Store sprogmodeller, men små effekter på arbejdsmarkedet
På trods af den hurtige stigning i AI-chatbots har deres påvirkning af arbejdsmarkedet indtil videre været ubetydelig.
Med udgangspunkt i to store undersøgelser i Danmark (25.000 arbejdstagere, 7.000 arbejdspladser) koblet til omfattende arbejdsgiver-arbejdstager-data, fandt Anders Humlum og Emilie Vestergaard:
– Brugere rapporterer om beskedne produktivitetsfordele (gennemsnitlig tidsbesparelse på 2,8 %).
– I forhold til de økonomiske resultater er dokumentationen slående: ingen væsentlige ændringer i indtjening eller arbejdstimer, med konfidensintervaller, der udelukker selv små effekter.
Undersøgelsens resultater udfordrer dermed den dominerende fortælling om de umiddelbare arbejdsfortrængende effekter af generativ AI.
Undersøgelsen
‘Large Language Models, Small Labor Market Effects’ Arbejdspapir fra Anders Humlum, Adjunkt i økonomi, og Emilie Vestergaard, PhD Studerende, Becker Friedman Institute for Economics at the University of Chicago, 15. april 2025.
https://bfi.uchicago.edu/wp-content/uploads/2025/04/BFI_WP_2025-56-2.pdf
(Understregninger er tilføjet)
Abstrakt
Vi undersøger arbejdsmarkedseffekterne af AI-chatbots ved hjælp af to store adoptionsundersøgelser (slutningen af 2023 og 2024), der dækker 11 eksponerede erhverv (25.000 arbejdstagere, 7.000 arbejdspladser), knyttet til matchede arbejdsgiver-arbejdstager-data i Danmark. AI-chatrobotter er nu udbredte – de fleste arbejdsgivere opfordrer til brugen af dem, mange implementerer interne modeller, og uddannelsesinitiativer er almindelige. Disse virksomhedsledede investeringer øger adoptionen, indsnævrer demografiske forskelle i udbredelsen, forbedrer arbejdspladsens anvendelighed og skaber nye jobopgaver. På trods af betydelige investeringer er de økonomiske konsekvenser dog fortsat minimale. Ved at bruge Difference-in-Difference (red. Difference-in-Difference-estimeringen er en longitudinel undersøgelse og er også kendt som den “kontrollerede før-og-efter-undersøgelse.”) og arbejdsgiverpolitikker som kvasi-eksperimentel variation estimerer vi præcise nuller: AI-chatbots har ikke haft nogen signifikant indvirkning på indtjeningen eller registreret timer i noget erhverv, med konfidensintervaller, der udelukker effekter større end 1 %. Beskedne produktivitetsgevinster (gennemsnitlig tidsbesparelse på 3 %) kombineret med svagt løngennemslag er med til at forklare disse begrænsede arbejdsmarkedseffekter. Vores resultater udfordrer fortællinger om forestående arbejdsmarkedstransformation på grund af generativ AI.
Uddrag
Introduktion
Fremkomsten af AI-chatbots markerer fremkomsten af Generativ Kunstig Intelligens (AI). Ifølge nogle målestokke lever disse teknologier allerede op til den enorme hype: AI-chatbots har set den hurtigste anvendelse af ny teknologi blandt arbejdstagere (Bick, Blandin og Deming, 2025; Humlum og Vestergaard, 2025), randomiserede kontrollerede forsøg (RCT’er) viser betydelige produktivitetsgevinster for brugerne (Brynjolfsson, Li og Raymond, 2025; Noy og Zhang, 2023), og casestudier indikerer bemærkelsesværdige effekter på online arbejdsmarkedsplatforme (Teutloff et al., 2025). Disse effekter på produktivitet og arbejdskraftefterspørgsel er bemærkelsesværdige både i størrelsesorden – fra 15 % til 50 % – og hastighed, og de materialiserer sig inden for få måneder.
