma sak som ersättning.
De sju signalerna
De bärande fynden bakom nivåerna, vart och ett med sitt underlag och en ärlig motpunkt:
Studiehyllan
Forskningen de här sidorna vilar på. Varje siffra kontrollerades mot sin primärkälla den 12 juni 2026; titlar, årtal och URL:er pekar mot de kanoniska versionerna.
Uppskattade att 47 % av jobben i USA hade hög risk för automatisering under de följande ett till två decennierna, baserat på en bedömning av 702 yrken.
Med ett uppgiftsbaserat angreppssätt uppskattades att bara omkring 9 % av jobben (inte 47 %) har hög risk för automatisering, eftersom de flesta jobb blandar automatiserbara och icke-automatiserbara uppgifter.
Omkring 14 % av jobben i OECD-länderna är i hög grad automatiserbara, och ytterligare 32 % står inför betydande förändringar i hur de utförs.
Omkring 80 % av arbetskraften i USA skulle kunna få minst 10 % av sina arbetsuppgifter påverkade av språkmodeller, och ungefär 19 % skulle kunna få minst 50 % av uppgifterna påverkade. Högavlönat kunskapsarbete är mer exponerat än fysiskt arbete.
Från miljontals verkliga Claude-konversationer: ungefär 57 % av användningen var förstärkande (att arbeta tillsammans med användaren) jämfört med omkring 43 % automatiserande (att utföra uppgiften), med användningen koncentrerad till programvaru- och skrivuppgifter.
Arbetsgivare förväntar sig att 170 miljoner nya roller skapas och 92 miljoner försvinner till 2030 (en nettoökning på 78 miljoner). Analytiskt tänkande är fortfarande den mest efterfrågade kärnkompetensen, medan AI och big data, nätverk och cybersäkerhet samt teknisk kompetens är de snabbast växande färdigheterna, samtidigt som motståndskraft, flexibilitet och anpassningsförmåga också ökar.
Dagens generativa AI tillsammans med annan teknik skulle kunna automatisera arbetsaktiviteter som i dag upptar 60 till 70 procent av de anställdas tid, där omkring 75 procent av den generativa AI:ns värde är koncentrerat till kundtjänst, marknadsföring och försäljning, mjukvaruutveckling samt forskning och utveckling.
Generativ AI skulle kunna utsätta motsvarande 300 miljoner heltidsjobb för automatisering, samtidigt som den höjer produktiviteten och skapar nytt arbete.
Automatisering ersätter vissa uppgifter men kompletterar andra och ökar efterfrågan på det arbete den inte kan ersätta; jobb är knippen av uppgifter, så att automatisera en uppgift raderar sällan jobbet.
Omkring 60 % av sysselsättningen 2018 fanns i yrkestitlar som inte existerade 1940; nytt arbete skapas kontinuerligt, mycket av det drivet av ny teknik.
Sedan 1980 har jobb som kräver hög social kompetens vuxit kraftigt och gett högre lön; uppgifter som kräver lagarbete och mellanmänsklig interaktion har varit svårast att automatisera.
En generativ AI-assistent höjde produktiviteten hos kundtjänstmedarbetare med omkring 15 % i genomsnitt, med de största vinsterna, omkring 30 %, för de minst erfarna och lägst kvalificerade medarbetarna.
De flesta jobb kommer troligen snarare att förstärkas än automatiseras; kontorsarbete är den mest exponerade kategorin, och effekterna fördelar sig ojämnt mellan regioner och kön.
Byggd på MethodKit
Områdena, uppgifterna, färdigheterna och frågorna är korten i fyra MethodKit-lekar: Topics (områden), Competencies (uppgifter), Future Skills (fastare mark) och Professional Development (självinventeringen). Lekarna är samtalsverktyg; den här sajten ordnar dem kring en fråga. Bläddra bland korten →