Norske SMB-ledere gjør allerede generalist-jobbene selv. Nå bekrefter en fersk rapport fra OpenAI at dette er vanlig i langt større organisasjoner også.
I rapporten Work at the Frontier har OpenAI Economic Research analysert over 800 000 arbeidsrelaterte ChatGPT-meldinger fra bedriftsbrukere. Hovedfunnet er at 16,8 prosent av alle oppgaver krysser profesjonsgrenser. Ser man bare på de yrkesspesifikke oppgavene, er andelen 43,5 prosent. Med andre ord: nesten halvparten av de fagspesifikke tingene folk gjør i ChatGPT, hører egentlig hjemme i et annet yrke.
For norske SMB med 7–100 ansatte er dette knapt en nyhet. Det er hverdagen.
Hva målte OpenAI?
OpenAI fjernet først de generiske oppgavene (skriving, oppsummering, planlegging), som utgjør 61,5 prosent. De gjenstående 38,5 prosentene ble klassifisert etter O*NET, det amerikanske arbeidsmarkedsverkets oppgavedatabase, ifølge Tech Times' metodegjennomgang. Deretter sjekket forskerne om oppgavens kode tilhørte brukerens eget yrke eller et annet.
Resultatet varierer kraftig mellom fagområder:
- Kundeopplevelse: 77 prosent crossover
- Design: 75 prosent
- HR: 69 prosent
- Juridisk: 56 prosent
- Markedsføring: 53 prosent
Ifølge Axios' dekning av rapporten sier OpenAIs sjefsøkonom Ronnie Chatterji at grensene mellom yrker sannsynligvis allerede er i ferd med å bli mer flytende på grunn av AI. Rapporten formulerer det slik: "AI may be especially useful as a generalist tool where specialist resources are scarce."
Hva betyr dette for norske SMB?
Norske SMB-er er ofte generalistdrevne. En regnskapsfører skriver også kundebrev og publiserer på LinkedIn. En daglig leder i et byrå med 12 ansatte gjør selv kontraktsgjennomgang, feilsøking på nettsider og leverandøranalyser uten å hente inn jurist, økonomisjef eller utvikler.
OpenAI-tallene viser at mønsteret også finnes i større bedrifter i det amerikanske utvalget. Små enheter (2–5 ansatte) har 18,9 prosent utenfor-yrke-andel, mens store (100+ ansatte) ligger på 16,3 prosent. Forskjellen er mindre enn man kanskje trodde.
For en leder betyr det tre ting:
- Du konkurrerer ikke lenger bare med andre SMB. Du konkurrerer med større organisasjoner som nå kan løse flere oppgaver internt ved hjelp av AI.
- Generalistkompetanse blir viktigere. Den som kan formulere et juridisk spørsmål, en designbrief eller en HR-policy med AI som sparringspartner, kan håndtere flere oppgavetyper. Resultatet må fortsatt kvalitetssikres av noen med riktig fagkompetanse.
- Oppgaver som krysser faggrenser, er relevante å kartlegge før en automatisering. Start med repeterende oppgaver med lav risiko.
Hva rapporten ikke måler
Det er lett å la seg rive med. OpenAI-rapporten måler atferd, ikke sysselsetting. Den sier ikke om AI skaper nytt tverrfaglig arbeid eller bare hjelper med eksisterende oppgaver. Den sier ingenting om produktivitet, kvalitet sammenliknet med en spesialist, ansettelser eller lønn.
Digital Applied trekker frem to svakheter: rapporten er skrevet av leverandøren selv, og klassifisøren som plasserte oppgavene i O*NET-kategorier, er OpenAIs egen. To ulike nevnere brukes for samme fenomen (16,8 prosent av alle oppgaver / 43,5 prosent av yrkesspesifikke). Uten felles nevner er det bare halve fakta.
Jed Kolko ved Peterson Institute sier det slik: "The evidence on how AI is affecting the labor market today is inconclusive."
For norske SMB betyr det at OpenAI-tallene er en interessant pekepinn, ikke en fasit. Bruk dem til å forstå retningen, ikke til å beregne hvor mange stillinger som forsvinner.