De bredere arbejdsmarkedsmæssige konsekvenser af Generativ AI forbliver dog uklare af mindst tre grunde. For det første mangler vi dokumentation for, om virksomheder foretager meningsfulde investeringer i at integrere disse værktøjer i arbejdspladsens processer, selvom arbejdstagere har taget AI-chatbots til sig på grund af deres lave omkostninger og brugervenlighed (Bonney et al., 2024). For det andet viser RCT’er (randomiserede kontrollerede undersøgelser), at effekterne af AI-chatbots kan blive negative, hvis de anvendes på de forkerte opgaver (Dell’Acqua et al., 2023; Otis et al., 2024b), hvilket giver anledning til forsigtighed med at ekstrapolere effekter fra kontrollerede miljøer til den bredere økonomi. For det tredje er det, selvom undersøgelser har dokumenteret effekter på produktivitet, stadig uklart, hvordan disse omsættes til indtjening og timer, da mikrodata af høj kvalitet om sådanne resultater sjældent er tilgængelige.
Denne artikel adresserer disse huller ved at udføre to store undersøgelser om AI-chatbot-adoption og forbinde svarene med matchende arbejdsgiver-medarbejderdata i Danmark. Vores datasæt omfatter to undersøgelsesrunder (slutningen af 2023 og 2024), der hver dækker omkring 25.000 medarbejdere fra 7.000 arbejdspladser på tværs af 11 erhverv, der er eksponeret for AI-chatbots, knyttet til månedlige administrative paneldata om indtjening, timer og erhverv.1 Vores analyse forløber i fire dele.
Først undersøger vi, hvordan virksomhedsledede investeringer i AI-chatbots påvirker medarbejdernes brug af værktøjerne. Arbejdsgivere har nu investeret kraftigt i AI-chatbots: de fleste opfordrer til at bruge dem, 38% implementerer interne modeller, og 30% af medarbejderne har modtaget træning.
Disse initiativer øger implementeringen betydeligt og fordobler næsten implementeringsraterne for den typiske medarbejder fra 47% til 83%. Den relative betydning af arbejdsgiveropmuntring bliver endnu mere udtalt ved mere intensiv brug. Det er værd at bemærke, at disse bestræbelser mindsker demografiske forskelle i implementeringen: kønsforskellen i chatbot-implementering skrumper fra 11,9 til 5 procentpoint, når virksomheder aktivt opfordrer til brug, hvor træningsinitiativer viser sig at være særligt effektive.
For det andet undersøger vi, hvordan implementeringen af chatbots påvirker arbejdsprocesser. Mens AI-chatbots sparer tid på tværs af alle udsatte erhverv (for 64%-90% af brugerne), varierer deres indvirkning på arbejdskvalitet og jobtilfredshed. Det er værd at bemærke, at AI-chatbots har skabt nye jobopgaver for 8,4% af arbejdstagerne, inklusive nogle, der ikke selv bruger værktøjerne. Vi undersøger, hvordan AI-chatbots omformer arbejdet ved at analysere arbejdstagernes fritekstbeskrivelser af deres nye opgaver. Oprettelsens rolle i at forme AI-chatbots’ indvirkning på arbejdet stemmer overens med eksisterende teorier om, hvordan automatiseringsteknologier genopretter efterspørgslen efter arbejdskraft (Acemoglu og Restrepo, 2019; Autor et al., 2024).
Det er vigtigt at bemærke, at fordelene ved AI-chatbots – tidsbesparelser, kvalitetsforbedringer, kreativitet, opgaveudvidelse og jobtilfredshed – er 10%-40% større, når arbejdsgivere opfordrer til deres brug. Det understreger vigtigheden af virksomhedsledede komplementære investeringer i at frigøre produktivitetspotentialet i nye teknologier (Brynjolfsson, Rock og Syverson, 2021; David, 1990).
