Exponering är inte samma sak som ersättning
Att påverkas av AI och att ersättas av den är två olika saker.
De flesta alarmerande rubriksiffror mäter exponering: andelen uppgifter som en modell skulle kunna beröra. Exponering talar om var förändringen är på väg. Den säger inget om huruvida den förändringen innebär ett verktyg i din hand, ett mindre team eller ett uteblivet jobb. Att läsa exponering som ersättning är det vanligaste misstaget i den här diskussionen.
Vad underlaget visar
Studien 'GPTs are GPTs' fann att omkring 80% av de amerikanska arbetstagarna skulle kunna få minst 10% av sina uppgifter påverkade av LLM:er, och att ungefär 19% skulle kunna se hälften av sina uppgifter påverkade. Författarna är tydliga med att detta är exponering, inte en prognos för jobbförluster.
ILO:s globala analys drog slutsatsen att de flesta exponerade jobb sannolikt snarare förstärks än automatiseras, med kontorsarbete som den mest exponerade kategorin.
Högavlönat kunskapsarbete visar sig vara mer exponerat än manuellt arbete, vilket vänder upp och ner på det gängse antagandet om vilka automatiseringen drabbar först.
Exponering kan ändå sluta illa. Hög exponering plus svag förhandlingsposition plus en arbetsgivare som jagar kostnader är precis så förstärkning i det tysta blir en mindre lönelista. Exponering är en varningslampa, inte ett klartecken.
Behandla en hög exponeringspoäng som en uppmaning att agera, inte som en dom. Frågan är om du formar förändringen eller om den formar dig.