Hva bør du gjøre nå?
Rapporten peker på oppgaver som krysser faggrenser som relevante kartleggingsområder. Her er et konkret opplegg:
-
Kartlegg oppgavene. Skriv ned hvilke oppgaver du og teamet løser som ligger utenfor eget fag. Regnskapsføreren som lager landingssider. Markedsføreren som skriver kontrakter. Lederen som gjør juridiske undersøkelser.
-
Velg ett område å teste. Start med det som er mest repeterende og har lavest risiko. Aktuelle eksempler er markedsføringstekst, møtereferat eller kundekommunikasjon.
-
Sett en målbar grense. Definer hvor mye tid oppgaven tar nå, og hva du vil bruke den frigjorte tiden til. Uten måling blir det bare enda et pilotprosjekt uten konklusjon.
-
Bygg enkelt og mål resultatet. Den første AI-agenten kan avlaste én generalistoppgave og gi teamet erfaring med arbeidsformen.
Dette er kjernen i hvordan AI Revisjon fra 130 000 kr jobber: kartlegging, prioritering og en konkret plan for hvilke oppgaver som bør automatiseres, hvilke som krever menneskelig kvalitetssikring, og hvilke som bør være i ro. Når kartet er klart, kan du ta neste steg med AI Utvikling til fastpris etter scope for å bygge den første automatiseringen. AI-kurs fra 47 500 kr gir teamet opplæring i å bruke og følge opp arbeidsflyten. For en konkret femstegs-plan for å teste en AI-agent i en SMB, se også Slik kjører du en AI-agent-pilot i SMB-en: 5 steg.
Et lite forbehold om metoden
Utvalget i OpenAI-studien er amerikanske ChatGPT-bedriftsbrukere. Det er ikke norske SMB, det er ikke privatpersoner, og det er ikke globalt. Mønstrene som rapporteres (kundeopplevelse og design på topp) ligner det vi ser i norske bedrifter, men generalisering bør gjøres med måte.
Rapporten gir en anledning til å undersøke egen oppgavefordeling. Generalistjobben har lenge ligget hos SMB-lederen. Nå kan bedriften teste hvor AI gir praktisk støtte, med måling og faglig kvalitetssikring.
Ofte stilte spørsmål om OpenAI-rapporten
Hva er task crossover i OpenAI-rapporten?
Task crossover betyr at en arbeidsoppgave i ChatGPT er klassifisert til et annet yrke enn brukerens rolle. En HR-medarbeider som ber om hjelp til design eller en designer som spør om juridiske spørsmål, er et eksempel på crossover.
Hvorfor er dette relevant for norske SMB?
Norske SMB med 7–100 ansatte er allerede generalist-drevne. Én person gjør regnskap, markedsføring, HR og kundeoppfølging. OpenAI-tallene bekrefter at dette mønsteret er vanlig, også i større organisasjoner.
Betyr dette at folk erstattes av AI?
Nei. Studien måler hva folk gjør med AI, ikke om jobber forsvinner. OpenAI selv påpeker at rapporten ikke sier noe om ansettelser, lønn eller produktivitet. Den beskriver atferd, ikke effekt.
Er rapporten upartisk?
OpenAI er både avsender og kommersiell aktør. Rapporten er ikke fagfellevurdert, og klassifisøren er OpenAIs egen. Eksterne økonomer i Peterson Institute sier kunnskapsgrunnlaget om AI og arbeidsmarkedet fortsatt er ufullstendig.
Hva bør en norsk SMB-leder gjøre med denne informasjonen?
Start med å kartlegge hvilke oppgaver som faktisk krysser fag i din bedrift. Velg deretter ett område, for eksempel markedsføringstekst eller kontraktsgjennomgang, og test en AI-agent i et avgrenset pilotprosjekt. Mål tidsbruken før og etter, og krev menneskelig kvalitetssikring av oppgaver med høy risiko.
Vil du vite hvor i din bedrift AI faktisk monner? Start med en AI Revisjon fra 130 000 kr eller ta kontakt for en uforpliktende prat.