Trods betydelige investeringer i AI-chatbots er deres samlede indvirkning på arbejdet dog fortsat beskeden: brugerne rapporterer gennemsnitlige tidsbesparelser på 2,8 % af arbejdstiden. Det står i kontrast til de betydelige produktivitetsgevinster – ofte over 15 % – som er dokumenteret af RCT’er i vores studieerhverv (Brynjolfsson, Li og Raymond, 2025; Noy og Zhang, 2023; Peng et al., 2023). To nøglefaktorer er med til at forklare denne uoverensstemmelse. For det første, effektheterogenitet: Mens eksisterende RCT’er koncentrerer sig om erhverv med de største produktivitetsgevinster fra AI-chatbots, afslører vores bredere undersøgelse, at flere udsatte erhverv ser mere beskedne gevinster. For det andet, manglen på virksomhedsbaserede komplementære investeringer: mange virkelige arbejdstagere arbejder ikke under de samme gunstige forhold som dem i eksperimentelle miljøer, hvilket begrænser de realiserede produktivitetsgevinster. Disse resultater advarer mod direkte ekstrapolering af produktivitetsgevinster fra kontrollerede eksperimenter til den bredere økonomi.
I den tredje del af artiklen undersøger vi effekterne af AI-chatbots på arbejdsmarkedsresultater. Vi forbinder vores undersøgelsesdata med administrative optegnelser over månedlig indtjening, timer og erhverv frem til juni 2024 – halvandet år efter ChatGPT’s lancering. Ved hjælp af en difference-in-differences-ramme sammenligner vi brugere og ikke-brugere før og efter AI-chatbots’ ankomst og udnytter arbejdsgiverpolitikker til at isolere kvasi-eksogen variation i implementeringen.
Vores hovedresultat er, at AI-chatbots har haft minimal indflydelse på brugernes økonomiske resultater. Difference-in-differences-estimater for indtjening, timer og lønninger er alle præcist estimerede nuller, hvor konfidensintervaller udelukker gennemsnitlige effekter større end 1%. På erhvervniveau er estimaterne ligeledes tæt på nul, generelt eksklusive ændringer større end 6%. Disse begrænsede effekter fortsætter i vores kvasi-eksperimentelle analyse baseret på arbejdsgiverpolitikker, hvilket tyder på, at den gennemsnitlige årsagssammenhæng faktisk er ubetydelig. Et direkte spørgeskema i undersøgelsen – “Har AI-chatbots påvirket din arbejdsindtjening?” – bekræfter, at arbejdstagere i overvældende grad rapporterer ingen effekt på indtjeningen pr. november 2024. Desuden viser difference-in-differences-estimater ingen differentielle tendenser over tid og er ikke større blandt brugere, hvis brug opfordres af arbejdsgivere, hvilket indikerer, at de begrænsede effekter ikke blot er et meget kortsigtet fænomen.
Selvom de rapporterede tidsbesparelser fra AI-chatbots er beskedne, har vi statistisk styrke til at udelukke sammenlignelige indtjeningseffekter. Specifikt estimerer vi, at kun 3-7 % af arbejdstagernes produktivitetsgevinster overføres til højere indtjening, med større elasticitet hos virksomheder, der opfordrer til brug af chatbots. Disse gennemslagsestimater stemmer overens med, men ligger i den nedre ende af, eksisterende estimater (Card et al., 2018). Sammenfattende afspejler den begrænsede indvirkning af AI-chatbots på arbejdstagernes indtjening en kombination af beskedne produktivitetsgevinster og svag gennemslagskraft på lønningerne, selvom arbejdsgiverpolitikker kan forbedre begge dele.
Som en endelig analyse undersøger vi, om AI-chatbots har påvirket bredere resultater på arbejdspladsen og potentielt påvirket selv ikke-brugere. Ved at sammenligne arbejdspladser med høj versus lav brug af chatbots finder vi ingen dokumentation for, at virksomheder med større adoption har oplevet forskellige ændringer i den samlede beskæftigelse, lønudgifter eller fastholdelse af etablerede medarbejdere. Direkte spørgeskemasvar fra ikke-brugere bekræfter, at de ikke oplever nogen chatbot-relaterede ændringer i indtjeningen.
Samlet set udfordrer vores resultater fortællinger om forestående arbejdsmarkedstransformationer på grund af generativ kunstig intelligens. Selvom adoptionen har været hurtig, hvor virksomheder nu har investeret kraftigt i at frigøre det teknologiske potentiale, forbliver de økonomiske konsekvenser små.
5 Bredere effekter
Vores tidligere analyse viser, at selvom AI-chatbots nu er meget udbredt – hvilket sparer brugerne tid og skaber nye jobopgaver, især på arbejdspladser, der opfordrer til deres brug – er deres indflydelse på brugernes indtjening og beskæftigelse fortsat begrænset.
I dette sidste afsnit undersøger vi, om AI-chatbots har påvirket de bredere resultater på arbejdspladsen. Selv hvis fordelene for individuelle brugere endnu ikke har omsat sig til ændringer i deres indtjening eller timer, kan arbejdsgivere stadig justere det samlede beskæftigelsesniveau eller lønudgifter som reaktion på disse værktøjer. Hvis AI-chatbots f.eks. reducerer behovet for arbejdskraft, kan arbejdspladser med høj adoption bremse ansættelser eller endda afskedige medarbejdere. Omvendt, hvis værktøjerne øger produktiviteten og ansporer efterspørgslen, kan disse arbejdspladser i stedet udvide beskæftigelsen og øge lønudgifterne. Sådanne justeringer kan også påvirke ikke-adoptivmedarbejdere og derved overtræde antagelsen om “ingen spillovers”, der ligger til grund for vores analyse af forskelle på arbejdstagerniveau i afsnit 4.2. Afsnit 3.2 viste faktisk, at AI-chatbots allerede har skabt nye arbejdsbyrder for ikke-brugere, hvilket indikerer bredere ændringer på arbejdspladsen.
5.1 Empirisk strategi
For at undersøge effekterne af AI-chatbots på arbejdspladsen flytter vi vores difference-in-differences-analyse til arbejdspladsniveau og sammenligner arbejdspladser med høj versus lav adoptionsrate. Specifikt kører vi regressionsmodellerne i afsnit 4.1.1, hvor Yit nu er et resultat af arbejdsplads j (f.eks. samlet beskæftigelse eller lønudgift), Xi er de gennemsnitlige forudbestemte karakteristika for dens medarbejdere, og Ai er andelen af dens medarbejdere, der har adopteret AI-chatbots. Vi studerer disse arbejdspladsrelationer blandt medarbejdere inden for hvert erhverv. For eksempel undersøger vi, hvordan den samlede lønudgift for marketingfolk udvikler sig på arbejdspladser, hvor en større andel af marketingfolk adopterer AI-chatbots. Vi undersøger også etablerede medarbejdere – dem, der var ansat før introduktionen af AI-chatbots – hvis resultater vi kan spore, uanset om de forbliver i deres oprindelige virksomheder.
En bekymring for denne analyse er, at vores undersøgelse muligvis ikke dækker alle medarbejdere på arbejdsplads j, hvilket fører til målefejl i de undersøgelsesbaserede adoptionsrater Ai, hvilket kan påvirke vores difference-in-difference-estimater. Vi tager to skridt for at løse dette problem. For det første, som beskrevet i afsnit 1.5, implementerer vi en totrins stikprøvestrategi, der maksimerer dækningen af vores stikprøveudtagne arbejdspladser – først udtrækker vi et tilfældigt sæt af arbejdspladser og derefter udtager vi stikprøver af alle deres medarbejdere. For det andet, som beskrevet i bilag G, anvender vi en empirisk Bayes-svindprocedure for at korrigere for målefejl i de undersøgelsesbaserede implementeringsrater. Det er vigtigt at bemærke, at arbejdspladser udviser betydelig variation i implementeringsrater, selv efter korrigering for målefejl: standardafvigelsen på tværs af arbejdspladser forbliver 20 procentpoint efter svind. Det er værd at bemærke, at alle vores resultater forbliver robuste, når man bruger de rå undersøgelsesbaserede implementeringsrater.
5.2 Resultater
Figur 12 viser effekterne af AI-chatbot-implementering på de samlede lønudgifter og ansættelsestimer på arbejdspladsen. Panel (a) viser dynamiske forskelle i forskelle, og panel (b) viser de samlede forskelle i forskelle for hvert erhverv. På tværs af linjen har arbejdspladser med højere rater af AI-chatbot-implementering ikke klaret sig anderledes. Ved at skalere punktestimaterne med standardafvigelsen for implementeringsrater på arbejdspladsen (20 procentpoint efter fald; se bilag G) kan vi udelukke standardiserede effekter større end 1 %.
Introduktionen af AI-chatbots kan også ændre sammensætningen af beskæftigelsen mellem etablerede medarbejdere og nyansatte. For eksempel kan implementering og drift af nye værktøjer kræve ansættelse af nye medarbejdere, der fortrænger etablerede medarbejdere (Bessen et al., 2023), hvorimod hjælp fra værktøjerne i stedet kan hjælpe med at fastholde medarbejdere (Brynjolfsson, Li og Raymond, 2025). For at undersøge disse muligheder undersøger figur E.1 effekten af implementering på arbejdspladsen på etablerede medarbejdere – dem, der var ansat før introduktionen af AI-chatbots – hvis arbejdsmarkedsresultater vi kan spore, uanset om de forbliver i eller adskiller sig fra deres oprindelige virksomhed. 26 Igen finder vi ingen dokumentation for, at medarbejdere, der oprindeligt var ansat på arbejdspladser med høj implementering, er blevet påvirket forskelligt.
5.3 Opfattede effekter
Selvom ovenstående analyse viser, at arbejdspladser med høj adoption ikke har oplevet forskellige resultater – selv for ikke-adoptivmedarbejdere – kan AI-chatbots stadig påvirke ikke-brugere via andre kanaler. Hvis tilgængeligheden af chatbots f.eks. udgør et bredere, økonomisk chok, kan det påvirke indtjeningen på tværs af hele erhverv, uanset individuel eller arbejdspladsmæssig adoption.
For at vurdere denne mulighed spurgte vi direkte ikke-brugere, om de opfatter, at AI-chatbots har påvirket deres indtjening. Figur E.2 viser sigende, at 99,6 % svarede “Nej”. Dette fund forstærker vores konklusion om, at AI-chatbots – på trods af ændringer i arbejdsbyrder, selv blandt ikke-brugere – ikke har haft bredere konsekvenser for arbejdsmarkedsresultater, såsom ligevægtslønninger eller timer.
5.4 Sammenligning med litteraturen
Vi har begrænset evidens for, hvordan AI-chatbots påvirker resultater på arbejdspladsen, hovedsageligt fordi data på virksomhedsniveau om generativ AI-adoption fortsat er knappe, og endnu færre datasæt forbinder adoption med økonomiske resultater på arbejdspladsen. 27 Vi udnytter vores matchede arbejdsgiver-medarbejder-links og omfattende stikprøvedækning til at aggregere arbejdstagernes svar på arbejdspladsniveau og vurdere deres indvirkning på administrative arbejdsmarkedsdata.
Det nærmest relaterede dokumentationsmateriale kommer fra online jobopslag. Eisfeldt et al. (2024) viser, at virksomheder med erhvervssammensætninger, der er mere eksponeret for AI-chatbots – baseret på jobopslag før ChatGPT – oplevede stigninger i aktiekurserne efter udgivelsen af ChatGPT. 28 Schubert (2025) viser yderligere, at ansættelse af færdigheder baseret på generativ AI, som angivet i jobopslag, interagerer med efterspørgslen efter fjernarbejde. Mens disse undersøgelser baseret på jobopslag tyder på bemærkelsesværdige ændringer i virksomhedernes efterspørgsel efter arbejdskraft umiddelbart efter udgivelsen af ChatGPT, finder vi ingen tilsvarende effekter for arbejdspladser med høj adoption i administrative arbejdsmarkedsdata. 29
På det bredere markedsniveau kommer den nærmeste eksisterende evidens fra casestudier af online arbejdsmarkedsplatforme til freelancearbejde. Disse undersøgelser dokumenterer bemærkelsesværdige ændringer i efterspørgslen efter arbejdskraft efter lanceringen af ChatGPT (Hui, Reshef og Zhou, 2024; Teutloff et al., 2025). For eksempel Teutloff et al. (2025), at efterspørgslen efter substituerbare freelancetjenester, såsom skrivning og oversættelse, faldt med 20-50% efter ChatGPT. I modsætning hertil finder vi ingen signifikant indflydelse på arbejdsmarkedsresultaterne på tværs af vores forskellige sæt af 11 erhverv. Hvad kan forklare denne forskel? Vores dokumentation peger på tre faktorer.
For det første, selvom freelance korrekturlæsning kan være meget substituerbart med AI-chatbots, falder de fleste udsatte erhverv ikke ind under denne ekstreme kategori. 30 Faktisk rapporterer arbejdstagere i vores undersøgelse kun beskedne tidsbesparelser fra AI-chatbots. Det gentager vores observationer fra afsnit 3.3 om, at eksisterende undersøgelser har en tendens til at koncentrere sig om de erhverv, hvor produktivitetseffekterne fra værktøjerne er størst.
For det andet tilbyder freelancearbejde langt mindre jobsikkerhed og rigiditet, hvilket gør det muligt for produktivitetsændringer at manifestere sig hurtigere i arbejdsmarkedsresultaterne. I modsætning hertil finder vi kun en svag sammenhæng mellem arbejdstagernes tidsbesparelser og arbejdsmarkedseffekterne fra AI-chatbots. Mens fleksibiliteten i freelancearbejde gør det nyttigt til at identificere kortsigtede ændringer i arbejdskraftens efterspørgsel, giver vores resultater om den begrænsede gennemslagskraft af produktivitet anledning til forsigtighed mod at ekstrapolere disse effekter til det bredere arbejdsmarked.
Endelig, selvom eksisterende undersøgelser dokumenterer ændringer i efterspørgslen efter bestemte opgaver på specifikke platforme, er det fortsat uklart, hvordan disse ændringer påvirker medarbejdernes samlede indtjening og timer, da medarbejderne kan omfordele deres tid på tværs af opgaver. I vores undersøgelse rapporterer de fleste medarbejderne, at de bruger tid sparet af AI-chatbots til at udføre andre opgaver, herunder nye ansvarsområder introduceret af AI. En vigtig fordel ved vores administrative data er, at det giver os mulighed for at måle medarbejdernes samlede indtjening og timer, uanset hvordan de omfordeler deres tid på arbejdsmarkedet.
6 Konklusion
Generativ AI udråbes som motoren i en ny industriel revolution (World Economic Forum, 2024), men vi mangler dokumentation for dens økonomiske effekter uden for laboratoriemiljøer og casestudier (Brynjolfsson, Li og Raymond, 2025; Noy og Zhang, 2023).
Denne artikel giver omfattende dokumentation for arbejdsmarkedspåvirkningen af AI-chatbots, det mest udbredte generative AI-værktøj til dato. Vores undersøgelse er baseret på en række omfattende undersøgelser af brugen af AI-chatbots i 11 udsatte erhverv, knyttet til administrativt matchede arbejdsgiver-medarbejderdata i Danmark.
Trods hurtig implementering og betydelige investeringer fra både arbejdstagere og virksomheder er vores vigtigste fund, at AI-chatbots har haft minimal indflydelse på produktivitet og arbejdsmarkedsresultater til dato. Desuden finder vi ingen tegn på forskellige tendenser over tid, hvilket tyder på, at de begrænsede effekter ikke blot er et meget kortsigtet fænomen. I denne forstand afspejler vores resultater Robert Solows berømte observation om IT-revolutionen: “Man kan se computeralderen overalt undtagen i produktivitetsstatistikkerne” (Solow, 1987).
Vores analyse kaster dog lys over mekanismer, hvorigennem generativ AI kan blive transformerende over tid. For det første finder vi, i overensstemmelse med Brynjolfsson, Rock og Syverson (2021), at virksomhedsdrevne investeringer og omorganiseringer på arbejdspladsen er afgørende for at frigøre AI’s potentiale: Udnyttelsesrater og produktivitetsfordele ved AI-chatbots er væsentligt højere, når arbejdsgivere opfordrer til brug, tilbyder træning eller implementerer interne modeller. For det andet finder vi, i overensstemmelse med teoretiske forudsigelser for, hvordan automatiseringsteknologier kan genskabe efterspørgslen efter arbejdskraft (Acemoglu og Restrepo, 2019), at AI-chatbots har skabt nye jobopgaver – der endda omfatter arbejdstagere, der ikke bruger værktøjerne direkte – hvilket signalerer bredere transformationer på arbejdspladsen. Endelig synes rigiditeter på arbejdsmarkedet at forsinke den økonomiske effekt, da produktivitetsgevinster fra AI-chatbots kun svagt omsættes til indtjeningsvækst, især i virksomheder, der ikke aktivt promoverer deres brug.
Vi mener dog, at den vigtigste konklusion i denne artikel fortsat vil være central for at forstå arbejdsmarkedseffekterne af generativ AI. Enhver beretning om transformative forandringer må forholde sig til en simpel kendsgerning: to år efter den hurtigste teknologiadoption nogensinde forbliver arbejdsmarkedsresultaterne – hvad enten det er på individuelt eller virksomhedsniveau – uændrede.
Noter:
1) Vores liste over erhverv omfatter revisorer, kundesupportspecialister, finansielle rådgivere, HR-professionelle, IT-supportspecialister, journalister, jurister, marketingfolk, kontorassistenter, softwareudviklere og lærere.
26) Denne analyse af etablerede medarbejdere ligner forskningsdesignene fra Autor et al. (2014); Walker (2013).
27) De få eksisterende undersøgelser om generativ AI-adoption omfatter alle individuelle medarbejdere, hvis svar ikke kan forbindes på arbejdspladsniveau (Blandin, Bick og Deming, 2025; Hartley et al., 2024; Pew, 2024). Bonney et al. (2024) undersøger AI-adoption i amerikanske virksomheder fra februar 2024, men måler ikke specifikt generativ AI eller forbinder adoption med efterfølgende ændringer i økonomiske resultater.
28) Denne stigning i markedsværdi er i overensstemmelse med, at virksomheder befinder sig i et tidligt stadie af en produktivitets-J-kurve, hvor nuværende investeringer forventes at give økonomisk afkast på længere sigt (Brynjolfsson, Rock og Syverson, 2021).
29) Selvom jobopslag tilbyder en rig datakilde, er det mindre klart, hvor godt de indfanger medarbejdernes faktiske brug af værktøjer, især ikke-specialiserede værktøjer som ChatGPT. For det første, selvom fremkomsten af generativ AI færdigheder i jobopslag er bemærkelsesværdige, men det er fortsat uklart, hvordan sådanne opslag svarer til medarbejdernes faktiske brug af AI-chatbots (Schubert, 2025). For det andet, mens Eisfeldt et al. (2024); Schubert (2025) er afhængige af variation i eksponering for AI-chatbots på virksomhedsniveau på tværs af erhverv (dvs. variation i ansættelser på tværs af job med forskellig relevans for AI-chatbots), undersøger vores analyse i stedet variation i implementeringen af AI-chatbots på virksomhedsniveau inden for erhverv (dvs. variation i faktisk brug af AI-chatbots til de samme relevante job).
30) Teutloff et al. (2025) viser, at den samlede effekt af ChatGPT på freelancearbejde er mere blandet, hvor nogle komplementære færdigheder oplever stigninger.
Læs mere her:
